Nous remercions la Banque Nationale pour sa commandite qui nous permet d'offrir gratuitement le simulateur de Marketing numérique de HEC MONTRÉAL à nos étudiants du BAA !

Rechercher
Rechercher
Rechercher
Fermer ce champ de recherche.
Impact environnemental des centre de données et de l'IA
S'abonner à l'infolettre

Infolettre

L’Impact Écologique de l’Intelligence Artificielle : Un Défi à l’Ère du Numérique

Avant de demander à ChatGPT une énième anecdote, il serait judicieux de prendre en compte son empreinte carbone.

Le saviez-vous ? Une conversation moyenne avec ChatGPT consomme approximativement 500 ml d’eau, des impacts considérables si l’on compte les 1,5 milliard d’utilisateurs mensuels … Une bombe climatique!

Les algorithmes et l’intelligence artificielle, notamment l’IA générative (LLM) est au cœur des discussions actuelles, se révélant comme un outil incontournable, particulièrement dans le monde du marketing numérique. Parmi eux, Bing de Microsoft, Gemini de Google et GPT-4 d’OpenAI sont en tête. Ces progrès entrainent toutefois une consommation croissante d’énergie et d’eau, notamment en raison de la prolifération des data centers, qui traitent et stockent des quantités colossales de données, représentant près de 2 % de la consommation mondiale d’électricité, soit un coût environnemental non négligeable. Quant à l’industrie du numérique, il représente environ 4% des émissions mondiales de gaz à effet de serre, équivalent à l’impact de l’industrie aéronautique et la forte augmentation des usages laisse présager un doublement de cette empreinte carbone d’ici 2025. Ces innovations, bien qu’ils permettent d’aiguiser les campagnes publicitaires et stratégies marketing, posent des questions complexes sur l’avenir de notre environnement. Alors que nous exploitons l’IA pour transformer le marketing numérique, il est crucial de se demander : à quel prix pour notre planète ? Peuvent-ils compromettre nos objectifs climatiques ? Est-il possible d’embrasser ces innovations tout en préservant notre planète ?

Qu’est-ce que l’intelligence artificielle?

IA, algorithme, machine learning, deep learning – ces termes sont souvent évoqués dans ce halo de fascination technologique, mais que recouvrent-ils exactement ? Comment fonctionnent-ils? Le principe est assez simple : ce sont des ensembles de règles informatiques conçues pour traiter de l’information, à l’instar de l’esprit humain. L’intelligence artificielle est fondée sur des algorithmes complexes, une suite d’instructions conçue pour exécuter des tâches spécifiques comme la reconnaissance de modèles, la prise de décision, ou la prédiction de résultats. Ainsi, cet algorithme doit être entraîné ; un processus qui peut durer des semaines, voire des mois. Cet entraînement implique d’exposer l’algorithme à de vastes quantités de données structurées ou non, que ce soit des textes, des sons ou des images, stockées dans d’immenses bases de données. Avec le temps, le modèle apprend à évaluer les différentes caractéristiques des données pour accomplir la tâche qui lui est assignée. Mais cette sophistication vient à un coût ; toute activité informatique implique une consommation d’énergie, une réalité souvent oubliée en raison du caractère intangible du secteur numérique. Les centres de données qui hébergent ces cerveaux électroniques consomment une quantité considérable d’énergie pour les maintenir, sans oublier l’eau nécessaire pour les refroidir et la chaine de production sous-jacente, de la fabrication des processeurs graphiques utilisés pour leur entraînement à leur déploiement.

L’empreinte carbone des IA : une facture écologique salée

Comparaison de carbone (C02) générée par la formation d'un modèle d'IA et l'empreinte moyenne pour différentes activités
Comparaison de C02 généré par l’entraînement d’un modèle d’IA et l’empreinte carbonne moyenne pour différentes activités

Selon une étude de l’Université de Massachusetts, le processus de formation de certains modèles d’IA peut émettre près de 626 000 kg de CO2, ce qui équivaut à près de 125 voyages aller-retour entre New York et Pékin en avion. C’est presque 5 fois les émissions de toute une vie d’une voiture moyenne. Les marketeurs numériques, qui sont parmi les plus grands consommateurs de données, exploitent souvent des outils issus de l’IA pour affiner leurs annonces et stratégies. Pour chaque gigaoctet de données traité, environ 7 kg de CO2 sont émis; je vous laisse donc imaginer les dégâts qu’une campagne de marketing numérique moyenne pourrait potentiellement émettre, et cela se compte en tonnes. À mesure que les algorithmes deviennent plus complexes et performants, leur besoin en puissance de calcul s’accroît, amplifiant ainsi leur empreinte environnementale, explique Roy Schwartz, chercheur au Allen Institute for Artificial Intelligence. Alors que les algorithmes d’intelligence artificielle ont le potentiel d’optimiser l’efficacité énergétique dans certains domaines, l’augmentation globale de son utilisation entraînerait une hausse de la consommation d’énergie à l’échelle mondiale ; ce fameux effet de rebond.

Des algorithmes « responsables », la clé vers l’avenir vert de l’IA ?

Hugging Face se distingue dans le paysage de l’intelligence artificielle par son engagement à réduire l’impact environnemental de ses outils d’IA. Ils fournissent des moyens de calculer les émissions de CO2 associées à l’utilisation de l’IA, prenant en compte l’énergie nécessaire pour chaque requête et entraînement, la fréquence de ces entraînements, et la quantité de CO2 produite par la source d’énergie utilisée. L’entreprise a quantifié l’empreinte carbone de l’entraînement de leur modèle BLOOM, qui grâce à une architecture optimisée et un centre de données issues principalement du nucléaire, une énergie plus respectueuse de l’environnement, émet 95% moins de CO2 que des modèles équivalents. Étant d’une complexité comparable, l’entraînement de ChatGPT-3 représente environ 30 fois l’empreinte de BLOOM, ce qui équivaut à l’impact carbone de 300 vols aller-retour entre Paris et New York. On comprend alors que la source d’énergie utilisée, soit renouvelable ou fossile s’avèrera déterminante pour le calcul de l’empreinte carbone de l’IA. Utiliser l’hydroélectricité, une énergie propre par rapport à une centrale à charbon, peut réduire considérablement l’empreinte carbone, avec une différence pouvant atteindre jusqu’à 100 fois moins d’émissions de CO2.

Il existe plusieurs outils destinés à évaluer les émissions de CO2 dans le domaine de l’intelligence artificielle. Parmi eux, CodeCarbon se distingue comme une option pratique et accessible, développée par des experts de premier plan en IA dont Comet, MILA dirigé par Yoshua Bengio, BCG GAMMA, Boston Consulting Group et le Haverford College. Disponible en open-source sur codecarbon.io, cet outil s’intègre aisément dans un environnement de développement Python pour offrir une évaluation précise de l’impact carbone. Il traduit les données en équivalences tangibles, telles que le nombre de kilomètres parcourus par une voiture. CodeCarbon analyse l’intensité carbone de l’électricité consommée et la quantité d’énergie utilisée par les infrastructures de calcul, qu’il s’agisse de serveurs loués ou de serveurs privés. Au-delà de la simple mesure, CodeCarbon suggère des actions concrètes, incitant les développeurs à opter pour des régions où l’énergie est moins carbonée, ce qui pourrait considérablement réduire l’empreinte écologique des algorithmes qui, selon Sylvain Duranton de BCG Gamma, pourrait réduire significativement l’empreinte écologique des algorithmes, la divisant potentiellement par 2 à 5.

Si l’on compare ces innovations aux algorithmes de Google dans le secteur du numérique, bien qu’ils aient pris des engagements pour réduire l’empreinte carbone de ses centres de données, un manque de transparence réside. L’appel pour des « algorithmes responsables » gagne du terrain, mais le succès de cette initiative dépendra largement de l’adoption par des acteurs majeurs comme Google ou Facebook. En effet, le véritable défi réside dans la capacité de ces géants de la tech à harmoniser leurs objectifs commerciaux avec les impératifs de responsabilité sociale et environnementale. Leur volonté de prioriser ces algorithmes responsables dans leurs opérations commerciales reste cruciale pour que ces pratiques deviennent une norme dans l’industrie, malgré que leur intérêt s’étende à des fins purement commerciales et capitalistes. L’avenir de l’intelligence artificielle, et potentiellement celui de notre environnement, dépendra de nos choix présents; c’est par une prise de conscience collective que des mesures pour réduire la pollution numérique seront prises

Conclusion

Bien que l’intelligence artificielle présente des opportunités indéniables, son empreinte environnementale nous oblige toutefois à réfléchir profondément sur notre approche technologique. Face à un cadre législatif encore flou et insuffisant en raison de leur nouveauté et de leur complexité, les entreprises naviguent dans un espace où l’exploitation de l’IA se fait avec peu de contraintes environnementales. Dans un contexte où la législation peine à suivre le rythme rapide de l’innovation, des interrogations cruciales émergent : quels sont les rôles de chaque partie prenante pour influencer une transition vers une IA responsable ? Quelles responsabilités doivent être imposées aux entreprises pour garantir la transparence et l’adoption de pratiques durables ? Quelle place pour les initiatives de certification écologique dans le domaine de l’IA pour encourager des pratiques plus durables ? La transparence insuffisante de l’industrie appelle à une législation urgente établissant des standards d’émissions pour les data centers, imposant aux entreprises des obligations de transparence quant à leur impact écologique, et créant des incitations pour celles qui s’orientent vers un avenir plus vert. En fin de compte, le succès de ces technologies ne doit pas se faire au détriment de notre planète.

Podcast sur l’impact environnemental de l’intelligence artificielle

Sources

BCG. (2020, December 1). Top AI Experts Launch CodeCarbon to Help Developers Track Their AI Models’ Carbon Footprint.: https://www.bcg.com/press/1december2020-top-ai-experts-launch-codecarbon#:~:text=CodeCarbon %3A Open Source et logiciel,impact environnemental de leur trava

Kieffer, D. (n.d.). Pollution numérique et intelligence artificielle : Comment réduire l’empreinte carbone ?. Optimease.
 : https://optimease.eu/pollution-numerique-et-intelligence-artificielle-comment-reduire-lempreinte-carbone/

Kanungo, A.(n.d.). The Green Dilemma: Can AI Fulfil Its Potential Without Harming the Environment?. Earth.org. : https://www.bcg.com/press/1december2020-top-ai-experts-launch-codecarbon#:~:text=CodeCarbon%20%3A%20Open%20Source%20et%20logiciel,impact%20environnemental%20de%20leur%20travail.

Laskaris, N. (n.d.). Introducing CodeCarbon: An Open Source Tool to Help Track the CO2 Emissions of Your Research. Comet. : https://www.comet.com/site/blog/introducing-codecarbon-an-open-source-tool-to-help-track-the-co2-emissions-of-your-research/

ChatGPT consommerait l’équivalent d’une bouteille d’eau par conversation. (n.d.). Novethic.https://www.novethic.fr/actualite/numerique/intelligence-artificielle/isr-rse/chatgpt-consommerait-l-equivalent-d-une-bouteille-d-eau-par-conversation-151485.html

Morestin, F. Respect AI: Decarbonizing AI with Dr. Sasha Luccioni, Climate Lead and AI Researcher of Hugging Face. (n.d.). Borealis AI. : https://www.borealisai.com/news/respect-ai-decarbonizing-ai-with-dr-sasha-luccioni-climate-lead-and-ai-researcher-of-hugging-face/

Picture of rymmassen

rymmassen

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Découvrir d'autres articles

small_c_popup.png

Avez-vous finis votre lecture de l'article?

Vous pourriez tester vos connaissances numérique

25 questions pour déterminer si vos lectures sur le blogue ont fait de vous un expert du numérique