L’IA durable n’est, à l’heure actuelle, qu’une chimère

Important: les chiffres utilisés et qui servent de base au propos sont tous issus de l’enquête de Cap Gemini « Developing sustainable Gen AI » que je ne peux que vous recommander de lire si vous êtes à l’aise en anglais.

Les impacts environnementaux de l’IA sont énormes

Résumé

Le slide 12 de l’étude propose un beau résumé de l’impact environnemental des IA génératives:

Empreinte carbone de la fabrication	Empreinte du pré-entrainement	Empreinte du fine-tuning	Empreinte du renforcement de l’apprentissage	Empreinte de l’usage et de l’inférence du modèle	Empreinte de la fin de vie
Matériel et hardware: Près de la moitié des émissions de Gaz à effet de serre (GHG) de production vient du minage des terres rares	Développement et optimisation L’entrainement d’un modèle de la taille de GPT-4 est équivalent à la consommation annuelle de 5 000 foyers américains		Utilisation En 2022, 60% de l’énergie utilisée par les IA était pour l’usage et 40% pour l’entrainement Une requête à ChatGPT consomme 10 fois plus qu’une requête Google Les requêtes aux LLM consomment beaucoup d’eau (environ 500 ml d’eau pour 20 à 50 requêtes) A noter: Les chiffres utilisés ici sont vieux. En 2025, avec la démocratisation des usages et les nouveaux modèles beaucoup plus énergivores on peut augmenter fortement le coût des requêtes et de l’utilisation		Déchets du numérique (e-waste) D’ici 2030 les IA génératives devraient produire entre 1,2 et 5 millions de tonnes de déchets… Ce qui représente 1 000 fois plus qu’en 2023
	•L’Agence internationale de l’énergie (AIE) prévoit que la demande mondiale d’électricité pour les centres de données va plus que doubler, passant de 460 TWh en 2022 à 1 000 TWh en 2026 (ce qui équivaut à peu près à la demande d’électricité du Japon). •En 2023, la consommation d’eau dans les infrastructures informatiques de la « baie des centres de données » de Virginie a augmenté de 69 % par rapport à 2019.

Que retenir ?

J’y vois de principalement 2 points:

• La fabrication explose et avec elle les déchets. Le nombre de GPU (à ma connaissance non recyclables) nécessaires à la fabrication et avec une faible durée de vie engendrent une surutilisation alarmante des ressources naturelles.
• L’utilisation et l’entrainement des LLM a un impact énorme sur la consommation d’électricité et d’eau… A ce rythme on sera vite amenés à faire des choix. Doit-ont garder l’eau et les piscines pour les ménages ou pour les serveurs de nos IAs ?

La consommation d’électricité nécessaire aux IAs explose

Le numérique est matériel. Ce n’est pas évident pour beaucoup mais il faut garder cela en tête. Pour faire fonctionner un « Cloud » il faut des serveurs. Ces serveurs sont matériels (fabrication et fin de vie) et consomment eau et électricité. Plus il y en a plus ils en consomment.

Les LLM nécessitent tout au long de leur cycle de vie énormément de ces serveurs. La croissance exponentielle de leurs utilisation multiplie également de manière exponentielle des besoins en électricité.

Entre 2019 et 2024: multiplication par 2 ! De 300 à 600 TWh

Entre 2024 et 2026: multiplication par plus de 1,25 (on peut penser arriver à un facteur 2 voir plus d’ici 2029)! De 600 à 800 TWh en 2 ans)

La consommation d’eau devient une problématique majeure

Vous vous souvenez sûrement des problèmes d’électricité qu’a connu la France il y a quelques années avec des centrales nucléaires qui ne fonctionnaient pas pour cause de maintenance ? Imaginez maintenant un problème similaire non pas pour une maintenance mais car il n’y a plus assez d’eau ?

La problématique existe déjà avec le changement climatique. La multiplication de la demande en électricité va se traduire, aux USA, par une multiplication des centrales nucléaires (d’après les derniers rapports). Centrales nucléaires qui vont demander beaucoup d’eau. Eau qui manque de plus en plus aux USA comme on le voit avec le Colorado qui n’atteint plus forcément la mer.

Mes propos sont d’ailleurs rappelés dans le rapport dont voici la phrase traduite:

L’anticipation de ce besoin quotidien d’eau semble assez important, si l’on considère que près de la moitié de la population lmondiale pourrait être confrontée à un stress hydrique grave dès 2030

L’utilisation n’est d’ailleurs pas le seul problème. La fabrication des GPU est également problématique!

Au final il n’est pas sûr que les centrales construites soient en état de fournir l’électricité nécessaires pour cause de manque d’eau… A moins que des choix soient fait en faveur des serveurs et au détriment des foyers, de l’industrie et/ou de l’agriculture.

Les chiffres ne doivent pas être négligés. En voici quelques uns:

• La consommation d’eau dans les infrastructures dans l’allée des centres de données de Virginie en 2023 a augmenté de 69 % entre 2019 et 2023
• Si GPT-3 prenait en charge les 9 milliards de recherches quotidiennes sur Google, il faudrait 4,5 milliards de litres d’eau par jour pour refroidir les centres de données. pour refroidir les centres de données. Arrêter de faire des recherches ChatGPT quand une recherche Google suffit!
• la production d’une seule puce électronique, largement utilisée dans le paysage de l’intelligence artificielle, nécessite environ 8,3 litres d’eau
• Environ 39 millions de litres d’eau sont utilisés chaque jour par une usine moyenne de fabrication de puces, ce qui équivaut à l’eau utilisée par 33 000 ménages américains.

L’IA porte les déchets du numérique à un niveau à peine imaginable il y a encore quelques années

Ici, un seul chiffre suffit: d’ici 2030 il y aura 1000 fois plus de déchets du numérique qu’en 2023 à cause de l’IA.

L’IA ne compense pas son impact environnemental.

On parle souvent de l’IA pour faire de l’IT for Green. L’IA devrait permettre de consommer moins et d’optimiser les ressources!

Le discours est beau. La réalité beaucoup moins.

A l’heure où l’on doit diminuer nos émissions de CO2 ces dernières ont augmenté en moyenne de 6% dans les organisations. Ces dernières expliquent, pour la moitié d’entre elles, cette augmentation par les IA. C’est à dire que les IAs sont la cause directe de l’augmentation des émissions de CO2 et que sans IA il n’y aurait pas eu ces augmentations… Ce qui est cohérent avec Google qui annonçait une augmentation de 48% de ses émissions à cause de l’IA.

L’environnement n’est même pas un sujet pour les entreprises qui travaillent sur l’IA

A l’heure actuelle, l’impact environnemental de l’IA n’est pas un sujet pour une très grande majorité des organisations. Cela sevoit au niveau de la mesure et des actions prises.

Mesure

Au delà de l’augmentation des émissions liées à l’IA cela se voit très vite avec ce chiffre: seulement 12% des organisation mesurent l’empreinte environnemental des IA… Alors certes, plus de 80% pensent à le faire mais c’est remis à plus tard et ne semble pas être une priorité. Pour 7% ce n’est d’ailleurs même pas un sujet

Les organisations avancent des raisons à cette non mesures. Et même si ces dernières sont recevables, elles servent, à mon sens, principalement de prétexte pour ne pas faire. Voici les principales:

• Manque de transparence des hébergeurs: 74% => ces éléments peuvent être demandés ou recherchés. Je l’ai fait pour la taverne.
• Manque de sensibilisation de l’équipe dirigeante à l’impact de l’IA sur l’environnement: 68% => les formations de qualité sont nombreuses et les données facilement accessibles. Ne pas savoir c’est ne pas vouloir savoir!
• Mesure trop complexe: 64% => Avoir des mesures de base me semble pourtant moins complexe que de développer une IA.
• La priorisation des performances de l’IA par rapport à celles de son impact environnemental: 58%. => cela a le mérite d’être honnête et de bien montrer le peu d’importance apporter à l’environnement 🙁

Actions

L’impact environnemental d’un modèle d’IA n’est pris en compte dans le processus de sélection que dans 27% des cas! Cela représente environ 1 fois sur 4 uniquement.

Par ailleurs, il n’y a que très peu de travail mis en œuvre pour diminuer cet impact environnemental. Voici quelques chiffres tirés de cette enquête:

	Déjà implémenté	Dans 1 an	Dans 2 ans	Non prévu
Garantir la recyclabilité du matériel d’IA/Gen AI utilisé	11	26	47	16
Mettre en œuvre la gestion des déchets électroniques pour le hardware de l’IA	5	36	47	12
Utiliser des algorithmes efficaces pour la formation et l’exploitation des IA	26	42	21	11
Utiliser des modèles plus petits	8	48	32	13
Optimiser les modèles	3	13	32	52
Minimiser le volume de données nécessaires	7	15	32	47
Contrôler et rendre compte en permanence de l’utilisation de l’IA afin d’identifier/éliminer les utilisations inutiles	25	23	37	15

En graphique cela donne cela:

Des solutions ?

Actuellement, ce que l’on fait collectivement de l’IA est délétère. Cela ne veut pas dire qu’il n’y a rien à faire, bien au contraire!

L’étude propose d’ailleurs des solutions pour avoir des IA génératives durables.

Precessus:

Parmi celles-ci il y a un processus:

A titre personnel je préfère celui de l’IA frugale mais, comme vous pouvez le constater, il y a pas mal de similarités entre les 2.

Actions concrètes

L’étude propose également de nombreuses pistes pour une IA durable au sens large (pas uniquement environnemental).

Les solutions sont intéressantes et classées… mais il y en a finalement assez peu pour l’environnement:

IT for Green

Je suis particulièrement vigilant sur l’IT for Green qui peut, à mon sens, rapidement devenir l’équivalent d’un Green washing.

Cela ne sert à rien de faire une IA pour l’environnement si d’un autre côté on fait de nombreuses IA qui annihilent son impact. De même, il faut éviter les effets rebonds mais également s’assurer d’un vrai retour sur investissement.

Néanmoins, dans de nombreux cas l’IA peut être d’une grande aide et il serait dommage de se passer de cette technologie pour diminuer nos impacts environnementaux.

D’après l’étude un nombre non négligeable (33)% d’organisations travaillent ou on déjà des IA dédiées à des sujets « durables ».

Voici les chiffres complets:

Action	%
Pas intéressé par l’IA dans une optique de durabilité	8
Non commencé à explorer l’IA pour les capacités de développement durable.	21
Commencé à explorer le potentiel de l’IA pour le développement durable	37
Commencé à travailler sur des projets pilotes d’IA pour les initiatives de développement durable	15
Activation des capacités des IA pour le développement durable pour certaines fonctions	16
Activation de l’IA pour le développement durable pour plusieurs fonctions	2

Conclusion

L’impact actuel de l’IA est particulièrement préoccupant avec des perspectives de consommation d’électricité, d’eau et de terres rares toujours plus importantes. Les actions actuelles des organisations sont insuffisantes au vu des enjeux et des impacts actuels et futurs.

En tant qu’utilisateurs nous avons également notre rôle à jouer. Savoir quand et comment utiliser les IAs.

Il n’y a évidemment pas une unique solution pour régler les problèmes aussi complexes. D’un point de vue des organisation, à mon sens, il n’y a que le prix qui peut freiner cette frénésie de consommation et pousser les organisation à mieux utiliser l’IA et ses usages. Voici 2 possibilités auxquelles j’ai pensé:

• Avoir un prix progressif (comme les impôts) sur la consommation d’électricité et d’eau.
• Implémenter une taxe spécifique sur les déchets

Dans tous les cas le chemin à faire est très important et il faut se mettre en ordre de marche dès maintenant!

Pensez à rejoindre le groupe Le métier du test si le test vous intéresse !

N’hésitez pas à me suivre et lire mes autres articles si vous voulez en apprendre plus sur le test ou venir partager vos connaissances

Merci à tous ceux qui mettent « j’aime », partagent ou commentent mes articles