L'IA générative
- Tom Vermolen
- 16 oct.
- 5 min de lecture
Impact environnemental de l'IA générative
Bien que l'IA existe depuis un certain temps déjà, une nouvelle branche de l'IA se développe actuellement à un rythme rapide : l'IA générative. L'IA générative a une empreinte nettement plus importante que les formes traditionnelles d'IA. Il ne s'agit pas seulement d'une empreinte climatique, l'IA générative présente également des résultats moins bons en matière d'environnement et de justice sociale.
L'IA générative est une branche de l'IA spécialisée dans la création de nouveaux contenus tels que des textes, des images, des vidéos ou des sons. L'IA générative crée des contenus apparemment originaux, sous forme de textes ou d'images, en s'entraînant sur de grands ensembles de données.
Il ne faut pas la confondre avec l'IA traditionnelle, qui est programmée avec des algorithmes, ou des ensembles de règles, pour accomplir des tâches spécifiques, telles que jouer aux échecs, faire des recommandations ou générer des résultats de recherche.
Tout commence par la fabrication
Les puces nécessaires à l'IA générative sont plus complexes et nécessitent davantage de ressources que les puces classiques utilisées pour l'IA traditionnelle. On estime qu'une puce d'IA générative nécessite 50 % de ressources en plus. La création de puces n'est pas un processus efficace : pour fabriquer 1 kilo de puces, il faut 400 kilos de matières premières. Ces matières premières sont associées à des problèmes environnementaux et humanitaires, car la plupart d'entre elles sont toxiques et extraites dans des conditions de travail déplorables, avec recours au travail des enfants, voire à l'esclavage. L'exploitation minière en eaux profondes pour l'extraction des matières premières constitue une menace pour les océans. De nombreux produits chimiques toxiques sont utilisés pour fabriquer les puces. On estime que les trois principaux fabricants (NVIDIA, AMD et Intel) ont livré 3,85 millions de processeurs graphiques aux centres de données en 2023, contre environ 2,67 millions en 2022.
Entraînement du modèle
La création d'une IA générative commence par l'entraînement du modèle. On pensait que cette phase serait la plus gourmande en énergie, mais des études récentes ont prouvé que ce n'était pas le cas. Néanmoins, l'entraînement d'un modèle d'IA tel que GPT-3 a nécessité 1 287 mégawattheures d'électricité, générant environ 552 tonnes de dioxyde de carbone. Si tous les modèles d'apprentissage automatique doivent être entraînés, l'IA générative présente une particularité : les fluctuations rapides (surcharges) de la consommation d'énergie qui surviennent au cours des différentes phases du processus d'entraînement. Les opérateurs de réseaux électriques doivent disposer d'un moyen d'absorber ces fluctuations afin de protéger le réseau, et ils utilisent généralement des générateurs diesel, des groupes électrogènes thermiques, à cette fin.
Demande en électricité pendant la durée de vie
Une fois qu'un modèle d'IA générative est entraîné, les besoins en énergie ne disparaissent pas. Chaque fois qu'un modèle est utilisé, par exemple par une personne qui demande à ChatGPT de résumer un e-mail, le matériel informatique qui effectue ces opérations consomme de l'énergie. Des chercheurs ont estimé qu'une requête ChatGPT consomme environ dix fois plus d'électricité qu'une simple recherche sur le web. La génération d'une image peut avoir un impact jusqu'à 530 fois supérieur à celui d'une recherche textuelle.
Saviez-vous que vous pouvez réduire votre empreinte carbone de 90 % en ajoutant « -ai » dans une recherche Google ?
Trois lettres simples suffisent pour réduire votre empreinte carbone de 90 % !
Les scientifiques ont estimé que les besoins en énergie des centres de données en Amérique du Nord sont passés de 2 688 mégawatts à la fin de 2022 à 5 341 mégawatts à la fin de 2023, en partie en raison des exigences de l'IA générative. À l'échelle mondiale, la consommation électrique des centres de données a atteint 460 térawattheures en 2022. Cela aurait fait des centres de données le 11e plus grand consommateur d'électricité au monde, entre l'Arabie saoudite (371 térawattheures) et la France (463 térawattheures), selon l'Organisation de coopération et de développement économiques OCDE.
La demande en nouveaux centres de données ne peut être satisfaite de manière durable. Le rythme auquel les entreprises construisent de nouveaux centres de données signifie que la majeure partie de l'électricité nécessaire à leur alimentation doit provenir de centrales électriques fonctionnant aux combustibles fossiles. L'IA nécessite près de deux fois plus d'électricité que les Pays-Bas, et la puissance requise pour l'IA double tous les 100 jours. D'ici 2030, les centres de données devraient émettre trois fois plus de CO2 par an qu'ils ne le feraient sans l'essor du développement de l'IA. La quantité d'émissions de GES prévue, soit 2,5 milliards de tonnes, équivaut à environ 40 % des émissions annuelles actuelles des États-Unis.
Consommation d'eau
Les centres de données utilisent de l'eau pendant leur construction et, une fois opérationnels, pour refroidir les composants électriques. La formation de GPT-3 a nécessité l'évaporation d'environ 700 000 litres d'eau douce propre, et chaque requête adressée à ChatGPT a consommé environ ¼ de tasse d'eau. Les infrastructures liées à l'IA consomment six fois plus d'eau que le Danemark, un pays de 6 millions d'habitants. La consommation d'eau pour l'IA générative devrait croître de manière exponentielle d'ici 2030, alors qu'un quart de l'humanité n'a déjà pas accès à l'eau potable et à l'assainissement. À l'échelle mondiale, tous les centres de données combinés consomment environ 1,7 milliard de litres d'eau potable chaque jour !
Durée de vie courte
Les modèles d'IA générative ont une durée de vie particulièrement courte, en raison de la demande croissante de nouvelles applications d'IA. Les entreprises lancent de nouveaux modèles toutes les quelques semaines, ce qui rend inutile l'énergie utilisée pour former les versions précédentes. Les nouveaux modèles consomment souvent plus d'énergie pour leur formation, car ils ont généralement plus de paramètres que leurs prédécesseurs.
Impacts en fin de vie
Enfin, un autre domaine dans lequel l'IA générative peut nuire à l'environnement est celui des déchets électroniques. Une étude a en effet révélé que la production de déchets électroniques liés à l'IA générative allait augmenter à un rythme rapide, pour atteindre 16 millions de tonnes cumulées d'ici 2030. Les déchets électroniques constituent l'un des flux de déchets qui connaît la croissance la plus rapide au monde. Ils contiennent des métaux lourds toxiques, tels que le mercure et le plomb, qui contaminent notre environnement.
Impacts positifs de l'IA
L'IA, y compris l'IA générative, n'a pas que des inconvénients. Elle a contribué à faire progresser la recherche médicale et même la recherche climatique, et elle peut aider à trouver des solutions à certains problèmes. L'IA générative est déjà utilisée dans un certain nombre de domaines scientifiques où des progrès ont été réalisés grâce à son utilisation. Elle sert également à cartographier les émissions de méthane, un puissant gaz à effet de serre. L'IA générative pourrait être bénéfique si elle était utilisée de manière raisonnable et à petite échelle.
Vous trouverez plus d'informations dans les sources suivantes
Cet article a été créé à l'aide d’intelligence réelle ;)
Commentaires