La face cachée de l'IA : 1,5% de l'électricité mondiale en 2022

L’IA est souvent perçue comme un concept purement numérique. Pourtant, elle repose sur une infrastructure physique importante. Cette infrastructure consomme une énergie et des ressources considérables. Cette utilisation des ressources engendre des coûts environnementaux, souvent insoupçonnés des utilisateurs.

1. La réalité physique de l’IA

En 2022, les centres de données mondiaux ont consommé environ 240 à 340 térawattheures d’électricité, soit environ 1 à 1,5 % du total mondial. Les opérations d’IA viennent s’ajouter à ces chiffres. Nous utilisons l’IA via des applications ou des assistants vocaux, et ces outils nécessitent du matériel puissant.

Votre application smartphone ne fonctionne pas que sur votre téléphone. Elle se connecte à une gigantesque ferme de serveurs. Ces fermes de serveurs, que l’on appelle aussi centres de données, sont des entrepôts remplis d’ordinateurs. Elles traitent et stockent toutes les informations numériques qui font fonctionner les systèmes d’IA.

Ces centres de données sont répartis dans le monde entier, des États-Unis à l’Irlande et à Singapour. Des entreprises comme Google, Microsoft et Amazon en gèrent des milliers. Ils abritent les puces et les serveurs spécifiques qui permettent les calculs complexes de l’IA. L’apprentissage d’un modèle d’IA demande une énorme puissance de traitement et beaucoup de temps.

Un modèle, comme un grand modèle linguistique (LLM), doit apprendre à partir d’énormes ensembles de données. Cet apprentissage est appelé entraînement. Il s’agit de traiter de vastes quantités de données pendant des semaines ou des mois. Ce travail constant génère beaucoup de chaleur et requiert de grands systèmes de refroidissement.

2. La soif d’énergie et d’eau de l’IA

L’entraînement d’un grand modèle d’IA peut émettre autant de carbone que cinq voitures au cours de leur vie. C’est ce qu’a révélé une étude de 2019 menée par Emma Strubell et son équipe de l’Université du Massachusetts Amherst, qui a examiné le coût énergétique de l’entraînement des grands modèles d’IA courants. L’étude a souligné l’impact environnemental du développement de l’IA.

Consommation d’énergie : Les modèles d’IA, en particulier pour le deep learning, consomment d’énormes quantités d’énergie. L’entraînement de GPT-3, par exemple, a utilisé environ 1 287 mégawattheures d’électricité. Cette énergie a généré 552 tonnes métriques d’équivalent dioxyde de carbone, selon un article d’OpenAI de 2020. Ce chiffre ne tient pas compte de l’énergie nécessaire à la recherche et au développement avant la phase finale d’entraînement.

Consommation d’eau : Les centres de données consomment également des quantités importantes d’eau. Ils l’utilisent pour refroidir leurs serveurs qui chauffent. Les centres de données de Google, par exemple, ont utilisé 21,2 milliards de litres (5,6 milliards de gallons US) d’eau en 2021, selon son rapport environnemental de 2022. Une grande partie de cette eau sert directement à refroidir les serveurs.

Les centres de données massifs, comme celui-ci, constituent l'épine dorsale physique des systèmes d'IA. Ces « entrepôts remplis d'ordinateurs » consomment de vastes quantités d'électricité et d'eau, les centres de données de Google utilisant à eux seuls 21,2 milliards de litres (5,6 milliards de gallons US) d'eau en 2021 pour le refroidissement. (Source : serverfarmllc.com)

Les serveurs nécessitent un refroidissement constant pour éviter les pannes et maintenir leur fonctionnement. Dans les zones sèches, cette demande en eau met à rude épreuve les environnements locaux. Par exemple, le centre de données de Google à The Dalles, en Oregon, a consommé 1,36 milliard de litres (359 millions de gallons US) d’eau en 2021. Cela a mis à mal les ressources en eau locales pendant la sécheresse.

Minéraux rares et déchets électroniques : Le matériel d’IA nécessite des matériaux spécifiques. Ceux-ci incluent des éléments de terres rares et des métaux comme le cobalt, le lithium et l’or. L’extraction de ces minéraux endommage souvent l’environnement. Elle peut provoquer la déforestation, la pollution de l’eau et la dégradation des sols.

Une fois que le matériel d’IA est obsolète, il est classé comme déchet électronique. Cela inclut les vieux serveurs, les puces et les unités de refroidissement. Le Programme des Nations Unies pour l’environnement (PNUE) a signalé en 2023 que les déchets électroniques mondiaux augmentent rapidement. Une grande partie de ces déchets contient des produits chimiques toxiques. Une mauvaise élimination des déchets électroniques nuit souvent aux personnes et à l’environnement dans les pays plus pauvres.

3. Équité : IA, justice et responsabilités

Le coût environnemental du développement de l’IA frappe souvent le plus durement les communautés vulnérables. Par exemple, la République démocratique du Congo fournit plus de 70 % du cobalt mondial. Ce métal est essentiel dans le matériel d’IA et les batteries. L’exploitation minière y implique souvent des travaux dangereux et du travail des enfants, a rapporté Amnesty International en 2023. Les dommages miniers empoisonnent également l’eau et les terres locales.

L’énorme consommation d’énergie de l’IA génère des émissions de carbone. Ces émissions accélèrent le changement climatique pour tous. Le changement climatique affecte de manière disproportionnée les communautés déjà confrontées à des défis sociaux et économiques. Elles manquent souvent de moyens pour faire face aux phénomènes météorologiques extrêmes ou à l’élévation du niveau de la mer.

Attribuer la responsabilité des dommages environnementaux de l’IA est complexe. Les grandes entreprises technologiques qui construisent des modèles d’IA sont en grande partie responsables. Cependant, les gouvernements, les chercheurs et même les utilisateurs y contribuent également. Certaines entreprises pratiquent le “greenwashing”, faisant de grandes déclarations sur leurs efforts écologiques, ce qui masque leur véritable impact.

L’Agence internationale de l’énergie (AIE) a noté dans ses Perspectives énergétiques mondiales 2022 que la demande numérique en énergie est en croissance. Les centres de données, y compris ceux qui alimentent l’IA, en sont l’une des principales causes. Cette demande croissante signifie que les géants de la technologie doivent faire preuve de transparence et réduire leurs émissions.

4. Une voie plus verte : solutions pour l’IA

En 2021, Google s’est engagé à fonctionner 24h/24 et 7j/7 avec une énergie sans carbone d’ici 2030. C’est un pas vers une IA plus verte. De nombreuses entreprises constatent les problèmes environnementaux et cherchent des solutions. Aborder ces questions nécessite de nouvelles idées, des réglementations et un changement de perspective.

La République démocratique du Congo fournit plus de 70 % du cobalt mondial, un métal essentiel pour le matériel d'IA et les batteries. Les opérations minières y impliquent souvent des conditions dangereuses et du travail des enfants, ce qui soulève de graves préoccupations environnementales et en matière de droits humains. (Source : ilo.org)

Algorithmes plus intelligents : Les chercheurs rendent les modèles d’IA plus efficaces. Ces méthodes d’« IA verte » obtiennent des résultats similaires avec moins de puissance de calcul. Au lieu d’entraîner un seul modèle énorme, les scientifiques essaient des techniques comme la compression de modèle et l’entraînement parcimonieux. Celles-ci réduisent l’énergie nécessaire à l’IA.

Énergie renouvelable pour les centres de données : Des efforts sont en cours pour alimenter les centres de données avec de l’énergie propre. Microsoft et Amazon s’engagent également à acheter de l’énergie renouvelable. Ils investissent dans des fermes solaires et éoliennes pour compenser leur consommation d’énergie, ce qui contribue à réduire l’empreinte carbone de l’IA.

Meilleur matériel : La conception des puces est importante. Des unités de traitement graphique (GPU) plus efficaces et des accélérateurs d’IA dédiés peuvent réduire considérablement les besoins en énergie. Un meilleur refroidissement utilise également moins d’eau. Les chercheurs étudient le refroidissement liquide, qui surpasse les systèmes de refroidissement par air traditionnels.

Règles et politiques : Les gouvernements commencent à s’attaquer à l’impact environnemental de l’IA en mettant en place des lois. La loi sur l’IA de l’Union européenne, par exemple, prend en compte les aspects environnementaux. De telles règles peuvent exiger un rapportage clair de la consommation d’énergie de l’IA et encourager les technologies d’IA plus vertes. Ces politiques rendent les développeurs responsables de leur empreinte.

Sensibilisation des utilisateurs : Les utilisateurs ont également un rôle à jouer. Demander aux entreprises technologiques de la transparence sur leur impact environnemental peut inciter au changement. Soutenir les entreprises durables contribue à accélérer la transition vers une IA plus verte. Un avenir durable pour l’IA nécessite une action collective et une considération environnementale.

FAQs

Q1 : Toute l’IA est-elle mauvaise pour l’environnement ? Non, toute l’IA n’est pas mauvaise. L’IA peut aussi aider à résoudre des problèmes environnementaux. Elle peut améliorer le fonctionnement des réseaux énergétiques ou prédire les modèles climatiques. L’inquiétude porte sur la quantité de ressources nécessaires pour construire et faire fonctionner certains grands modèles d’IA.

Q2 : Quel est le plus grand impact environnemental de l’IA ? Le plus grand impact à l’heure actuelle provient de l’énorme consommation d’énergie des centres de données, en particulier pour l’entraînement et le fonctionnement des grands modèles d’IA. Cette consommation d’énergie génère beaucoup de carbone et nécessite des tonnes d’eau pour le refroidissement.

Q3 : Que puis-je faire concernant l’impact environnemental de l’IA ? Vous pouvez soutenir les entreprises soucieuses de l’environnement et demander aux entreprises technologiques des rapports transparents. Vous pouvez également faire pression pour des politiques qui encouragent une IA verte et une gestion intelligente des ressources.

Les unités de traitement graphique (GPU) haute performance sont les bêtes de somme de l'IA moderne, permettant des calculs complexes mais consommant également une énergie significative. Le développement de conceptions de GPU plus efficaces est une stratégie clé pour réduire l'empreinte carbone globale de l'IA. (Source : intuitionlabs.ai)

---

Vous pourriez aussi aimer:

👉 Comprendre l’indépendance énergétique : Sécurité, Économie, Avenir

👉 L’IA et les jeunes : les risques mondiaux des applications et réseaux

👉 Vénus, l’enfer à 475°C, clé de l’avenir climatique terrestre