Utilisateur:GloBoy93/Brouillon Impact environnemental de l'intelligence artificielle

Principaux impacts

L'impact environnemental de l'intelligence artificielle (IA) est significatif, principalement en raison de sa demande énergétique croissante pour l'entraînement et le fonctionnement des modèles d'intelligence artificielle.

Impact des centres de données

L'analyse du cycle de vie des systèmes d'IA effectuée par Carole-Jean Wu, Ramya Raghavendra, Udit Gupta et Bilge Acun révèle que la fabrication des infrastructures nécessaires, comme les centres de données et les équipements de calcul, constitue environ la moitié de l'empreinte carbone totale de ces systèmes.

Les infrastructures nécessaires à ces systèmes, notamment les centres de données, consomment une quantité considérable d'électricité, avec une prévision de consommation mondiale de 1 000 térawatts par heure d'ici 2026 d'après une estimation de l'Agence internationale de l'énergie. Cette augmentation est largement attribuée à la construction de nouveaux centres de données et à la demande continue en énergie et en eau pour le refroidissement de ces centres. La consommation d'eau élevée causée par les centres de données impacte des régions déjà touchées par la sécheresse, comme l'Oregon ou l'Arizona.

Les géants du cloud, Amazon, Microsoft et Google, dominent le marché de l'intelligence artificielle et continuent d'agrandir leurs capacités de stockage, exacerbant ainsi la consommation de ressources. Cette expansion massive s'accompagne d'une empreinte carbone supérieure à celle du transport aérien. L'IA, en automatisant et en intensifiant l'extraction de ressources, contribue à l'accélération de la crise environnementale globale.

Impact de l'ingestion, de l'entraînement des modèles et de l'inférence

L'utilisation opérationnelle, incluant l'entraînement des modèles et leur exploitation pour l'inférence, contribue également de manière substantielle aux émissions de carbone.

L'entraînement des modèles de machine learning nécessite une consommation énergétique élevée. Une étude de 2019 par l'université du Massachusetts à Amherst révèle que la formation de grands modèles de traitement du langage naturel peut générer jusqu'à 300 000 kg d'émissions de dioxyde de carbone, soit l'équivalent de 125 vols aller-retour entre New York et Pékin.

Chez Meta, la consommation énergétique pour l'ingestion de données dépasse parfois celle de l'entraînement des modèles. L'analyse du cycle de vie effectuée par Carole-Jean Wu, Ramya Raghavendra, Udit Gupta et Bilge Acun montre que l'empreinte carbone de l'IA inclut les émissions liées à la fabrication des infrastructures (empreinte carbone incorporée) et à l'utilisation des produits (empreinte carbone opérationnelle).

Perspectives

Parmi les pistes pour atténuer les effets néfastes de l'intelligence artificielle sur l'environnement, se trouvent le développement d'outils pour quantifier l'empreinte carbone de l'IA, l'utilisation des énergies renouvelables et les pratiques de développement durable, telles que l'optimisation des algorithmes et des modèles pour une efficacité énergétique accrue et l'utilisation de matériel plus efficace.

Cependant, malgré les progrès dans l'efficacité énergétique des systèmes d'IA, leur expansion rapide entraîne une augmentation continue de la demande d'électricité.

Des initiatives vers des sources d'énergie renouvelables sont en cours dans l'industrie des centres de données. Par exemple, Amazon vise à utiliser 100 % d'énergie renouvelable pour ses centres de données d'ici 2025 et Google vise à faire fonctionner tous ses centres de données avec de l'énergie sans carbone d'ici 2030.