Si 2023 a été l'année de l'intelligence artificielle, 2024 est l'année où le problème deimpact environnemental de l'IA on ne peut plus l'ignorer. Déjà en janvier, lors de l'assemblée annuelle de Forum économique mondial en Suisse, le PDG d'OpenAI – la société propriétaire de ChatGPT – Sam Altman il a exprimé son opinion sur défis énergétiques qui affligent ce secteur, affirmant qu' »un tournant est nécessaire » pour réduire la consommation d'énergie et d'eau potable liée à l'IA. Également lors du WEF, le président d'Hitachi Toshihaki Higashihara a déclaré que, selon une estimation, je centres de données (centres de calcul informatiques composés de milliers de serveurs) consommeront de l'électricité en 2050 1000 fois plus élevé qu'aujourd'hui, également en raison de l’énorme faim d’énergie de l’IA. La question a atteint la Chambre des représentants des États-Unis, où un projet de loi visant à lutter contre le lourd coût environnemental de l'intelligence artificielle a été promulgué le mois dernier.
Combien d’énergie l’intelligence artificielle consomme-t-elle ?
S'assurer la formation et les réponses à des millions de requêtes qui sont envoyés chaque jour à des outils d'intelligence artificielle tels que ChatGPT ou Google Gemini, il faut d'énormes centres de données dont la consommation d'énergie est tout sauf négligeable, tant pour maintenir les ordinateurs actifs que pour alimenter leurs systèmes de refroidissement.
Par exemple, on estime que recevoir une réponse d’un outil d’intelligence artificielle générative consomme de la consommation 4 à 5 fois plus par rapport à une recherche Web traditionnelle en termes d'énergie. Selon une estimation réalisée par une équipe de recherche de l'Université de Washington dirigée par Sajjad Moazenile chatbot IA le plus célèbre – ChatGPT – a besoin d'environ 1 gigawattheure (GWh) par jourl'équivalent de la consommation de 33 000 ménages américains moyens. À cet égard, Moazeni a déclaré :
Ces chiffres peuvent sembler acceptables pour l’instant, mais ce n’est que le début d’un développement et d’une adoption généralisés de ces modèles. (…) De plus, à mesure que les modèles deviennent plus sophistiqués, ils deviennent de plus en plus grands, ce qui signifie que l'énergie du centre de données nécessaire à la formation et à l'exploitation de ces modèles peut devenir non durable.
Estimer la quantité d’énergie que consommera l’ensemble du secteur de l’IA dans les années à venir est une entreprise très compliquée, mais des hypothèses raisonnables peuvent être formulées. Une étude récente estime par exemple que le secteur de l’IA pourrait avoir un besoin énergétique inclus en 2027 entre 85 et 134 térawattheures (TWh) par an, comparable à celui de certains pays comme l'Ukraine (85 TWh par an), les Pays-Bas (108 TWh), la Suède (125 TWh) et l'Argentine (134 TWh). A titre de comparaison, la consommation énergétique de l'Italie s'élève à environ 300 TWh par an.
Consommation d'eau de l'intelligence artificielle
Les centres informatiques consomment non seulement de l’électricité, mais aussi de l’eau, principalement utilisée pour le refroidissement des serveurs. À titre d'exemple, la formation du Large Language Model (LLM) de Google Bard a abouti à un augmentation de la consommation d’eau de 20% par le géant de Mountain View. Situation similaire avec l'intelligence artificielle de Microsoft et Bing, avec une augmentation de 34 %. La formation du LLM de ChatGPT-4 – qui a récemment réussi le test de Turing – a provoqué une augmentation de 6 % de la consommation d'eau à West Des Moines, Iowa, où réside le centre de données utilisé par OpenAI. Une étude récente estime que l'IA sera capable de consommer entre 4,2 et 6,6 milliards de mètres cubes d'eau en 2027ce qui équivaut à la moitié de la consommation annuelle du Royaume-Uni.
Comment réduire l’impact environnemental de l’IA ?
Comme il est facile de l'imaginer, Il n’existe pas de « pilule magique » pour résoudre instantanément le problème : la solution doit nécessairement venir de plusieurs fronts. D’un point de vue purement technique, nous aurons d’abord besoin d’algorithmes plus efficaces et de matériel moins consommateur ; le recours aux énergies renouvelables sera également une priorité. Il y a ensuite l'aspect législatif, avec des limites et des objectifs pour la consommation d'électricité et d'eau, mais aussi des incitations pour des conceptions plus efficaces et l'utilisation de sources renouvelables.