Outre les avantages et les possibilités créés par les grands modèles d’intelligence artificielle tels que ChatGPT, il en existe de nombreux différents. soucis concernant l’origine des sources primaires, les violations des droits d’auteur et la vie privée des utilisateurs, mais un problème souvent sous-estimé est lié à coûts énergétiques du développement et de l’utilisation de ces modèles en ligne : des serveurs dédiés effectuent des calculs complexes même pour générer une simple image ou un texte écrit. Selon une étude de la startup Hugging Face, en collaboration avec l’Université Carnegie Mellon, générer une seule image avec les modèles d’IA graphiques les plus courants, il consomme la même quantité en quelques secondes énergie nécessaire pour charger complètement un smartphone. Compte tenu de l’utilisation toujours croissante de ces modèles, consultés des milliards de fois par jour pour des tâches telles que la gestion des emails ou la génération de textes et d’images, ce ne sont pas des problèmes à sous-estimer. Produire l’énergie nécessaire au fonctionnement de l’IA implique la production de gaz à effet de serre tels que le CO2sur lequel diverses études et analyses commencent à se répandre. Il faut cependant considérer que pour une même quantité de travail réalisé comparaison avec la consommation d’énergie nécessaire à l’être humain ce n’est pas toujours simple.
Émissions de CO2 liés à l’IA
En parlant de empreinte carbone de l’IA, ce que l’on appelle « l’empreinte CO2« Liées avant tout aux grands modèles génératifs, les émissions de ce gaz à effet de serre dépendent à la fois de la consommation énergétique des serveurs et de la nature des sources utilisées pour produire l’électricité. Dans les pays qui produisent plus d’énergie à partir de sources renouvelables ou de l’énergie nucléaire, la quantité de dioxyde de carbone peut être bien inférieure à celle générée dans les pays plus dépendants des combustibles fossiles, comme les États-Unis, où se trouvent une grande partie des startups d’IA. .
Cependant, l’empreinte carbone de l’IA doit prendre en compte, outre l’utilisation par l’utilisateur, également la contribution due à création de modèles et formation. Des chercheurs de l’Université du Massachusetts à Amherst estiment que l’ensemble du processus pourrait rapporter jusqu’à 300 tonnes de CO2. Dans le cas d ChatGPT-3l’énergie utilisée était égale à celle consommée par cycle de vie de 5 voituresde la production à la mise au rebut, après un kilométrage de 200 000 km.
La consommation d’eau de l’IA
Le Washington Post et l’Université de Californie Riverside ont également confirmé que les modèles d’IA ont particulièrement « soif » : le besoins en refroidissement du serveur conduisent parfois à recourir à tours de refroidissement où la chaleur est transférée à l’eau. L’eau utilisée est en partie perdu par évaporation et en partie recyclé 3 à 10 fois avant d’être rejeté à l’égoutpour éviter la concentration de bactéries ou de sels minéraux.
Sur la base des estimations de cette étude, un e-mail de 100 mots écrit par ChatGPT-4 peut « consommer » plus d’un demi-litre d’eau; si un Américain actuellement employé sur 10 envoyait un e-mail avec ChatGPT-4 par semaine, les serveurs utiliseraient 435 millions de litres d’eau par an, les besoins en eau d’une journée et demie de la région de Rhode Island (environ 1 million d’habitants).
La comparaison avec les êtres humains et les implications éthiques
Comme le souligne un article « provocateur » publié sur Rapports scientifiquesCependant, la comparaison entre l’énergie dépensée par le modèle et celle utilisée par un être humain pour accomplir la même tâche pourrait encore être en faveur de l’IA: ils sont estimés émissions réduites entre 130-1500 fois pour un texte complexeet donne-leur 310 à 2900 fois pour une image.
Selon l’étude, les modèles d’IA ont gros pics de consommation mais ils renvoient des résultats dans des délais très courtsalors qu’un artiste ou un écrivain humain peut mettre plusieurs heures pour terminer son travail et le réviser. L’électricité nécessaire au fonctionnement d’un PC était incluse dans le calcul de l’énergie utilisée, mais aussi une partie des émissions de CO2 liés à la production alimentaire, au chauffage des espaces de travail et à d’autres besoins de l’opérateur humain. Même si, d’une part, il n’est pas correct de négliger Phase de formation à l’IA De plus, lors du calcul de l’énergie nécessaire, les opérateurs humains en ont aussi besoin De années d’études être capable de produire un travail de qualité, avec des investissements considérables en temps et en énergie.
Les auteurs de l’ouvrage ne cachent pas l’évidence et le poids implications pour notre sociétéy compris la menace toujours croissante pour l’emploi et le bien-être des citoyens qui en résulte. En plus de ces conséquences désastreuses, les modèles d’IA s’inquiètent également de la possibilité de « détournement » et manipulation d’informations, ainsi que pour les litiges juridiques de plus en plus répandus concernant sources des données traitées.
La perspective inhabituelle de cet article, au-delà des implications éthiques, suggère cependant d’éventuels effets positifs de l’utilisation de l’IA pour réduire le temps « perdu » et la consommation d’énergie qui en résulte : les tâches qui impliquent par exemple le traitement d’énormes quantités de données sont exécutées plus efficacement par l’IA, ce qui laisse tâches humaines plus créatives ou qui ont besoin d’un esprit plus « hors des sentiers battus ».
Cette approche peut paraître futuriste, voire dystopique, mais elle est après tout déjà utilisée dans le domaine scientifique. En 2023, un modèle d’IA a pu tester virtuellement les réactions les plus efficaces et catalyseurs de « conception » pour la production d’oxygèneà partir des éléments contenus dans des échantillons de météorites. Selon des chercheurs de l’Université des sciences et technologies de Chine, un travail réalisé en seulement deux mois aurait coûté 2 000 années de travail à des collègues humains.