Cet article a été écrit par Tom Travel. Cliquez ici pour lire l'article d'origine
Si vous êtes l'auteur de cet article, cliquez ici pour découvrir comment la republication de votre article améliore votre SEO et votre visibilité !
Dans son rapport intermédiaire Intelligence artificielle, données et calcul : quelles infrastructures dans un monde décarboné ?, The Shift Project pointe du doigt la difficile mesure de l’empreinte carbone-énergie de l’IA générative et des centres de données. Un contexte flou qui souligne la difficulté d’intégrer une logique de réduction de l’impact environnementale dans les stratégies de développement de l’IA générative.
Comment construire développer un écosystème numérique plus responsable sans connaître l’empreinte carbone-énergie de l’IA ? En 2022, l’empreinte carbone du secteur numérique représentait 29.5 MtCO2e (Millions de tonnes en équivalent CO2, NDR), dont 46% des émissions étaient issues des centres de données. Cela représente 4,4% de l’empreinte carbone totale de la France, selon The Shift Project.
Une estimation qui ne prend toutefois pas en compte l’impact environnemental de l’intelligence artificielle générative ni les évolutions du parc de terminaux numériques. Ce manque de transparence remet en cause la capacité à mesurer de manière complète l’intégralité de l’empreinte carbone du numérique. Comment prendre des décisions éclairées dans ce contexte, s’inquiètent les auteurs.
L’impact flou des data-centers
L’incertitude touche également la mesure de la consommation énergétique qui découle des usages numériques. En 2022, la consommation électrique du numérique représentait 11 % de la consommation électrique française selon l’ADEME. Toutefois, The Shift Project pointe du doigt la différence sur le périmètre de données évalué dans les différents rapports de mesure publiés par RTE, l’ADEME ou encore l’Arcep.
L’étude estime ainsi le facteur d’incertitude de 1 à 4, citant pour exemple 3 TWh de consommation estimés par le rapport RTE, 2022 contre 12 TWh mesurés par l’ADEME & Arcep pour l’année 2022. De l’importance de prendre en compte les mêmes sources de données à l’heure où la France encourage le développement des centres de données sur son territoire. En l’absence de standards de mesure, impossible de mettre en place des études prospectives sur l’évolution de la consommation électrique propre aux centres de données.
IA : la difficile mesure d’impact
Qu’en est-il de l’empreinte carbone et de la consommation électrique qui découlent des usages de l’intelligence artificielle générative ? Pour l’heure, le Shift Project se concentre sur une analyse qualitative de 6 cas d’usages de l’IA : la mobilité autonome, les systèmes d’optimisation des épandages, les assistants personnels, les moteurs de recherche, les outils d’analyse d’imagerie médicales ainsi que les outils de création pour la production publicitaire.
L’objectif de cette démarche étant de mettre en œuvre, dans un second temps, une “boussole de l’IA”, visant à intégrer les trajectoires d’impacts carbone-énergie dans les stratégies de développement de ces technologies. Concrètement, il s’agit de “poser les questions de la pertinence énergie-carbone d’une solution, jusqu’à la pertinence même du recours au numérique pour répondre au besoin”.
Modèle IA et GPU : un manque de transparence
De son côté, Carbone 4 déplore un manque d’accès aux données relatives à la consommation énergétique des GPU, moteur de la puissance de calcul des modèles d’intelligence artificielle générative. A titre d’exemple, NVIDIA qui détient 80% des parts de marché du secteur ne communique pas sur l’impact environnemental de ses puces électroniques.
Idem pour TSMC, le fournisseur leader sur le marché des semi-conducteurs. Même constat du côté des développeurs de modèles d’IA : Anthropic et OpenAI ne fournissent aucun chiffre sur l’impact environnemental de ChatGPT et Claude.
L’empreinte carbone-énergie sur laquelle communique Meta vs les estimations de Carbone 4 Crédit : Carbone 4
Et si Meta communique sur l’empreinte carbone de ses modèles Llama, ces chiffres tiennent compte d’un périmètre restreint, selon Carbone 4. En parallèle, le cabinet de conseil ajoute que Meta et Google ont vu leurs émissions carbone augmenter de 50% en 3 ans au niveau des deux groupes. Carbone 4 estime que l’usage des modèles d’IA gonfle l’empreinte carbone des utilisateurs : 10 requêtes quotidiennes envoyées à un LLM suffisent à augmenter les émissions personnelles annuelles d’une centaine de kgCO2e.
Photo d’ouverture : Taylor Vick
A lire également :
