L’utilisation de l’intelligence artificielle (IA) explose et certains s’inquiètent des bouleversements sur la société et des risques de sécurité. Le MIT s’est penché sur une autre facette de cette révolution, moins prise en compte : son impact sur l’environnement.


au sommaire


    L'intelligence artificielle générative promet de grands bouleversements dans nos vies, et s'immisce déjà un peu partout, les constructeurs l'intégrant dans tous nos appareils. Toutefois, cette petite révolution a un impact significatif, mais encore mal connu sur l'environnement. Des chercheurs du Massachusetts Institute of Technology (MIT) se sont penchés sur le problème pour tenter d'évaluer le coût environnemental de l'IA.

    Le premier impact est au niveau de la consommation d’énergie, au point où certains craignent une pénurie. Les modèles d'intelligence artificielle, avec leurs milliards de paramètres, sont très gourmands en puissance de calcul, aussi bien pendant la phase d'entraînement que la phase d'inférence (l'utilisation au quotidien). Même si les centres de donnéescentres de données (data centers, en anglais) ne servent pas uniquement à faire tourner l'IA, elle est la raison principale de leur multiplication rapide dernièrement. Ainsi, l'étude des data centers permet une évaluation grossière de la consommation et de l'impact de l'IA.

    Le MIT s'est penché sur les conséquences environnementales de l’IA. © Kunakorn, Adobe Stock
    Le MIT s'est penché sur les conséquences environnementales de l’IA. © Kunakorn, Adobe Stock

    Les centres de données consomment plus d’énergie que la France entière

    En Amérique du Nord, la consommation électrique des data centers est passée de 2 688 mégawatts fin 2022 à 5 341 mégawatts fin 2023. Mondialement, ce chiffre se situe à 460 térawatts en 2022, soit équivalent à la consommation électrique totale de la France (463 térawatts), et devrait plus que doubler pour atteindre 1 050 térawatts en 2026. De plus, cette consommation n'est pas constante, notamment pendant la phase d'entraînement. Cela oblige les fournisseurs d'énergieénergie à compenser les fluctuations, ce qui implique des sources d'énergies plus polluantes, notamment avec des générateursgénérateurs à base de diésel.

    La phase d'inférence de l'IA est aussi très gourmande en énergie. Une simple requête avec ChatGPTChatGPT utiliserait cinq fois plus d'électricité qu'une recherche Web, un chiffre qui ne fera qu'augmenter avec la complexité des modèles. Mais ce n'est pas seulement la consommation électrique qui inquiète. Les data centers utilisent de l'eau pour refroidir l'équipement. Cette consommation est estimée à deux litres d'eau pour chaque kilowattheure d'électricité, une consommation avec un impact considérable sur les écosystèmesécosystèmes.

    Un impact environnemental encore difficile à évaluer

    La fabrication du matériel utilisé dans les data centers et son transport génèrent également beaucoup de pollution, y compris le minage des matériaux bruts et les produits toxiques utilisés dans leur traitement. Les chercheurs estiment que Nvidia, AMD et IntelIntel ont vendu 3,85 millions de cartes graphiques (GPU) aux centres de données en 2023, un chiffre en nette hausse par rapport aux 2,67 millions en 2022, et ce chiffre doit être bien plus élevé en 2024. Les cartes graphiques sont largement utilisées pour l'IA car bien plus performantes pour des calculs en parallèle. Toutefois, ces processeurs graphiquesprocesseurs graphiques sont bien plus complexes à produire, ce qui augmente leur empreinte carbone par rapport à des processeurs standards (CPU).

    Les chercheurs reconnaissent ne pas encore être en mesure d'évaluer toutes les répercussions du boom de l'intelligence artificielle sur l'environnement. « Nous avons besoin d'une méthode plus contextuelle pour comprendre de manière systématique et exhaustive les implications des nouveaux développements dans ce domaine, a déclaré Elsa A. Olivetti, professeur au MIT. En raison de la rapiditérapidité des améliorations, nous n'avons pas eu la possibilité de rattraper notre retard dans la mesure et la compréhension des compromis. »