Qu’est-ce que l’intelligence artificielle ?
L’intelligence artificielle (ou IA) repose sur des algorithmes très consommateurs de données, souvent personnelles, et son utilisation nécessite le respect de certaines précautions.
L’intelligence artificielle est devenue présente dans notre quotidien, allant des applications, aux assistants virtuels et aux voitures autonomes. Néanmoins, derrière cette technologie, se cachent des enjeux environnementaux notamment d’impact carbone.
Comprendre les enjeux environnementaux de l’IA.
Quel est l’impact carbone de l’IA ?
L’intelligence artificielle consomme de l’énergie car elle repose sur des infrastructures numériques et dans certains cas, elle a besoin d’une importante quantité d’électricité pour fonctionner. Son empreinte carbone peut être importante dans les applications de traitement du langage naturel.
L’un des principaux contributeurs à l’empreinte carbone de l’intelligence artificielle, est l’étape de formation du modèle. Pour atteindre un haut niveau de précision, les modèles d’IA nécessitent une quantité importante de données et de puissance de calcul. Le serveur utilisé pour former le modèle consomme beaucoup d’énergie, ce qui engendre une augmentation des émissions de CO2.
Une fois les modèles d’IA formés, ils sont déployés sur des serveurs ou des appareils nécessitant une alimentation sans coupure. Ces infrastructures de serveurs consomment une quantité importante d’énergie pour faire fonctionner les modèles, même lorsque la demande est faible. De plus, les centres de données nécessaires pour héberger les modèles d’IA sont souvent énergivores.
L’utilisation en temps réel fait également partie de l’empreinte carbone de l’IA, en effet les applications IA en temps réel comme la reconnaissance vocale ou encore la vision par ordinateur nécessitent une utilisation en continue de ressources informatiques et énergétiques.
Quel est l’empreinte carbone de ChatGPT ?
L’empreinte carbone de l’intelligence artificielle à un impact environnemental significatif. Toutefois, la mesure de l’impact carbone de l’IA est un domaine complexe, pour lequel il n’existe pas encore de méthode.
Ne trouvant pas de données suffisamment précises, nous avons posé la question au principal intéressé, ChatGPT lui-même. ChatGPT estime ainsi qu’une requête sur son outil consomme environ 0,6 kilowattheures (kWh) d’énergie. Soit des émissions carbone moyennes de 285 g de CO2, l’équivalent de 2km en voiture. (contre 7g pour une requête Google).
Cependant, il est important de noter que la consommation énergétique réelle peut varier en fonction de plusieurs facteurs, tels que la complexité de la requête, la durée de la conversation et la charge de travail du système au moment de la requête.
La consommation d’énergie de ChatGPT est principalement due aux ressources informatiques nécessaires pour traiter la requête, notamment les serveurs, les processeurs et la climatisation des centres de données. Les modèles d’apprentissage automatique comme GPT-3.5 nécessitent une infrastructure informatique puissante pour fonctionner, en particulier l’alimentation des 10.000 cartes graphiques NVidia A100 nécessaires à l’entraînement du modèle (consommant chacune 400W/h), ce qui entraîne une consommation d’énergie significative.
Où sont situés les serveurs de ChatGPT ?
ChatGPT est un modèle de langage développé par OpenAI, il n’est pas spécifiquement lié à un emplacement physique fixe sur des serveurs. OpenAI utilise une infrastructure de cloud computing distribué pour héberger ses services, ce qui signifie que les serveurs de ChatGPT sont répartis dans différents data-center dans le monde.
Afin de déployer ses modèles de langage y compris ChatGTP, OpenAi utilise des fournisseurs de services cloud comme Amazon Web Services, Microsoft, Azur et Google Cloud. Ces fournisseurs ont des centres de données dans de nombreux pays et régions permettant à OpenAi de fournir des services à une échelle mondiale.
Ainsi l’emplacement précis des serveurs utilisés par ChatGPT peut varier en fonction de la disponibilité des ressources informatiques, des réglementations locales mais aussi d’autres facteurs. Cela permet alors à OpenAI de répartir la charge de façon efficace et de réduire les temps de latence pour les utilisateurs du monde entier.
Quel est le PUE des serveurs de cloud computing de AWS, Azur et Google ?
Le Power Usage Effectiveness (PUE) est une mesure de l’efficacité énergétique des centres de données, indiquant la quantité d’énergie totale consommée par un centre de données par rapport à la quantité d’énergie utilisée par les équipements informatiques. Cette donnée rentre dans le modèle de calcul des émissions carbone d’un site internet développé par Greenoco.
Les fournisseurs de services cloud comme AWS, Azure et Google Cloud déploient plusieurs centres de données dans différentes régions, et le PUE peut varier d’un centre de données à l’autre. Les chiffres exacts du PUE peuvent également changer au fil du temps en raison de mises à niveau technologiques et de l’amélioration des pratiques de gestion énergétique.
Concernant AWS, il est important de noter qu’Amazon ne publie pas publiquement les chiffres de PUE de ses centres de données. Cependant, ils ont déclaré travailler continuellement pour améliorer l’efficacité énergétique de leurs opérations.
Microsoft Azure a publié des informations sur le PUE de certains de ses centres de données. En général, ils visent à atteindre un PUE inférieur à 1,125, ce qui signifie que leur efficacité énergétique est supérieure à 89%.
Google Cloud affiche également un engagement envers l’efficacité énergétique et la durabilité. Ils ont annoncé un PUE moyen de 1,12 pour leurs centres de données en 2020, ce qui indique une efficacité énergétique élevée.
Il est important de noter que ces chiffres sont fournis à titre indicatif et peuvent varier en fonction des installations spécifiques et des mises à jour opérationnelles de chaque fournisseur.
Quelle est l’intensité carbone moyenne d’un kilowattheure d’électricité dans le monde ?
L’intensité carbone moyenne d’un kilowattheure (kWh) d’électricité dans le monde varie en fonction du mix énergétique de chaque pays et de la part des énergies renouvelables dans la production d’électricité.
Selon les données de l’Agence internationale de l’énergie (AIE) pour l’année 2020, l’intensité carbone moyenne mondiale était d’environ 475 grammes de dioxyde de carbone (gCO2) par kWh. Cependant, il convient de noter que cette moyenne peut varier considérablement d’un pays à l’autre.
Certains pays ont une intensité carbone plus faible en raison d’une plus grande utilisation d’énergies renouvelables telles que l’énergie solaire, éolienne, hydraulique ou géothermique. Par exemple, des pays comme la Norvège, la Suède et l’Islande ont une intensité carbone très faible grâce à leur production d’électricité largement renouvelable.
D’autres pays qui dépendent davantage des combustibles fossiles, tels que le charbon et le gaz naturel, ont une intensité carbone plus élevée. Cependant, de nombreux pays travaillent à la transition vers des sources d’énergie plus propres afin de réduire leur intensité carbone et leurs émissions de gaz à effet de serre.
Comment réduire l’impact de l’IA ?
L’impact carbone de l’intelligence artificielle existe bien, plusieurs mesures peuvent être mises en place afin de réduire l’empreinte carbone de l’IA.
Au niveau du matériel informatique, des améliorations peuvent être apportées aux microprocesseurs afin qu’ils consomment moins d’énergie. Les chercheurs et les développeurs peuvent également concevoir des algorithmes plus efficaces qui nécessitent moins de données et de puissance de calcul pour l’entraînement.
Certaines personnes recommandent également d’utiliser l’éco-énergie lors de la consommation électrique de l’IA. Cela pourrait être un moyen de réduire l’empreinte carbone de l’intelligence artificielle, parfois de façon spectaculaire. Le recyclage du matériel informatique permet également de limiter la surproduction.
Les serveurs cloud peuvent également être surveillés par des applications. Ils fournissent des informations en temps réel sur l’empreinte carbone du système cloud de l’entreprise. Cela aide à comprendre l’impact environnemental des produits et services numériques. Et de pouvoir réagir plus sagement ensuite.
Afin de réduire la consommation énergétique de l’IA, les entreprises peuvent opter pour des infrastructures vertes. Les centres de données et les infrastructures d’IA peuvent être alimentés par des sources d’énergie renouvelable pour réduire leur impact environnemental.
Pensez au recyclage des modèles d’intelligence artificielle. Privilégier la réutilisation et la réadaptation des modèles existants au lieu de créer de nouveaux modèles, peut réduire la consommation énergétique liée à l’entraînement.
L’intelligence artificielle offre alors de nombreuses possibilités mais il est important de prendre en compte son impact environnemental et numérique.
Il est également important que les utilisateurs d’IA soient conscients de l’impact de leurs choix technologiques et promeuvent des solutions respectueuses de l’environnement. En combinant l’innovation technologique avec une approche environnementale, nous pouvons développer une IA plus durable pour l’avenir.
Réduire son empreinte carbone avec Greenoco ?
Si aujourd’hui nous n’avons pas d’outil pour réduire concrètement l’impact carbone de l’IA, nous avons des outils permettant de réduire l’impact carbone des sites web et ainsi réduire la pollution numérique.
La pollution numérique représente déjà plus de 6% des émissions carbone mondiales, soit deux fois plus que le trafic aérien. Et le développement de l’IA va nécessairement augmenter encore cette empreinte carbone.
Afin de réduire l’empreinte carbone de la pollution numérique, chez Greenoco, nous avons développé un outil permettant de mesurer et de réduire l’empreinte carbone des sites web. Avec Greenoco, vous pouvez réduire l’empreinte carbone de vos sites web de 10 à 70%, sans modifier la structure, les fonctionnalités ou les contenus.
Cela améliore également leurs performances et vous pouvez communiquer sur votre démarche d’éco-conception web avec notre éco-score.
