Quelle est l’empreinte carbone de l’IA

ChatGPT, Midjourney, Google Bard... Les modèles d’IA se multiplient aujourd’hui est ont tous un point commun : ce sont de gros consommateurs d’énergie. Les phases durant lesquelles cette consommation énergétique intervient sont diverses : l'IA nécessite de l'énergie au cours de tout son cycle de vie, notamment durant la formation de ses algorithmes, appelée “machine learning”.

Machine learning : un mode de fonctionnement qui demande de l’énergie

Le fonctionnement des intelligences artificielles repose sur le machine learning : cette technologie vise à donner aux machines la capacité d’apprendre, en tirant des enseignements grâce aux données qu’elle traite pendant plusieurs semaines, voire plusieurs mois. Si elle constitue une prouesse technologique, cette méthode d’apprentissage se révèle particulièrement énergivore. Selon des chercheurs américains, l'entraînement des algorithmes de l’IA GPT-3 a généré 552 tonnes de carbone et consommé 1 287 GW d’électricité : cela équivaut à la consommation annuelle de 120 foyers américains¹.

Plusieurs facteurs peuvent avoir un impact sur l’empreinte carbone de l’intelligence artificielle, comme :

• L’utilisation d’électricité ;
• La consommation d’eau ;
• Le cycle de vie des systèmes ;
• La taille du modèle de l’IA.

L’utilisation d’électricité

Pour fonctionner, les serveurs informatiques dédiés à l’IA ont besoin d’électricité. À titre de comparaison, un seul serveur consomme autant d’énergie qu’une douzaine de maisons individuelles². Ainsi, l’empreinte carbone de l’IA dépend du mode de production énergétique employé. Si la production d’électricité française est principalement portée par le nucléaire et les énergies renouvelables, et reste donc très majoritairement décarbonée (92,2 % en 2023³), des sources de production d’électricité d’origine fossile sont largement utilisées dans de nombreux pays (notamment le gaz et le charbon). Or, ces dernières sont responsables d’importantes émissions de gaz à effet de serre.

La consommation d’eau

S’il s’agit d’une consommation indirecte, les intelligences artificielles nécessitent aussi de grandes quantités d’eau. En effet, les data centers utilisent de l’eau pour éviter la surchauffe des ordinateurs et des serveurs qui les composent.

Quelques chiffres pour mieux comprendre les besoins en eau de l’IA :

• Selon des chercheurs ayant étudiés l’empreinte hydrique de l’IA, la seule formation de GPT-3 aurait nécessité 700 000 litres d’eau⁴.

• À son rythme de progression, la demande mondiale en eau de l’IA pourrait atteindre 4,2 à 6,6 milliards de mètres cubes en 2027. C’est l’équivalent de la consommation annuelle du Danemark ou la moitié de celle du Royaume-Uni⁴.
• Le fait de poser 20 à 50 questions à ChatGPT représente une consommation d’eau équivalente à une bouteille d’eau².

Si les principales études sont basées sur ChatGPT, qui constitue l’IA la plus utilisée (10 milliards de visites en moins d’un an²), les autres IA ne sont évidemment pas en reste lorsqu’il s’agit de consommation d’eau.

Le cycle de vie des systèmes

L’empreinte carbone de l’intelligence artificielle dépend également des émissions de gaz à effet de serre induites par toutes les étapes du cycle de vie des machines qui la composent. Ainsi, l’impact environnemental et climatique de l’IA dépend notamment des processus utilisés pour :

• Extraire les matières premières nécessaires à la fabrication du support matériel et des datas center ;
• Construire, assembler et transporter ce support matériel ;
• Traiter les déchets électroniques à la fin de leur période d’utilisation.

La méthode et le type d’énergie utilisés à chacune de ces étapes sont grandement variables. Là encore, le mode de production énergétique employé peut impacter l’empreinte carbone du dispositif (énergie décarbonée, renouvelable ou énergie fossile).

La taille du modèle de l’IA

La complexité et la popularité du modèle de l’IA ont une incidence sur sa consommation d’énergie. Globalement, plus le modèle IA présente de paramètres et de fonctionnalités et plus sa consommation énergétique est importante. De même, plus les requêtes sont nombreuses et plus les besoins en énergie sont conséquents. Ainsi, OpenIA, l'entreprise détentrice du très populaire ChatGPT, utiliserait 564 MWh par jour pour assurer l’utilisation de ChatGPT-3, une IA disposant de 175 milliards de paramètres¹.

Si elle contribue à l’émission de gaz à effet de serre, l’IA pourrait, paradoxalement constituer une opportunité de réduire nos émissions de gaz à effet de serre. En effet, l’intelligence artificielle facilite notamment la récolte de données environnementales, essentielle au déploiement de solutions en faveur de la lutte contre le dérèglement climatique. À sa propre échelle, son utilisation peut aussi justement permettre d’optimiser l’efficacité énergétique des centres de données qu’elle utilise.

Si le développement des IA apparaît donc incontournable, il est nécessaire d’inciter à la modération dans nos usages, favorisant la réduction de notre empreinte numérique : pour l’heure, l'impact carbone des intelligences artificielles reste particulièrement important.