La Conférence des Nations unies sur les changements climatiques (COP28) a récemment annoncé l’intégration de l’intelligence artificielle (IA) comme un outil essentiel dans la lutte contre le changement climatique. Dans le cadre de cet engagement, la COP28 a lancé le « grand défi de l’innovation en matière d’IA » visant à identifier et soutenir des solutions basées sur l’IA dans les pays en développement.
Parallèlement, les entreprises leaders du secteur de l’IA ont été critiquées pour ne pas communiquer sur leur consommation d’énergie et de ressources naturelles, en particulier depuis l’explosion de l’utilisation des IA génératives. Selon un article du journal Le Monde, plus de 100 millions d’utilisateurs actifs hebdomadaires de ChatGPT ont été mentionnés. D’après certaines études, une simple conversation avec ChatGPT pourrait consommer autant d’énergie qu’une bouteille d’eau, et l’entraînement du modèle GPT-3.5 aurait une empreinte carbone équivalente à 136 allers-retours Paris-New York.
Le silence des géants sur leur consommation
Ces révélations suscitent des questionnements sur le rôle de l’intelligence artificielle dans nos préoccupations environnementales. Certains comparent même la puissance des algorithmes et des data centers à celle de l’industrie pétrolière, avec des conséquences potentiellement néfastes sur l’environnement. Par exemple, le projet de data center de Meta en Espagne prévoit de prélever 665 millions de litres d’eau par an dans une région déjà confrontée à des problèmes de stress hydrique.
Pourtant, il existe des différences notables : premièrement, nous avons désormais des informations sur ces impacts environnementaux, contrairement à la situation passée. Deuxièmement, contrairement au pétrole, il n’y a pas de limite physique à la quantité de données pouvant être traitées par les IA, ce qui engendre une consommation exponentielle de ressources.
Une rupture significative
L’utilisation de l’IA pour des applications telles que la lutte contre la fraude, le marketing ou la maintenance nécessite généralement des ressources numériques similaires à d’autres activités en ligne. En revanche, les tâches complexes comme le traitement du langage naturel et des images exigent davantage de puissance de calcul, souvent basées sur des réseaux de neurones.
Accès Premium : Cet article est réservé aux abonnés. Cliquez ici pour en savoir plus.
Source : www.lemonde.fr