Révolution de l’IA: quel impact environnemental?
Nous examinons l’empreinte carbone de l’IA, tant au niveau de son infrastructure physique que de ses applications potentielles.
Authors
L’intelligence artificielle (IA) transforme rapidement notre façon de vivre et de travailler. Bien que l’IA ait le potentiel de révolutionner de nombreux secteurs, il y a d’importantes implications environnementales à prendre en compte.
Nous nous concentrons ici sur les effets environnementaux directs de l’IA et sur les solutions potentielles pour les atténuer. Nous examinons également certaines des influences environnementales indirectes que peuvent avoir les applications d’IA.
Quel est l’impact environnemental de l’infrastructure physique de l’IA?
L’impact environnemental direct de l’IA est principalement lié à l’infrastructure physique dont elle a besoin. Cela inclut les centres de données, les processeurs et d’autres matériels informatiques spécialisés, que l’on appelle l’infrastructure de calcul de l’IA. La grande majorité des données montre que l’impact environnemental direct de l’IA est largement négatif.
Le cycle de vie des calculs d’IA est divisé en quatre étapes: i) la production, ii) le transport, iii) l’exploitation et iv) les étapes de fin de vie. Les émissions les plus importantes (environ 70-80%) proviennent de la phase opérationnelle.
1. Étape de production
La phase de production tient compte de l’extraction physique des matières premières et de la création des composants nécessaires à la construction du matériel et de l’infrastructure de l’IA. Il est difficile de mesurer cette étape: les ressources utilisées sont généralement liées aux technologies de l’information et de la communication (TIC), plutôt qu’à l’IA.
Les estimations de l’empreinte carbone de la phase de production d’IA varient et sont actuellement considérées comme relativement peu significatives. Cependant, à mesure que l’électricité renouvelable devient une part de plus en plus importante de l’énergie consommée au cours de la phase opérationnelle, l’impact de l’empreinte environnementale au cours de la phase de production deviendra plus significatif.
2. Phase de transport
Le transport de matériel informatique ne représente qu’une petite fraction des émissions mondiales de gaz à effet de serre dans le transport, avec une proportion encore plus faible en ce qui concerne le matériel de calcul de l’IA.
3. Phase d’exploitation
C’est le principal point d’attention lors de l’analyse de l’impact environnemental direct de l’IA. Les deux principales considérations environnementales de cette étape sont la consommation d’énergie et l’utilisation de l’eau.
Énergie
Nous pouvons utiliser les centres de données comme proxy pour contextualiser la consommation d’énergie de l’IA. Bien que tous les centres de données ne soient pas utilisés pour l’IA, les modèles d’IA sont de plus en plus souvent formés, hébergés et déployés dans des centres de données de très grande taille, à l’échelle d’un entrepôt. On estime qu’environ 1 à 1,5% de la demande totale d’électricité à l’échelle mondiale provient des centres de données, soit environ 220-320 térawatts-heures.
Il s’agit d’un chiffre qui est resté relativement constant au cours de la dernière décennie malgré l’augmentation substantielle de la charge de travail des centres de données. Les principales raisons de ce découplage impressionnant ont été: i) les améliorations de l’efficacité du calcul; ii) le passage au cloud; et iii) la transition vers des centres de données à grande échelle.
En ce qui concerne plus spécifiquement la consommation d’énergie de l’IA générative, une étude de Harvard a révélé que l’entraînement de Chat GPT-3 a nécessité 1,3 gigawatt-heure, soit environ la consommation annuelle de 120 foyers américains. Le principal problème de l’IA générative est que la complexité du modèle augmente de manière exponentielle et nécessite donc beaucoup plus d’énergie.
Les grandes entreprises technologiques et les opérateurs de centres de données ont besoin d’une grande quantité d’énergie et beaucoup d’entre eux ont pris des engagements importants en faveur des énergies renouvelables. Cela présente à la fois des avantages et des inconvénients. Ce qui est clairement négatif, c’est qu’une grande quantité d’énergie renouvelable est consommée par un seul secteur.
On pourrait avancer que les exploitants/propriétaires des centres de données soutiennent la production d’énergie renouvelable en s’engageant à acheter une certaine quantité d’énergie auprès du promoteur du projet. Mais la question est de savoir si le projet d’énergie renouvelable aurait vu le jour sans le soutien financier des entreprises technologiques, ou si ces dernières passent des contrats dans le cadre de projets déjà engagés.
Eau
L’empreinte en eau des centres de données dépend à la fois de l’eau consommée pour la production d’électricité et de l’eau consommée pour le refroidissement.
Une étude récente de l’Université du Massachusetts à Amherst a montré que l’entraînement d’un seul modèle d’IA générative peut consommer jusqu’à 284 000 litres d’eau. C’est l’équivalent de la consommation d’eau d’une personne pendant 27 ans.
Il s’agit d’un problème important parce que l’utilisation de l’IA est de plus en plus répandue dans de nombreux secteurs. La demande en centres de données et la consommation d’eau qui en découle ne feront qu’augmenter.
4. Phase de fin de vie
L’impact environnemental principal de la phase de fin de vie de l’IA est sa contribution aux déchets électroniques. L’élimination des technologies de l’IA aura des impacts environnementaux importants en raison de la présence de matériaux dangereux (tels que les métaux lourds et les produits chimiques toxiques), qui peuvent s’infiltrer dans l’environnement et provoquer une pollution.
La mise en place d’un modèle d’économie circulaire, qui consiste à minimiser les déchets et à maximiser l’utilisation des ressources, est essentielle à la gestion de l’impact environnemental de l’IA.
Comment réduire les dommages environnementaux de l’IA?
Les centres de données et l’IA réduisent leur empreinte environnementale opérationnelle de quatre manières:
- Énergies renouvelables – Le point de départ évident est l’utilisation d’énergies renouvelables pour alimenter les centres de données, ce que le secteur fait déjà.
- Améliorer l’efficacité du modèle – En utilisant et en affinant les modèles préentraînés, les équipes d’IA gagnent du temps et économisent beaucoup d’énergie lors de l’élaboration des modèles.
- Pratiques économes en énergie – L’un des moyens d’améliorer l’efficacité des centres de données est la virtualisation des serveurs, qui consiste à permettre à plusieurs serveurs virtuels de fonctionner sur un seul serveur physique. Cela permet de consolider les serveurs et les ressources matérielles, réduisant ainsi la quantité d’énergie nécessaire pour les faire fonctionner et les refroidir.
- Systèmes de refroidissement – L’énergie électrique entrant dans un centre de données doit à terme être rejetée en tant que déchet par le biais d’un système de refroidissement. Le refroidissement des centres de données représente 33 à 40% de l’utilisation globale de l’énergie des centres de données et consomme des centaines de milliards de litres d’eau douce par an. Les technologies de refroidissement des centres de données ont récemment fait l’objet de progrès importants, ce qui a permis d’améliorer l’efficacité et de réduire les coûts. L’emplacement du centre de données lui-même peut également faire une énorme différence. En construisant des centres de données dans des endroits où les énergies renouvelables sont abondantes et/ou où le climat est plus frais, il est possible de réaliser d’importantes économies en termes d’émissions.
Y a-t-il des impacts environnementaux positifs de l’IA?
De façon plus positive, il existe différentes méthodes innovantes pour réutiliser la chaleur générée par les centres de données.
Par exemple, on peut utiliser la chaleur excédentaire pour renforcer les systèmes de chauffage urbain, ce qui permet d’acheminer de l’eau à haute température vers les ménages et les bâtiments.
Cette énergie thermique peut également être exploitée pour des applications agricoles, notamment pour chauffer des serres tout au long de l’année, ou pour chauffer l’eau des piscicultures et des piscines publiques.
Qu’en est-il de l’impact environnemental des applications d’IA?
Il y a presque un nombre infini de problèmes du monde réel que l’IA peut aider à résoudre.
Si l’on prend l’exemple de l’utilisation durable des terres, les applications de l’IA comprennent: la prévision précoce du rendement des récoltes; l’agriculture et la nutrition de précision; les prévisions météorologiques hyperlocales pour la gestion des cultures; la détection précoce des problèmes liés aux cultures; la détection automatisée et améliorée des changements d’utilisation des terres pour éviter la déforestation; la surveillance de la santé et du bien-être du bétail.
Il existe de nombreux autres exemples, et il est clair que l’IA a le potentiel de générer des avantages environnementaux importants.
Cependant, toute application d’IA qui améliore l’efficacité d’industries déjà nuisibles serait considérée comme néfaste.
Et l’argument selon lequel l’IA améliore l’efficacité des opérations et est donc bénéfique pour l’environnement n’est valable que si, pour une tâche donnée, la consommation d’énergie diminue. Mais à mesure que les technologies deviennent plus efficaces et productives, elles peuvent entraîner une augmentation de la demande et de la consommation. Cela pourrait annuler les avantages environnementaux ou économiques liés à l’amélioration de l’efficacité.
Information importante: Cette communication est destinée à des fins marketing. Ce document exprime les opinions de ses auteurs sur cette page. Ces opinions ne représentent pas nécessairement celles formulées ou reflétées dans d’autres supports de communication, présentations de stratégies ou de fonds de Schroders. Ce support n’est destiné qu’à des fins d’information et ne constitue nullement une publication à caractère promotionnel. Le support n’est pas destiné à représenter une offre ou une sollicitation d’achat ou de vente de tout instrument financier. Il n’est pas destiné à fournir, et ne doit pas être considéré comme un conseil comptable, juridique ou fiscal, ou des recommandations d’investissement. Il convient de ne pas se fier aux opinions et informations fournies dans le présent document pour réaliser des investissements individuels et/ou prendre des décisions stratégiques. Les performances passées ne constituent pas une indication fiable des résultats futurs. La valeur des investissements peut varier à la hausse comme à la baisse et n’est pas garantie. Tous les investissements comportent des risques, y compris celui de perte du principal. Schroders considère que les informations de la présente communication sont fiables, mais n’en garantit ni l’exhaustivité ni l’exactitude. Certaines informations citées ont été obtenues auprès de sources externes que nous estimons fiables. Nous déclinons toute responsabilité quant aux éventuelles erreurs commises par ou informations factuelles obtenues auprès de tierces parties, sachant que ces données peuvent changer en fonction des conditions de marché. Cela n’exclut en aucune manière la responsabilité de Schroders à l’égard de ses clients en vertu d’un quelconque système réglementaire. Les régions/secteurs sont présentés à titre d’illustration uniquement et ne doivent pas être considérés comme une recommandation d’achat ou de vente. Les opinions exprimées dans le présent support contiennent des énoncés prospectifs. Nous estimons que ces énoncés reposent sur nos anticipations et convictions dans des hypothèses raisonnables dans les limites de nos connaissances actuelles. Toutefois, aucune garantie ne peut être apportée quant à la réalisation future de ces anticipations et opinions. Les avis et opinions sont susceptibles de changer. Ce contenu est publié au Royaume-Uni par Schroder Investment Management Limited, 1 London Wall Place, London EC2Y 5AU. Société immatriculée en Angleterre sous le numéro 1893220. Agréé et réglementé par la Financial Conduct Authority.
Authors
Thèmes