Comment les dirigeants d’entreprise peuvent atteindre leurs objectifs à la fois en IA et en durabilité

Pour les entreprises, équilibrer l’adoption de l’IA et l’impact environnemental est une impérative. Selon le World Economic Forum (WEF), la puissance nécessaire pour soutenir la croissance de l’IA double tous les 100 jours. D’ici 2028, la consommation d’énergie de l’IA pourrait dépasser la puissance totale utilisée par l’Islande en 2021. L’IA peut être une arme à double tranchant : même si elle peut avancer considérablement les initiatives environnementales, elle peut être tout aussi préjudiciable si elle est utilisée sans soin.

Il n’y a pas de plan directeur universel pour une utilisation de l’IA durable – chaque approche de l’organisation doit correspondre à ses circonstances uniques. Au lieu de cela, l’intégration de l’IA et la promotion des objectifs écologiques nécessitent une certaine attitude.

Pensez aux files d’attente qui se forment à l’extérieur des magasins Apple les jours de lancement de produits : les premiers utilisateurs affichant avec fierté les derniers gadgets comme symboles de statut. Cette mentalité ne fonctionnera pas ici. Les entreprises ne devraient pas se précipiter pour adopter des outils d’IA tape-à-l’œil simplement pour être vus comme des précurseurs. Au lieu de cela, elles devraient se concentrer sur une mise en œuvre de l’IA réfléchie qui soutient les objectifs de durabilité à long terme.

Voici quelques stratégies à considérer.

Automatiser avec un œil sur les économies d’énergie

Certains dirigeants pourraient froncer les sourcils lorsqu’ils voient les employés prendre des raccourcis, mais je ne le fais jamais. Chez Jotform, j’encourage les employés à chercher constamment des moyens plus rapides pour accomplir leurs tâches fastidieuses, tant que la qualité de leur production ne fléchit pas. L’automatisation est au cœur de notre entreprise et est centrale dans notre culture. S’il existe un outil automatisé qui peut gérer une tâche manuelle fastidieuse, alors je dis : allez-y.

Comme il se trouve, l’automatisation des tâches à l’aide d’outils d’IA peut également promouvoir vos objectifs de durabilité. Comme le note le WEF, l’optimisation de la planification pour les économies d’énergie, c’est-à-dire le déplacement des charges de travail d’IA pour correspondre aux moments de faible demande d’énergie, est une tactique efficace pour exploiter l’IA et réduire votre empreinte carbone.

Disons que vous avez choisi un outil d’IA pour automatiser des analyses de sécurité régulières pour protéger vos données. Programmer ces tâches la nuit est un moyen facile de devenir plus économe en énergie. La consommation d’énergie générale a tendance à diminuer le soir, et les réseaux électriques peuvent fonctionner plus efficacement. À titre d’avantage incident, vos coûts d’énergie diminuent souvent également.

Ou, si vous êtes dans une région géographique avec un climat chaud et une utilisation généreuse de la climatisation, vous pouvez déplacer les projets exigeants en énergie vers les mois les plus froids, lorsque les réseaux électriques sont moins sollicités. Il est important de noter que ces changements nécessitent une réflexion préalable mais nécessitent presque aucun effort supplémentaire. Ils peuvent représenter une conservation d’énergie significative.

Choisir des modèles fondamentaux

Imaginez que vous êtes dans la cuisine d’un restaurant étoilé au guide Michelin. Les chefs ont tous été formés dans des écoles de cuisine et des restaurants de haute qualité. Ensemble, l’équipe peut exécuter tous les types de plats et innover de nouveaux. Si quelqu’un veut préparer un repas incroyable, il n’a pas besoin de former une équipe de chefs entièrement nouvelle – il peut utiliser celle-ci, en exploitant leur expertise existante et en fournissant des conseils personnalisés.

En IA, c’est l’idée d’un modèle fondamental : un programme avancé qui a déjà été formé sur d’énormes quantités de données. Si quelqu’un avait besoin d’un outil d’IA spécifique, il pourrait commencer avec ce modèle fondamental plutôt que de construire un modèle à partir de zéro.

Écrivant pour Harvard Business Review, Christina Shim, directrice de la durabilité chez IBM, explique pourquoi opter pour des modèles fondamentaux est une approche économe en énergie. Contrairement à la création d’un nouveau modèle, « les modèles de base peuvent être personnalisés pour des objectifs spécifiques en une fraction du temps, avec une fraction des données et une fraction des coûts énergétiques ».

Shim note que la taille d’un modèle fondamental peut également avoir un impact – la plupart viennent avec 3, 8 ou 20 milliards de paramètres. Selon la recherche d’IBM, les modèles plus petits formés sur des données spécifiques et pertinentes peuvent performer aussi bien que les plus grands, mais plus rapidement et en consommant moins d’énergie. Plus grand n’est pas toujours mieux. Comme le dit Salesforce, opter pour le plus grand modèle le plus puissant pour les besoins spécifiques de l’entreprise est comme « utiliser un semi-remorque pour aller chercher des courses ou prendre un seul passager » – en d’autres termes, complètement inutile.

Les modèles plus grands ont cependant des prix plus élevés. Prendre le temps de choisir un modèle adapté à votre objectif est un investissement valeureux qui peut finalement économiser des ressources financières et écologiques.

Opter pour des logiciels open-source

Un autre choix crucial au début de tout parcours d’IA est de savoir s’il faut opter pour des logiciels open-source. Les options open-source ne résolvent peut-être pas tous les problèmes, mais dans de nombreux cas, elles peuvent offrir une solution économe en énergie et en coûts qui s’appuie sur la sagesse de nombreux experts. Vous pouvez vous concentrer sur l’amélioration d’une solution existante (et partager les résultats), plutôt que de solliciter les réseaux électriques pour réinventer la roue à chaque fois. Comme le note Shim, les logiciels open-source bénéficient de l’amélioration collective – avec plus d’yeux sur le problème, le produit résultant est meilleur, et la demande d’énergie lors de la phase de développement est répartie entre les utilisateurs.

Un bon logiciel vaut l’argent, mais il doit correspondre à vos besoins et à votre budget – une considération de plus en plus pertinente en période d’inflation. Dans de nombreux cas, une solution open-source est disponible gratuitement ou à une fraction du coût.

Mettre en œuvre l’automatisation pour améliorer l’efficacité du système

Enfin, les outils d’automatisation alimentés par l’IA peuvent économiser de l’énergie dans la mesure où ils aident à améliorer l’efficacité du système. Ils peuvent le faire directement, en réduisant les heures nécessaires pour effectuer des tâches fastidieuses. Par exemple, si vous menez des recherches, des outils comme ChatGPT peuvent éliminer des heures de travail devant un écran en identifiant et en synthétisant les informations clés en quelques secondes.

Les outils d’IA peuvent également jouer un rôle dans la phase de planification des systèmes. Prenez Salesforce : leur équipe d’infrastructure de centre de données utilise l’IA pour prédire et anticiper les modèles d’utilisation de leurs clients, puis ajuste automatiquement le volume de serveurs requis. Cela leur permet de personnaliser la façon dont leur infrastructure de centre de données est utilisée et d’éviter de gaspiller de l’énergie en excès. De même, la société logicielle utilise l’IA pour prendre des décisions visant à réduire son empreinte carbone en analysant des millions de points de données provenant de la chaîne d’approvisionnement, des déplacements d’affaires, de l’immobilier et plus encore.

L’IA peut agir comme un consultant en durabilité, idéalement économisant plus d’énergie que nécessaire pour effectuer les analyses et les tâches correspondantes. Dans ce sens, l’IA peut être une arme à une seule tranchant, apportant plus d’avantages que de désavantages associés.