Le coût caché de la commodité : pourquoi l’impact environnemental de l’IA doit être visible

Nous nous appuyons régulièrement sur l’IA pour nous aider, que ce soit pour résumer ceci, générer cela ou résoudre cela. C’est rapide, facile et de plus en plus intégré à notre façon de travailler. Mais dans notre précipitation à rendre les choses plus faciles, nous avons négligé une partie essentielle de l’histoire : le coût environnemental derrière la commodité numérique.

Chaque interaction avec l’IA repose sur quelque chose que nous ne voyons jamais et que nous considérons rarement – les centres de données, les puces, les réseaux électriques, les systèmes de refroidissement et les réseaux logistiques mondiaux. Cette “infrastructure invisible” fait que l’IA semble sans poids. Mais l’impact environnemental est tout sauf insignifiant.

Il est temps de rendre ce coût visible. À mesure que l’IA devient plus centrale dans les opérations commerciales, son impact sur l’énergie, l’eau et les émissions augmente également. La question n’est pas seulement de savoir à quel point le prochain modèle sera puissant, mais également si nous sommes prêts à assumer la responsabilité de ce qu’il faut pour le faire fonctionner.

L’IA a un problème d’optique. Contrairement à la fumée d’une usine ou à la circulation sur une autoroute, les émissions de formation ou d’interrogation d’un modèle se produisent derrière des portes closes dans des salles de serveurs climatisées. Cela ne les rend pas moins réelles.

Exécuter des modèles avancés nécessite une quantité significative d’électricité. La formation de GPT-3, par exemple, consomme autant d’énergie que 130 foyers américains en utilisent annuellement. Et cela ne s’arrête pas là. L’inférence, le processus de génération de réponses, de résumés ou d’images, utilise une puissance considérable. Une seule requête ChatGPT utilise environ cinq fois plus d’électricité qu’une recherche web typique, et la génération d’une image IA peut consommer autant d’énergie que la charge complète d’un smartphone.

La consommation d’eau est également une partie importante du tableau. Chaque fois que ChatGPT génère un court e-mail de 100 mots en utilisant le modèle GPT-4, il consomme environ le volume d’une bouteille d’eau standard. Cette eau est utilisée pour refroidir les serveurs dans les centres de données, qui génèrent une chaleur intense pendant leur fonctionnement. En extrapolant cela à une utilisation hebdomadaire par 10 % des Américains qui travaillent, la consommation d’eau annuelle serait égale à la consommation quotidienne de tous les ménages du Rhode Island, pendant un jour et demi.

À mesure que les charges de travail de l’IA augmentent, les demandes de puissance des centres de données augmentent également. La Banque mondiale estime que la catégorie plus large des technologies de l’information et de la communication (TIC), y compris l’IA, représente actuellement au moins 1,7 % des émissions de gaz à effet de serre mondiales. Même si ce chiffre peut sembler modeste, il ne reflète que les niveaux actuels d’adoption. Avec la poursuite de la croissance de l’IA – aux côtés d’une augmentation de l’accès à Internet dans le monde, d’un stockage cloud étendu, de dispositifs IoT et même de technologies de blockchain – l’impact collectif pourrait augmenter de manière significative, même si certaines efficacités sont gagnées.

Ce décalage entre la facilité d’utilisation de l’IA et la quantité de ressources nécessaires pour la faire fonctionner rend le problème facile à ignorer.

Mais cela pointe également vers la solution. Nous n’avons pas besoin de ralentir l’innovation. Nous devons être plus délibérés dans la façon dont nous concevons et déployons l’IA. Cela signifie poser de meilleures questions, tenir les fournisseurs responsables et intégrer la durabilité dans chaque décision d’IA.

Ces systèmes ne font que devenir plus puissants. Si nous voulons les aider à résoudre les défis climatiques, nous devons nous assurer qu’ils ne les aggravent pas discrètement.

De l’infrastructure à la responsabilité

L’impact environnemental de l’IA n’est pas limité au moment où un utilisateur appuie sur “entrer”. Il y a une chaîne d’approvisionnement derrière : extraction minière, fabrication de puces, expédition d’équipements, construction de centres de données. Cette réalité crée un nouveau type de défi de responsabilité pour les entreprises. Contrairement aux sources d’émissions traditionnelles, où l’impact peut être lié au carburant brûlé ou aux miles parcourus, le coût de l’IA est réparti sur les systèmes et les fournisseurs. Il est facile de penser que la responsabilité appartient au “nuage” ou au “fournisseur”.

Mais si vous utilisez l’IA via une plate-forme SaaS, un fournisseur de cloud, ou des outils internes, les émissions et la consommation d’énergie font partie de votre empreinte opérationnelle. C’est particulièrement vrai lorsqu’on examine les émissions de Scope 3, qui incluent celles générées dans toute la chaîne de valeur.

La bonne nouvelle est que la responsabilité n’est pas une question de culpabilité. Il s’agit de conscience, de transparence et de meilleures décisions.

Rendre l’invisible visible

Comment rendons-nous le coût environnemental caché de l’IA visible ? Cela commence par repenser la façon dont nous évaluons les outils que nous utilisons.

Les équipes d’approvisionnement devraient demander des informations sur la fonctionnalité, les sources d’énergie, l’efficacité des centres de données et les rapports d’émissions. Si un fournisseur ne peut pas vous dire combien d’énergie ses outils d’IA consomment ou s’il repose sur des énergies renouvelables, c’est un signal d’alarme.

Les équipes de produits et d’ingénierie peuvent prendre des décisions de conception qui réduisent l’impact sans sacrifier les résultats. Cela inclut l’utilisation de modèles plus petits et affinés lorsque cela est possible, et l’évitement de la complexité inutile. Un modèle plus efficace n’est pas seulement plus rapide, il est également plus vert.

Les employés peuvent également contribuer. La formation des équipes pour écrire des invites claires et ciblées réduit le nombre de requêtes nécessaires et minimise le temps de calcul. Une seule requête bien construite peut donner le résultat correct immédiatement, tandis que plusieurs requêtes vagues peuvent gaspiller de l’énergie à chaque itération.

La direction générale peut relier les points entre l’innovation et la durabilité. L’adoption de l’IA devrait être alignée sur les objectifs climatiques, et non traitée comme une stratégie distincte. De petits changements commencent à s’additionner lorsque les organisations font de l’impact environnemental une partie de la conversation à tous les niveaux.

Pourquoi la norme ISO 42001 offre une feuille de route utile

La norme ISO 42001, la nouvelle norme internationale pour les systèmes de gestion de l’IA, introduit un focus clé : encourager les organisations à considérer non seulement la façon dont les systèmes d’IA fonctionnent, mais également leur impact sur les personnes et la planète. Elle ne traite pas le climat comme une après-pensée ; elle le traite comme un risque à gérer dès le départ.

Pour les entreprises qui travaillent déjà vers l’ISO 14001 (pour la gestion environnementale) ou les objectifs de zéro émission nette, l’ISO 42001 offre un pont. Elle aide à aligner la gouvernance de l’IA avec les stratégies de durabilité plus larges, des traçages d’émissions aux partenariats de fournisseurs responsables.

Ce que l’IA peut rendre

Il est facile de se concentrer sur les aspects négatifs, mais l’IA offre également un véritable potentiel pour nous aider à résoudre les problèmes environnementaux.

Déjà, l’IA aide les services publics à prévoir la demande et à ajuster l’utilisation de l’énergie en temps réel pour mieux intégrer les sources renouvelables comme le vent et le soleil. Dans l’agriculture, elle est utilisée pour surveiller l’humidité du sol et les conditions météorologiques pour guider les calendriers d’irrigation et minimiser les rejets de fertilisants. Les sociétés de logistique utilisent l’IA pour planifier des itinéraires de livraison plus efficaces, réduisant la consommation de carburant et le temps d’attente. Et peut-être plus significativement, l’IA accélère le suivi des émissions en analysant les données d’approvisionnement et de fournisseurs, aidant les entreprises à calculer les émissions de Scope 3 difficiles à mesurer et à identifier où les réductions sont possibles.

Si déployée avec soin, l’IA peut agir non seulement comme un consommateur de ressources, mais également comme un moteur de solutions climatiques plus intelligentes.

Il est temps de regarder de plus près

L’IA ne va pas ralentir, et elle ne devrait pas. Cependant, nous devons commencer à rendre son empreinte environnementale plus visible et gérable.

Cela signifie :

• Choisir des partenaires qui rapportent et réduisent leurs émissions.
• Former des équipes pour utiliser l’IA de manière efficace et intentionnelle.
• Considérer l’impact environnemental comme faisant partie de l’équation de valeur, et non comme un compromis.

Nous sommes habitués à penser que l’IA est invisible. Mais c’est un problème de perception, et non physique. Les serveurs sont réels, les émissions sont mesurables, et l’eau est finie.

Maintenant, c’est le moment de construire des habitudes de responsabilité pour que les systèmes sur lesquels nous comptons ne sapent pas discrètement l’avenir que nous essayons tous de protéger.