Au fur et à mesure que la technologie de l’intelligence artificielle (IA) progresse, la demande d’énergie pour la formation de modèles complexes a augmenté, ce qui soulève de nombreuses inquiétudes quant aux émissions de carbone qui en découlent. Cette croissance rapide est alimentée par la demande mondiale des industries et des universités, ce qui entraîne des augmentations exponentielles de la puissance de calcul qui ont des conséquences importantes sur l’environnement. Compte tenu de ces défis, il est essentiel de mener des recherches approfondies pour bien comprendre l’empreinte carbone de l’IA et élaborer des stratégies visant à atténuer son impact sur l’environnement.
Dans une étude réalisée par des chercheurs de l’université de Zhejiang et de l’université de Nankai, publiée dans Frontiers of Environmental Science & Engineering le 20 octobre 2024, les émissions de carbone des systèmes d’IA ont été rigoureusement évaluées. L’étude a analysé les émissions de 79 grands systèmes d’IA entre 2020 et 2024, soulignant la nécessité de mesures réglementaires et de plafonds d’émissions normalisés. Les résultats estiment que ces systèmes d’IA pourraient émettre plus de 102 millions de tonnes de CO₂ par an, signalant le besoin urgent de politiques visant à atténuer l’empreinte environnementale de l’IA.
L’équipe de recherche a quantifié les émissions de carbone de 79 modèles d’IA notables sortis entre 2020 et 2024, constatant des écarts importants en matière de consommation d’énergie. Par exemple, le modèle Gemini Ultra de Google représente à lui seul 36,7 % des émissions des principaux systèmes d’IA, tandis que les émissions de GPT-4 sont multipliées par douze par rapport à son prédécesseur.
L’étude révèle que les exigences opérationnelles liées à l’utilisation de l’IA éclipsent souvent les émissions liées à la formation, les émissions annuelles étant estimées à 960 fois celles d’une seule formation en raison de l’explosion mondiale de la demande de services d’IA. Sur le plan économique, les implications sont considérables : avec un prix du carbone projeté à 109 dollars la tonne, les émissions liées à l’IA pourraient coûter à l’industrie plus de 10 milliards de dollars par an. Ces résultats soulignent la nécessité d’établir des mesures et des plafonds d’émissions normalisés, car l’empreinte carbone de l’IA est désormais comparable aux émissions annuelles de pays entiers.
« La croissance exponentielle des capacités de l’IA s’accompagne d’une augmentation préoccupante de son impact sur l’environnement. Cette étude souligne l’urgence pour l’industrie de l’IA d’adopter des pratiques plus écologiques et des normes durables. Notre objectif est de fournir aux décideurs politiques les données nécessaires pour s’attaquer à l’empreinte carbone de l’IA par le biais de réglementations proactives » a indiqué Meng Zhang, chercheur principal à l’université de Zhejiang.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
M. Zhang a souligné que l’équilibre entre l’innovation en matière d’IA et la responsabilité environnementale est essentiel pour favoriser un avenir durable.
Les résultats de l’étude ont des implications importantes pour la politique environnementale et le développement de l’IA. À mesure que les applications de l’IA se développent à l’échelle mondiale, la gestion des émissions de carbone devient essentielle pour minimiser les incidences sur l’environnement et atteindre les objectifs climatiques. Les plafonds d’émissions pourraient encourager l’industrie à adopter des pratiques économes en énergie, ce qui favoriserait l’innovation en matière de technologies d’IA durables.
En outre, les mesures des émissions de carbone liées à l’IA pourraient aider les décideurs politiques à établir des normes efficaces, garantissant qu’à mesure que l’IA progresse, ses coûts environnementaux sont contrôlés, ouvrant ainsi la voie à un avenir durable pour l’IA.
Article: « Revisit the environmental impact of artificial intelligence: the overlooked carbon emission source? » – DOI: 10.1007/s11783-024-1918-y
