L’intelligence artificielle (IA) est souvent présentée comme une promesse d’efficacité et de gain de temps. Cependant, une récente publication dans la revue Joule soulève une question cruciale : quel est l’impact énergétique de l’IA à grande échelle ?
Le 10 octobre 2023, Alex de Vries, fondateur de Digiconomist et doctorant à la Vrije Universiteit Amsterdam, a démontré que l’IA, lorsqu’elle est largement adoptée, pourrait avoir une empreinte énergétique importante. «En regardant la demande croissante pour les services d’IA, il est très probable que la consommation d’énergie liée à l’IA augmentera significativement dans les années à venir», prévient de Vries.
Depuis 2022, l’IA générative, capable de produire du texte, des images ou d’autres données, a connu une croissance rapide. L’entraînement de ces outils d’IA nécessite de traiter une grande quantité de données, un processus qui reste toutefois énergivore.
Par exemple, Hugging Face, une entreprise de développement d’IA basée à New York, a rapporté que son outil d’IA générant du texte multilingue a consommé environ 433 mégawattheures (MWh) lors de son entraînement, soit suffisamment pour alimenter 40 maisons américaines moyennes pendant un an.
L’IA en action : une consommation d’énergie non négligeable
L’empreinte énergétique de l’IA ne s’arrête pas à l’entraînement. L’analyse de de Vries montre que lorsque l’outil est mis au travail – générant des données en fonction des instructions – chaque fois que l’outil génère un texte ou une image, il utilise également une quantité significative de puissance de calcul et donc d’énergie. Par exemple, ChatGPT pourrait coûter 564 MWh d’électricité par jour à faire fonctionner.
Google, par exemple, a intégré l’IA générative dans son service de courrier électronique et teste actuellement l’utilisation de l’IA dans son moteur de recherche. L’entreprise traite actuellement jusqu’à 9 milliards de recherches par jour. Sur la base de ces données, M. de Vries estime que si chaque recherche Google utilise l’IA, elle nécessiterait environ 29,2 TWh d’énergie par an, ce qui équivaut à la consommation annuelle d’électricité de l’Irlande.
Alors que des entreprises du monde entier travaillent à améliorer l’efficacité des matériels et logiciels d’IA pour rendre l’outil moins énergivore, de Vries souligne qu’une augmentation de l’efficacité des machines augmente souvent la demande.
Au final, les avancées technologiques conduiront à une augmentation nette de l’utilisation des ressources, un phénomène connu sous le nom de Paradoxe de Jevons.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
En synthèse
La croissance potentielle de l’IA souligne la nécessité d’être très attentif à son utilisation. «C’est énergivore, donc nous ne voulons pas l’intégrer dans toutes sortes de choses où nous n’en avons pas réellement besoin», conclut de Vries. Il est donc essentiel de prendre en compte l’empreinte énergétique de l’IA dans nos choix technologiques futurs.
Pour une meilleure compréhension
1. Qu’est-ce que l’empreinte énergétique de l’IA ?
L’empreinte énergétique de l’IA fait référence à la quantité d’énergie nécessaire pour entraîner et faire fonctionner les outils d’IA. Cela comprend l’énergie nécessaire pour traiter les grandes quantités de données utilisées dans l’entraînement de l’IA, ainsi que l’énergie utilisée lorsque l’outil est mis au travail pour générer des données.
2. Pourquoi l’IA est-elle énergivore ?
L’IA est énergivore en raison de la grande quantité de données qu’elle doit traiter. Par exemple, l’entraînement d’un outil d’IA génératif peut consommer jusqu’à 433 mégawattheures (MWh) d’électricité, soit suffisamment pour alimenter 40 maisons américaines moyennes pendant un an.
3. Qu’est-ce que le Paradoxe de Jevons ?
Le Paradoxe de Jevons est un phénomène selon lequel une augmentation de l’efficacité des machines entraîne souvent une augmentation de la demande. En fin de compte, les avancées technologiques conduisent à une augmentation nette de l’utilisation des ressources.
4. Quel est l’impact potentiel de l’IA sur la consommation d’énergie ?
Si chaque recherche Google utilisait l’IA, cela nécessiterait environ 29,2 TWh d’énergie par an, ce qui est équivalent à la consommation annuelle d’électricité de l’Irlande. De plus, la production de serveurs IA devrait augmenter rapidement dans un avenir proche, ce qui pourrait augmenter la consommation d’électricité liée à l’IA de 85 à 134 TWh par an d’ici 2027.
5. Comment pouvons-nous réduire l’empreinte énergétique de l’IA ?
Il est essentiel d’être attentif à l’utilisation de l’IA, car elle est énergivore. Nous devons éviter d’intégrer l’IA dans des applications où nous n’en avons pas réellement besoin. De plus, les entreprises du monde entier travaillent à améliorer l’efficacité des matériels et logiciels d’IA pour rendre l’outil moins énergivore.
Joule, de Vries, A.: “The growing energy footprint of artificial intelligence.”
