L’IA, une menace pour l’environnement ?
Quel impact, quelles solutions, quels cas d'usage ?
Podcast: Play in new window | Download (9.8MB)
Subscribe: Apple Podcasts | Spotify | Android | Blubrry | Email | RSS | More
L’impact environnemental de l’IA fait couler beaucoup d’encre et pas forcément celle des stylos les mieux informés. Le salon One-to-One B.Better est « le nouveau rendez-vous d’affaires One to One à destination des décideursComportement de l’acheteur en B2B : Internet et réseaux sociaux ont bouleversé le comportement de l’acheteur en B2B qui se rapproche du B2C et fournisseurs engagés pour un business durable et responsable ». Afin d’introduire ce nouvel événement, Visionary Marketing a interviewé Thomas Husson de Forrester, qui fait partie du comité éditorial du salon. Avec lui, nous nous sommes posé la question de l’impact environnemental de l’IA. Voici un résumé de nos échanges que vous retrouverez in extenso dans le podcast associé à ce billet.
Quel impact environnemental de l’IA et quelles perspectives ?
Mesurer les externalités négatives et positives de l’IA
L’IA est un sujet qui fait couler beaucoup d’encre. Mais la vraie question est celle de ses cas d’usage.
La vraie question est celle des cas d’usage de l’IA.
Effectivement, il y a une empreinte carbone et une consommation de ressources en eau importante. On sait que le digital a un impact sur l’environnement.
La question c’est pour quoi faire ?
Microsoft a annoncé il y a peu de temps avoir eu une augmentation de 30 % de ses émissions de carbone sur la période 2020-2023, et a reconnu qu’une bonne partie de cette augmentation était liée à l’explosion de l’IA. Moins du fait de l’usage des données que de la construction même de ces data centers.
Mais la vraie question, c’est pour quoi faire ? Si c’est pour faire des vidéos, des fake news et passer son temps à poser des questions à ChatGPT alors qu’une réponse peut être obtenue facilement avec des outils non IA moins gourmand, cela va poser problème.
La bonne nouvelle, c’est qu’il y a pléthore de cas où l’IA peut se mettre au service de l’environnement.
De l’impact environnemental du digital et de l’IA en particulier
Le digital au sens large, c’est-à-dire toute l’infrastructure et l’usage liés à la technologie digitale, représentent de 3 à 4 % de l’ensemble des émissions de gaz à effet de serre. L’industrie aérienne pèse environ 3,5 %*, donc le digital est significatif.
NDLR* Le chatbot d’Ekimetrics que nous présentons ci-après indique que le transport aérien est uniquement responsable de 2,4 % des émissions de gaz à effet de serre. Sur l’impact environnemental du digital, nous avons donné des indications plus précises dans ce billet.
Mais les tendances vont se confirmer.
Si on regarde la consommation des data centers aux États-Unis, on estime que la consommation électrique des data centers va tripler d’ici à 2030 pour représenter grosso modo 7,5 % du total. L’augmentation est indéniable.
Toutefois, c’est le hardware qui consomme le plus, c’est à peu près 80 % de l’empreinte*, et aller renouveler son smartphone tous les 10 mois est une mauvaise idée.
NDLR* Nos sources indiquent plutôt 70 % environ, mais l’ordre de grandeur est respecté.
Quand l’IA va inciter consommateurs et entreprises à acheter plus d’objets numériques, plus d’ordinateurs, plus de smartphones, plus de serveurs, c’est là que nous verrons son véritable impact environnemental.
L’enjeu, c’est d’aller vers des SML, des Small Language Models. C’est-à-dire qu’au lieu d’avoir un modèle avec des milliards de milliards de paramètres pour une requête toute simple, ce qui consomme énormément et n’a pas forcément un intérêt systématique, on ira vers des modèles plus spécifiques à une fonction, un métier, un usage. Cela permettra d’optimiser réellement la consommation d’énergie.
Quelques cas d’usage positifs de l’IA pour l’environnement
L’IA, dans son acception la plus large, est au service de l’environnement depuis longtemps.
- Il est des systèmes d’advance analytics qui permettent de manière assez simple de mieux prédire la demande et d’optimiser les flux. Pour optimiser la consommation énergétique d’un bâtiment, ou les prévisions de la demande pour éviter le gaspillage alimentaire.
- Il y a aussi le machine learning pour les optimisations de la supply chain, l’ordonnancement dans le transport et l’optimisation du remplissage des camions.
- Puis il y a le deep learning, pour améliorer la prédiction du risque climatique, le respect de la biodiversité, avec la mesure, avec des capteurs, du bruit de certains animaux.
- Et enfin, il y a l’IA générative avec les fameux Large Language Models, mais surtout avec la capacité d’aller mieux traiter l’information. Il y a des cas d’usage de chatbots avec la Gen AI. Par exemple, ce qu’a fait Ekimetrics pour le compte de Climate Q&A [NDLR Voir notre essai ci-dessous] est assez intéressant parce que ça permet de sourcer l’information des travaux du GIEC et d’autres travaux scientifiques.
Et ensuite, il y a après tous les cas d’usage spécifiques à l’environnement, ce qui est encore autre chose.
Le chatbot d’Ekimetrics répond à vos questions sur le changement climatique
Les cas d’usage positifs de l’IA pour l’environnement
En utilisant des données satellitaires ou des capteurs au sol et des algorithmes de type machine learning, on peut affiner les prédictions environnementales. On peut également mieux détecter à l’avance les évolutions des feux de forêt, par exemple.
Il y a quelques applications concrètes, par exemple en Californie. Ces technologies ont été utilisées par le département de protection Cal Fire. Cela leur permet de détecter plus rapidement les départs de feux, et d’anticiper leur propagation. Cela permet aussi de mieux affecter des ressources aux sinistres.
Ce sont des mesures palliatives, mais le potentiel de l’IA est assez exceptionnel dans ce domaine.
La question maintenant est de savoir quels moyens nous allons mettre sur ces cas d’usage. Et également, qui les met et comment on collabore pour pouvoir les déployer.
C’est encore une fois une question de volonté et de décision politique.
Pour s’inscrire à one to one B.Better, cliquer sur le bouton suivant.
————————————————————
Yann Gourvennec a créé visionarymarketing.com en 1996. Il est conférencier et auteur de 6 livres. En 2014, il est passé d'intrapreneur à entrepreneur en créant son agence de marketing numériqueDéfinition marketing digital, un terme utilisé en permanence et pourtant bien mal compris car mal défini.
- Les 8 défis principaux de l’IA générative - 24/06/2024
- Le futur de l’informatique appartiendra aux développeurs full-stack - 21/06/2024
- Numerikissimo 2025 nomme son jury - 18/06/2024
