Trois chercheuses de la plateforme d'hébergement de projets d'IA Hugging Face, Sasha Luccioni, Bruna Trevelin et Margaret Mitchell ont rassemblé les connaissances disponibles actuellement à propos de l'impact de l'IA sur l'environnement. Elles constatent encore trop peu de transparence sur les besoins énergétiques de chaque application d'IA, elles parcourent l'ensemble des connaissances actuellement disponibles.

La question de la consommation d'énergie de l'IA, et donc de son impact sur l'environnement, n'est généralement pas le premier problème sur lequel les entreprises d'IA sont les plus prolixes. Elles parlent plus volontiers des éventuels « risques existentiels » que leurs outils pourraient, un jour, provoquer.

• AGI, GPAI, modèles de fondation… de quoi on parle ?

Des estimations à revoir

Et quand elles en parlent, elles sous-estiment leurs émissions : d'après une étude du Guardian, « de 2020 à 2022, les émissions réelles des centres de données internes ou appartenant aux entreprises Google, Microsoft, Meta et Apple sont probablement environ 662 %- ou 7,62 fois - plus élevées que ce qui est officiellement déclaré ».

Le journal britannique explique que ces entreprises « comptent de façon créative » leurs émissions de CO2 notamment en comptabilisant les « certificats d'énergie renouvelable » (Renewable energy certificates, REC) qu'elles achètent. Elles font donc des estimations « basées sur le marché ». Mais, le Guardian explique qu'en faisant des estimations des émissions basées sur le lieu où sont réellement les centres de données, les chiffres explosent.

Le journal s'appuie notamment sur l'avis de Jay Dietrich, du consortium d'entreprise Uptime Institute qui travaille sur l'efficacité des centres de traitement de données. Selon lui, les estimations « basées sur la localisation donnent une image précise des émissions associées à l'énergie réellement consommée pour faire fonctionner le centre de données. Et Uptime estime qu'il s'agit de la bonne mesure ».

Si ces entreprises ne livrent pas les données les plus utiles pour mesurer les émissions de CO2 liées à leurs centres de données en général, elles donnent encore moins d'information quand il s'agit de parler spécifiquement de la consommation de l'IA.

Pour cela, il faut plutôt compter sur d'autres acteurs qui essayent d'évaluer tout ça. En l'occurrence des chercheuses de la startup franco-américaine Hugging Face. Début septembre, Sasha Luccioni, Bruna Trevelin et Margaret Mitchell ont publié sur le blog de l'entreprise un long récapitulatif de ce qu'on sait sur les conséquences environnementales de l'IA et des politiques actuellement mises en place à travers le monde à ce propos.

• Dangers des grands modèles de langage : des chercheuses avaient prévenu

Elles expliquent qu' « il peut être difficile de comprendre l'ampleur de l'impact de l'IA sur l'environnement étant donné la séparation entre l'endroit où vous interagissez avec un système d'IA et la manière dont cette interaction s'est faite - la plupart des modèles d'IA fonctionnent dans des centres de données qui sont physiquement situés loin de leurs utilisateurs, qui n'interagissent qu'avec leurs résultats ».

Mais, elles affirment que « la réalité est que les capacités impressionnantes de l'IA ont un coût substantiel en termes de ressources naturelles, y compris l'énergie, l'eau et les minéraux, et des quantités non négligeables d'émissions de gaz à effet de serre ».

Une consommation importante signalée dès 2020

Elles rappellent que, dès 2020, la chercheuse du laboratoire Facebook AI Research Emma Strubell et deux de ses collègues de l'Université du Massachusetts Amherst montraient que l'entrainement d'un grand modèle de langage de 213 millions de paramètres était responsable de 284 tonnes de CO2.

Sasha Luccioni travaille depuis pas mal de temps sur le sujet et est citée, cette année, pour cette raison parmi les 100 personnalités importantes de l'IA par le magazine américain Time. Elle a notamment évalué les émissions de CO2 du grand modèle de langage BLOOM. Celui-ci est, depuis l'exposition des modèles de langage dans le grand public, l'un des seuls à respecter les critères de l'open science, ce qui permet d'avoir beaucoup d'informations et de travailler sereinement sur sa consommation.

• Difficile évaluation du coût environnemental et financier de l’utilisation des grands modèles de langage

Les plus consommateurs : les images et la génération de contenus

Avec ses collègues, elle a montré que ce modèle de 176 milliards de paramètres, déployé sur le cloud de Google et ayant reçu 230 768 requêtes pendant 18 jours, a consommé 40,32 kWh par jour et, « compte tenu du mix énergétique utilisé par l'instance informatique », émettait environ 19 kg de CO2eq par jour, expliquent-elles dans leur billet de blog. D'après les trois chercheuses, on peut considérer que ce chiffre reflète ce que consommait un modèle d'IA déployé à la pointe des connaissances en 2023.

Une autre étude, publiée en 2024 encore par Sasha Luccioni et ses collègues, montrent que les modèles de langage consomment plus quand ils sont utilisés sur des images ou quand on leur demande de générer des nouveaux contenus (plutôt que, par exemple, résumer un texte).

Une requête ChatGPT de 6 à 10 fois supérieure à celle d'une recherche traditionnelle

Si on connait quelques bases sur la consommation de l'IA génératives grâce à ces études, les chercheuses de Hugging Face insistent : « il existe actuellement peu de transparence sur les demandes énergétiques des applications spécifiques de l'IA, bien que, selon une estimation récente, la quantité d'énergie utilisée pour une requête ChatGPT soit de 6 à 10 fois supérieure à celle d'une recherche traditionnelle sur le web (0,3 Wh contre 2,9 Wh) », en citant une analyse (PDF) du cabinet Goldman Sachs.

Un besoin de consensus sur la définition de l'IA et de transparence

Elles expliquent que pour avoir une vue d'ensemble de l'impact environnemental de l'IA, « nous avons besoin à la fois d'un consensus sur ce qu'il faut considérer comme faisant partie de l'"IA", et de beaucoup plus de transparence et d'informations de la part des entreprises impliquées dans la création de l'IA ».

Elles rappellent d'ailleurs que l'IA n'est pas uniquement le machine learning, mais désigne aussi les systèmes experts. Le flou qui constitue sa définition en entraine un autre dans la définition de sa consommation. « L'élément central de ce défi est le fait que l'IA est souvent une partie, et non la totalité, d'un système donné- par exemple, les appareils intelligents, les véhicules autonomes, les systèmes de recommandation, la recherche sur le web, etc », expliquent-elles.

Elles rappellent aussi qu'on ne possède que peu ou pas d'informations sur les émissions intrinsèques de la fabrication de matériel informatique, la consommation de carbone de l'infrastructure utilisée par l'IA elle-même, les effets de rebond et conséquences involontaires, les émissions qui sont émises par d'autres technologies qui se développent grâce à l'IA et enfin les atteintes à l'écosystème.

L'Europe première régulatrice, le projet de loi états-unien arrive

Dans le trio d'analystes de Hugging Face, la juriste Bruna Trevelin a plutôt dû collaborer à la dernière partie, celle sur l'analyse des régulations mises en place à travers le monde.

Le fait que cette analyse commence par l'Europe n'est pas anodin. Elles soulignent l'existence du « Green deal » qui fixe des objectifs juridiquement contraignants pour la neutralité carbone d'ici 2050. « Les systèmes d'IA utilisés dans la gestion de l'énergie, les réseaux intelligents et la surveillance de l'environnement devront être conformes à cette loi », expliquent-elles. Elles comptent aussi sur la directive européenne relative à l’efficacité énergétique pour quantifier et réguler la consommation d'eau.

Elles rappellent que l'AI Act impose « que les fournisseurs de modèles d'IA à usage général (IAG) doivent spécifiquement partager la consommation d'énergie connue ou estimée de leurs modèles ».

Il prévoit aussi « que les systèmes d'IA à haut risque rendent compte des performances en matière de ressources, telles que la consommation d'énergie et d'"autres ressources" au cours du cycle de vie des systèmes d'IA, qui pourraient inclure l'eau et les minéraux en fonction du niveau de détail des normes qui guideront le respect de cette obligation de rendre compte ».

De l'autre côté de l'Atlantique, « le décret sur le développement et l'utilisation sûrs, sécurisés et dignes de confiance de l'intelligence artificielle publié par la Maison Blanche en octobre 2023, bien que très complet à d'autres égards, n'aborde pas directement les impacts environnementaux des modèles d'IA, bien qu'il mentionne le développement d'applications de l'IA positives pour le climat » déplorent-elles.

Mais, si les États-Unis sont en retard par rapport à l'UE sur le sujet, l'Artificial Intelligence Environmental Impacts Act est actuellement en cours d'examen. Il serait « la première pierre d'une législation qui traite de ce sujet ». Joe Biden a récemment essayé de reprendre la main sur le sujet en demandant aux différentes agences fédérales d'accélérer l'évaluation des projets d'énergie « propre ».

• La Maison-Blanche veut concilier IA et climat

Les trois chercheuses de Hugging Face citent aussi les initiatives de l'Espagne, du Canada et la feuille de route intelligence artificielle et transition écologique de la France.