S3 1 To
S3 1 To
Connexion Premium
Droit Économie Flock Hardware IA Internet Logiciel Sciences Sécurité Société
Déontologie Règles de modération Mentions légales et contact
Qui sommes nous ? Contact rédaction Contact site Forum
Flux RSS GitHub Discord

Le flou autour de la notion d’IA : une tactique de greenwashing à part entière ?

IA trop de pétrole

Le flou autour de la notion d’IA : une tactique de greenwashing à part entière ?

Illustration : Flock

L’essentiel des affirmations selon lesquelles l’intelligence artificielle permettra de réduire les émissions de CO2 ou de lutter contre l’urgence climatiques ne reposent sur aucune preuve, ou des éléments très faibles. Par ailleurs, l’absence de définition précise de ce qu’est l’IA participe directement à minimiser les impacts de la filière, selon un rapport publié ce jour.

Que ce soit pour vendre directement ses produits, ou pour assurer que ses prochaines innovations permettront d’améliorer l’état de la planète, l’industrie de l’intelligence artificielle est très forte en marketing. C’est du moins l’une des conclusions qu’on peut tirer d’un rapport publié ce 17 février sur le « canular climatique de l’IA ».

Porté par un consortium d’associations environnementales réunissant Beyond Fossil Fuels, Climate Action against Disinformation, Les Amis de la Terre, Stand.earth, Green Screen Coalition et Green Web Foundation, le document se penche en une trentaine de pages sur les affirmations de l’industrie de l’IA en matière d’impacts environnementaux. En tête de ses constats : trois messages sur quatre affirmant que l’IA servira d’une manière ou une autre le climat ne reposent sur aucune preuve. Lorsqu’elles sont présentes, ces dernières sont généralement fragiles.

L’affirmation selon laquelle l’IA permettra une réduction globale des émissions de dioxyde de carbone (CO₂) joue généralement sur le flou de la définition de l’intelligence artificielle : sur 154 affirmations de bénéfices climatiques étudiées, le rapport constate que 97 % concernent des systèmes « traditionnels », c’est-à-dire spécialisés dans des tâches spécifiques. Toutes issues du Microsoft AI & Sustainability Playbook publié en 2023, seulement 4 concernent des modèles d’IA générative accessibles au grand public. « Cette analyse n’a trouvé aucun exemple dans lequel un système génératif grand public comme ChatGPT, Gemini ou Copilot menaient à des niveaux vérifiables et substantiels de réductions des émissions », indique l’étude.

L’IA générative, ou l’abandon des objectifs d’émission de CO2

La promesse que le développement de l’IA permettra d’obtenir une réduction drastique des émissions de CO₂ se retrouve dans des travaux variés, que ce soit le rapport « Énergie et IA » de l’agence internationale de l’énergie, ou diverses publications dans le média scientifique Nature, par exemple signées par l’économiste britannique Nicholas Stern ou par la directrice des sciences durables et de l’innovation de Microsoft.

Il reste 79% de l'article à découvrir.

Cadenas en colère - Contenu premium

Soutenez un journalisme indépendant,
libre de ton, sans pub et sans reproche.

Accédez en illimité aux articles

Profitez d'un média expert et unique

Intégrez la communauté et prenez part aux débats

Partagez des articles premium à vos contacts

Commentaires (25)

votre avatar
Ah bon, l'IA générative n'est pas utile pour lutter contre les gaz à effet de serre ?

Ça, c'est une sacrée découverte !
votre avatar
Chatgpt me dit que si pourtant :
Oui, l’IA générative peut être utile dans la lutte contre les gaz à effet de serre, mais elle n’est pas une solution miracle. Elle agit surtout comme outil d’optimisation, d’analyse et d’innovation. […]
votre avatar
Chatgpt me dit que si pourtant :
Comme quoi en disant "peut-être" on peu prétendre plein de trucs.
En vrai il y a des raisons systémiques qui disent l'inverse, et c'est assez bien expliqué.
votre avatar
Oui, mon commentaire était ironique 😅.
Il appuie le discours de l'article sur le greenwashing de l'IAgen.
Ça n'est pas l'IAgen qui « optimise et analyse », ce sont les IA classiques (ou alors, on est très mal barrés….)
Pour l'innovation, ça reste à voir.
votre avatar
Ben oui, générer de la merde, c'est souvent accompagné d'émission de gaz 😜
votre avatar
"sustainable" : j'aime beaucoup ce mot anglophone. En français, on utilise trop souvent des mots comme « durable » ou « raisonné ». Je me trompe peut-être, je suis loin d'être anglophone, mais sustainable me semble moins euphémisant et reflète plus l'enjeu.
Quand je pense qu'il y a à peine quelques années, on était en train de calculer l'empreinte carbone d'un mail ou d'une requête dans un moteur de recherche, avec les polémiques qui accompagnaient le sujet, ça me fait presque froid dans le dos en voyant qu'on n'en a rien à faire du "green" : on lave le vert ou on repeint en vert (greenwashing) au lieu de laver le gris.

NB: en français, on dirait plutôt « écoblanchiment »
votre avatar
il m'est arrivé d'utiliser "soutenable", mais je crois que c'est plus un anglicisme qu'autre chose
votre avatar
On devrait être plus proche de "pérenne" normalement, en bon français.
votre avatar
Durable entend la capacité de pouvoir maintenir cette tendance.
Raisonné n’a rien à voir je trouve aussi, puisque c'est forcément subjectif.

En allemand on parle de nachhaltig, ce qui va dans le sens de durable (littéralement "qui se garde après")
votre avatar
Perso je pense que l'IA peu mener à des économies. Du moment qu'on arrive à limiter les besoins en apprentissage.
D'un point de vue totalement pragmatique (certains dirons cynique). Si on compare pour un travail "intellectuel" moyen, le coût d'apprentissage d'une IA au coût d'apprentissage d'un équivalent humain: je ne pense pas que ce soit à l'avantage de l'humain.
Pire en ajoutant le coût de l'inférence.

Le défi est alors de réussir à maintenir l'IA "formée" aux dernières pratiques et évolutions à un coût soutenable.

Par ailleurs, de nombreux modèles adapté à l'exécution en local permettent d'avoir un résultat similaire à de nombreux LLM pour le travail demandé et à un coût total en énergie (en comptant le réseau qui n'est plus utilisé et la surconso liée à un modèle exécuté en pleine précision) certainement bien plus faible.

Actuellement, je ne comprends pas le "monopole" de NVidia: si bien sûr NVidia est certainement le ou parmi les meilleurs en apprentissage, en inférence ce n'est pas le cas, ou plutôt la concurrence devient rude et nettement moins coûteuse.

Le gros problème de l'IA générative actuellement, c'est qu'elle est souvent utilisée à très mauvais escient, notamment car son coût à l'utilisation ne reflète pas le coût réel d'exploitation. Les commerciaux aiment montrer l'évolution des requêtes en IA générative, sauf que vu que la plupart des gens laissent l'IA se déclencher à chaque requête sur google/bing, souvent sans l'utiliser, et que beaucoup de requêtes IA n'aboutissent pas (et perso je trouve de plus en plus), on n'a pas la visibilité sur le nombre de requêtes "utiles".

On devrait revenir à l'informatique centralisée et le coût calculé à chaque lancement de traitement de l'époque des mainframe.
votre avatar
Si on compare pour un travail "intellectuel" moyen, le coût d'apprentissage d'une IA au coût d'apprentissage d'un équivalent humain: je ne pense pas que ce soit à l'avantage de l'humain.
Je vois absolument pas en quoi. Un humain peut apprendre et généraliser à partir de quelques situations (en se formant une représentation mentale de son environnement), là où le LLM nécessite des milliards d'échantillons de données connues pour parvenir à un résultat. Par ailleurs, l'humain n'étant pas une machine, notre consommation d'énergie (nourriture et boisson) n'est que très marginalement dépendante de notre activité, elle même n'étant pas nécessairement corrélée à la valeur ajoutée produite quand on se limite à la contribution économique.

Et il va sans dire que, si la question est de supprimer des humains pour remplacer les ressources qu'ils utilisent par celles de l'IA, je suis immédiatement pour qu'on nuke tous les datacenter mistral, openAI, deepseek, anthropic, etc.
On devrait revenir à l'informatique centralisée et le coût calculé à chaque lancement de traitement de l'époque des mainframe.
Le minitel 2.0
Par ailleurs, de nombreux modèles adapté à l'exécution en local permettent d'avoir un résultat similaire à de nombreux LLM pour le travail demandé et à un coût total en énergie (en comptant le réseau qui n'est plus utilisé et la surconso liée à un modèle exécuté en pleine précision) certainement bien plus faible.
Je suis sceptique sur deux des points, mais ça se défend certainement sur certains cas d'utilisation :

  • un LLM local comparable à un Claude Code me semble une affirmation audacieuse, surtout si on manipule de gros contextes.

  • Le coût total en énergie, je pense que ça dépend trop des cas d'usage, du contexte et des outils autour. C'est certain qu'un prompt dans un ollama 4b sur une machine de bureau sera plus économique que lâcher la bride à Claude Code et ses agents pendant 20 minutes pour générer un site web.

votre avatar
"Un humain peut apprendre et généraliser à partir de quelques situations (en se formant une représentation mentale de son environnement), là où le LLM nécessite des milliards d'échantillons de données connues pour parvenir à un résultat"

D'où le problème que je souligne sur les LLM et d'autres IA: les maintenir à jour. Toutefois pour en arriver à avoir un humain capable d'une tâche intellectuelle valorisable, une grosse partie n'arrivent pas malgré les efforts d'instruction et d'éducation à le faire (je ne sais pas comment le tourner sans faire peur).

D'un certain point de vue: les humaines consomment énormément d'énergie juste pour se maintenir en vie, et un peu pour travailler. Je pense que comparer l'effort réalisé pour avoir une population d'humains capables d'imaginer/créer/coder face à la création de quelques IA génératives ne serait pas forcément si favorable pour les humains.

Attention, je comprends bien que miser énormément sur des IA qui ne sont qu'une poignée, et qui travaillent et créent essentiellement dans un cadre où elles ont l'expérience de milliers d'humains mais PAS de nouvelles entrées d'apprentissage (enfin ... presque ...) pose un risque de créer une période de stagnation une fois que les IA auront atteint leur propre horizon - et que l'effort pour sortir de cette stagnation serait absolument considérable.

"Je suis sceptique sur deux des points, mais ça se défend certainement sur certains cas d'utilisation :

  • un LLM local comparable à un Claude Code me semble une affirmation audacieuse, surtout si on manipule de gros contextes."



Expérience perso du boulot: l'IA est sortie pour tout et n'importe quoi. J'ai constaté très régulièrement (j'aimerais l'analyser profondément) que plus de la moitié du temps, l'IA n'a pas réellement rendu un service aussi bon (question mal formulée), mais que le travail a été rendu quand même (ça je le constate) en mode "ça suffira".
Du coup: pourquoi sortir l'IA de la mort pour la moindre virgule, quand pour le début du travail, une IA "basique" ferait un travail comparable. Si le travail est continué avec acharnement (en général il faut pas mal de passes avec l'IA pour peaufiner), il faut embrayer sur plus gros.

Exemple: pour initier un programme, le résultat de claude ou de Ministral 4 en local est plutôt similaire!
votre avatar
Toutefois pour en arriver à avoir un humain capable d'une tâche intellectuelle valorisable, une grosse partie n'arrivent pas malgré les efforts d'instruction et d'éducation à le faire
C'est normal, contrairement à des systèmes informatiques, on est tous différents au niveau des sensibilités, et chacun a des affinités différentes - et pas nécessairement choisies - avec son environnement.
Je pense que comparer l'effort réalisé pour avoir une population d'humains capables d'imaginer/créer/coder face à la création de quelques IA génératives ne serait pas forcément si favorable pour les humains.
C'est un faux problème, puisque les IA génératives ne peuvent tout simplement pas exister sans les humains, donc elles ne font qu'ajouter aux ressources nécessaires. Et de toutes façons, on ne compare pas la pertinence de l'IA pour remplacer l'humanité (ou alors, il faut d'urgence abattre ceux qui y travaillent), mais la pertinence de l'IA pour les sociétés humaines.
Du coup: pourquoi sortir l'IA de la mort pour la moindre virgule, quand pour le début du travail, une IA "basique" ferait un travail comparable. Si le travail est continué avec acharnement (en général il faut pas mal de passes avec l'IA pour peaufiner), il faut embrayer sur plus gros.
Parce que tu négliges deux points que je pense importants :

  • l'attrait pour la nouveauté et le top du top : beaucoup d'utilisateurs voudront le dernier modèle à la mode, peu importe la pertinence pour leur usage.

  • le fait qu'à force d'abandonner tout contrôle sur notre travail à une IA ne nous permettra plus, à un moment donné, d'être en mesure d'évaluer suffisamment précisément de quel modèle on a besoin pour une tâche (et même en étant encore bon, c'est pas toujours évident à estimer a priori).



Edit : juste pour préciser que je pense ne pas être fondamentalement en désaccord avec toi, mais que j'ai l'impression que tu as des inquiétudes relatives à un avenir qui a vraiment très peu de chance de se produire.
votre avatar
C'est un faux problème, puisque les IA génératives ne peuvent tout simplement pas exister sans les humains
Je réfléchis en me projetant sur ce que le marché de l'emploi/de l'IA promet d'offrir. On "sent" déjà l'INpact chez les dev. Chez les personnes chargées d'instruire des dossiers, ça commence.
Quand on maintient dans des bureaux très dispersés une présence (même en pointillé) d'une personne chargée de dossiers complexes, avoir un assistant IA capable de synthétiser tous les jours pour la personne de l'accueil n'importe quel dossier est intéressant.
Et l'IA est convaincante, capable de revenir sur tout l'historique de dossiers d'un service...
Dans un moment où le recrutement est difficile, une IA peut être envisagée pour alléger les exigences du poste ou le nombre de personnes.

Des décideurs peuvent (et se font, et se feront) berner (enfin: ils n'ont pas tout à fait tort, mais ne voient pas ou ne veulent pas voir les implications futures).
- l'attrait pour la nouveauté et le top du top
Une fois en place, un logiciel/une IA est difficile à remplacer. On est rapidement sur des remplacements qui durent 1, 2, 3 ans.

Je suis partisan de l'attrait de la vitesse de mise en place. J'ai trop vécu de projets mis en place "parce qu'il le fallait" et j'ai même eu un responsable très orienté par la couverture de 01Net.
votre avatar
Si on compare pour un travail "intellectuel" moyen, le coût d'apprentissage d'une IA au coût d'apprentissage d'un équivalent humain: je ne pense pas que ce soit à l'avantage de l'humain.
Pire en ajoutant le coût de l'inférence.
Il faut 4 photos de chat pour qu'un gamin de 4 ans reconnaisse des chats sur d'autres photos avec un succès proche de 100% en 1 seconde.
Il faut 100 000 photos de chats à un réseau de neurones quelconques pour reconnaitre un chat, avec un succès qui dépasse à peine 90%.

Donc oui le cynisme ça serait de dire qu'il faut embaucher des gamins de 4 ans pour faire ce taf là, c'est plus économique.
C'est pas pour rien que les boites d'IA reposent presque exclusivement sur des mains d'oeuvre sous-payées quasi-esclavagisées (i.e. coloniales) pour taguer/surveiller/corriger les algos du monde entier.
Y a encore une boite de voiture "autonome" qui s'est fait choper à utiliser des "safety officer" philippins à distance y a quelques jours. L'IA générative n'a fait que décupler ce phénomène.
votre avatar
Il faut 100 000 photos de chats à un réseau de neurones quelconques pour reconnaitre un chat, avec un succès qui dépasse à peine 90%.
Je te conseille d'essayer. Ca je connais un peu: avec une dizaine de photos de chaque espèce chat/chien/aigle/pie/baleine/tigre, un réseau de neurone sur une carte (Kendryte K210 - Maixbit) apprend à reconnaître. C'est une carte de 2019 un peu comme une RPI.

Et mon point, c'est qu'une fois que tu as appris à une IA à faire un travail, elle sait le faire, pour 40 ans si tu veux, et avec 4000 instances si tu veux, H24 si tu veux. L'inférence n'est pas si coûteuse (des réseaux de neurones, il y en a dans les ascenseurs depuis les années 80 :) ).
Former des humains, c'est très long.

Je répète certainement les arguments des années 80 sur la robotisation, ou simplement lors de l'industrialisation, j'en suis conscient. Mais ces arguments se sont révélés vrais (parfois/souvent, je ne saurais dire).
C'est pas pour rien que les boites d'IA reposent presque exclusivement sur des mains d'oeuvre sous-payées quasi-esclavagisées (i.e. coloniales) pour taguer/surveiller/corriger les algos du monde entier.
Tout à fait. Et une partie de mon point, c'est que la tendance actuelle c'est de pousser à rentrer (enfin) du cash. Donc c'est un peu le miroir aux alouettes brandi devant les directeurs.

Par contre, les arguments de consommation d'énergie, je les entends, et dans un monde où l'IA générative est ultra utilisée pour résumer des textes plus vite, générer des cartes anniversaires ou sa voisine en string, c'est clairement un problème.

Dans un monde où quelqu'un se pose, met en place un système avec ce qui est fait, ça commence à parler niveau efficacité. Et si on met de l'IA dans des processus qui bougent peu ... c'est tout bénef, mais ça mène à une perte d'expérience humaine.

Question d'illustration: Connais-tu un bon rémouleur???
votre avatar
En fait, c'était du greenwashing et ils n'en ont rien à faire, kilukru à part tout le monde ?
votre avatar
La technologie high-tech amènera toujours plus d'émissions, car elle est encouragée et accompagnée de la consommation. Vouloir croître, c'est polluer plus, c'est mécanique, y'a un moment où il faut arrêter de croire au techno-solutionnisme pour se sauver. La seule façon d'émettre moins, c'est de consommer moins (dans tous les domaines). Ce n'est pas un gros mot.
votre avatar
Vouloir croître, c'est polluer plus, c'est mécanique
La seule exception sont les bien immatériels, mais on ne se nourrit pas de skins CS, ni de NFC.
votre avatar
un Skin Cs c'est un bien matériel. Il faut des serveurs et du réseau (et bien plus) pour les stocker, les utiliser etc. La seule exception qui pourrait exister est le Savoir.
votre avatar
un Skin Cs c'est un bien matériel.
Non, c'est par définition un bien immatériel, on parle de la donnée elle-même, pas de son support de stockage (la connaissance ou le savoir sont préservés sur des supports aussi).
votre avatar
Le Savoir est dans ta tête (à moins qu'elle soit vide, mais j'imagine que non si tu es là :p). Il n'a pas besoin de support (même si en effet, les livres et Internet sont souvent plus utilisé que la communication orale directe)
votre avatar
Si on pouvait arrêter de pinailler :

fr.wikipedia.org Wikipedia
votre avatar
N'empêche que tes skins CS et tes NFT polluent. Tu feras ce que tu veux de l'info, qu'on puisse s'en nourrir ou pas.
votre avatar
Depuis que l’IA s’est fait une place dans les blocs opératoires, le nombre d’erreurs chirurgicales explose
Des artères perforées, des outils au mauvais endroit dans le corps du patient, des moniteurs qui ne signalent pas le rythme irrégulier des battements cardiaques: depuis que les logiciels d’apprentissage par l’IA se multiplient dans les hôpitaux, les erreurs médicales et les accidents chirurgicaux font de même. Mais ces machines sont tellement nombreuses à arriver sur le marché qu’aux États-Unis, l’agence fédérale de régulation n’arrive plus à suivre.