Les avancées récentes en intelligence artificielle, comme ChatGPT et DALL-E, soulèvent des questions sur leur impact environnemental. La consommation énergétique nécessaire au fonctionnement de ces systèmes est considérable, contribuant à des émissions de carbone et à une grande utilisation d’eau. Bien que ces technologies puissent améliorer la productivité et faciliter diverses tâches, leur développement et leur utilisation quotidienne entraînent une empreinte écologique significative, appelant à une évaluation rigoureuse de leurs conséquences.
Il peut sembler que ces avancées technologiques relèvent de la magie. En saisissant une requête dans ChatGPT, en appuyant sur un bouton, et — voilà ! — vous obtenez une analyse en cinq paragraphes de Hamlet de Shakespeare, rédigée en iambes. Ou encore, en demandant à DALL-E de créer une image d’un animal fantastique, vous découvrez un hybride fascinant entre un gecko, un loup et une étoile de mer. Si vous ressentez une mélancolie, il vous suffit de consulter le « fantôme » numérique de votre grand-mère disparue pour obtenir un peu de réconfort.
Cependant, il est important de comprendre que rien de tout cela n’émerge sans un coût. Chaque interaction avec un chatbot ou un système d’IA générative repose sur une infrastructure complexe de câbles et de serveurs dans un centre de données. Ces énormes entrepôts, remplis de serveurs interconnectés, traitent les demandes via des milliards, voire des trillions, de paramètres qui déterminent les réponses générées.
Les coûts énergétiques des systèmes d’IA
Le traitement des requêtes et la génération de réponses nécessitent une quantité considérable d’électricité, sans oublier l’énergie utilisée pour faire fonctionner les systèmes de refroidissement qui maintiennent les serveurs à une température optimale. Cette consommation d’énergie entraîne de lourdes factures électriques, tout en contribuant à une importante émission de carbone, nuisible pour notre climat. De plus, la production d’électricité et le refroidissement des infrastructures requièrent d’énormes volumes d’eau, utilisée tant pour les centrales nucléaires que pour les systèmes de refroidissement.
Alors que l’IA générative continue de gagner en popularité cette année, les préoccupations des défenseurs de l’environnement se multiplient concernant son utilisation intensive des ressources. Le débat sur l’équilibre entre les coûts environnementaux et les bénéfices moins tangibles, tels que l’amélioration de la productivité ou l’accès à l’information, est souvent marqué par des divergences idéologiques sur la finalité et la valeur de ces technologies.
Les partisans de l’IA affirment que cette nouvelle avancée représente un atout sociétal inestimable, nous rapprochant de l’intelligence artificielle générale, des systèmes capables d’effectuer des tâches complexes et révolutionnaires, à l’instar de l’imprimerie ou d’Internet. Rick Stevens, directeur adjoint du Laboratoire national d’Argonne et informaticien à l’Université de Chicago, soutient que l’IA générative est un « accélérateur pour tout ce que vous souhaitez entreprendre ». Selon lui, cette technologie a déjà démontré des gains de productivité significatifs dans les entreprises et les recherches.
Une analyse de l’impact environnemental
Des études ont révélé que des travailleurs qualifiés utilisant des outils d’IA ont connu une amélioration de 40 % de leur performance. De plus, les assistants IA peuvent enrichir l’apprentissage des vocabulaire en milieu scolaire, aider les médecins à poser des diagnostics plus précis et améliorer l’accès à l’information médicale, comme le souligne Charlotte Blease, chercheuse à l’Université d’Uppsala. L’IA générative pourrait également faciliter le travail des urbanistes pour diminuer le trafic et réduire les émissions de carbone, tout en permettant aux agences gouvernementales d’améliorer leurs prévisions météorologiques, selon Priya Donti, ingénieure au MIT et cofondatrice de Climate Change AI.
À ce stade crucial, des spécialistes de divers domaines comme l’économie, l’ingénierie informatique et la durabilité s’efforcent d’évaluer l’impact réel de cette technologie sur notre environnement.
Les outils comme ChatGPT demandent une énergie considérable pour fonctionner, comme l’explique Alex de Vries, fondateur de Digiconomist et doctorant à la Vrije Universiteit Amsterdam. « Plus les modèles sont grands — avec davantage de paramètres et de données — plus leur efficacité augmente. Cependant, cela implique également des besoins accrus en ressources informatiques, entraînant une consommation énergétique plus élevée », précise-t-il.
Former des modèles d’IA générative pour réaliser des analyses ou créer des images fantastiques représente un investissement énergétique conséquent. Ce processus nécessite la création d’architectures complexes d’IA, la collecte et le stockage de vastes ensembles de données numériques, puis leur intégration dans le système d’IA. Les ajustements nécessaires pour rendre ces modèles plus humains et éviter des réponses inappropriées exigent également des ressources supplémentaires.
Il est intéressant de noter qu’un seul modèle d’IA peut consommer plus d’énergie qu’une centaine de foyers américains en une année. En interrogeant ChatGPT, vous dépensez environ dix fois l’énergie d’une recherche en ligne classique, selon l’Agence internationale de l’énergie. Composer un e-mail via un chatbot IA peut nécessiter jusqu’à sept fois plus d’énergie que le chargement complet d’un iPhone 16, selon certaines estimations.
Alors que la formation des modèles est un grand facteur de consommation, l’utilisation quotidienne par des millions de personnes amplifie encore cette empreinte énergétique, comme le souligne Shaolei Ren, ingénieur à l’Université de Californie, Riverside. Les prévisions indiquent que le secteur de l’IA pourrait bientôt consommer autant d’énergie par an que les Pays-Bas.
Et cela ne prend en compte que l’électricité. Une analyse récente indique que dix à cinquante requêtes sur ChatGPT peuvent utiliser jusqu’à un demi-litre d’eau, une estimation qui pourrait s’avérer sous-évaluée selon Ren, qui suggère que le chiffre pourrait être multiplié par quatre.
Bien que certains experts en ingénierie et en IA remettent en question ces chiffres, la nécessité d’une évaluation précise reste cruciale pour comprendre l’impact environnemental de ces technologies.