Vous aussi, vous êtes fascinés par les possibilités vertigineuses qu’offrent les LLM, ces modèles d’intelligences artificielles dont absolument tout le monde parle depuis plus de 2 ans maintenant ? Mais comme vous ne vivez pas dans une grotte, vous connaissez aussi l’état de délabrement écologique de notre planète, qu’on ne parle même plus de +1,5°C, mais de +3°c d’ici la fin du siècle. Alors pour ma part, je ne vous cache pas que cela me rend un peu schizophrène quand j’essaye de marier les deux mondes IA et écologie, quand je fais une requête à ChatGPT pour m’aider à prévoir les repas de la semaine pour éviter pâtes x 5, mais que j’attends 3 pipis avant de tirer la chasse d’eau. On a tous nos petites contradictions, mais celle-ci, elle est plutôt balèze, et très, très, très médiatisée.
Oui, l’IA, ou plus exactement les LLM, fascine autant qu’elle inquiète. Qu’il s’agisse de générer des images en quelques secondes, de rédiger des textes, de piloter des systèmes industriels ou d’optimiser des chaînes logistiques, aujourd’hui elle est partout. Mais cette révolution invisible repose sur des ressources bien réelles et a des impacts concrets sur notre écosystème. Derrière la promesse d’un monde “intelligent”, que cache l’empreinte écologique de l’IA ?
Une technologie immatérielle ? Pas vraiment
Quand on pense à l’intelligence artificielle, on imagine des algorithmes, des modèles statistiques, des lignes de code. Tout cela semble abstrait, léger, presque immatériel. Pourtant, faire tourner une IA, c’est mobiliser une infrastructure colossale :
- Des datacenters alimentés 24h/24,
- Des réseaux de serveurs, de câbles, de fibres,
- Des composants électroniques rares, produits à l’autre bout du monde,
- Des millions de kilowatts-heure consommés pour entraîner un seul modèle.
Chaque étape, de l’entraînement à l’utilisation quotidienne, mobilise de l’énergie et des matériaux. L’IA, comme l’ensemble du numérique, a donc une empreinte physique bien réelle.
Des modèles toujours plus gourmands
Depuis une décennie, les modèles d’intelligence artificielle ne cessent de grossir. GPT-2 comptait 1,5 milliard de paramètres. GPT-3 en a 175 milliards. GPT-4 : 100 000 milliards ! Et demain, davantage encore.
👉 En 2019 déjà, une étude du MIT montrait qu’entraîner un modèle de traitement du langage (type BERT) pouvait produire autant de CO₂ que cinq voitures sur l’ensemble de leur durée de vie.
👉 En 2023, on estime que l’entraînement de GPT-4 a consommé des millions de kilowattheures – l’équivalent de la consommation électrique d’un petit village pendant plusieurs mois.
Et ce n’est que l’entraînement initial. Chaque fois que nous interagissons avec une IA, nous sollicitons aussi cette infrastructure.
De l’eau, de l’électricité, des métaux rares
Au-delà de l’électricité, l’IA consomme aussi d’autres ressources :
- De l’eau, beaucoup d’eau pour refroidir les serveurs, et produire de l’électricité.
👉 Microsoft, principal actionnaire d’OpenAI (Chat-GPT) a révélé avoir utilisé plus de 6,3 millions de m³ d’eau en 2022 pour soutenir ses activités IA. En 2023, la consommation a augmenté de 22% pour atteindre les 7,8 millions de m3.
👉En 2023, les data centers de Google ont consommé 24 millions de m3 soit l’équivalent de 9600 piscines olympiques de 2m de profondeur.
👉 Une étude réalisée en 2023 par les universités de Riverside (Californie) et Arlington (Texas) sur l’empreinte hydrique des IA donne la comparaison suivante : GPT-3 consomme environ 0,5L d’eau pour générer 10 à 50 réponses. Deux ans et un modèle GPT-4 plus gourmand et plus utilisé que jamais plus tard, on peut affirmer que la consommation d’eau par requête a encore augmenté.
- Des terres rares et métaux précieux pour les GPU (les cartes graphiques qui réalisent les calculs), essentiels à l’IA.
- Du carbone, lié au transport, à la fabrication, à l’usage et à la fin de vie des équipements.
Le problème n’est pas uniquement énergétique. Il est aussi environnemental, géopolitique et éthique : exploitation minière en Afrique, pollution des nappes, captation des ressources hydriques, déchets électroniques non recyclés…
Une croissance exponentielle, un impact difficile à suivre
Le principal défi, c’est que l’IA évolue plus vite que la capacité des régulateurs, des chercheurs et même des citoyens à en mesurer les impacts. Très peu d’acteurs publient des données transparentes sur :
- leur consommation réelle,
- les émissions indirectes (Scope 3),
- les choix d’infrastructure et de localisation.
La transparence écologique de l’IA reste donc extrêmement faible, malgré des promesses de responsabilité.
Un progrès en trompe-l’œil ?
Alors oui, il y a toujours l’argument de : “Mais rends-toi compte des progrès possibles pour la médecine !”. En effet, certains algorithmes permettent de mieux prédire les besoins énergétiques, surveiller la déforestation ou la pollution, optimiser des systèmes industriels complexes, faciliter des avancées dans des domaines scientifiques.
A cela, je reprendrais une réponse proposée par Aurélien Barreau (Wikipédia) :
“C’est comme si on rasait toutes les forêts du monde à la recherche de nouvelles molécules, on aurait forcément quelques informations acquises pertinentes pour la médecine. Et trois ans après, on serait tous morts.”
Aurélien Barreau – Rencontres internationales de Genève – 26-09-2023
Ces “faux” bénéfices ne doivent pas masquer une réalité : plus nous utilisons l’IA de façon massive, plus son empreinte grandit. Comme souvent dans le numérique, le progrès technique ne garantit pas une réduction d’impact. Voire même, il l’aggrave. C’est ce qu’on appelle le techno-solutionnisme. “Il ne faut pas compter sur ceux qui ont créé les problèmes pour les résoudre” …
Pourquoi ce dossier ?
Ne jetons pas le bébé avec l’eau du bain ! En tout cas, pas encore, car nous n’avons fait qu’effleurer la problématique IA & écologie dans cet article. Ce premier billet de blog ouvre une série de publications constructives, sourcées et destinées à s’interroger sur cette nouvelle technologie. L’objectif est clair : mieux comprendre les impacts écologiques de l’intelligence artificielle, sans catastrophisme, mais avec lucidité, pour ensuite décider de ce que l’on en fait.
Nous parlerons d’énergie, de ressources, de choix de société, d’horizons peut-être plus respectables : IA frugale, green coding, alternatives sobres, et bien d’autres sujets encore.
Pour finir cet article sur une note un peu plus joyeuse, gardons en tête une des meilleures répliques du cinéma des années 90, donnée par Ian Malcolm (Jeff Goldblum), qui colle parfaitement à notre problème, si on remplace “genetic powers” par “Chat-Gpt” :
« Your scientists were so preoccupied with whether or not they could they didn’t stop to think if they should«
La suite !
Pour ne pas rater les prochains articles, suivez-nous sur les réseaux !
Donnez-nous votre avis en commentaire !