Data / IA
Des initiatives éparses mais bienvenues pour mesurer les impacts de l’IA
Par La rédaction, publié le 27 mars 2025
Modèles géants à raisonnement, agents autonomes et usages intensifs… L’IA monte en puissance, et son empreinte aussi : eau, électricité, carbone, rien n’est épargné. Pour freiner la dérive, plusieurs outils et initiatives voient le jour pour mesurer – enfin – son vrai coût environnemental et ses impacts écologiques.
L’adoption ultra-rapide des IA associée à leurs besoins croissants de puissance pour leur entraînement comme leur inférence ont un impact pointé du doigt par les associations écologiques et les experts du numérique responsable depuis presque les premiers jours des LLMs. Certes, l’IA progresse en optimisation et les cas d’usage des petits modèles sont de mieux en mieux maîtrisés. Mais les économies réalisées avec des modèles plus petits et des optimisations bien travaillées sont contrebalancées par des usages toujours plus nombreux et des besoins de calculs accrus par l’arrivée combinée des modèles à raisonnement (très gourmands en puissance de calculs) et les agents IA (pas franchement plus économes).
Dit autrement, l’expansion de l’IA et de ses usages s’accompagne de préoccupations grandissantes concernant l’empreinte environnementale significative de l’IA aussi bien en termes de consommation d’énergie, d’utilisation de l’eau que d’émissions de carbone. Une étude récente des équipes de R&D de Capgemini met d’ailleurs en lumière cette urgence, révélant que les modèles d’IA générative consomment jusqu’à 4 600 fois plus d’énergie que les modèles traditionnels, et que la consommation d’électricité liée à l’IA pourrait être multipliée par 24,4 d’ici 2030.
Cette projection souligne la nécessité impérieuse de comprendre et d’atténuer ces impacts. Depuis le début de l’année, certaines initiatives en ce sens se mettent en place.
Un observatoire mondial
Ainsi, l’École normale supérieure (ENS-PSL), l’Institut IA & Société et Capgemini ont récemment lancé un Observatoire mondial pour analyser l’impact environnemental de l’IA. Il vise à en évaluer les effets tout au long de son cycle de vie et à promouvoir des pratiques durables. Son objectif est de développer une méthodologie robuste et partagée pour promouvoir des pratiques durables dans l’utilisation de l’IA. Il prévoit également la création d’une base de données mondiale en accès libre, permettant aux développeurs et chercheurs en IA de contribuer avec des données sur la performance environnementale de leurs modèles, favorisant ainsi la transparence et la collaboration entre les industries et le monde de la recherche. De plus, l’Observatoire ambitionne de fournir des analyses stratégiques, de diffuser les connaissances et de réunir les parties prenantes clés pour atténuer les impacts environnementaux de l’IA.
« Aujourd’hui, les entreprises sont à la recherche de gains d’efficacité, or les très grands modèles d’IA entraînent non seulement une empreinte environnementale importante, mais aussi des coûts plus élevés, explique Etienne Grass, directeur exécutif de Capgemini Invent France. Pour exploiter la puissance de cette technologie de manière responsable, il est indispensable de mettre en place des méthodologies claires et transparentes, et de travailler auprès de tous les acteurs de la chaîne de valeur de l’IA. »
Un label “AI Energy score”
Dans le même temps ou presque, Salesforce, en partenariat avec Hugging Face, Cohere et l’Université Carnegie Mellon, a lancé l’outil « AI Energy Score » pour évaluer la consommation des modèles d’IA. Cet outil de benchmarking permet aux développeurs et utilisateurs d’IA d’évaluer, d’identifier et de comparer la consommation énergétique des modèles d’IA. Analogue à l’Energy Star des appareils électroménagers, il doit permettre la comparaison de leurs efficacités énergétiques. Pour ce faire, il présente une liste détaillée des scores attribués à 166 modèles pour dix tâches courantes de l’IA, telles que la génération de texte, la génération d’images ou le résumé automatique. Cette liste est accessible depuis le site Hugging Face : AI Energy Score Leaderboard – a Hugging Face Space by AIEnergyScore
La liste détaillée des jeux de données utilisés pour l’évaluation renforce la transparence et la reproductibilité des résultats de l’« AI Energy Score ». Parmi les exemples de jeux de données utilisés pour ces tâches figurent WikiText, ImageNet, COCO et LibriSpeech.
L’AI Energy Score est exprimée en deux valeurs : une numéraire qui détaille la quantité d’énergie utilisée pour l’inférence du modèle sur 1000 tâches, et une sous forme d’étoiles (de 1 à 5 étoiles).
D’autres initiatives
Ces deux initiatives viennent compléter d’autres démarches qui ont également récemment émergé. Parmi elles on retiendra notamment :
EcoLogits (ecologits.ai), une bibliothèque Python open source développée par l’association à but non lucratif GenAI Impact. EcoLogits est conçue pour suivre et estimer la consommation d’énergie ainsi que l’impact environnemental des modèles d’IA générative utilisés via des API. Elle prend en charge plusieurs fournisseurs majeurs, notamment OpenAI, Anthropic et Mistral AI. L’outil fonctionne en interceptant les requêtes API et en calculant les impacts environnementaux basés sur des paramètres tels que le modèle choisi, le nombre de tokens générés et la latence de la requête. La bibliothèque est disponible sous licence open source, permettant son utilisation tant personnelle que commerciale.
Le Calculateur d’Empreinte Carbone de l’IA développé par Deloitte est un autre outil conçu pour aider les entreprises à mesurer avec précision l’impact environnemental de leurs projets d’intelligence artificielle (IA). Ce calculateur doit permettre aux collaborateurs et aux développeurs de prendre des décisions éclairées autour des choix de modèles IA pour promouvoir la durabilité. Il permet une analyse comparative (grâce à l’évaluation des modèles ou algorithmes d’IA en fonction de leur impact environnemental) mais également d’obtenir des recommandations et suggestions pour optimiser les projets d’IA afin de réduire les émissions de carbone.
Enfin, l’AIE (l’Agence Internationale de l’énergie) a également annoncé lors du Sommet pour l’IA à Paris en février son intention de lancer le 10 avril prochain son propre observatoire qui compte rassembler les données les plus complètes et les plus récentes à l’échelle mondiale sur les besoins en électricité de l’IA. Ce dernier veut aussi suivre de près les applications d’IA dans le secteur de l’énergie.
Bien évidemment ces initiatives qui reflètent une prise de conscience croissante des défis environnementaux engendrés par l’essor de l’IA sont bienvenues. Il n’y a plus qu’à espérer qu’elles viendront apporter les outils et méthodologies pour mesurer avec précision et objectivité les impacts de l’IA alors que les chiffres les plus contradictoires et fantasques circulent depuis plus d’un an sans approche scientifique ni assise rigoureuse. Sans perdre de vue que, pour réellement changer la donne, ces initiatives doivent être suivies d’un engagement fort et généralisé non seulement de tous les fournisseurs d’IA mais aussi des entreprises et organisations qui les consomment…
À LIRE AUSSI :
À LIRE AUSSI :
