Alors que l’intelligence artificielle continue de révolutionner les industries et la vie quotidienne, il est essentiel d’examiner les coûts environnementaux cachés, en particulier l’empreinte carbone des grands modèles de langage (GML).

Énergie élevée, coût élevé

L’entraînement et l’exploitation des GML nécessitent une puissance de calcul considérable, souvent grâce à des centres de données énergivores. Cette consommation d’énergie se traduit par une empreinte carbone importante, contribuant aux émissions mondiales de gaz à effet de serre. Cependant, ces coûts environnementaux sont externalisés : ils ne sont pas pris en compte dans les dépenses opérationnelles des plateformes d’IA, ni considérés comme relevant de la responsabilité des entreprises qui en tirent profit.

Coût public, profit privé

Alors que la charge environnementale est partagée par le public, les avantages de l’IA sont de plus en plus privatisés. Le coût élevé de l’énergie et des infrastructures a entraîné un abandon des modèles d’IA à code source ouvert et accessibles au public au profit de plateformes par abonnement contrôlées par les entreprises. Cette marchandisation de l’IA limite non seulement l’accès, mais concentre également les profits entre les mains d’une minorité, tandis que les conséquences environnementales sont prises en charge par tous.

Un héritage qui perdure

L’empreinte carbone de l’IA s’étend à trois phases décisives :

  • Conception et développement : L’entraînement des modèles consomme énormément de ressources, nécessitant souvent des semaines de calcul à l’aide de matériel informatique puissant.
  • Opérationnalisation : Chaque requête ou interaction avec un modèle d’IA consomme de l’énergie, contribuant ainsi à des émissions continues.
  • Héritage futur : À mesure que les modèles deviennent plus volumineux et plus complexes, leur impact environnemental à long terme devient un problème d’héritage, dont les générations futures devront s’acquitter.

Vers une IA durable

Pour atténuer ces impacts, nous devons préconiser :

  • la publication transparente des données relatives à la consommation énergétique et aux émissions des entreprises spécialisées dans l’IA;
  • l’investissement dans l’informatique verte et les sources d’énergie renouvelables;
  • le soutien de l’IA à code source ouvert qui privilégie l’accessibilité et la durabilité.

L’IA a le potentiel de résoudre certains des plus grands défis mondiaux, mais seulement si nous veillons à ce que son développement soit compatible avec la santé de notre planète.

Considérations liées aux risques des grands modèles de langage

« Certaines considérations liées aux risques des grands modèles de langage (LLMs) » par Rebecca Sweetman est sous licence CC BY-NC-SA 4.0 International.