Comment garantir que les services d’Intelligence Artificielle ne soient pas trop énergivores ? L’écosystème français propose des critères précis pour guider les choix des concepteurs et utilisateurs d’IA.
Publié
Temps de lecture : 2 min
Rédiger des textes, créer des présentations professionnelles, produire des images, des vidéos plus ou moins réalistes ou encore des chansons clés en main, les outils d’Intelligence Artificielle (IA) font depuis plusieurs mois leur chemin dans nos ordinateurs.
Avec des interfaces simplifiées pour que cette technologie qui date de la fin des années 50 soit désormais accessible avec des outils grand public comme Google Gemini, ChatGPT ou Copilot.
Pour fonctionner, ces mécanismes d’IA ont besoin d’accéder à de grands volumes de données, à une puissance de calcul importante et à des capacités de stockage adéquates.
Ainsi une seule requête sur ChatGPT consomme dix fois plus d’énergie que la même requête sur un moteur de recherche classique.
Alors que les industries traditionnelles (automobile, aéronautique, etc.) travaillent aujourd’hui à modifier leurs modes de production pour décarboner spécifiquement leurs activités, il s’agirait d’intégrer immédiatement les principes d’exigences environnementales dès la conception des services d’IA.
Il est nécessaire de créer des indicateurs précis et quantifiés pour mesurer ce coût écologique global. Pour faire ressortir ce que l’on appelleIA frugale.
Cependant, il n’existait jusqu’à présent aucun système de référence international accessible et utilisable par tous.
D’où l’importance de l’initiative française de l’Ecolab du Commissariat général au développement durable et de l’Association française de normalisation (AFNOR) qui a publié à l’été 2024 un méthodologie opérationnelle pour évaluer l’impact environnemental de l’IA.
Il a été élaboré conjointement par des contributeurs issus du monde de la recherche académique, des entreprises, des associations et des administrations publiques, contribuant ainsi à une approche transversale et non partisane.
Autant de critères (dépenses en eau et en énergie, méthodes de stockage des données, qualité des jeux de données, réutilisation d’algorithmes déjà entraînés, etc.) qui aideront les producteurs d’IA à mesurer et donc à réduire l’impact de leurs solutions. Cela leur permettra d’afficher leurs performances dans ce domaine.
Et pour que les acheteurs et les utilisateurs d’IA puissent évaluer et comparer les méthodes de leurs fournisseurs.
Il s’agit d’une approche vertueuse pour toutes les parties prenantes.
Le besoin de calcul pour l’IA a été multiplié par un million en six ans et est multiplié par dix chaque année.
Sundar Pichai, PDG de GoogleDiscours à la conférence I/O 2024, 14 mai 2024
francetvinfo