La dualité de l'IA : Comment l'IA pourrait sauver la planète, mais d'abord - l'histoire invisible de l'électricité, de l'eau et des émissions

La dualité de l'IA : Comment l'IA pourrait sauver la planète, mais d'abord - l'histoire invisible de l'électricité, de l'eau et des émissions

La vitesse à laquelle l'IA s'intègre dans notre vie quotidienne s'est accélérée ces dernières années. Recherche, traduction, création de documents, génération d'images, support client - la commodité s'est assurément étendue, mais derrière cette "normalité", l'IA nécessite une grande quantité d'électricité et d'eau. L'expansion des centres de données, la fabrication de semi-conducteurs, l'utilisation de l'eau pour le refroidissement, et les changements dans la configuration de la production d'énergie pour assurer l'alimentation électrique. Ces éléments s'accumulent, renforçant la question : "L'IA n'est-elle pas un fardeau pour l'environnement ?"


Cependant, l'article de Phys.org (republication d'une contribution de The Conversation) évite une dichotomie simpliste entre le bien et le mal. L'IA peut augmenter les coûts environnementaux, mais elle peut aussi devenir un outil pour identifier, réduire et optimiser le "gaspillage des ressources". En d'autres termes, l'IA peut être à la fois un "appareil consommateur de carburant" et un "dispositif de contrôle pour arrêter le gaspillage de carburant". La question est de savoir lequel l'emportera, et ce qui est nécessaire pour que l'un l'emporte sur l'autre.


1) D'abord, parlons du "fardeau" : pourquoi l'IA est-elle nuisible à l'environnement (dans un sens négatif) ?

L'impact environnemental de l'IA peut être décomposé en trois principaux aspects.

  • Électricité : L'apprentissage (entraînement) et l'inférence (calcul lors de l'utilisation) nécessitent une utilisation massive de GPU/TPU.

  • Eau : Associée à l'utilisation de l'eau pour le refroidissement et la production d'énergie, elle peut entrer en conflit avec les ressources en eau dans certaines régions.

  • Équipements et matériaux : Inclut les semi-conducteurs, les serveurs, le renforcement des réseaux électriques, les matériaux de construction, et les déchets électroniques (e-waste).


Un autre problème est que l'efficacité ne conduit pas nécessairement à une réduction totale, ce qu'on appelle le "rebond" (induction de la demande). Même si l'IA permet des économies d'énergie, une augmentation explosive de son utilisation pourrait accroître la consommation totale d'électricité. Ainsi, pour utiliser l'IA "dans un sens favorable à l'environnement", il faut non seulement de la technologie, mais aussi une conception de la demande (où intégrer l'IA et où ne pas l'intégrer), ainsi qu'un cadre de mesure, de divulgation et de réglementation.

2) Pourquoi l'IA peut-elle néanmoins être un "allié" : cinq cas pratiques présentés dans l'article

Ce qui est intéressant dans l'article, c'est qu'il ne se contente pas de théoriser sur l'utilité de l'IA pour l'environnement, mais présente plusieurs cas pratiques. Ici, nous nous concentrons sur "ce qui peut être réduit" dans chaque domaine.


(A) Agriculture : Réduire l'eau = Réduire l'électricité

L'agriculture représente une grande part de l'utilisation mondiale d'eau douce. L'article présente l'irrigation de précision, comme celle de l'entreprise argentine de technologie climatique Kilimo, qui utilise l'apprentissage automatique et les données météorologiques et satellitaires pour optimiser "quand, où et combien d'eau doit être appliquée". La réduction de l'eau est précieuse en soi, mais il est encore plus important de réduire l'énergie nécessaire pour pomper et acheminer l'eau vers les champs.


L'article aborde également le système de vérification de la quantité d'eau économisée et de son échange en tant que crédits d'économie d'eau. C'est une idée qui transforme la réduction de l'impact environnemental en incitations économiques.


(B) Centres de données : Utiliser l'IA pour réduire le gaspillage de l'IA

Cela peut sembler ironique, mais l'IA est efficace dans l'exploitation des centres de données. L'article mentionne que, bien que la demande en électricité des centres de données soit élevée, l'amélioration de l'exploitation a permis une plus grande efficacité, et que l'IA peut analyser la "charge de travail", la "température", l'"efficacité du refroidissement" et l'"utilisation de l'électricité" pour ajuster les ressources de calcul et le refroidissement en fonction des besoins.


Par exemple, mettre les serveurs en mode basse consommation pendant les périodes de faible demande, optimiser le refroidissement et le flux d'air, et ajuster l'exploitation en fonction des conditions météorologiques - ces optimisations "discrètes" ont un impact plus important dans les installations à forte consommation d'énergie. L'important est que ces optimisations ne sont pas de simples "économies théoriques", mais qu'elles sont liées aux KPI opérationnels (coût de l'électricité, taux d'utilisation, contraintes de température, taux de défaillance).


(C) Industrie de l'énergie : Réduire les fuites et les pertes grâce à l'inspection et à la surveillance

L'industrie de l'énergie a un potentiel d'amélioration important en raison de ses émissions élevées. L'article mentionne des exemples de détection d'anomalies dans les pipelines grâce à la photographie par drone et à l'analyse d'images, ainsi que l'utilisation de l'IA pour la surveillance et l'estimation du méthane. Le méthane a un effet de serre à court terme puissant, ce qui rend les mesures de prévention des fuites particulièrement efficaces.


Cependant, cela peut aussi susciter des réactions négatives. Il y a des inquiétudes quant à savoir si les entreprises de combustibles fossiles pourraient utiliser l'IA pour "optimiser" et prolonger ainsi leur existence. Puisque l'IA peut être à la fois un "accélérateur de la décarbonisation" et un "optimiseur des combustibles fossiles", la société doit choisir dans quelle direction l'utiliser.


(D) Bâtiments et réseaux de chaleur urbains : Réduire par le "système" plutôt que par le comportement humain

Le chauffage, la climatisation et l'électricité des foyers et des bureaux sont directement liés aux émissions. L'article mentionne l'optimisation des réseaux de chaleur urbains dans le centre de Copenhague (lecture de l'état des bâtiments à l'aide de capteurs et ajustement de l'approvisionnement en fonction des prévisions sur 24 heures) et la possibilité de réduire la consommation d'énergie dans les bureaux de taille moyenne grâce à l'IA.
La clé ici est que le système anticipe et élimine le gaspillage, plutôt que de se baser sur des "demandes". La conscience énergétique des gens fluctue, mais le contrôle continue de manière constante. Lire la température, l'humidité et les conditions d'utilisation pour aligner l'offre et la demande est un domaine où l'IA excelle.


(E) Aviation : Réduire les traînées de condensation et le gaspillage de carburant

L'aviation est non seulement responsable des émissions de CO₂, mais aussi des impacts de réchauffement causés par les traînées de condensation. L'article mentionne la possibilité de réduire la formation de traînées en ajustant les routes et les altitudes de vol grâce à l'IA pour éviter les conditions d'humidité, ainsi que des exemples de propositions de routes efficaces basées sur les données d'exploitation pour améliorer l'efficacité énergétique.
L'aviation est un domaine où la sécurité et la réglementation sont strictes, ce qui rend la mise en œuvre prudente, mais si elle est bien intégrée, elle peut avoir un impact significatif.

3) Réactions sur les réseaux sociaux : empathie et méfiance "simultanément"

En suivant les réactions sur les réseaux sociaux à cet article, deux tons principaux émergent.


① Ceux qui pensent que "l'IA ne fait pas que détruire l'environnement"
L'utilisation de l'IA comme "outil d'optimisation" dans des domaines où le gaspillage de ressources est important, comme l'agriculture, les bâtiments et l'aviation, reçoit un certain soutien. Il y a l'espoir que "si elle est utilisée là où c'est nécessaire, l'impact environnemental peut être compensé". En particulier, les domaines où la réduction de l'eau ou du carburant coïncide avec la réduction des coûts sur le terrain sont perçus positivement en raison de la faisabilité de leur mise en œuvre.


② Ceux qui pensent que "finalement, le total augmentera" (méfiance et critique)
D'un autre côté, il y a une inquiétude persistante selon laquelle "même si l'on optimise, si l'utilisation augmente, cela n'a pas de sens" et "les centres de données se multiplient sous la bannière de l'économie d'énergie". Plus l'IA se répand, plus le nombre d'inférences augmente, les modèles deviennent plus grands, et les investissements dans les centres de données s'accélèrent. À moins que la société ne résiste à la "tentation de la commodité", le total augmentera - c'est l'opinion. Récemment, des réflexions ont mis en lumière la demande énergétique des centres de données et le retour aux combustibles fossiles, ainsi que le manque de transparence, et ces préoccupations sont également perçues dans ce contexte sur les réseaux sociaux.


③ Ceux qui se demandent "qui en profite et qui en supporte le fardeau" (régionalité et équité)
Un autre point qui émerge progressivement est celui de l'équité. Il y a une structure où les régions où sont situés les centres de données supportent le fardeau de l'eau et de l'électricité, tandis que les bénéfices s'écoulent ailleurs. Si l'IA fait "du bien à l'échelle mondiale", il est nécessaire d'expliquer de manière transparente comment les bénéfices et les charges seront répartis.


Il convient de noter que, du côté de Phys.org, la section des commentaires de la page de l'article est pratiquement inactive (du moins, aucun commentaire n'est affiché), et la diffusion sur les réseaux sociaux ressemble plus à un "partage entre personnes intéressées" qu'à une "grande polémique". Cependant, comme ce sujet fait l'objet de discussions continues à l'échelle mondiale, la "dualité" présentée par l'article est lue comme un ajout de carburant aux débats existants.


4) Conclusion : Les problèmes environnementaux de l'IA relèvent de la "conception" et de la "gouvernance", pas de la "technologie"

L'article suggère de manière cohérente que la question n'est pas "utiliser ou ne pas utiliser l'IA", mais où, sous quelles conditions, à quelle échelle, et comment mesurer son utilisation. Il y a des domaines où l'IA peut être utile. Cependant, il est également vrai que les coûts environnementaux de l'IA augmentent réellement, et si on les ignore, "l'IA pour économiser" sera engloutie par "l'IA pour consommer plus".


Les compromis réalistes se résumeront probablement en trois points.

  1. Mesure et divulgation : Rendre visibles l'électricité, l'eau et les émissions pour chaque modèle/service (créer un état "sélectionnable").

  2. Priorisation : Mettre l'accent sur les domaines à fort bénéfice social (réseaux électriques, bâtiments, agriculture, efficacité industrielle) plutôt que sur les usages récréatifs ou excessifs.

  3. Mesures contre le rebond : Conception de systèmes pour que l'efficacité ne se traduise pas par une augmentation de la demande (tarification, réglementation, critères d'approvisionnement, accords avec les collectivités locales).


La possibilité que l'IA "sauve la planète" n'est pas nulle. Mais cela ne se produira pas automatiquement. L'IA, laissée à elle-même, consomme des ressources. Si elle est bien conçue, elle peut arrêter le gaspillage. En fin de compte, ce sont les décisions humaines qui créent une IA respectueuse de l'environnement, pas l'IA elle-même.


URL de la source

Articles connexes