Green IT : comment réduire l'impact environnemental de l'IA

L'intelligence artificielle représente un défi croissant pour l'informatique durable : chaque requête adressée à un modèle d'IA consomme une quantité considérable d'énergie, les puces GPU ont une durée de vie de seulement deux à trois ans, et ces coûts environnementaux restent largement invisibles pour les utilisateurs finaux. C'est le constat dressé par Ludi Akue lors de sa conférence intitulée "What I Wish I Knew When I Started with Green IT", où elle a aussi pointé les lacunes des cadres réglementaires existants, notamment l'AI Act européen, insuffisant en matière d'application concrète. Face à ces constats, Akue plaide pour intégrer la durabilité dès la conception des systèmes d'IA, en en faisant une contrainte de design à part entière plutôt qu'une considération secondaire. Elle met en avant des techniques comme la compression de modèles, la quantification — qui réduit la précision numérique des calculs pour diminuer la consommation — et le développement de nouvelles architectures plus sobres. Ces approches permettraient de réduire significativement l'empreinte énergétique sans sacrifier les performances. L'IA générative a explosé en quelques années, entraînant une demande massive en infrastructure de calcul et une course aux modèles toujours plus grands, dont les impacts environnementaux sont rarement mesurés de manière transparente. Alors que les datacenters consomment une part croissante de l'électricité mondiale, la question de la régulation et de la responsabilité des entreprises tech devient urgente. Le débat autour du Green IT appliqué à l'IA s'intensifie dans les cercles professionnels, avec des voix comme celle d'Akue qui tentent de traduire les principes de sobriété numérique en pratiques d'ingénierie concrètes.