L’entraînement des IA s’avère toujours plus consommateur d’énergie
Une étude présentée le 26 octobre à la conférence Empirical Methods in Natural Language Processing, à Budapest, montre que l'entraînement des modèles d'intelligence artificielle émet toujours plus de CO2. Menée au Laboratoire interdisciplinaire des sciences du numérique de l'université Paris-Saclay, elle porte sur environ 230 modèles d'apprentissage profond conçus depuis quinze ans, jusqu'au début de 2025. Cette phase de mise au point exige plusieurs semaines de calculs et des milliers de cartes graphiques. Clément Morand, qui a soutenu sa thèse en septembre sous la direction d'Anne-Laure Ligozat, coautrice de l'étude, et travaille désormais en post-doctorat à l'Institut national de recherche en informatique et en automatique de Lille, résume : « Je ne m'attendais pas à une telle hausse des émissions de CO2. En fait, c'est exponentiel ! » Avec Aurélie Névéol, du même laboratoire, il s'est appuyé sur la base de données d'Epoch AI, organisation américaine à but non lucratif qui recense les caractéristiques techniques des grands systèmes d'IA.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Le Monde Pixels. Lire l'article original →
Ces résultats fragilisent un argument fréquent chez les optimistes, selon lesquels des algorithmes plus performants, du matériel plus efficace et le recours aux énergies renouvelables finiront par réduire l'empreinte carbone de l'IA. Les gains d'efficacité existent, mais l'étude suggère qu'ils sont largement absorbés par la taille croissante des modèles et par la puissance de calcul mobilisée. Pour les entreprises du secteur, les collectivités qui accueillent des centres de données et les gestionnaires de réseaux électriques, la perspective est celle d'une pression durable sur la demande d'énergie et sur les objectifs climatiques, que la seule optimisation technique ne suffira pas à contenir.
Les chercheurs ont dû surmonter un obstacle majeur : le manque de transparence du secteur. La consommation électrique des entraînements n'étant pas toujours publiée, ils l'ont estimée à l'aide d'un modèle. Ils ont aussi réutilisé les travaux antérieurs de Clément Morand sur les effets environnementaux de la fabrication des cartes graphiques, une donnée que les fabricants communiquent difficilement. En fonction de la durée de l'entraînement, une part d'émissions en équivalent CO2 liée à cette fabrication a été ajoutée à la consommation électrique, et elle représente en moyenne un tiers du total. Cette approche rappelle que l'impact de l'IA ne se limite pas à l'électricité consommée, mais englobe toute la chaîne matérielle, un enjeu qui nourrit les appels à une plus grande publication de données par les acteurs du secteur.
Une étude menée par l'université Paris-Saclay et l'Inria Lille montre que les émissions de CO2 de l'entraînement de l'IA croissent de façon exponentielle, ce qui pèse sur les objectifs climatiques et la demande d'énergie en Europe.