L’IA face au changement climatique : opportunités et défis

À mesure que la technologie de l’intelligence artificielle est déployée dans un éventail toujours plus large de cas d’usage, de plus en plus d’acteurs du secteur commencent à étudier les applications possibles de l’IA face au changement climatique. Parallèlement, une attention accrue est portée aux moyens d’atténuer l’impact environnemental de l’IA et des centres de données qui l’alimentent. En raison de sa consommation d’énergie exceptionnellement élevée lors de son entraînement et de son fonctionnement, l’IA contribue également aux émissions de gaz à effet de serre, aux déchets, aux pénuries d’eau et à d’autres problèmes environnementaux. Comprendre la relation complexe entre la technologie de l’IA et le changement climatique peut aider à mieux cerner la manière dont les entreprises et les gouvernements pourraient en faire un atout pour l’environnement.

À RETENIR

• •Les systèmes d’IA ont besoin de centres de données pour fonctionner, et ces installations gigantesques engloutissent de l’électricité et de l’eau tout en produisant des déchets électroniques — autant d’éléments qui nuisent à l’environnement. (Aller à la section)
• •Une infrastructure d’IA plus durable est essentielle si nous voulons réduire les émissions de carbone et les pressions environnementales générées par les technologies d’intelligence artificielle. (Aller à la section)
• •
• Malgré sa forte consommation d’énergie, l’IA est aussi une alliée puissante dans la lutte contre le changement climatique et ses effets négatifs, qu’il s’agisse d’aider les bâtiments à fonctionner plus efficacement ou de prévoir les phénomènes météorologiques dangereux. (Aller à la section)

Consommation énergétique des systèmes d’IA

Google ne prétend plus être neutre en carbone, en raison des systèmes d’IA générative de l’entreprise — qui nécessitent d’énormes quantités d’énergie pour être entraînés, déployés et exploités, ce qui entraîne une hausse des émissions de carbone. Et le problème ne fait que s’aggraver. Selon Intelligent Computing, la puissance de calcul nécessaire à l’IA double tous les 100 jours. Les systèmes d’IA consomment de l’énergie de diverses manières ; voici deux des plus courantes :

• Entraînement : l’apprentissage de l’IA nécessite une puissance de calcul considérable, parfois fournie par des milliers de GPU fonctionnant simultanément pendant des millions d’heures. Les systèmes comme GPT-3 doivent également passer par plusieurs cycles d’entraînement.
• Déploiement et fonctionnement : une fois qu’un outil comme Chat-GPT est déployé, il reste constamment actif et fournit un service instantané aux utilisateurs du monde entier. Ce service nécessite une technologie prédictive, qui consomme beaucoup d’énergie pour fonctionner, tandis que les centres de données qui prennent en charge les opérations d’IA sont eux aussi très énergivores.

Globalement, la forte consommation énergétique de la technologie d’IA risque de faire passer au second plan les bénéfices que ces outils avancés apportent dans la lutte contre le changement climatique. Pour éviter cela, les entreprises doivent adopter des sources d’énergie renouvelables et trouver des moyens innovants de réduire l’empreinte carbone de ces outils.

Les centres de données et leur empreinte environnementale

Les systèmes d’IA utilisent l’infrastructure des centres de données pour stocker et traiter d’immenses quantités de données. Ces centres ont besoin d’électricité pour tout, de l’éclairage des locaux au refroidissement liquide en passant par la puissance de calcul, une exigence énergétique extrêmement élevée pour les calculs d’IA complexes et continus. En plus de l’électricité, les centres de données utilisent de grandes quantités d’eau pour empêcher les machines de surchauffer, ce qui pèse lourdement sur nos réserves d’eau.

Consommation énergétique des centres de données

L’Office of Energy Efficiency and Renewable Energy décrit les centres de données comme “« l’un des types de bâtiments les plus énergivores, consommant 10 à 50 fois plus d’énergie par unité de surface qu’un immeuble de bureaux commercial classique ». Actuellement, les centres de données utilisent 1 à 2 % de l’électricité totale dans le monde. Goldman Sachs prévoit que ce chiffre doublera, pour atteindre 3 à 4 % d’ici la fin de la prochaine décennie, principalement en raison des besoins considérables des systèmes d’IA qu’ils prennent en charge. L’IA contribue à l’augmentation de la consommation énergétique des centres de données de la manière suivante :

• Matériel avancé : des GPU hautes performances et des puces d’IA spécialisées, qui consomment davantage d’énergie, sont nécessaires pour traiter efficacement les charges de travail liées à l’IA.
• Fonctionnalités prédictives : l’exécution de modèles d’IA pour produire des prédictions ou des recommandations en temps réel exige des ressources de calcul constantes, ce qui augmente la consommation électrique.
• Stockage des données : les systèmes d’IA nécessitent un stockage massif de données, ce qui accroît l’énergie requise pour maintenir et refroidir les serveurs de stockage.

À mesure que les outils d’IA générative s’ancrent davantage dans nos technologies, la consommation énergétique des centres de données continuera d’augmenter, à moins d’améliorations majeures de l’efficacité énergétique. Parmi les solutions figurent des algorithmes d’IA nécessitant moins de puissance de calcul, ainsi que l’utilisation de panneaux solaires et d’autres ressources renouvelables pour alimenter ces centres de données.

Consommation d’eau des centres de données

Les centres de données qui prennent en charge les technologies d’IA utilisent de l’eau pour alimenter divers systèmes de refroidissement à l’échelle industrielle, qui maintiennent les équipements et les serveurs à une température idéale et évitent la surchauffe ainsi que les pannes. La consommation d’eau des centres de données augmente parallèlement à l’essor de l’entraînement et du déploiement des systèmes d’IA.

L’une des méthodes de refroidissement les plus gourmandes en eau dans ces centres est le refroidissement par évaporation, qui consiste à évaporer l’eau pour refroidir l’air entourant les équipements. Il n’est pas rare qu’une tour de refroidissement utilise des millions de gallons d’eau par an pour refroidir un seul centre de données. Ces méthodes de refroidissement exercent une pression importante sur les réserves d’eau, déjà mises à rude épreuve. Selon la World Wildlife Organization, 2,7 milliards de personnes sont confrontées à une pénurie d’eau au moins une fois par mois, chaque année. À mesure que le changement climatique réchauffe la planète et provoque la désertification, ce chiffre pourrait augmenter considérablement.

Heureusement, des pratiques de refroidissement plus durables sont mises en œuvre : elles permettent de recycler l’eau et, par conséquent, d’en gaspiller beaucoup moins. Par exemple, le refroidissement par immersion liquide plonge les serveurs dans un liquide non conducteur afin de les refroidir.

Production de déchets électroniques par les centres de données

Les centres de données peuvent nuire à l’environnement non seulement par ce qu’ils consomment, mais aussi par ce qu’ils produisent. Les déchets électroniques, ou e-déchets, désignent les serveurs, équipements réseau et autres matériels mis au rebut parce qu’ils ne sont plus fonctionnels. Une partie de ces déchets contient des substances dangereuses comme le plomb, susceptibles de polluer l’environnement et de nuire aux plantes, à la faune et aux êtres humains, en particulier dans les pays en développement, où une grande partie de ces déchets finit par arriver.

L’IA générative pourrait augmenter la quantité de déchets électroniques dans les centres de données. Pendant l’entraînement, l’IA nécessite de nombreux GPU et serveurs équipés de GPU, qui deviennent souvent obsolètes par la suite. Ils offrent peu de possibilités de réutilisation, sauf si l’entreprise prévoit de réentraîner l’IA. En substance, davantage de matériel basé sur des GPU sera mis au rebut, et une partie sera inévitablement éliminée de manière irresponsable ou inefficace. D’ici 2030, la production mondiale de déchets électroniques atteindra 2 millions de tonnes métriques, selon Statista — soit une hausse d’environ 33 % par rapport à 2022. Pour lutter contre ce problème, les centres de données devront appliquer les bonnes pratiques de gestion des déchets électroniques, notamment un recyclage approprié.

La nécessité d’une infrastructure d’IA durable : bonnes pratiques

Compte tenu de la quantité d’eau, d’énergie et d’électricité consommée par l’intelligence artificielle, il est urgent de mettre en place une infrastructure d’IA plus durable si l’on veut que cette technologie ait un effet net positif sur le changement climatique au cours des prochaines décennies. Voici quelques-unes des pratiques de durabilité les plus courantes pour les infrastructures d’IA :

• Énergies renouvelables pour les infrastructures d’IA : alimenter les centres de données avec des sources d’énergie renouvelables comme l’énergie solaire, éolienne et hydroélectrique peut réduire considérablement l’empreinte carbone des opérations d’IA. Ce délaissement des combustibles fossiles contribue à limiter les émissions de gaz à effet de serre et favorise la transition vers un réseau énergétique plus durable.
• Matériel d’IA écoénergétique : concevoir du matériel d’IA consommant moins d’énergie, comme des puces spécialisées, peut réduire l’énergie nécessaire aux calculs complexes. Les systèmes d’IA deviennent ainsi plus durables et les émissions ainsi que la consommation énergétique des centres de données diminuent. Il est également important, lorsque c’est possible, d’utiliser des modèles existants plutôt que d’en entraîner un nouveau, un processus très gourmand en ressources.
• Conception durable des systèmes d’IA : mettre en œuvre des algorithmes et des logiciels nécessitant moins de puissance de calcul — comme des modèles plus petits ou plus simples — contribue à optimiser la consommation d’énergie lors de l’entraînement et du déploiement des modèles d’IA. Ces conceptions rendent donc les technologies d’IA plus respectueuses de l’environnement.

Si les entreprises d’IA, les agences gouvernementales et les centres de données auront le plus grand contrôle sur la durabilité de l’IA, les utilisateurs finaux disposent eux aussi d’un certain pouvoir. Nous devrons traiter l’IA comme n’importe quel autre outil qui consomme de l’énergie et produit des déchets, et ne l’utiliser que lorsque cela est nécessaire. À mesure que l’adoption de l’IA progressera, cette question de l’usage prendra une place centrale.

5 grandes façons dont l’IA peut contribuer à lutter contre le changement climatique

Bien qu’elle contribue aux émissions de gaz à effet de serre par sa consommation d’énergie, l’IA peut aussi nous aider à prévenir le changement climatique et à faire face à ses conséquences grâce aux prévisions climatiques, à diverses formes de surveillance environnementale et à de nouvelles technologies permettant aux installations, aux exploitations agricoles et aux entreprises de fonctionner de manière plus respectueuse de l’environnement.

Amélioration des prévisions météorologiques et climatiques

À mesure que le changement climatique réchauffe l’atmosphère, les tempêtes dangereuses, les variations du niveau de la mer et les phénomènes météorologiques catastrophiques deviennent de plus en plus fréquents. L’intelligence artificielle peut être utilisée pour prévoir ces événements en analysant de vastes quantités de données météorologiques, comme les données historiques, les images satellites, les températures océaniques et les données de capteurs en temps réel. Cette fenêtre ouverte sur l’avenir permet aux collectivités et aux installations de se préparer en amont à des événements potentiellement destructeurs et de protéger les infrastructures ainsi que les vies humaines. Il peut s’agir d’évacuer une zone avant une inondation ou de prendre des mesures préventives dans une centrale électrique avant l’arrivée d’un ouragan de catégorie 3. Parallèlement, une modélisation climatique précise permettra aux décideurs publics d’élaborer des plans plus pertinents pour atténuer les risques liés au changement climatique.

L’IA contribue également à la surveillance météorologique en temps réel en analysant des flux continus de données provenant de satellites, de stations météorologiques et de capteurs. En traitant rapidement ces données, elle peut repérer des tendances et des anomalies signalant une évolution des conditions météorologiques, comme des tempêtes, des variations de température ou des changements de vent. Cette capacité est essentielle pour des secteurs comme l’agriculture, l’aviation et les services d’urgence, qui ont besoin d’informations immédiates sur la météo.

Suivi et lutte contre la déforestation

L’analyse d’images satellites alimentée par l’IA est utilisée pour suivre la déforestation presque en temps réel. Ces informations aident les organisations de protection de la nature et de la faune à repérer les zones déboisées et même à détecter les pratiques d’exploitation forestière illégale. La modélisation prédictive de la déforestation peut également aider les organisations à identifier les zones susceptibles d’être déboisées. Ces algorithmes analysent des données telles que les modes d’utilisation des terres et la population pour repérer les lieux à risque.

Combinées, ces informations en temps réel et prédictives aident les organisations à élaborer des stratégies de prévention et de restauration des forêts davantage fondées sur les données, tout en concentrant leurs efforts sur les zones les plus vulnérables. L’IA peut également contribuer au reboisement en analysant l’utilisation des terres et le relief afin de trouver les zones optimales pour les projets de reforestation. À la manière d’un analyste, elle peut même suggérer les meilleurs types de végétation pour ces projets.

Surveillance de la pollution et gestion des déchets

L’IA peut améliorer la surveillance de la pollution et la gestion des déchets en analysant de vastes volumes de données provenant de capteurs, de satellites et d’appareils IoT afin d’identifier en temps réel les sources et les tendances de la pollution. Elle peut également prédire les niveaux de pollution et évaluer la qualité de l’air et de l’eau, aidant ainsi les autorités à réagir rapidement aux situations dangereuses.

Dans la gestion des déchets, les robots pilotés par l’IA et la vision par ordinateur peuvent trier plus efficacement les matériaux recyclables, y compris les déchets électroniques, réduisant ainsi la contamination et le recours aux décharges. En identifiant les tendances de production des déchets, l’IA peut même aider les entreprises et les urbanistes à concevoir de meilleures stratégies de recyclage et à renforcer leurs efforts en matière de durabilité, réduisant ainsi l’impact environnemental.

Nettoyage des océans et conservation du milieu marin

L’IA offre un immense potentiel pour la conservation du milieu marin grâce à sa capacité à identifier les plastiques et autres formes de pollution — notamment les microplastiques difficiles à détecter — et à les retirer des océans. Récemment, deux étudiants de troisième cycle à Hong Kong ont créé un bateau autonome, Clearboat Neo, qui utilise l’imagerie par IA pour séparer les débris de la faune marine, puis les récupérer sur un tapis roulant. Une seconde caméra analyse ensuite les débris et en consigne le type.

Lors du nettoyage des rivières, ils recueillent également des données sur la pollution, notamment sa source, son caractère recyclable et la manière dont elle est arrivée là. Peut-être plus importante encore que les déchets retirés, cette information peut aider les organisations et les gouvernements à prévenir la pollution de l’eau à l’avenir.

Optimisation des énergies renouvelables

L’intelligence artificielle peut optimiser les énergies renouvelables en améliorant leur production, leur stockage et leur distribution. Grâce à l’analyse prédictive, l’IA prévoit les conditions météorologiques, ce qui permet aux parcs éoliens et solaires d’adapter leur fonctionnement afin de maximiser la production d’énergie. Elle peut également optimiser l’intégration au réseau en équilibrant en temps réel l’offre et la demande d’énergie, réduisant ainsi la dépendance aux combustibles fossiles lors des pics de consommation.

Dans le stockage de l’énergie, l’IA peut gérer intelligemment la charge et la décharge des batteries, garantissant la disponibilité de l’énergie même lorsque les sources renouvelables sont intermittentes. Par ailleurs, les systèmes de surveillance des actifs alimentés par l’IA peuvent suivre les besoins de maintenance des éoliennes et des panneaux solaires et les identifier, réduisant les temps d’arrêt et prolongeant leur durée de vie, ce qui améliore l’efficacité et la fiabilité des systèmes d’énergie renouvelable.

3 formations pour en savoir plus sur l’IA et le changement climatique

Pour en savoir plus sur la relation entre l’IA et le changement climatique, les formations en ligne suivantes, proposées par Oxford University, Coursera et Stanmore UK, peuvent approfondir vos connaissances et votre expertise.

AI for Agriculture Technology and Climate Change d’Oxford University

Cette formation en ligne vous apprend à appliquer les techniques et technologies de l’IA aux problématiques de l’agriculture et du changement climatique. Vous étudierez notamment l’analyse des cultures, l’initiative AI for Good, la prévision des rendements et les applications de l’agrotechnologie. Elle s’adresse particulièrement aux professionnels de l’agrotechnologie, de l’agriculture, du développement durable et de la chaîne de valeur alimentaire qui souhaitent intégrer l’IA à leur flux de travail. La formation coûte 875 livres sterling (environ 1 150 dollars US).

AI and Climate Change de Coursera

AI and Climate Change est une formation en ligne de niveau débutant qui vous explique comment l’IA est utilisée pour atténuer le changement climatique et s’y adapter. Elle présente notamment des études de cas sur la prévision de la production éolienne et la vision par ordinateur appliquée à la surveillance de la biodiversité. Elle nécessite environ 14 heures et devrait vous donner de solides bases sur le sujet. La formation est gratuite.

Certificat de troisième cycle en IA pour le développement durable de Stanmore UK

Le certificat de troisième cycle AI for Climate Change Solutions vous donnera les compétences fondamentales nécessaires pour relever les défis du changement climatique grâce à l’intelligence artificielle. Très complète, la formation couvre la modélisation climatique, la surveillance environnementale, les solutions durables et les implications politiques. Axée sur la pratique professionnelle, elle constitue une excellente formation si vous souhaitez commencer une nouvelle carrière dans le domaine de l’IA appliquée au changement climatique. Elle coûte environ 183 dollars US pour la version accélérée d’un mois, ou 117 dollars US pour la version de deux mois.

Foire aux questions (FAQ)

En résumé : l’IA face au changement climatique, une arme à double tranchant

L’intelligence artificielle a le pouvoir de nuire à notre environnement comme de l’aider. Sa forte consommation d’énergie et ses déchets électroniques peuvent contribuer aux émissions de gaz à effet de serre et à l’empreinte carbone, tandis que les diverses technologies qu’elle rend possibles — de la surveillance de la pollution aux prévisions météorologiques très précises — peuvent nous aider à atténuer et à gérer le changement climatique. En fin de compte, c’est à nous de demander des comptes aux décideurs et aux entreprises pour leurs actions, et de promouvoir des infrastructures d’IA plus durables afin que les coûts environnementaux ne dépassent pas les bénéfices.

Lisez le guide d’eWeek pour relever les défis éthiques de l’IA afin d’approfondir la question de l’utilisation responsable de l’IA.