L’IA générative possède la capacité de créer des contenus originaux et suscite fréquemment des débats autour des droits des artistes, des ayants droit ou encore du travail humain. Pourtant, son impact environnemental reste peu discuté.
Alors que l’IA devient un allié puissant pour nos pratiques créatives, intéressons-nous à des études qui offrent des perspectives éclairantes sur ses conséquences énergétiques et environnementales.
Une consommation énergétique variable selon les tâches
Des chercheurs de la start-up IA , en collaboration avec des scientifiques de l’université Carnegie Mellon, ont mené une étude portant sur les émissions de dioxyde de carbone générées par les différentes tâches accomplies par l’IA, en mesurant précisément ces émissions.
Il en ressort que pour des tâches simples comme la classification de texte, les émissions de CO₂ s’élèvent à seulement 0,2 à 0,5 g pour 1 000 requêtes. À l’inverse, la génération d’images, aujourd’hui très en vogue, peut produire jusqu’à 1 000 g de CO₂ pour la création de 1 000 images.
En d’autres termes, les tâches simples telles que la classification de texte sont bien plus efficaces énergétiquement et génèrent moins d’émissions, tandis que les tâches complexes comme la génération d’images entraînent une consommation énergétique et des émissions nettement supérieures.
Image par Douglas
Du point de vue de la consommation énergétique, il faut 2,907 kWh pour générer 1 000 images. Ce chiffre peut sembler modeste, mais à titre de comparaison, la batterie d’une Tesla Model 3 nécessite 50 kWh pour une charge complète, ce qui équivaut à la génération d’à peine 17 200 images.
Avec la multiplication des plateformes telles que DALL-E, Midjourney ou Adobe Firefly, la production massive d’images requiert, si l’on se base sur cette étude, une quantité d’énergie qui permettrait de recharger quotidiennement plusieurs milliers, voire dizaines de milliers de véhicules électriques.
Des impacts environnementaux moins visibles
Si l’IA consomme de l’énergie lors de l’exécution de tâches, l’entraînement et le déploiement des modèles nécessitent des ressources bien plus importantes.
Il est difficile d’estimer précisément le coût énergétique de l’entraînement des modèles, mais il est reconnu que cette étape consomme bien plus d’énergie que l’exécution des tâches elles-mêmes.
Pour le très populaire ChatGPT, il a été démontré que l’entraînement du modèle GPT-3, qui compte 175 milliards de paramètres, a nécessité 1 287 MWh.
Image par doraseiji
Créativité : dialogue entre l’IA et l’humain
En considérant l’IA sous l’angle de son impact environnemental, il est indéniable que la consommation énergétique et les émissions de CO₂ constituent des enjeux majeurs.
Cependant, l’IA offre aussi des bénéfices considérables, permettant par exemple l’édition ou la composition d’images à partir de simples instructions textuelles, sans nécessiter de compétences techniques avancées.
L’avenir du développement de l’IA dépendra peut-être de la manière dont nous choisirons de l’appréhender et de l’intégrer à nos pratiques.
