L’influence croissante de l’IA générative transforme rapidement les entreprises et les institutions médiatiques, mais cette adoption massive menace divers secteurs d’emploi. Le journal CNN a annoncé récemment la suppression de 100 postes dans le cadre de sa transition vers l’IA pour automatiser certaines tâches de rédaction et de production de contenu.
Par ailleurs, les outils d’IA pilotés par des modèles de langage (LLM) comme ChatGPT et Bard de Google saturent l’expérience utilisateur numérique en fournissant des réponses automatisées dans divers domaines, allant du service client à la création de contenu.
Cependant, cette utilisation généralisée de l’IA générative nécessite des ressources informatiques considérables, marquant le début d’une ère d’hyperconsommation technologique aux impacts environnementaux préoccupants. Cette nouvelle ère est caractérisée par une demande accrue en électricité et en eau. Selon Sajjad Moazeni, chercheur en Génie Informatique de l’Université de Washington, les algorithmes d’IA générative nécessitent 100 à 1 000 fois plus de ressources informatiques que les services traditionnels. Par exemple, l’entraînement de modèles d’IA comme GPT-3 de OpenAI nécessite une puissance de calcul considérable, équivalente à la consommation énergétique annuelle de centaines de foyers.
Les experts, comme Ami Badani d’ARM Holdings, prévoient une augmentation significative de la demande énergétique dans les centres de données, qui pourraient consommer un quart de l’électricité produite aux États-Unis d’ici 2030. Les géants de la tech comme Google, Microsoft et Amazon font face à une augmentation de leurs émissions carbone. Google, par exemple, a vu ses émissions augmenter de 48 % entre 2019 et 2023. La consommation énergétique de ces entreprises est alimentée par des processeurs énergivores dans la fabrication de composants informatiques pour les modèles d’IA.
Junchen Jiang, chercheur en réseaux à l’Université de Washington, souligne que l’empreinte carbone et la consommation d’énergie des centres de données sont proportionnels à la quantité de calculs effectués. Moezani ajoute que ces centres de données pourraient submerger les réseaux électriques, entraînant des pannes. En Californie, certains centres de données sont déjà en concurrence avec les résidents locaux pour l’alimentation en électricité, ce qui pourrait aggraver les pannes de courant lors des pics de demande.
De plus, les centres de données consomment des millions de litres d’eau, impactant les ressources en eau douce disponibles. Un grand centre de données peut consommer jusqu’à 1,7 million de litres d’eau par jour pour refroidir les serveurs, affectant ainsi les réserves locales d’eau douce.
Les entreprises technologiques considèrent l’IA comme essentielle à l’innovation, malgré ses impacts environnementaux. Des solutions sont étudiées pour réduire l’énergie nécessaire à l’IA, notamment des puces plus efficaces et des modèles d’IA plus petits. Par exemple, Google développe des puces TPU (Tensor Processing Units) plus efficaces pour réduire la consommation énergétique de ses modèles d’IA. En même temps, certains chercheurs, comme ceux de l’Université de Stanford, expérimentent des modèles d’IA plus petits et plus efficaces, qui nécessitent ainsi beaucoup moins de calculs. Toutefois, la viabilité de ces solutions reste incertaine en raison des taux d’erreur et d’hallucinations des modèles plus grands.
