L'IA, les centres de données et leur impact croissant sur l'environnement

L'essor des centres de données spécifiques à l'IA

Depuis le début du^21e siècle, l'intelligence artificielle a eu un impact profond sur l'évolution des TIC(technologies de l'information et de la communication) et, plus récemment, sur nos habitudes quotidiennes. Qu'il s'agisse de trouver des sources pour un mémoire de licence, de générer des images pour les médias sociaux ou même d'aider à l'interprétation d'une radiographie, la technologie de l'IA peut désormais fournir des réponses rapides et fiables avec une efficacité remarquable.

Nous assistons à d'énormes investissements publics et privés visant à renforcer le déploiement de l'IA à l'échelle mondiale : en février, l'Union européenne a lancé le programme InvestAI, qui vise à mobiliser 200 milliards d'euros pour l'application de l'IA. L'Arabie saoudite a également annoncé le projet Transcendance, un projet de 100 milliards de dollars visant à positionner le pays en tant que leader mondial de l'IA.

L'IA pourrait renforcer les solutions au réchauffement climatique et soutenir le développement de mesures d'atténuation et d'adaptation en réponse à l'évolution du climat. Par exemple, Netcarbon Farming utilise des données satellitaires et des algorithmes d'IA pour mesurer avec précision la capture du carbone dans les secteurs ruraux et urbains, fournissant ainsi un suivi des projets de stockage du carbone partout dans le monde. Cependant, l'IA crée également de nouveaux défis dans nos efforts pour réduire les émissions de_CO2 et le gaspillage d'énergie causé par la consommation d'énergie des centres de données. D'ici 2028, les estimations du Lawrence Berkeley National Laboratory suggèrent que la demande d'électricité à des fins spécifiques à l'IA pourrait atteindre entre 165 et 326 térawattheures par an, soit plus que toute l'électricité actuellement utilisée par les centres de données américains. Alors que l'adoption de l'IA se développe à un rythme sans précédent, nous devons nous pencher attentivement sur une question essentielle : Comment poursuivre le développement de l'IA tout en respectant nos objectifs environnementaux ?

Représentation visuelle de la consommation d'électricité la nuit, NASA

Comment fonctionne l'IA et pourquoi elle a un impact sur l'environnement

Une bonne compréhension des étapes nécessaires au développement des modèles d'IA permet d'expliquer l'influence de l'IA sur l'utilisation de nos ressources et le changement climatique.

Tout d'abord, il convient de définir l'objectif de l'IA : comprendra-t-elle et générera-t-elle plutôt le langage humain ou fera-t-elle des prévisions météorologiques ? Des milliards, voire des trillions de mots ou de textes sont ensuite collectés à partir de livres, de sites web ou de codes publics, en fonction de l'objectif de l'IA. Ces ensembles de données, ainsi que l'architecture du modèle (nombre de couches, paramètres) déterminent la profondeur et la complexité du réseau neuronal (GPT-3 contient 175 milliards de paramètres, GPT-4 est probablement beaucoup plus grand, certaines estimations indiquant qu'il contient près d'un trillion de paramètres⁾¹.

Vient ensuite l'étape la plus coûteuse et la plus énergivore : l'entraînement du modèle. À l'aide de GPU (Graphics Processing Unit) comme le NVIDIA A100 et de clusters de supercalculateurs (Microsoft Azure pour Open AI), des quantités massives de texte sont introduites dans le modèle, qui apprend en prédisant le mot suivant et compare les prédictions au texte réel afin d'ajuster ses paramètres. Ce processus est répété pendant des semaines ou des mois.

Par la suite, le modèle est affiné : les contenus toxiques ou biaisés sont filtrés, des ensembles de données plus spécifiques sont introduits et certains modèles utilisent le RLHF (Reinforcement Learning from Human Feedback), où ils apprennent à produire des réponses plus alignées et plus sûres sur la base du retour d'information humain. Le modèle est ensuite optimisé pour une utilisation plus rapide et déployé sur des serveurs en nuage (Microsoft Azure). Il est mis à la disposition des utilisateurs par l'intermédiaire d'API ou d'une interface web. Les modèles s'améliorent continuellement en recueillant des commentaires, en corrigeant les bogues, en ajoutant de nouvelles connaissances et en améliorant l'efficacité et la sécurité.

Comme nous l'avons dit précédemment, c'est la formation du modèle qui coûte le plus cher sur le plan financier, environnemental et énergétique. Des milliers de GPU fonctionnant en parallèle 24 heures sur 24 et 7 jours sur 7 pendant des mois consomment énormément d'énergie, et les centres de données, qui sont des bâtiments à température contrôlée abritant l'infrastructure informatique, ont besoin d'une grande quantité d'eau comme source de refroidissement. L'exécution du modèle en soi est moins exigeante, mais en raison du nombre d'utilisateurs qui recourent actuellement à l'IA, les coûts énergétiques sont énormes et ne feront qu'augmenter si la tendance actuelle se poursuit.

Ces coûts énergétiques se traduisent directement par des émissions de_CO2. Lorsque les modèles d'IA sont alimentés par des réseaux fonctionnant aux combustibles fossiles ou au charbon, leur fonctionnement peut entraîner d'importantes émissions de carbone. Un impact environnemental qui ne fera que croître à mesure que l'emploi de l'IA continuera de se développer.

Les charges de travail de l'IA ont consommé jusqu'à 20 % de l'électricité des centres de données mondiaux en 2024. Les spécialistes prévoient que ce chiffre atteindra près de 50 % d'ici la fin de l'^année2.

Les chiffres

Avant de nous plonger dans les chiffres associés à la mise en œuvre des modèles d'IA, il faut garder à l'esprit qu'à ce jour, des entreprises comme OpenAI, Google et Anthropic ne divulguent pas publiquement la consommation d'énergie de leurs modèles. Nous ne disposons pas d'informations précises sur le nombre d'heures de GPU utilisées, le nombre d'entraînements effectués ou l'efficacité d'un centre de données. Toutefois, nous pouvons faire des estimations éclairées sur la base de documents de recherche, de fuites ou d'analyses d'experts. Par exemple, nous savons que ChatGPT a été entraîné sur des GPU NVIDIA A100. En outre, nous savons quelle quantité de travail informatique brut le modèle a nécessité. En utilisant ces connaissances, nous pouvons convertir les FLOP (nombre d'opérations) en temps GPU et finalement en kilowattheures (kWh) pour obtenir une fourchette de l'électricité nécessaire à l'IA. Les données suivantes illustrent l'utilisation des ressources et l'impact environnemental de l'IA :

• 51 772 500-62 318 750 kWh pour entraîner le GPT-4, soit 40 à 48 fois plus que l'électricité nécessaire au GPT-3 (1 287 000 kWh), ce qui équivaut à la consommation annuelle d'environ 3 600 foyers^américains3.

• Chaque interaction avec des modèles d'IA tels que GPT peut consommer jusqu'à 10 fois plus d'électricité qu'une recherche standard sur Google^.4

• Bien qu'elle se soit engagée à devenir neutre en carbone d'ici 2030, les émissions totales de Microsoft ont augmenté de 23,4 %, avec une hausse significative des émissions de portée 3 due à l'expansion de l'infrastructure d'^IA5.

• D'ici 2027, la demande mondiale en matière d'IA devrait représenter 4,2 à 6,6 milliards de mètres cubes de prélèvement d'eau par an, ce qui dépasse le prélèvement annuel total d'eau de pays comme le Danemark^.6

• Le cycle de vie des modèles d'IA, de la fabrication des puces à l'exploitation des centres de données, dégrade la qualité de l'air en raison des émissions de polluants tels que les particules fines, ce qui a un impact sur la santé^publique7.

• Environ 315 millions de personnes dans le monde utilisaient des outils d'IA (écriture, image et conception, vidéo et audio, affaires et productivité) en 2024, et les projections estiment que ce nombre fera plus que doubler pour atteindre plus de 700 millions d'utilisateurs d'ici à²⁰³⁰⁸.

Après avoir constaté les nombreux avantages de l'IA pour notre société, nous ne pouvons pas imaginer réduire son application. Toutefois, la manière dont nous développons les technologies et les installations d'IA peut évoluer et devenir plus propre et plus durable. Explorons les possibilités.

Laboratoire de robotique de Bristol, Louis Reed

Réduire l'impact de l'IA sur les ressources naturelles et l'environnement

Diverses méthodes visant à réduire la consommation d'énergie et les déchets, ainsi que l'empreinte carbone causée par les technologies de l'IA, sont déjà accessibles à l'échelle mondiale et en cours de mise en œuvre. Parmi ces solutions, certaines ont reçu le label Solar Impulse Efficient Solution. Voici des actions concrètes qui ont été entreprises :

• Des centres de données fonctionnant avec des énergies renouvelables comme le solaire, l'hydraulique et l'éolien :

  • Depuis 2017, Meta (anciennement Facebook) a réduit ses émissions opérationnelles de 94% en alimentant ses centres de données et ses bureaux avec 100% d'énergie renouvelable.

• Augmenter l'efficacité énergétique du matériel de calcul :

  • Les GPU H100 de NVIDIA apportent des améliorations en termes de performances et d'efficacité par rapport aux A100 pour les charges de travail d'IA. Grâce à une bande passante mémoire supérieure de 67 % qui facilite le transfert des données et à un nouveau moteur de transformation qui accélère l'entraînement des modèles basés sur les transformateurs, il pourrait s'agir d'une solution très efficace.

• Optimiser les centres de données en améliorant l'efficacité de l'utilisation de l'énergie (PUE) et en développant des centres de données dans des zones plus froides afin de réduire les besoins en refroidissement :

  • La solution Papillon de Beeyon, labellisée par la Fondation Solar Impulse depuis 2019, identifie les actions d'économie d'énergie sur n'importe quel type de serveur et système d'exploitation et réduit les coûts d'investissement jusqu'à 30%.

  • De même, les services de gestion des données intelligentes de Heex Technologies offrent une plateforme permettant aux organisations de passer du Big Data au Smart Data. Cela permet de réduire de 30 % la consommation d'énergie générée par le traitement des données.

  • Le Verne Global Data Centre de Keflavik, en Islande, fonctionne avec un PUE très bas grâce à l'air froid naturel et donc sans besoin de refroidisseurs mécaniques. En outre, il a une empreinte carbone réduite car il fonctionne avec des énergies renouvelables. Parmi ses clients figurent NVIDIA et DELL Technologies, des entreprises très présentes dans le monde de l'intelligence artificielle.

• Recycler la chaleur et l'eau à des fins de refroidissement ou pour chauffer des bâtiments :

  • Deutsche Telekom et Cloud&Heat ont trouvé une solution pour réduire de 41 % les émissions de CO2 des centres de données. En développant un système de refroidissement à eau chaude directe et de récupération de la chaleur perdue, 78 % de la chaleur est dissipée et réinjectée dans le circuit d'eau chaude du bâtiment pour être réutilisée. Cela permet de réduire les coûts énergétiques jusqu'à 40 %.

  • La solution de refroidissement par immersion d'Hyperion pour les centres de données consiste en des serveurs configurés comme un fluide de transfert de chaleur immergeable 100 % biodégradable. Cette technologie en nuage permet d'éviter l'utilisation de systèmes de climatisation grâce à la technologie de refroidissement par immersion. L'année dernière, elle a été adoptée en France par la communauté de communes d'Ernée pour réduire la consommation d'électricité liée à l'hébergement des données et réutiliser la chaleur produite par les serveurs informatiques.

  • Qarnot (QH-1) de Qarnot Computing réduit l'empreinte carbone des calculs d'environ 70 à 75 % ! QH-1 tire parti de la chaleur perdue par les centres de données et l'utilise comme source de chaleur pour chauffer les locaux. Les technologies Qarnot ont été mises en œuvre il y a 6 ans par le Département de la Gironde à Bordeaux et reconnues par la loi française comme une énergie renouvelable ! À Bordeaux, 6000 m2 de bâtiments sont entièrement chauffés par le QH-1 et fournissent de la chaleur renouvelable et gratuite aux utilisateurs. Ce bâtiment a été le premier au monde à être entièrement chauffé par des ordinateurs.

Deutsche Telekom et la solution de Cloud&Heat

La plateforme d'IA de la Fondation Solar Impulse

À la Fondation Solar Impulse, nous souhaitons bénéficier des avantages de l'IA sans perdre de vue notre mission de durabilité. C'est pourquoi nous avons pris des mesures pour réduire l'empreinte environnementale de notre IA.

Notre IA et l'infrastructure de notre plateforme sont hébergées sur Microsoft Azure, un fournisseur de cloud qui s'engage à la neutralité carbone. Azure compense les émissions de_CO2 générées par ses centres de données afin de garantir que nos activités contribuent à un avenir plus durable.

Nous utilisons le GPT-4o-mini d'Open AI, un modèle plus petit et moins gourmand en ressources qui réduit la consommation d'énergie pendant les opérations tout en fournissant des réponses efficaces, ce qui nous permet de trouver un équilibre entre la qualité et la responsabilité environnementale.

Nos jetons ont été optimisés en résumant les interactions et en rationalisant les requêtes. En limitant l'utilisation des jetons, en réduisant les besoins en ressources informatiques et en concevant des interactions aussi efficaces que possible, nous pouvons réduire notre empreinte environnementale.

En outre, nous étudions les possibilités d'adopter des modèles de langage à source ouverte (LLM) qui offrent une meilleure transparence et des mesures de l'impact environnemental qui pourraient constituer une alternative viable aux modèles propriétaires comme OpenAI et nous aider à poursuivre notre chemin vers le développement durable.

L'expansion de l'IA comme exemple de développement durable

Les dirigeants de l'industrie de l'IA ont l'occasion de prouver que l'expansion et le progrès de l'une des innovations les plus passionnantes de notre siècle ne doivent pas se faire au prix de la destruction et de la pollution de l'environnement. L'adoption d'un état d'esprit axé sur l'efficacité et la production propre pourrait permettre de réduire les coûts à la fois sur le plan financier et sur le plan environnemental sans nuire aux capacités de l'IA. Cela pourrait également servir d'exemple mondial pour montrer que l'innovation et la durabilité peuvent aller de pair et que nous avons vraiment appris des erreurs du passé en matière de production de masse à tout prix !

Le bâtiment intelligent, tel qu'il a été photographié ici à Singapour par Felix Fuchs, devrait servir d'inspiration pour le développement de l'industrie de l'IA !