Les émissions de Google ont augmenté de 48 % au cours des cinq dernières années, principalement en raison de la consommation énergétique croissante de ses centres de données utilisés pour alimenter ses produits d’intelligence artificielle. En 2023, les émissions de Google ont atteint 14,3 millions de tonnes, soit une hausse de 13 % par rapport à l’année précédente, selon le dernier rapport environnemental de l’entreprise. Google a indiqué que la consommation d’électricité de ses centres de données et les émissions de sa chaîne d’approvisionnement sont les principales causes de cette augmentation.
L’entreprise a fixé un objectif de parvenir à des émissions nettes nulles d’ici 2030, mais reconnaît qu’il y a une « incertitude significative » autour de cet objectif en raison de l’impact environnemental complexe et difficile à prévoir de l’intelligence artificielle. L’Agence internationale de l’énergie estime que la consommation totale d’électricité des centres de données pourrait doubler d’ici 2026, atteignant 1 000 TWh, ce qui équivaut à la demande en électricité du Japon.
Une IA gourmande en électricité, mais aussi en eau
Les centres de données sont essentiels pour l’entraînement et le fonctionnement des modèles d’intelligence artificielle comme Gemini. Microsoft a également reconnu que l’utilisation énergétique de ses centres de données mettait en danger son objectif de devenir carbone négatif d’ici 2030. Les grandes entreprises technologiques, malgré leurs investissements massifs dans les énergies renouvelables, font face à un dilemme entre réduire leurs émissions de CO2 et investir dans des produits d’intelligence artificielle énergivores. Une étude de chercheurs de l’université de Riverside parue l’année dernière estime que l’IA pourrait représenter jusqu’à 6,6 milliards de mètres cubes de consommation d’eau d’ici 2027, soit près des deux tiers de la consommation annuelle de l’Angleterre.
Plus récemment, un rapport du think tank américain Electric Power Research Institute (EPRI), paru fin mai (lire Qant du 3 juin), estime que les centres de données pourraient consommer jusqu’à 9 % de l’électricité totale produite aux États-Unis d’ici 2030. L’adoption rapide de technologies comme l’intelligence artificielle générative pourrait faire croître la consommation électrique annuelle du secteur de 3,7 % à 15 % par an. Une augmentation de la consommation qui pourrait mettre à rude épreuve le réseau électrique américain et entraîner une hausse des factures et des pannes de courant.
L’optimisme de Bill Gates
Certaines voix s’élèvent pourtant pour défendre l’impact climatique de l’IA. La semaine dernière, Bill Gates a affirmé que l’intelligence artificielle aidera davantage qu’elle ne nuira à l’atteinte des objectifs climatiques, malgré les inquiétudes croissantes concernant l’augmentation des datacenters (lire Qant du 1er juillet). Il a souligné que l’IA permettrait d’utiliser moins d’énergie en rendant les technologies et les réseaux électriques plus efficaces, même si cela nécessite plus de datacenters.
Lors d’une conférence à Londres, Gates a indiqué que la demande énergétique supplémentaire de ces derniers serait compensée par de nouveaux investissements dans l’électricité verte. Les entreprises technologiques seraient prêtes à payer plus pour utiliser des sources d’énergie propres. Gates a toutefois averti que les objectifs climatiques de 2050 pourraient être retardés de 10 à 15 ans en raison de la lenteur de la transition vers l’énergie verte.
Le Tony Blair Institute for Global Change a lui aussi soumis plusieurs options fin mai pour rendre l’IA plus écoénergétique (lire Qant du 3 juin). Parmi ces dernières, l’utilisation d’algorithmes optimisés et de matériels informatiques plus efficients pour réduire l’empreinte carbone des modèles. Le think tank recommande plusieurs mesures politiques pour encourager le développement d’une IA verte. Parmi celles-ci, la création de mécanismes gouvernementaux pour intégrer les efforts d’IA et de durabilité, ainsi que des programmes de financement ciblés pour encourager l’innovation dans les technologies énergétiques avancées, comme le nucléaire modulaire et la géothermie.
Pour en savoir plus :
- Pengfei Li et al., Making AI Less « Thirsty »: Uncovering and Addressing the Secret Water Footprint of AI Models, Arxiv, 2023
- The Guardian
Source archive Kessel : https://qant.kessel.media/posts/pst_5983fb36bd6e48b1a417c9ae7e2f9071
