Le compromis de durabilité de l’IA auquel les entreprises ne s’attendaient pas
La révolution de l’IA est en marche. Les entreprises du monde entier intègrent l’IA générative pour automatiser, optimiser et innover. Mais cela a un coût. Pas seulement en dollars, mais aussi en termes de durabilité.
Un récent rapport de Capgemini montre que près de la moitié (47 %) des entreprises déployant l’IA à grande échelle ont dû revoir leurs objectifs en matière de développement durable. Pourquoi ? Parce que l’IA exige des quantités folles d’énergie. Les centres de données, qui constituent l’épine dorsale de l’IA, ont besoin de beaucoup d’énergie. Les émissions de Google ont augmenté de 48 % en quatre ans, simplement pour suivre la croissance de l’IA. Leur objectif ambitieux de zéro émission nette pour 2030 ? Il est désormais « extrêmement ambitieux » et incertain en raison de l’augmentation de la demande d’énergie.
Les entreprises doivent donc faire un choix. Aller de l’avant avec l’IA et risquer des émissions plus élevées, ou ralentir et passer à côté de l’avantage concurrentiel ? La plupart choisissent l’IA. Le débat sur le développement durable passe au second plan.
L’appétit de l’IA pour les ressources n’est pas une plaisanterie
L’IA générative n’est pas un simple logiciel léger fonctionnant dans le cloud – c’est une bête. L’entraînement de modèles massifs tels que GPT-4 d’OpenAId’OpenAI, avec 1,76 trillion de paramètres, a consommé autant d’électricité que 5 000 foyers américains en un an. Et il ne s’agit là que de l’entraînement. L’exécution des modèles – connue sous le nom d’inférence – consomme également de l’énergie, chaque fois que l’IA traite de nouvelles données.
L’eau ? Un autre problème. Les serveurs d’IA chauffent et leur refroidissement n’est pas gratuit. Chaque 10 à 50 requêtes d’IA peut utiliser un demi-litre d’eau. Portez ce chiffre à des milliards d’interactions quotidiennes et vous comprendrez le problème.
Ensuite, il y a le matériel. Les microprocesseurs d’IA ont besoin de métaux des terres rares, et leur extraction n’est pas exactement neutre en carbone. D’ici 2030, les déchets de matériel d’IA pourraient atteindre 5 millions de tonnes, un problème de la taille d’une décharge dont personne ne parle vraiment.
Dans le même temps, les centres de données sont en passe de consommer 4 % de l’électricité mondiale d’ici à 2030. L’Europe souhaite réduire ses émissions de 11,7 %, mais les besoins croissants en matière d’IA pourraient rendre cet objectif impossible à atteindre. Les calculs ne sont pas brillants.
La plupart des entreprises n’évaluent même pas le coût environnemental de l’IA
L’adoption de l’IA monte en flèche. 80 % des entreprises ont augmenté leurs investissements dans l’IA depuis 2023, et près de 25 % d’entre elles intègrent la GenAI dans plusieurs fonctions. Pourtant, voici ce qui est surprenant : la plupart d’entre elles ne savent même pas ce que cela leur coûte en émissions.
Seuls 38 % des dirigeants sont conscients de l’empreinte environnementale de l’IA. Pire encore, seules 12 % des entreprises en font le suivi. Pourquoi ? Parce que la transparence fait défaut. Les hyperscalers (les grands fournisseurs de cloud) ne distribuent pas exactement des données en temps réel sur la consommation d’énergie.
Même lorsque les entreprises comprennent l’impact, nombre d’entre elles ne semblent pas s’en préoccuper. Une étude de Capgemini a révélé que seuls 20 % des dirigeants ont classé le développement durable parmi leurs principales préoccupations en matière d’IA, tandis que 53 % ont donné la priorité au rapport coût-efficacité. En bref, les entreprises veulent que l’IA soit rapide, puissante et bon marché. Le développement durable ? Ce n’est qu’un pis-aller.
Et ce n’est pas fini. Un rapport de l’Uptime Institute a révélé que moins de la moitié des exploitants de centres de données suivent leur propre consommation d’énergie renouvelable et d’eau. Les chiffres officiels sur les émissions sont souvent très éloignés de la réalité. Des recherches suggèrent que les émissions de grands acteurs comme Google, Microsoft, Meta et Apple pourraient en fait être 662 % plus élevées que ce qui est indiqué, grâce à des compensations carbone et à une comptabilité créative.
Le coût incitera l’IA à être plus économe en énergie
La plupart des entreprises n’accordent pas la priorité au développement durable, mais elles se soucient des coûts. Le fonctionnement de l’IA n’est pas bon marché. Au fur et à mesure que l’utilisation se répandra, les entreprises commenceront à ressentir le poids financier de la demande énergétique de l’IA. Cela signifie que l’efficacité deviendra un avantage concurrentiel.
Samuel Young, responsable de la pratique de l’IA chez Energy Systems Catapult, l’explique simplement : « Les coûts d’inférence augmentent avec la consommation d’énergie. Si vous voulez économiser de l’argent, vous devez réduire la consommation d’énergie ». En d’autres termes, les entreprises qui optimisent l’efficacité de l’IA seront gagnantes, non seulement sur le plan financier, mais aussi sur le plan environnemental.
Ce changement ne se fera pas du jour au lendemain, mais il est inévitable. Les entreprises ne passeront peut-être pas au vert parce qu’elles le souhaitent, mais parce qu’elles y sont obligées. Les acteurs les plus intelligents trouveront des moyens de construire des modèles d’IA plus efficaces, de réduire les déchets matériels et d’optimiser l’utilisation de l’énergie dans les centres de données.
L’IA n’est pas près de disparaître. Mais comment l’alimenter ? Ce sera l’un des défis majeurs de la décennie. Les entreprises qui résoudront ce problème seront en tête.
Principaux enseignements pour les dirigeants
- La croissance de l’IA oblige à faire des compromis en matière de développement durable : Près de 47 % des entreprises déployant l’IA générative à grande échelle ont revu leurs objectifs de développement durable en raison de l’augmentation de la demande en énergie. Les entreprises doivent mettre en balance les avantages concurrentiels de l’IA et son impact sur l’environnement, et explorer des solutions économes en énergie.
- L’IA générative est une grande consommatrice de ressources : Les modèles d’IA nécessitent énormément d’énergie, d’eau et de métaux des terres rares, les centres de données devant consommer 4 % de l’électricité mondiale d’ici 2030. Les dirigeants devraient donner la priorité à des modèles d’IA plus efficaces et à des mises à niveau de l’infrastructure pour atténuer les coûts à long terme et les risques réglementaires.
- La plupart des entreprises ne surveillent pas les émissions de l’IA : Seuls 38 % des dirigeants sont conscients de l’empreinte environnementale de l’IA, et seuls 12 % la mesurent. Les chefs d’entreprise devraient exiger une plus grande transparence de la part des fournisseurs d’IA et intégrer des mesures de durabilité dans les stratégies d’adoption de l’IA.
- La rentabilité sera le moteur de la durabilité de l’IA : 53 % des dirigeants privilégient la compétitivité des coûts à l’impact environnemental, mais les coûts énergétiques élevés de l’IA pousseront les entreprises à optimiser leur consommation d’énergie. Les organisations devraient investir dans des modèles d’IA moins énergivores et des solutions cloud pour aligner les objectifs financiers et de durabilité.
