ENGINEERINGNET.BE - On le réalise peu, mais l’empreinte carbone du numérique est comparable à celle de l’industrie aéronautique, entre 2 et 4%. Et la croissance est fulgurante.
La seule consommation d’électricité des quelque 11. 000 centres de données dans le monde équivaut à celle de la France pour l’année 2022, soit environ 460TWh par an.
Dès lors, l’arrivée fulgurante dans le grand public des IA génératives affolera-t-elle les compteurs et va-t-elle changer la donne?
Leur impact énergétique est certain, mais il reste difficile à calculer. Les bilans chiffrés disponibles se limitent souvent aux centres de données.
L’IA générative est basée sur de grands modèles de langage (LLM) qui consomment de l’énergie en deux temps.
D’abord pour leur phase d’entraînement, considérée il y a quelques années comme la plus énergivore.
La deuxième phase est celle de l’inférence dans laquelle le modèle donne une réponse en fonction d’une requête.
L’adoption massive des modèles d’IA génératives a changé la donne et cette 2e phase devient dès lors la plus prépondérante.
Goldman Sachs Research (GSR) estime que les besoins des centres de données vont augmenter de 160% d’ici à 5 ans. D’ici la fin de la décennie, les centres de données devraient consommer de 3 à 4% de l’énergie électrique totale, entraînant un doublement de leurs émissions de CO₂ entre 2022 et 2030.
Toutefois, l’évolution fulgurante des IA génératives et de leur utilisation pourrait corriger ces estimations et les rend incertaines.
Mais la production pourra-t-elle suivre? Les réseaux électriques vieillissants seront-ils en mesure de supporter cette surcharge ?
Le facteur économique n’est pas non plus à négliger : pour répondre aux requêtes d’IA générative, Google aurait besoin de 400’000 serveurs supplémentaires, soit un investissement de quelque 100 milliards de dollars.
Toutefois, la consommation supplémentaire des IA génératives pourrait aussi être en partie compensée par les bénéfices qu’elle rend en général.
L’IA pourrait ainsi accélérer la vitesse de l’innovation énergétique, contribuant à mieux prédire et optimiser la consommation d’énergie. (Auteur: Anne-Muriel Brouet - Source: EPFL)
