Enquête : Votre avis sur Vie-publique.fr nous intéresse ! Répondez à notre enquête. Quelques minutes suffisent.

Intelligence artificielle générative : quels défis environnementaux ?

Pour lire les formats PDF et ePub vous avez besoin d’un lecteur adapté.

L'intelligence artificielle (IA) générative peut permettre des actions innovantes en faveur de la transition environnementale et de la réduction d'impacts environnementaux mais apparaît elle-même comme un facteur d'accélération de nombreux impacts environnementaux. Le développement des centres de données soulève notamment des questions liées à la consommation d'énergie, à la consommation d'eau et à l'artificialisation des sols. Ce rapport de l'autorité de régulation des communications électroniques, des postes et de la distribution de la presse (Arcep) présente une synthèse des connaissances sur les impacts environnementaux de l'IA générative, permettant de fournir de premières évaluations et de faire émerger des leviers d’actions. L'Arcep formule neuf recommandations articulées autour de quatre axes d'action :

  • Axe 1 : Améliorer la mesure et la connaissance de l'impact environnemental de l'IA ;
  • Axe 2 : Promouvoir l'écoconception des services d'IA comme levier stratégique de la compétitivité européenne ;
  • Axe 3 : Donner les moyens aux utilisateurs de choisir leurs services d'IA générative en fonction de leur impact environnemental grâce à une régulation européenne adaptée ;
  • Axe 4 : Construire une stratégie de développement des centres de données en Europe alliant souveraineté et soutenabilité.

Résumé
Introduction

Chapitre 1 - Les défis environnementaux d'un développement accéléré de l'intelligence artificielle générative

1.1 La matérialité des services d'IA générative
1.1.1 Des services d'IA générative s'appuyant sur des équipements et infrastructures matériels, à l'instar des autres services numériques
1.1.2 Des particularités liées notamment au besoin en capacités de calcul

1.2 Des dynamiques de marché qui nécessitent des ressources
1.2.1 Une adoption massive des services d'IA et des investissements croissants
1.2.2 Une dynamique d'innovation aux équilibres encore incertains
1.2.3 Des risques de tension sur les ressources qui présentent des enjeux environnementaux et économiques

1.3 Des effets environnementaux nets attendus qui restent à évaluer

Chapitre 2 - L'évaluation de l'empreinte environnementale de l'IA

2.1 Analyse par brique du numérique : les centres de données comme composante structurante des impacts environnementaux de l'IA générative, des effets encore incertains sur les réseaux et les terminaux
2.1.1 Les centres de données : la composante structurante des impacts environnementaux de l'IA générative
2.1.2 Des interrogations sur les conséquences à moyen terme sur les terminaux et les réseaux

2.2 Analyse par phase : un accroissement des usages qui augmente l'impact de la phase d'inférence par rapport à la phase d'entraînement des modèles
2.2.1 Phase d'entraînement : un impact dépendant du nombre de paramètres des modèles, du mix électrique et du matériel utilisé
2.2.2 Phase d'inférence : au-delà de l'impact par prompt dépendant du nombre de paramètres, l'impact global en forte croissance du fait de la généralisation rapide de l'IA générative

Chapitre 3 - Nos recommandations afin de rendre le développement de l'IA compatible avec les limites planétaires

Axe 1 : Améliorer la mesure et la connaissance de l'impact environnemental de l'IA

Axe 2 : Promouvoir l'écoconception des services d'IA comme levier stratégique de la compétitivité européenne

Axe 3 : Donner les moyens aux utilisateurs de choisir leurs services d'IA générative en fonction de leur impact environnemental grâce à une régulation européenne adaptée

Axe 4 : Construire une stratégie de développement des centres de données en Europe alliant souveraineté et soutenabilité

Annexes
1. Bibliographie
2. Entretiens réalisés
3. Glossaire
4. Liste des acronymes
5. Ordres de grandeur et équivalences relatives à la consommation d'énergie et aux émissions de gaz à effet de serre
6. Comparaison de l'entraînement des modèles GPT-3 et BLOOM à partir de la revue de la littérature
7. Performance de modèles d'IA en fonction du temps d'entraînement ou de l'empreinte mémoire pour différentes tâches
8. Cartographie des différentes initiatives de normalisation des méthodes d'évaluation de l'impact environnemental de l'IA

  • Type de document : Rapport d'étude
  • Pagination : 90 pages
  • Édité par : Autorité de régulation des communications électroniques, des postes et de la distribution de la presse