Conclusion sur les enjeux environnementaux

L’urgence climatique actuelle nous oblige à repenser nos modes de vie, et ce dans toutes les dimensions qu’elles soient sociales, économiques ou techniques. Le secteur de l’intelligence artificielle générative ne fait pas exception, et contribue négativement au réchauffement climatique.

Nous avons vu que l’entraînement et l’utilisation des modèles d’IA générative consomment beaucoup d’énergie, de ressources informatiques et que la quantification précise des impacts environnementaux reste encore une tâche difficile. Les études d’impacts sont souvent trop simplistes, car elles ne prennent en compte qu’un périmètre très limité, se concentrent uniquement sur l’impact carbone en ne considérant qu’un seul critère, et négligent l’ensemble du cycle de vie. Elles prennent rarement en compte l’inférence des modèles génératifs qui, une fois passé à l’échelle de nombreux utilisateurs, peut être plus conséquente que la phase d’entraînement. De plus, elles ne tiennent pas compte des impacts indirects ou des effets rebond de ces technologies, qui ont tendance à accroître davantage l’empreinte environnementale de l’IA générative.

Cependant, il existe des méthodes permettant de réduire les impacts associés à ces technologies. Tout d’abord, les optimisations techniques peuvent être intégrées lors du développement de nouveaux services. L’accès aux technologies en opensource est un levier essentiel pour réduire l’impact en mutualisant les efforts et les résultats. Néanmoins, le meilleur moyen d’action consiste à limiter les utilisations, ou a minima à nous interroger sur l’intérêt de nos utilisations parfois compulsives. Ces technologies ont déjà prouvé leur grande utilité dans de nombreux cas d’application, mais sont-elles nécessaires dans tous les domaines ? Enfin, l’appareil législatif des gouvernements peut également jouer un rôle majeur dans la réduction de l’impact, à condition d’être utilisé de manière appropriée.

En somme, en adoptant des pratiques, des comportements responsables et en collaborant, nous pouvons façonner un avenir durable où l’IA générative contribue positivement à notre environnement et à la société.

Merci à tous les bénévoles qui se sont engagés et ont contribué ce livre blanc depuis 6 mois ! Merci en particulier à Robin Lespagnol qui a bénévolement coordonné toutes les étapes de création de cet ouvrage.

Auteurs

Théo Alves Co-président Data For Good

Imane Bello Avocate en droit politique de l’IA

Sami Benmadda Data Scientist

Anna Choury Experte IA et Société

Valentin Defour Data Scientist

Alice Desthuilliers Data Product Manage @Appen

Suzanne Diaz Juriste & Data Analyst

François Guillaume Fernandez

Damien Fontanes Head of Data @Aleia & Indépendant

Caroline Jean-Pierre Consultante indépendante - Quantethix

Robin Lespagnol Chef de projet data @datagrow

Céline Ly Data Scientist @Orange

Lucas Morin Auditeur de modèles de risques bancaires

Samuel Rincé Lead Data Scientist @Alygne

Amine Saboni Data Engineer @Dilitrust

Contributeurs

Sophie Aubry

Quentin Bodinier Senior Product Manager @Inato

Steven Brumwell

Etienne Campredon ESG Data Analyst

Jacopo Chevallard Head of Science & Innovation @Bloom

Alex Combessie

Amélie Cordier

Docteure en Intelligence Artificielle

Benoit Courty Data Scientist

Morgane Dairain Chief Data Officer

Virginie Mathivet

AI PhD - Fondatrice Hemelopse

Clément Mayer

Responsable de la transformation @Ekimetrics

Claire Poirson

Avocate - Fondatrice @FIRSH

Benoit Demaegdt Mathieu Roques

Dalila Derdar Data Scientist

Mickael Fine

Anthony Fradera Cofondateur @Askills

Rémy Ibarcq Data Analyst

Constance Jeanjean Consultant indépendant

Marie Laarabi Data Analyst - Chargée de projet IA

Alexis Le Gavrian

Théo Saulus Etudiant à CentraleSupélec

Jean-Marc Sevin Senior Data Scientist @Learning Planet Institute

Camille Vallon Consultante Data

Création graphique : Alejandra Adeikalam

Chef de projet : Robin Lespagnol

Relecture externe : David Ekchajzer (Boavizta), Laurent Eskenazi (Boavizta)

Crédits : illustrations couverture, p. 3, p. 4, p. 7, p. 8, p. 10, p. 13, p. 14, p. 17, p. 19, p. 20, p. 25, p. 33, p. 34, p. 36, p. 47, p. 48, p. 51, p. 54, p. 66, p. 80, p. 88, p. 94, p. 99, p. 106 : storyset.com