Si les préoccupations relatives à l’impact environnemental du numérique ne sont pas nouvelles, les questions qui se posent aujourd’hui, avec le développement de l’intelligence artificielle, nécessitent une nouvelle approche. Jusqu’à présent, les terminaux (ordinateurs et téléphones, en particulier) constituaient la plus grosse part de l’empreinte environnementale du numérique. Or, avec l’essor de l’IA, ce sont les usages de cette technologie reposant sur des calculs algorithmiques qui pèsent de plus en plus lourd : fabrication et consommation énergétique des centres de données (ou data centers), extraction des matières premières utilisées pour fabriquer les puces, les réseaux électriques, circuits imprimés ou processeurs graphiques…
Installer des centres de données en France
« C’est la consommation énergétique des data centers qui fait le gros de l’impact environnemental de l’IA » et « le mix électrique est donc déterminant », a expliqué Baptiste Perrissin Fabert, directeur général délégué de l’Ademe, Agence de la transition écologique, lors d’une table ronde sur l’empreinte environnementale de l’IA, organisée début février, par la commission de l’Aménagement du territoire et du Développement durable du Sénat.
Pour réduire l’empreinte environnementale de l’IA, il faut donc rendre les centres de données plus sobres en consommation électrique et s’appuyer sur des mix électriques décarbonés. D’où « l’intérêt à relocaliser les data centers en France », parce que « notre mix électrique est très décarboné ». Alors que la majorité des centres sont aujourd’hui situés hors de l’UE, l’installation de data centers en France représente, pour les collectivités, un « gros enjeu en termes de planification territoriale ».
Utiliser la bonne technologie pour le bon usage
Reste que, dans un contexte de très forte croissance des usages de l’IA, l’implantation de centres de données en France ne suffira pas à assurer la souveraineté du pays en la matière. « Il faut aussi s’intéresser à la sobriété des usages » et « à l’écoconception d’une IA à la française ou européenne », pour ne pas « rester durablement dépendant de l’extérieur », a poursuivi le représentant de l’Ademe. Cette « IA frugale » implique d’utiliser la bonne technologie pour le bon usage : les petits modèles spécialisés sont en effet bien moins énergivores en puissance de calcul que les grands modèles de langage (LLM) généralistes.
Disposer de données et de moyens d’évaluation fiables
Améliorer l’empreinte carbone de l’IA implique par ailleurs de pouvoir la mesurer. Or, on manque aujourd’hui de données et de moyens d’évaluation fiables. « Le chiffrage est difficile car il y a une très grande opacité du secteur. À l’exception notable de [la société] Mistral, il est difficile d’obtenir des données. Et il n’existe aucune méthode commune pour comparer les évaluations qui pourraient être faites. » Des comparaisons qui peuvent avoir un intérêt concurrentiel dans la mesure où, pour une entreprise, « l’engagement environnemental peut permettre de se différentier sur le marché » des LLM. Cette complexité à mesurer l’empreinte carbone de l’IA tient également à la difficile traçabilité des matières premières utilisées, et notamment de certains métaux dont l’extraction se fait dans des conditions très néfastes pour l’environnement.
Les solutions mises en œuvre ou explorées par Mistral AI
Entreprise française spécialisée dans les LLM, fondée en avril 2023, Mistral AI a commencé à investir dans des infrastructures en France, des centres de calcul dont le premier (implanté dans l’Essonne) sera bientôt opérationnel. Ils seront notamment utilisés pour la phase d’apprentissage des modèles, particulièrement énergivore, en lieu et place de sites d’entraînement basés aux États-Unis. « On est très en retard en matière d’infrastructures en Europe », et en installer en France « permet d’avoir une énergie décarbonée », a souligné Audrey Herblin-Stoop, directrice des affaires publiques de la start-up, qui compte aujourd’hui 700 salariés.
Pour réduire l’impact environnemental de l’IA, Mistral AI plaide aussi en faveur de la sobriété des usages. « Il faut choisir le bon modèle pour le bon usage. Tous les usages n’ont pas besoin de grands modèles, et les modèles spécialisés qui sont plus petits ont un impact plus faible. » L’entreprise travaille par ailleurs sur « des techniques d’entraînement plus frugales en puissance de calcul et en consommation d’énergie », ainsi que sur l’obsolescence des processeurs graphiques en menant « une réflexion sur leur réutilisation ». Enfin, la représentante de Mistral AI a pointé le fait que la commande publique pourrait soutenir davantage les entreprises qui s’efforcent de réduire leur empreinte carbone en introduisant « des critères de transparence dans les appels d’offres publics ».
