75% des responsables RSE sont peu ou pas du tout inclus dans les choix liés au déploiement des outils d’IA dans leurs entreprises, selon une récente étude menée par WeCount auprès de plus de 500 responsables RSE en France. Résultat : des décisions sont prises par les directions pour accélérer l’innovation sans considérer leur impact environnemental. Si bien des entreprises évoquent des outils d’IA soit disant éthiques, fiables et sécuritaires, presque aucune d’entre elle n’établit de lien clair entre leur déploiement de l’IA et la hausse de la demande en énergie et des émissions polluantes. D’après une étude de la fondation Thomson Reuters menée auprès de 1.000 entreprises dans 13 secteurs, 97% des entreprises n’ont pas encore pris en compte l’impact environnemental de leur IA, s’exposant à des risques de non-conformité réglementaire et de contradiction avec leurs objectifs RSE. La directive européenne CSRD, notamment, impose de mesurer et de déclarer l’impact carbone du numérique, y compris de l’IA.
« L’IA n’est pas immatérielle », rappelle WeCount, en commentaire de son étude. « Elle repose sur des infrastructures énergivores, des datacenters et des chaînes d’approvisionnement complexes ».
« L’IA est un outil. C’est nous qui décidons ce dont on a envie d’en faire. Il y a des questions critiques à se poser : Est-ce que le temps que je gagne est significatif ? Suis-je conscient des biais et des erreurs potentielles du modèle que j’utilise ? L’impact de l’usage de l’IA est-il inférieur au problème que je cherche à résoudre ? », souligne Mujahed Darwaza, consultant climat et expert numérique au sein du cabinet Carbone 4.
L’étude de WeCount précise que plus de 85% des émissions carbone d’une IA générative proviennent de la consommation électrique des datacenters, lors de l’entraînement des modèles et surtout lors de leur utilisation quotidienne (l’inférence). A l’intérieur de la phase d’usage, environ 50% de l’énergie consommée est liée aux processeurs qui effectuent les calculs et l’autre moitié correspond à l’infrastructure nécessaire au fonctionnement des centres de données : refroidissement, réseau, serveurs en veille, stockage. L’enjeu ne se situe donc pas seulement dans la conception des modèles mais aussi dans les arbitrages d’usage au quotidien.
Le type d’usage fait toute la différence car une requête texte génère environ 1g de CO₂e, contre 100 à 10.000 fois plus pour la génération d’images ou de vidéos.
Pour WeCount, les leviers d’action consistent à éviter autant que possible la génération d’images et de vidéos, optimiser les modèles, choisir des infrastructures sobres, privilégier les modèles moins gourmands en énergie. Pour mémoire, plus le modèle est complexe (comme GPT-4, Claude ou les modèles d’IA générative d’images et de vidéos), plus il consomme de l’énergie.