Le nouvel audit environnemental de Mistral montre à quel point l'IA nuit à la planète

Et liste des solutions pour réduire l'impact négatif de l'utilisation de cette technologie

Le nouvel audit environnemental de Mistral montre à quel point l'IA nuit à la planète
Et liste des solutions pour réduire l’impact négatif de l’utilisation de cette technologie

Les grands modèles de langage influencent de plus en plus tous les domaines, du travail aux loisirs, leurs capacités croissantes et suscitent en parallèle sur leur coût pour la planète. Mistral AI vient de publier l'une des évaluations d'impact environnemental les plus détaillées à ce jour sur un modèle d'IA. Dans son analyse du cycle de vie de son modèle de langage dénommé Mistral Large 2, l'entreprise lève le voile sur les émissions, la consommation d'eau et l'épuisement des ressources matérielles, fournissant des chiffres concrets sur l'empreinte environnementale croissante de l'intelligence artificielle générative. Elle propose en sus des solutions pour la réduction de l’impact négatif de l’utilisation de cette technologie.

Le rapport a été élaboré en collaboration avec Carbone 4 et l'ADEME, puis évalué par Resilio et Hubblo. L'étude porte sur les 18 premiers mois d'existence du modèle, qui s'achèvera en janvier 2025. Les conclusions sont alarmantes : la formation du modèle a émis 20 400 tonnes métriques d'équivalent CO₂, consommé 281 000 mètres cubes d'eau et entraîné un appauvrissement des ressources équivalent à 660 kilogrammes d'antimoine. Ces chiffres reflètent le coût de l'alimentation de milliers de GPU 24 heures sur 24 dans d'énormes centres de données, une opération gourmande en énergie et en ressources qui est généralement invisible pour l'utilisateur final.

Le coût de l’inférence

Si l'entraînement des modèles est la phase la plus gourmande en ressources, l'inférence, c'est-à-dire le processus qui consiste à fournir des réponses aux utilisateurs, n'est pas non plus sans conséquence. Mistral rapporte qu'une interaction type d'un utilisateur avec son assistant Le Chat, impliquant environ 400 tokens, émet 1,14 gramme de CO₂, consomme 45 millilitres d'eau et épuise 0,16 milligramme de ressources en terres rares. Ces chiffres peuvent sembler modestes, mais ils augmentent de manière exponentielle. Multipliés par des millions de requêtes quotidiennes, ils indiquent un coût environnemental constant et cumulatif qui se poursuit longtemps après la fin de l'entraînement.

Mistral note que 85,5 % des émissions totales de gaz à effet de serre du modèle et 91 % de sa consommation d'eau proviennent des processus de calcul qui alimentent à la fois l'entraînement et l'inférence. Cette proportion souligne à quel point la charge environnementale est liée au fonctionnement du modèle, et pas seulement à sa construction.



Le rapport de Mistral sert de manifeste pour la responsabilité environnementale dans le domaine de l'IA. Alors que les discussions sur l'éthique de l'IA se concentrent souvent sur des questions telles que les biais, la désinformation et les abus, le coût environnemental des LLM est resté relativement peu étudié. Mistral souhaite changer cela en exhortant le secteur à adopter des normes communes en matière de reporting environnemental et à évoluer vers une plus grande transparence.

L'entreprise établit un parallèle avec d'autres secteurs où les données relatives à l'étiquetage et au cycle de vie, telles que les émissions de carbone, la consommation d'énergie ou l'empreinte hydrique, aident les consommateurs et les régulateurs à faire des choix éclairés. Dans le domaine de l'IA, ces données font cruellement défaut. En rendant ces informations publiques, Mistral crée un précédent qui pourrait encourager d'autres développeurs d'IA à divulguer leur propre impact environnemental et à se faire concurrence non seulement sur les performances, mais aussi sur la durabilité.

On observe en sus un intérêt croissant pour l'influence que ces divulgations pourraient avoir sur les décisions d'achat. Les entreprises et les gouvernements souhaitent de plus en plus s'assurer que les technologies qu'ils adoptent s'alignent sur des objectifs de durabilité plus larges. Avec le rapport de Mistral comme référence, l'empreinte environnementale pourrait bientôt devenir un indicateur de performance clé pour les systèmes d'intelligence artificielle.

Mistral propose donc un jeu de solutions

Il s'agit notamment de sélectionner des modèles plus petits lorsque des performances élevées ne sont pas strictement nécessaires, de regrouper les demandes pour améliorer l'efficacité informatique et de choisir des centres de données alimentés par des énergies renouvelables. Le rapport préconise de plus de prendre en compte les facteurs environnementaux dans le choix des fournisseurs, renforçant ainsi l'idée que l'IA verte ne concerne pas seulement la conception, mais aussi le déploiement.

Cela représente un changement dans la manière dont les performances de l'IA sont mesurées. Plutôt que de se concentrer uniquement sur la vitesse, l'échelle ou l'intelligence, Mistral préconise une définition plus large de l'excellence, qui inclut la responsabilité écologique. À mesure que l'IA continue de se développer, cette perspective pourrait devenir la norme, et non plus l'exception.

L'audit environnemental de Mistral arrive à un moment crucial. Les charges de travail liées à l'IA exercent une pression croissante sur les infrastructures mondiales, alors même que les pays se fixent des objectifs climatiques plus ambitieux. Si rien n'est fait, l'avenir de l'IA générative pourrait discrètement devenir l'un des principaux facteurs d'émissions numériques. Mais cela n'est pas une fatalité.

En chiffrant ce qui était jusqu'à présent un débat abstrait, Mistral redéfinit le débat sur l'avenir de l'IA. L'appel de l'entreprise en faveur de la transparence, des meilleures pratiques et de la responsabilité collective pourrait contribuer à orienter le secteur vers un modèle d'innovation qui soit non seulement puissant et sûr, mais aussi durable.

Dans un secteur qui mesure souvent les progrès en termes de jetons par seconde, l'étude de Mistral rappelle que ce qui importe tout autant, c'est le coût de chacun de ces jetons pour la planète.

Source : Mistral

Et vous ?

Pensez-vous que les avantages de l’IA générative justifient sa consommation énergétique élevée ? Certains soutiennent que les progrès de l’IA générative dans la création artistique, la traduction automatique et d’autres domaines sont inestimables, tandis que d’autres s’inquiètent des conséquences environnementales.
Quelles alternatives pourraient réduire l’empreinte énergétique de l’IA générative ? Des approches telles que l’optimisation des modèles, l’utilisation de processeurs basse consommation et l’exploration de nouvelles sources d’énergie renouvelable pourraient-elles être la solution ?
Comment pouvons-nous équilibrer l’innovation technologique avec la durabilité ? L’IA générative est-elle un exemple de la tension entre progrès et responsabilité environnementale ? Quelles mesures pouvons-nous prendre pour trouver cet équilibre ?

Voir aussi :

Les résumés de recherche fournis par l'IA consomment 10 fois plus d'énergie qu'une recherche normale sur Google, d'après des rapports : sauvons la planète en désactivant l'IA dans Google Search

L'IA pourrait engloutir un quart de l'électricité produite aux États-Unis d'ici 2030 si elle ne se défait pas de sa grande dépendance à l'égard de l'énergie, affirme un cadre d'Arm Holdings

Un groupe de réflexion financé par les Big Tech affirme qu'il n'y a pas lieu de s'inquiéter de l'impact de l'IA sur le climat, soulevant des préoccupations quant à son impartialité dans cette question