Le numérique représente déjà près de 4 % des émissions mondiales de gaz à effet de serre, et cette part est appelée à croître avec l’essor de l’intelligence artificielle. Chaque acteur du secteur doit donc s’engager pour réduire son empreinte et développer des usages plus sobres.

Chez ANSAM, nous avons choisi d’assumer cette responsabilité à travers notre rapport de durabilité 2024 et notre engagement dans la certification B Corp. Mais nous avons aussi voulu aller plus loin en donnant la parole à nos expert·es, à travers une série de témoignages sous forme de 3 questions clés pour éclairer concrètement les enjeux de la transition numérique.

Interviewé

Guillaume Van Lierde, Directeur Novatix, apporte son regard sur les impacts environnementaux de l’intelligence artificielle et sur la nécessité de promouvoir une IA plus sobre.

Problématique

L’IA est particulièrement énergivore lors de la phase d’entraînement des modèles. Comment concilier innovation et responsabilité dans un marché aussi concurrentiel ?

3 questions clés

1. Quels sont les impacts environnementaux majeurs liés au développement de l’IA aujourd’hui ?
Le développement de l’intelligence artificielle a un impact environnemental bien réel. La phase d’entraînement des modèles, notamment ceux utilisés pour le traitement du langage ou de la vision, est particulièrement énergivore : elle mobilise des centaines, voire des milliers d’heures de calcul sur des serveurs puissants, consommant ainsi d’importantes quantités d’électricité et de ressources matérielles. Une fois les modèles entraînés, leur utilisation au quotidien, lors d’une requête, est bien moins consommatrice d’énergie. Mais à l’échelle mondiale, l’accumulation de milliards d’interactions finit par représenter une consommation notable. Le problème, c’est que les outils de mesure d’impact ne sont pas encore normalisés, ce qui complique la prise de conscience et la régulation.

2. Qu’est-ce que la notion "d’IA sobre" et pourquoi est-elle importante ?
L’IA sobre, c’est avant tout une approche responsable du développement de l’intelligence artificielle. Elle consiste à concevoir des modèles plus légers, calibrés en fonction des besoins réels, plutôt que de systématiquement viser la performance maximale. Cela implique aussi de réduire les itérations d’entraînement, de mutualiser les ressources, et plus largement, de questionner l’usage systématique de modèles très énergivores pour des tâches qui pourraient être accomplies autrement. Promouvoir une IA sobre, c’est aussi sensibiliser les utilisateurs·rices à l’impact de leurs choix technologiques.

3. Quels défis posent la mise en œuvre de cette sobriété dans un contexte très concurrentiel ?
Le principal défi, c’est la pression constante à l’innovation rapide. Dans un marché aussi concurrentiel que celui de l’IA, il est tentant d’aller toujours plus vite, plus fort, sans toujours prendre le temps d’optimiser les ressources. Il y a aussi un manque de standards clairs pour mesurer l’impact environnemental des modèles IA, ce qui rend difficile la comparaison et la prise de décision éclairée. Enfin, il y a un véritable travail à faire pour accompagner les clients dans la compréhension de ces enjeux : leur expliquer pourquoi un modèle plus sobre peut être un meilleur choix à long terme, même si son efficacité brute semble légèrement inférieure.