Le coût caché du boom de l’IA : exploitation sociale et environnementale

Les conversations courantes sur l’intelligence artificielle (IA) ont été dominées par quelques préoccupations clés, telles que la question de savoir si l’IA super intelligente va nous anéantir ou si l’IA va nous voler nos emplois. Mais nous avons accordé moins d’attention aux divers autres impacts environnementaux et sociaux de notre « consommation » d’IA, qui sont sans doute tout aussi importants.

Tout ce que nous consommons a des « externalités » associées – les impacts indirects de notre consommation. Par exemple, la pollution industrielle est une externalité bien connue qui a un impact négatif sur les personnes et l’environnement.

Les services en ligne que nous utilisons quotidiennement ont également des externalités, mais le niveau de sensibilisation du public à celles-ci semble être beaucoup plus faible. Compte tenu de l’utilisation massive de l’IA, ces facteurs ne doivent pas être négligés.

Impacts environnementaux de l’utilisation de l’IA

En 2019, le think tank français The Shift Project estimait que l’utilisation des technologies numériques produit plus d’émissions de carbone que l’ industrie aéronautique . Et bien qu’on estime actuellement que l’IA contribue à moins de 1 % des émissions totales de carbone, la taille du marché de l’IA devrait être multipliée par neuf d’ici 2030 .

Des outils tels que ChatGPT sont construits sur des systèmes de calcul avancés appelés grands modèles de langage (LLM). Bien que nous accédions à ces modèles en ligne, ils sont exécutés et formés dans des centres de données physiques du monde entier qui consomment des ressources importantes.

L’année dernière, la société d’intelligence artificielle Hugging Face a publié une estimation de l’empreinte carbone de son propre LLM appelé BLOOM (un modèle de complexité similaire au GPT-3 d’OpenAI ).

Compte tenu de l’impact de l’extraction des matières premières, de la fabrication, de la formation, du déploiement et de l’élimination en fin de vie, le développement et l’utilisation du modèle ont entraîné l’équivalent de 60 vols de New York à Londres .

Hugging Face a également estimé que le cycle de vie du GPT-3 entraînerait des émissions dix fois plus importantes, puisque les centres de données qui l’alimentent fonctionnent sur un réseau à plus forte intensité de carbone. Ceci sans tenir compte des impacts sur les matières premières, la fabrication et l’élimination associés au GTP-3.

Selon les rumeurs , la dernière offre LLM d’OpenAI, GPT-4 , aurait des billions de paramètres et une consommation d’énergie potentiellement bien supérieure.

Au-delà de cela, l’exécution de modèles d’IA nécessite de grandes quantités d’eau. Les centres de données utilisent des châteaux d’eau pour refroidir les serveurs sur site où les modèles d’IA sont formés et déployés. Google a récemment été critiqué pour son projet de construction d’un nouveau centre de données dans un Uruguay frappé par la sécheresse qui utiliserait 7,6 millions de litres d’eau chaque jour pour refroidir ses serveurs, selon le ministère de l’Environnement du pays (bien que le ministre de l’Industrie ait contesté les chiffres). L’eau est également nécessaire pour produire de l’électricité utilisée pour faire fonctionner les centres de données.

Dans une prépublication publiée cette année, Pengfei Li et ses collègues ont présenté une méthodologie pour mesurer l’empreinte hydrique des modèles d’IA. Ils l’ont fait en réponse à un manque de transparence dans la façon dont les entreprises évaluent l’empreinte hydrique associée à l’utilisation et à la formation de l’IA.

Ils estiment que la formation GPT-3 a nécessité entre 210 000 et 700 000 litres d’eau (l’équivalent de celle utilisée pour produire entre 300 et 1 000 voitures). Pour une conversation de 20 à 50 questions, on a estimé que ChatGPT « buvait » l’équivalent d’une bouteille d’eau de 500 millilitres.

Impacts sociaux de l’utilisation de l’IA

Les LLM ont souvent besoin d’un apport humain important pendant la phase de formation. Cela est généralement sous-traité à des entrepreneurs indépendants qui sont confrontés à des conditions de travail précaires dans les pays à faible revenu, ce qui conduit à des critiques d’« ateliers clandestins numériques ».

En janvier, Time a rapporté que les travailleurs kenyans engagés pour étiqueter les données textuelles pour la détection de « toxicité » de ChatGPT étaient payés moins de 2 USD de l’heure tout en étant exposés à un contenu explicite et traumatisant.

Les LLM peuvent également être utilisés pour générer de fausses nouvelles et de la propagande . Si elle n’est pas contrôlée, l’IA a le potentiel d’être utilisée pour manipuler l’opinion publique et, par extension, pourrait saper les processus démocratiques . Dans une expérience récente , des chercheurs de l’Université de Stanford ont découvert que les messages générés par l’IA étaient toujours persuasifs pour les lecteurs humains sur des questions d’actualité telles que les taxes sur le carbone et l’interdiction des armes d’assaut.

Tout le monde ne pourra pas s’adapter au boom de l’IA. L’adoption à grande échelle de l’IA a le potentiel d’aggraver les inégalités de richesse dans le monde . Cela entraînera non seulement des perturbations importantes sur le marché du travail , mais pourrait particulièrement marginaliser les travailleurs de certains milieux et dans des secteurs spécifiques .

Existe-t-il des solutions ?

La façon dont l’IA nous impactera au fil du temps dépendra d’une myriade de facteurs. Les futurs modèles d’IA générative pourraient être conçus pour utiliser beaucoup moins d’énergie , mais il est difficile de dire s’ils le seront .

En ce qui concerne les centres de données, l’emplacement des centres, le type de production d’électricité qu’ils utilisent et l’heure de la journée à laquelle ils sont utilisés peuvent avoir un impact significatif sur leur consommation globale d’énergie et d’eau . L’optimisation de ces ressources informatiques pourrait entraîner des réductions importantes. Des entreprises telles que Google , Hugging Face et Microsoft ont défendu le rôle que leurs services d’intelligence artificielle et de cloud peuvent jouer dans la gestion de l’utilisation des ressources pour réaliser des gains d’efficacité.

De plus, en tant que consommateurs directs ou indirects de services d’IA, il est important que nous soyons tous conscients que chaque requête de chatbot et chaque génération d’images entraînent une consommation d’eau et d’énergie et pourraient avoir des implications sur le travail humain.

La popularité croissante de l’IA pourrait éventuellement déclencher le développement de normes et de certifications de durabilité . Ceux-ci aideraient les utilisateurs à comprendre et à comparer les impacts de services d’IA spécifiques, leur permettant de choisir ceux qui ont été certifiés. Cela serait similaire au Pacte pour les centres de données climatiquement neutres , dans lequel les opérateurs européens de centres de données ont convenu de rendre les centres de données climatiquement neutres d’ici 2030.

Les gouvernements joueront également un rôle. Le Parlement européen a approuvé un projet de loi visant à atténuer les risques liés à l’utilisation de l’IA. Et plus tôt cette année, le sénat américain a entendu les témoignages d’un éventail d’experts sur la manière dont l’IA pourrait être efficacement réglementée et ses dommages minimisés. La Chine a également publié des règles sur l’utilisation de l’IA générative, exigeant des évaluations de sécurité pour les produits offrant des services au public.

Ascelin Gordon

Chercheur principal, Université RMIT