L'impact de l'IA sur la durabilité et sa surveillance

Dialogic a étudié, à la demande du Ministère de l'Économie, l'impact de la durabilité lié au développement et à l'utilisation de l'IA, ainsi que la manière optimale de le surveiller. Nous avons travaillé en collaboration avec Pb7 Research et l'Université d'Utrecht. Les médias et la littérature scientifique ont beaucoup écrit sur l'impact de l'IA sur la durabilité. Des déclarations sont également faites sur la quantité d'énergie nécessaire par exemple pour une interrogation de ChatGPT, comparée aux recherches classiques. Les estimations varient fortement, souvent en raison des délimitations utilisées, des méthodes de calcul et des hypothèses. L'objectif de cette étude n'est pas de confirmer ces estimations, ni d'en générer de nouvelles. L'objectif principal est de fournir un aperçu des facteurs sous-jacents et de la manière dont ils interagissent, dans le but d'informer les politiques. Pour ce faire, cette étude examine en détail le fonctionnement de l'IA et la chaîne entre l'utilisation de l'IA et son impact final sur la durabilité. De plus, nous offrons un aperçu des développements futurs prévus. Offre des applications d'IA L'offre de services d'IA est en pleine évolution. Différents acteurs du marché tentent de conquérir le marché et proposent à cet égard des services d'IA bon marché ou gratuits. La principale tendance sur le plan technologique est la montée en puissance de l'IA, notamment en ce qui concerne la taille des modèles d'IA (nombre de paramètres), la capacité de calcul utilisée pour l'entraînement, et la capacité de calcul lors de l'inférence (via le scaling au moment de l'inférence et grâce à l'émergence de l'IA agentique). Enfin, nous constatons de plus en plus de différenciation (différentes variantes de modèles et prix associés, ainsi qu'une tarification dynamique). L'offre dépend fortement de la capacité de calcul (informatique) disponible dans les centres de données. Une grande partie de l'IA est fournie depuis l'étranger aux utilisateurs néerlandais. La disponibilité de cette capacité de calcul, notamment pour l'IA, aux Pays-Bas est limitée jusqu'en 2030. Utilisation des applications d'IA L'utilisation de l'IA concerne le nombre d'utilisateurs (adoption), l'intensité de l'utilisation et la qualité de l'utilisation. L'adoption de l'IA est en augmentation tant chez les consommateurs que dans les entreprises. Il est encore difficile de dire comment l'intensité de l'utilisation évoluera - quelles fonctions d'IA les utilisateurs continueront-ils à utiliser de manière constante ? Il est clair que le développement de l'utilisation est fortement influencé par l'offre. Les fournisseurs de services d'IA sont en forte concurrence les uns avec les autres et proposent des services d'IA de plus en plus performants gratuitement ou à faible coût. Une limitation importante réside dans la disponibilité de la capacité de calcul. Notamment, l'utilisation de l'IA pour la génération d'images et de vidéos nécessite beaucoup de capacité de calcul. À l'avenir, nous prévoyons que le développement de l'utilisation de l'IA sera davantage axé sur la demande. Consommation d'énergie de l'IA Il y a trois phases pertinentes dans lesquelles l'IA consomme de l'énergie : - La collecte et le traitement des données nécessaires pour entraîner l'IA constituent la première phase, pour laquelle une quantité d'énergie limitée (mais substantielle) est requise. - La phase d'entraînement et d'évaluation qui suit est très énergivore. En pratique, la quantité de capacité de calcul (et donc indirectement la quantité d'énergie disponible) détermine la taille du modèle et de l'ensemble de données d'entraînement. Avec un matériel plus efficient, une IA "meilleure" peut être entraînée avec la même quantité d'énergie. Cette consommation d'énergie est fondamentalement ponctuelle et peut être amortie sur l'utilisation utile subséquente de l'IA. - La phase d'inférence : la consommation d'énergie ici dépend principalement de l'utilisation (nombre de requêtes et la taille/qualité de la réponse générée). L'IA pour la génération d'images consomme beaucoup plus d'énergie que celle générant du texte, et la consommation d'énergie est encore plus grande pour la génération de vidéos. Les développements comme le scaling au moment de l'inférence augmentent la consommation d'énergie dans la phase d'inférence. L'émergence des agents signifie que les tâches d'IA sont exécutées de manière proactive, ce qui peut entraîner une consommation d'énergie plus élevée. Avec un matériel plus efficient, le batching et des améliorations de l'architecture des modèles d'IA, la consommation d'énergie par requête peut être réduite. Aux Pays-Bas, la consommation d'énergie de l'IA est limitée jusqu'au moins 2030 en raison de la disponibilité de la capacité des centres de données. Nous estimons que la consommation actuelle d'énergie de l'IA aux Pays-Bas pour 2023 se situe entre 41 GWh et 107 GWh par an. Selon le scénario d'avenir choisi, nous estimons une consommation en 2030 entre 2,9 TWh (scénario moyen) et 4,7 TWh (scénario le plus élevé) par an. Émissions de l'IA La principale forme d'émission due à l'IA est les émissions de CO2 liées à la production de l'énergie requise (portée 2 du secteur numérique) dans les phases d'entraînement et d'inférence. À l'heure actuelle, ces émissions se concentrent principalement autour des centres de données. Ces émissions n'ont pas nécessairement lieu aux Pays-Bas pour une utilisation néerlandaise (les centres de données et la production d'énergie peuvent également se situer à l'étranger), et vice versa (les Pays-Bas peuvent produire pour l'étranger). Étant donné qu'il y a actuellement plus de demande que d'offre, il est important d'examiner les émissions des centres de données aux Pays-Bas utilisés pour l'IA. La valeur d'émission par quantité d'énergie électrique consommée (facteur d'émission) diminue aux Pays-Bas. De plus, une grande partie des centres de données utilisent de l'électricité verte (produite sans émissions), bien qu'il y ait des nuances à considérer concernant le fait que cela ne produit pas d'émissions. Outre ces émissions de portée 2, il y a également des émissions de portée 1 en quantité limitée (principalement issues des générateurs internes des centres de données). En portée 3, nous observons des émissions amont liées à la production du matériel nécessaire, ainsi que des émissions en aval, notamment lors du recyclage. Les rapports EED et les données ETS de la NEa fournissent des données pertinentes pour surveiller cela. Cependant, il y a actuellement des données insuffisantes sur (1) quelle part de la capacité d'un centre de données est liée à l'IA (selon une définition cohérente), (2) dans quelle mesure une énergie verte locale est utilisée et/ou des possibilités de refroidissement, et (3) les émissions sur site (portée 1) et le mix énergétique (portée 2). De plus, il est difficile de visualiser la portée 3 de l'extérieur. Consommation d'eau de l'IA Les centres de données où ont lieu l'entraînement et l'inférence de l'IA consomment de l'eau pour le refroidissement, le WUE étant la mesure standard de leur efficacité (consommation d'eau par unité de capacité de refroidissement). Seule une partie de cette consommation d'eau concerne l'eau potable - le reste est de l'eau industrielle. Dans le contexte néerlandais, il est particulièrement pertinent d'examiner la consommation d'eau potable. Nous introduisons pour cela la mesure WUEp (consommation d'eau potable par unité de capacité de refroidissement). Il est important de noter que, tout comme pour d'autres entreprises, en cas de pénurie d'eau potable, les centres de données sont les premiers à être déconnectés de l'eau potable. La consommation totale d'eau potable du secteur ne met pas actuellement une pression significative sur l'approvisionnement néerlandais en eau potable et ne le met pas en danger. Les centres de données aux Pays-Bas, en raison du risque de non-disponibilité d'eau potable, doivent rechercher des méthodes de refroidissement alternatives qui utilisent moins ou pas du tout d'eau potable.