Ce que coûte l'AI : calcul, énergie, responsabilité.

Chaque requête à un modèle de langage nécessite de l'électricité et du temps de calcul. Qui utilise l'IA peut intégrer l'efficacité.

La consommation invisible

L'entraînement de grands modèles et l'exploitation des centres de données demandent beaucoup d'énergie. L'Agence internationale de l'énergie estimait la consommation électrique des centres de données, de l'IA et de la crypto à environ 460 térawattheures en 2022, près de deux pour cent de la consommation mondiale, et s'attendait à une nette augmentation d'ici 2026.

L'efficacité comme facteur de compétitivité

Toutes les tâches n'ont pas besoin du plus grand modèle. Des modèles plus petits et spécialisés, la réutilisation des résultats et le regroupement des requêtes réduisent les coûts et la consommation. Les grands fournisseurs affichent des progrès d'efficacité énergétique et hydrique dans leurs rapports de durabilité.

Ce que les entreprises peuvent piloter

• Choisir la bonne taille de modèle pour la tâche.
• Mettre les résultats en cache au lieu de recalculer.
• Regrouper l’usage et éviter les requêtes en double.
• Préférer les fournisseurs aux informations transparentes sur l’efficacité et la provenance.

Green AI comme principe

La recherche sur la « Green AI » demande de mesurer l'efficacité à égalité avec la précision. Pour les entreprises, cela signifie : une solution n'est bonne que lorsqu'elle résout sa tâche avec un effort raisonnable.

La meilleure requête est celle qui n'était pas nécessaire. La deuxième meilleure est celle à laquelle on répond efficacement.

Conclusion

L'usage de l'IA a un prix, énergétique et financier. Qui le connaît peut décider consciemment où l'IA crée de la valeur et où non.