"Énergivore, l'IA fera-t-elle baisser notre consommation d'énergie ?"

Par Anne-Muriel Brouet

"Énergivore, l'IA fera-t-elle baisser notre consommation d'énergie ?" par Anne-Muriel Brouet

Une requête ChatGPT est 10 fois plus gourmande en électricité qu’une recherche Google traditionnelle. Toutefois, il reste difficile d’établir le bilan énergétique lié à l’IA générative et son évolution.

On le réalise peu, mais l’empreinte carbone du numérique est comparable à celle de l’industrie aéronautique, entre 2 et 4%. Et la croissance est fulgurante. La seule consommation d’électricité des quelque 11’000 centres de données dans le monde équivaut à celle de la France pour l’année 2022, soit environ 460TWh par an. L’arrivée fulgurante dans le grand public des IA génératives affolera-t-elle les compteurs?

Leur impact énergétique est certain, mais il reste difficile à calculer. «Il faut connaître le coût de l’IA générative pour l’utiliser de la façon la plus efficiente», avance Manuel Cubero-Castan. Le chef de projet «numérique responsable» à l’unité Durabilité de l’EPFL aime prendre en compte l’ensemble du cycle de vie, de l’extraction des minerais et leur assemblage — dont les impacts ne sont pas uniquement énergétiques — jusqu’aux tonnes de déchets électroniques qui terminent le plus souvent dans des décharges illégales. Ce qui dépasse largement le bilan énergétique des seuls centres de données et leur impact sur les ressources en eau.


Le coût de l'entrainement

Les bilans chiffrés disponibles se limitent souvent aux centres de données. Selon l’AIE, leur consommation d’électricité (excluant les réseaux de données et le minage de cryptomonnaies) oscillait entre 240 et 340 TWh en 2022, soit environ 1 à 1,3% de la consommation totale d’électricité. En dépit d’une croissance annuelle de 4%, la demande globale en électricité des centres de données n’a pas augmenté entre 2010 et 2020, grâce notamment à l’amélioration de leur efficacité
énergétique.

Dans quelle mesure l’arrivée massive de l’IA générative va-t-elle changer la donne? L’IA générative est basée sur de grands modèles de langage (LLM) qui consomment de l’énergie en deux temps. D’abord pour leur phase d’entraînement, considérée il y a quelques années comme la plus énergivore. Ils s’entraînent sur des téraoctets de données afin d’apprendre la prédiction des mots ou des phrases dans un contexte donné.

La deuxième phase est celle de l’inférence dans laquelle le modèle donne une réponse en fonction d’une requête. L’adoption massive des modèles d’IA génératives a changé la donne et cette phase devient dès lors la plus prépondérante. Les récentes données fournies par Meta et Google indiquent qu’elle représente 60 à 70% de la consommation énergétique, contre 30 à 40% pour l’entraînement.

ChatGPT vs recherche Google

Une requête ChatGPT consomme environ 3 Wh contre 0,3 Wh pour une recherche Google traditionnelle, toujours selon l’AIE. Sachant qu’il y a environ 9 milliards de recherches Google par jour, leur transfert à une IA générative entraînerait une augmentation de 10 TWh par an. Goldman Sachs Research (GSR) estime que les besoins des centres de données vont augmenter de 160% d’ici à 5 ans. D’ici la fin de la décennie, les centres de données devraient consommer de 3 à 4% de l’énergie électrique totale, entraînant un doublement de leurs émissions de CO₂ entre 2022 et 2030. En Europe, après trois ans de diminution, la demande d’électricité devrait retrouver son niveau de 2021 pour la période 2024-2026, estime l’AIE, soit quelque 2560 TWh. Près du tiers de cette hausse est directement causé par les centres de données. GSR évalue l’augmentation globale des besoins des centres de données issus de l’IA à environ 200 TWh par an entre 2023 et 2030. D’ici à 2028, l’IA représenterait ainsi environ 19% de la demande d’énergie des centres de données.

Toutefois, l’évolution fulgurante des IA génératives et de leur utilisation pourrait corriger ces estimations et les rend incertaines. Fin janvier, l’arrivée du chinois DeepSeek, beaucoup plus frugal à l’entraînement et pour les requêtes que les modèles américains, a déjà mis un coup de pied dans la fourmilière. Un premier facteur restrictif pourrait être la disponibilité des ressources minières utiles pour la fabrication des puces. Le marché des puces d’IA est actuellement dominé par l’entreprise technologique Nvidia, avec une part de marché estimée à 95%. En 2024, les quelque 3 millions de puces H100 Nvidia installées ont consommé 13,8 TWh d’électricité. Soit autant que le Guatemala. En 2027, les serveurs Nvidia pourraient consommer 85 à 134 TWh. Mais la production pourra-t-elle suivre?

Autre facteur limitant: les réseaux électriques vieillissants seront-ils en mesure de supporter cette surcharge ? Beaucoup de réseaux sont déjà sur le fil du rasoir pour faire correspondre l’offre et la demande, que ce soit au niveau national ou local. La forte concentration des centres de données augmente le risque. En Irlande, par exemple, les centres de données représentent 20% de la consommation d’électricité du pays; dans l’État de Virginie plus de 25%. «Le choix de l’implantation des centres de données dans des régions sous tension en eau et en électricité pose aussi des questions en termes de durabilité des ressources», ajoute Manuel Cubero-Castan.

Le facteur économique n’est pas non plus à négliger. Pour répondre aux requêtes d’IA générative, Google aurait besoin de 400’000 serveurs supplémentaires, soit un investissement de quelque 100 milliards de dollars. Ce qui réduirait sa marge d’exploitation à zéro, empêchant la matérialisation de ce scénario.

Des bénéfices encore à exploiter

Mais la consommation supplémentaire des IA génératives pourrait aussi être en partie compensée par les bénéfices qu’elle rend en général. Pour certains, l’entraînement des modèles constituerait en fait un investissement, potentiellement rentable du point de vue énergétique, voire climatique. L’IA pourrait ainsi accélérer la vitesse de l’innovation énergétique, contribuant à mieux prédire et optimiser la consommation d’énergie, l’utilisation du réseau, à gérer les ressources, à créer des simulations ou encore à améliorer l’état de l’art en matière de modélisation, d’économie climatique, d’éducation ou de recherche fondamentale. Toutefois, les bénéfices de l’innovation restent conditionnés par leurs impacts, ainsi que par leur adoption par la population, leur compréhension par les autorités politiques et leur traduction législative.

En outre, les nouveaux centres de données sont de plus en plus efficaces énergétiquement et travaillent sur une utilisation plus flexible de leurs capacités. NVIDIA améliore aussi les performances de ses puces tout en réduisant leur consommation d’énergie. Sans compter le potentiel des ordinateurs quantiques. Selon l’AIE, 40% de la demande d’électricité des centres de données est dévolue au refroidissement, 40% aux serveurs eux-mêmes et 20% au système, aux éléments de stockage et de communication. À l’EPFL par exemple, le projet Heating Bits, dirigé par le professeur Mario Paolone, impliquant cinq laboratoires et le centre EcoCloud, vise à construire un démonstrateur pour expérimenter des méthodes de refroidissement permettant la récupération de chaleur ou la cogénération d’électricité, couplées à l’optimisation de l’utilisation d’énergies renouvelables et des serveurs.

Gare à l’effet rebond

Un autre moyen, indolore et gratuit, de réduire la consommation des centres de données est de faire le ménage. Chaque jour, les entreprises génèrent 1,3 trillion de gigabytes de données qui finissent dans le dark data, ces données à usage unique voire jamais utilisées qui alourdissent le système. 60% des données conservées sont des dark data, selon des chercheurs de la Loughborough Business School. Les conserver émet autant de CO₂ que 3 millions de vols Londres-New York. La Journée internationale du nettoyage numérique a lieu cette année le 15 mars. Mais, comme à la maison, le ménage peut se faire en tout temps… Cependant, «gare à l’effet rebond! prévient Manuel Cubero-Castan. Si les IA génératives sont utilisées massivement, avec des modèles de plus en plus gros, les gains énergétiques ne suffiront de loin pas à réduire les émissions générées. Baisser nos usages et augmenter la durée de vie et l’efficacité de nos infrastructures restent indispensables.»

Enfin, sans minimiser l’impact énergétique des IA génératives, il faut rappeler qu’il reste modeste à l’échelle mondiale. D’abord, elles ne font qu’alourdir le bilan énergétique déjà chargé de la tech. Aujourd’hui, entre 70 et 80% du trafic mondial des données est causé par la vidéo. S’ajoutent les jeux multijoueurs en ligne et les cryptos. En outre, la croissance économique, les véhicules électriques, la climatisation ou l’industrie restent les principaux moteurs de la demande en électricité, qui reste, à l’échelle mondiale, fortement carbonée.

Source : EPFL

Ce contenu est distribué sous les termes de la licence Creative Commons CC BY-SA 4.0. Vous pouvez reprendre librement les textes, vidéos et images y figurant à condition de créditer l’auteur de l’œuvre, et de ne pas restreindre son utilisation. Pour les illustrations ne contenant pas la mention CC BY-SA, l’autorisation de l’auteur est nécessaire.

Et vous ?

Pensez-vous que ce rapport est crédible ou pertinent ?
Quel est votre avis sur le sujet ?

Voir aussi :

Pourquoi les géants de la technologie tels que Microsoft, Amazon, Google et Meta misent-ils gros sur l'énergie nucléaire ? La consommation mondiale d'électricité pourrait augmenter de 75 % d'ici 2050

Les pénuries d'électricité limiteront 40 % des centres de données d'IA d'ici 2027 et les prix de l'électricité augmenteront, ce qui accroîtra les coûts d'exploitation des LLM, d'après Gartner

L'expansion des centres de données ravive les craintes de surcharge du plus grand réseau électrique américain, car la demande des centres de données triplera au cours des trois prochaines années