Green AI : l’intelligence artificielle responsable est aussi frugale

En matière d’intelligence artificielle, l’enjeu n’est pas uniquement celui de la performance à tout prix. Ses bénéfices, comme son adoption, requièrent également que l’IA soit responsable en englobant aussi un volet environnemental.

La prise en compte des enjeux environnementaux n’est plus une option. Le rapport du Giec d’avril 2022 est formel. C’est également, et sans mauvais jeu de mots, un des thèmes prioritaires que Business & Decision identifie dans l’édition 2022 des 7 sujets chauds. Mais comment concilier innovation technologique et frugalité ? Des pistes sont déjà esquissées. Et non, cela n’implique pas de tout débrancher et de renoncer à transformer les entreprises.

Innovation et environnement ne sont pas irréconciliables. Tout en engageant des projets de transformation numérique, les organisations s’efforcent d’accompagner ces mutations d’une conscience écologique et d’actions durables. Le digital doit, dans ce domaine aussi, apporter sa pierre à l’édifice et être responsable.

L’intelligence artificielle peut être frugale et ainsi participer aux efforts de sobriété numérique des entreprises

Un équilibre à trouver entre performance et frugalité

Bien sûr, la sobriété numérique ne relève pas de l’incantation. Elle repose sur des actions concrètes. Elle se démontre, et par conséquent se mesure. Le numérique est source d’émissions de CO2 – mais aussi contributeur à la réduction de l’impact environnemental dans de multiples domaines, comme les semi-conducteurs. Apple, par exemple, au travers de ses derniers processeurs M1, affiche à puissance égale avec une puce Intel une consommation divisée par cinq.

L’intelligence artificielle ne fait pas exception. Elle en constitue sans doute même une parfaite illustration. Que ce soit pendant leur apprentissage ou leur exécution, les modèles d’intelligence artificielle consomment de l’énergie. Parfois beaucoup. La complexité rime généralement avec facture énergétique accrue.

D’après des chiffres tirés d’un article du CNRS intitulé “Consommation énergétique de l’utilisation de l’IA”, les émissions liées à l’entraînement de réseaux de neurones convolutifs s’échelonnent de 18kg eqCO2 à 284T eqCO2. Pour un modèle courant, sans paramétrage spécifique, ce chiffre atteint jusqu’à 652kg eqCO2. C’est l’équivalent d’un trajet en avion entre Paris et Hong Kong, ou de 2 500 kilomètres en voiture.

L’adoption de l’intelligence artificielle est amenée à croître très fortement ces prochaines années. En 2021, IDC estimait ce marché en entreprise à 341,8 milliards de dollars au niveau mondial. En 2022, ces dépenses sont attendues en hausse de 18,8%. Il est donc crucial de concevoir des systèmes d’IA les moins énergivores possibles.

Car l’IA peut être frugale et ainsi participer aux efforts de sobriété numérique des entreprises. Cela nécessite cependant de la volonté, mais surtout des actions comme de la méthode. Même si le sujet reste émergent, il convient dès à présent d’adopter des bonnes pratiques. A défaut, le Green AI ne sera qu’un acronyme de plus sur le marché et les discours du green washing.

L’éthique de l’IA embarque la consommation énergétique

L’impact environnemental de l’IA est un paramètre à prendre en compte. Ce n’est pas le seul. Le Green AI se range dans une démarche plus globale qui est celle de l’intelligence artificielle responsable. Et la responsabilité s’apprécie et se met en œuvre à plusieurs niveaux et durant les différentes phases d’un projet. Pour cela, il est indispensable que la prise de conscience s’opère auprès de tous les acteurs de la chaîne de conception de l’IA, Data Scientists et Data Engineers, mais aussi chefs de projet et sponsors business.

Pour l’intelligence artificielle, la frugalité dans son acceptation la plus large intervient dès les étapes d’idéation et de qualification. Quelles données sont exploitées pour le modèle ? Les datasets intègrent-ils des données personnelles ? Si oui, est-il possible de les anonymiser ou a minima de les pseudonymiser ?

Une approche responsable du développement de l’IA a également à cœur d’éviter de reproduire certaines dérives liées à l’exploitation massive des données personnelles. L’IA responsable minimise aussi les externalités négatives et s’efforce de limiter et corriger les biais. Les comités d’éthique sont un des moyens de prendre en compte ces différents enjeux et de mettre en place des contrôles efficaces.

La frugalité énergétique de l’IA rejoint le sujet de l’éthique sur un autre aspect : la performance ou plus précisément son arbitrage. Un modèle plus complexe peut générer un gain de performance. En contrepartie, l’explicabilité se dégrade. Il en va de même en ce qui concerne la consommation d’énergie.

Deep Learning ou Machine Learning : un arbitrage responsable

La complexité rime avec émissions accrues de CO2. Les réseaux de neurones ne sont pas l’alpha et l’oméga de l’intelligence artificielle et la simplicité a du bon, à plus d’un titre. Le Deep Learning n’est pas la panacée pour les Data Scientists, qui cèdent parfois à la facilité en y recourant de façon systématique.

Or, le Deep Learning s’avère trop souvent un gouffre énergétique, en particulier du fait des quantités astronomiques de données nécessaires à l’apprentissage. Et la disponibilité de la puissance de calcul (GPU et TPU) en encourage la pratique. L’application du Deep Learning se justifie pour des cas d’usage bien identifiés, comme la reconnaissance d’images, de la voix, ou du langage.

Si les entreprises ne peuvent se passer de l’IA (dès lors qu’elle est utile), elles ont pour responsabilité d’en réduire les impacts, y compris environnementaux.

La tendance consistant à recourir sans recul aux réseaux de neurones pour des typologies de données simples et structurées, soit l’immense majorité des cas d’usage en réalité, est une gabegie.

Producteurs et consommateurs d’IA ont un rôle à jouer en choisissant d’investir en amont du temps et des ressources, notamment dans le choix et la préparation des données. Cet état d’esprit est clé pour bénéficier d’une intelligence artificielle responsable. Si les entreprises ne peuvent se passer de l’IA (dès lors qu’elle est utile), elles ont en revanche pour responsabilité d’en réduire les impacts, y compris environnementaux.

Méthodologie et gouvernance d’une IA responsable

Se pose alors la question du comment ? Cela passe donc par la conception du modèle d’IA, le choix de sa typologie, mais aussi par des actions au niveau de son fonctionnement, comme la fréquence d’exécution d’une IA ou de son entraînement, ou encore de l’optimisation du code. Le bilan carbone peut être réduit en optant pour des Data Centers plus verts pour le stockage et le calcul lors de l’exécution et l’apprentissage. Privilégier le recours au Edge Computing plutôt qu’à de grands Data Centers est aussi préférable. Cela permet de décentraliser les traitements et de ne transmettre en central que les informations utiles.

Le FinOps, méthode conçue au départ pour maîtriser sa facture cloud, peut également bénéficier à la réduction de l’empreinte carbone en limitant la consommation de ressources et en favorisant l’adoption de pratiques source d’une plus grande sobriété, économique comme énergétique.

La frugalité est sans conteste une mission à intégrer à la feuille de route des comités d’éthique de l’IA. Business & Decision a d’ailleurs développé une méthodologie permettant aux entreprises de se doter d’IA à la fois performantes et responsables. Nous les accompagnons aussi dans l’audit de leurs modèles afin de leur permettre de tendre vers cette IA responsable.

IA for Green : l’intelligence artificielle au chevet de l’environnement

Nous en sommes convaincus, le Green AI est possible. Mais notre conviction est la même à l’égard de l’IA for Green, c’est-à-dire de l’utilisation de l’intelligence artificielle au service de l’environnement. Orange, groupe dont nous faisons partie et que nous avons accompagné, en est un exemple. L’opérateur exploite l’IA pour détecter des défaillances dans le fonctionnement des antennes et déclencher des interventions. Cette réactivité a permis de réduire les émissions de CO2 de son réseau mobile de 15% en un an.

Les cas d’usage de cette nature sont multiples, notamment dans le domaine du smart building. Le développement de l’IoT et des capteurs contribuent à ces applications de l’IA en permettant collecte de données et prédiction.

L’optimisation de la logistique et des circuits de livraison par l’IA favorise aussi la réduction de l’empreinte carbone. Le potentiel existe également dans le secteur agricole. Des modèles prédictifs ou d’analyse d’images participent à l’optimisation de différentes tâches, comme l’irrigation ou le traitement des parcelles, qui peuvent ainsi être plus ciblées.

Dans l’énergie, des industriels collaborent à la conception de modèles permettant d’accroître les rendements du parc éolien français tout en minimisant les nuisances sonores pour les habitations limitrophes.

L’intelligence artificielle participe aussi directement à la protection de l’environnement, dont la sauvegarde des coraux ou la détection des déchets plastiques dans les océans par exemple. L’IA est au cœur d’un projet tel CORail, combinant analyse d’images et algorithmes.

Les possibilités sont donc riches, nous rappelant que si l’IA est émettrice de CO2, elle n’en reste pas moins aussi une partie de la solution à la crise climatique.

👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈