L’appétit énergétique imparable de l’IA : une crise imminente

L’intelligence artificielle est sur le point de transformer les industries, mais il existe une préoccupation pressante : ses besoins énergétiques . À mesure que l’IA devient plus avancée et plus répandue, son appétit grandit.

Alors que nous nous précipitons vers un avenir axé sur l’IA, il est crucial de faire face à la dure réalité : sans réglementation stricte, nous nous préparons à une crise énergétique d’une ampleur sans précédent. Imaginez un monde où l’IA ne connaît pas de limites et consomme de l’énergie à un rythme alarmant. Dans un tel scénario, nous assisterions à une pression colossale sur notre infrastructure énergétique déjà fragile.

Les conséquences sont des pannes de courant fréquentes et des factures d’électricité qui montent en flèche. Si l’on ne s’attaque pas à l’empreinte carbone de l’IA, elle pourrait devenir une catastrophe environnementale. De plus, les entreprises et les pays capables d’exploiter l’IA sans restriction surpasseront ceux qui ne le peuvent pas, ce qui entraînera des inégalités économiques d’une ampleur sans précédent.

Dans cet article, j'aborderai la demande croissante d'énergie de l'IA, les défis qu'elle pose et les solutions potentielles.

L’IA en tant que force économique émergente

Aujourd’hui, nous entrons dans une ère où le pouls de l’économie ne sera pas mesuré par la simple force du travail humain mais par la quantité d’intelligence artificielle qui la constitue. L'IA a le potentiel de remodeler le paysage de la productivité, alors que les entreprises cherchent à améliorer l'efficacité de leur main-d'œuvre grâce à l'IA et à automatiser diverses tâches et rôles.

Selon PWC , la contribution potentielle de l’IA à l’économie mondiale d’ici 2030 pourrait atteindre la somme colossale de 15 700 milliards de dollars. Environ 45 % des gains économiques proviendront de l’amélioration des produits. L’IA stimulera la demande des consommateurs en diversifiant les produits et en améliorant la personnalisation et l’abordabilité.

Plus de 300 applications de l’IA ont déjà été identifiées, s’étendant au-delà du commerce jusqu’à divers domaines scientifiques. En physique, par exemple, les réseaux de neurones sont actuellement utilisés pour développer de nouveaux modèles et théories. L’IA excelle dans la découverte de modèles et de corrélations cachés dans les données. Le ministère américain de l'Énergie a déjà reconnu son potentiel pour accélérer les découvertes expérimentales en physique nucléaire. Et en biotechnologie, l'IA accélère la découverte de nouvelles molécules. À mesure que les algorithmes progressent, la portée de leurs applications s’élargit encore.

L'aube des données synthétiques

Avant de plonger dans les nouvelles capacités de l’IA, il est important de distinguer ses deux phases opérationnelles. Les charges de travail de l’IA englobent traditionnellement les étapes de formation et d’inférence. Pendant la formation, le modèle apprend des données d'entrée en ajustant ses paramètres internes via des processus itératifs. Cette étape nécessite beaucoup de temps et de calculs et nécessite plusieurs itérations pour optimiser les performances du modèle. Cela nécessite aussi généralement une assistance humaine.

En revanche, la phase d'inférence se produit après l'entraînement du modèle et implique son utilisation pour faire des prédictions ou des décisions basées sur de nouvelles données invisibles. L'inférence est généralement plus rapide et moins exigeante en termes de calcul que la formation, car le modèle applique les connaissances acquises pour générer des prévisions sans ajustement supplémentaire des paramètres.

Le processus d’apprentissage autonome peut théoriquement se poursuivre indéfiniment. Selon Gartner , les données synthétiques devraient dépasser les données réelles dans les modèles d’IA d’ici 2030. Grâce à cela, l’IA sera bientôt capable de s’entraîner en continu, d’utiliser des modèles pour faire des prédictions, d’accumuler davantage de données et d’affiner davantage ses algorithmes. Plus l’IA fonctionne longtemps, plus ses résultats deviennent précis et plus les algorithmes peuvent couvrir d’applications.

Ce passage crucial de l’humain à l’IA souligne l’importance d’un facteur critique : l’énergie.

L’appétit de pouvoir de l’IA

Actuellement, la consommation mondiale d’énergie est influencée par les limites humaines. Par exemple, nous n’avons pas besoin d’énergie tout au long de la journée car nous devons dormir et nous reposer. De plus, l’IA respecte les plannings de temps d’arrêt, de maintenance et de mises à jour. Cependant, à mesure que l’IA finit par surmonter ses limites, apprend à s’entraîner et commence à fonctionner 24 heures sur 24, ses besoins en énergie pourraient monter en flèche.

En 2018, une étude d'OpenAI révélé que la puissance de calcul utilisée pour la formation en IA a doublé tous les 3 à 4 mois depuis 2012. Il n’est pas étonnant que les tâches d’IA, en particulier l’apprentissage profond, impliquent des opérations mathématiques complexes sur de vastes ensembles de données. Les modèles d’IA de pointe ont également augmenté en taille avec des milliards, voire des milliards de paramètres, intensifiant ainsi la consommation d’énergie.

Les applications d’IA à grande échelle s’exécutent souvent dans des centres de données qui hébergent de nombreux serveurs et systèmes de refroidissement. Ils consomment une énergie importante pour le contrôle de la température et le fonctionnement des serveurs. Ces centres de données représentent déjà une part substantielle de la consommation électrique mondiale, estimé à plus de 1 pour cent et en croissance. En moyenne, une installation hyperscale consomme entre 20 et 50 MW par an, ce qui équivaut à alimenter jusqu'à 37 000 foyers.

Une autre tâche énergivore consiste à extraire le dioxyde de carbone (CO2) de l’atmosphère pour lutter contre le changement climatique. La formation d'un seul modèle d'IA peut émettre plus de 626 000 livres d’équivalent CO2. Cela représente environ 5 fois les émissions de carbone sur la durée de vie d’une voiture moyenne. Capter le CO2 nécessite des apports énergétiques importants en raison de sa faible concentration dans l’air et de ses propriétés physiques. Répondre à ces besoins énergétiques devient impératif alors que nous nous efforçons d’atteindre zéro émission nette et de lutter contre la crise climatique.

L’essor des solutions renouvelables

Alors, notre infrastructure actuelle est-elle prête à répondre aux besoins croissants de l’IA ? Malheureusement, la réponse est non. Notre réseau électrique est très en retard par rapport au rythme d’adaptation nécessaire. Cela nécessite une recherche urgente de solutions innovantes, l’énergie solaire se présentant comme une réponse prometteuse à ce dilemme énergétique.

L’énergie solaire exploite l’immense potentiel énergétique de notre soleil, une ressource renouvelable et pratiquement illimitée. À mesure que nous nous dirigeons vers un avenir axé sur l’IA, les régions bénéficiant d’un ensoleillement abondant connaîtront une augmentation de la demande d’infrastructures solaires. À l’échelle mondiale, les projets éoliens et solaires devraient contribuer à plus d'un tiers de l'électricité mondiale d'ici 2030.

Les fabricants de panneaux solaires sont sur le point de prospérer dans ce nouveau paysage. L’efficacité des panneaux solaires continue de s’améliorer grâce aux progrès de la science et de l’ingénierie des matériaux. Les entreprises de stockage d’énergie spécialisées dans les technologies avancées de batteries joueront également un rôle central dans la stabilisation du réseau énergétique. Aux États-Unis seulement, les investissements mondiaux dans le stockage de l’énergie et les réseaux électriques dépassé 337 milliards de dollars en 2022.

Un autre concurrent dans la quête d’une énergie propre et efficace est l’énergie de fusion, avec Énergie Hélion une société de recherche en est un exemple. Cependant, pour faire de l’énergie de fusion une source d’énergie pratique, nous devons encore produire des combustibles tels que le deutérium et l’hélium-3. Ce processus présente des obstacles uniques. Le deutérium est disponible mais nécessite des températures extrêmement élevées pour la réaction de fusion, tandis que l'hélium-3 est rare sur Terre et nécessite une extraction lunaire. En outre, l’énergie de fusion doit répondre aux préoccupations économiques, réglementaires, de sécurité, d’évolutivité et environnementales.

Bien que l’énergie de fusion recèle un énorme potentiel, elle reste expérimentale et il faudra peut-être plusieurs décennies avant qu’elle se généralise. Face à ces complexités, l’énergie solaire constitue une solution potentiellement simple. Il offre une voie claire et évolutive vers la durabilité, nécessitant des investissements stratégiques dans les infrastructures solaires. La simplicité de l'énergie solaire réside dans son omniprésence, car la lumière du soleil est disponible pratiquement partout sans qu'il soit nécessaire de recourir à une exploitation minière ou à une extraction intensive.

À mesure que l’économie mondiale s’oriente vers l’IA et les technologies d’énergie propre, la demande de terres riches en soleil, de fabricants de panneaux solaires et d’entreprises de stockage d’énergie va augmenter dans les années à venir. Cependant, cette croissance organique pourrait ne pas suffire à empêcher un effondrement énergétique.

Réguler les besoins en IA : une bombe à retardement

Pour garantir un avenir durable à l’ère de l’IA, nous devons prendre des mesures audacieuses pour réguler les besoins énergétiques de l’IA. Prenons l’exemple du système européen d’échange de quotas d’émission qui oblige les fabricants, les compagnies d’électricité et les compagnies aériennes à payer pour chaque tonne de dioxyde de carbone qu’ils rejettent. En février 2023, le prix des permis de carbone sur le marché du carbone de l'UE atteint un sommet historique de 100 euros par tonne de CO2. Plus le coût est élevé, plus les entreprises sont incitées à investir dans des technologies à faibles émissions de carbone et à passer à des sources d’énergie plus propres.

De même, nous devrions explorer l’idée d’imposer des taxes supplémentaires aux entreprises ayant une consommation énergétique importante en matière d’IA. Les entreprises qui dépendent fortement de l’IA pourraient être obligées d’investir dans les énergies renouvelables afin de compenser leur empreinte environnementale. Tout comme les émissions de carbone entraînent des sanctions financières, la consommation d’énergie de l’IA pourrait être liée à des investissements obligatoires dans les infrastructures solaires ou à d’autres initiatives énergétiques alternatives.

Même si les entreprises ne sont peut-être pas enthousiasmées par cette perspective, notre société doit donner la priorité à la durabilité à long terme plutôt qu’aux profits à court terme. Des mesures proactives pour résoudre ce problème pourraient contribuer de manière significative à un avenir plus vert et plus durable tout en soutenant la croissance des industries axées sur l’IA.