L'IA peut-elle aider le secteur industriel à atteindre ses objectifs de durabilité ?

Avec un total de 17 objectifs – appelés « Sustainable Development Goals » (SDG) –, les États membres des Nations Unies se sont fixé pour ambition de promouvoir un développement durable aux niveaux économique, social et environnemental. La Suisse s'inscrit également dans cette démarche et a introduit diverses réglementations en matière d’ESG.

L’intelligence artificielle (IA) générative durable peut contribuer à atteindre des objectifs de durabilité, notamment en réduisant la consommation d’énergie et les émissions de gaz à effet de serre, bien qu’elle génère elle-même des émissions. En effet, les outils et solutions d’IA générative semblent offrir des avantages sociaux et économiques significatifs.

Notre récente enquête révèle que, bien que l’adoption de cette technologie ait fortement progressé l’année dernière parmi les entreprises interrogées, seules 18 % d’entre elles utilisent activement des applications d’IA. Une étude de l’EPFZ, réalisée en collaboration avec Swissmem, indique un taux encore plus faible, soit celui de 2 %. Cependant, environ 22 % des entreprises prévoient de réaliser leurs premiers tests d’application de l’IA ou sont en train de les mener.

Les besoins en énergie des IA

Cette croissance intervient alors que l’année 2024 est pressentie comme la plus chaude jamais enregistrée. L’exploitation de l’IA générative requiert une immense puissance de calcul, ce qui accroît les besoins en refroidissement des centres de données et remet en question les stratégies actuelles de gestion de l’énergie.

Selon un article de IEEE Spectrum, l’ensemble de la technologie actuelle de l’IA – et pas seulement l’IA générative – pourrait consommer chaque année autant d’électricité que l’Irlande tout entière (29,3 térawattheures par an). Par ailleurs, une seule interaction avec un Large Language Model (LLM), un élément clé de l’IA générative, peut utiliser autant d’électricité qu’une ampoule LED allumée à faible intensité pendant une heure. Cela peut sembler insignifiant, sauf que l'on s'attend potentiellement à des millions d’interactions LLM par jour.

Les gains actuels en efficacité ne suffiront pas à compenser l’augmentation des besoins énergétiques de l’IA générative. Il est donc essentiel d’exploiter cette technologie pour optimiser sa propre consommation d’énergie.

Malgré sa consommation d’énergie, l’IA générative peut toutefois contribuer aux économies d’énergie en optimisant l’efficacité des opérations commerciales. Les entreprises doivent être conscientes de son impact sur leur empreinte carbone et adapter leurs stratégies pour rendre son utilisation plus durable. Pour atteindre leurs objectifs en matière de durabilité, elles devraient commencer à intégrer les données environnementales dans leurs décisions commerciales et investir dans des technologies offrant une meilleure visibilité sur les indicateurs de durabilité.

Quelques pistes pour une utilisation durable

Nous recommandons aux entreprises de se concentrer sur quatre éléments clés : mesurer leur consommation d’énergie, optimiser leur efficacité énergétique, développer une IA générative moins énergivore et privilégier des sources d’énergie propres.

La première étape importante consiste à évaluer avec précision les émissions actuelles de gaz à effet de serre et la consommation énergétique de son organisation. Une surveillance continue est indispensable pour optimiser efficacement l’utilisation de l’énergie. Cependant, avant d’entamer ce processus, les entreprises doivent d’abord déterminer si l’IA générative répond à leurs besoins commerciaux spécifiques.

Une fois qu’une entreprise a évalué sa consommation d’énergie, elle est mieux préparée à optimiser ses systèmes d’IA générative. Par exemple, chez Kyndryl ALPS, dans le cadre de notre stratégie de croissance, nous avons analysé en détail l’utilisation de nos infrastructures, notamment nos centres de données et son parc immobilier.

Nous avons ainsi réduit notre parc immobilier et transféré nos opérations vers des centres de données plus performants et à la pointe de la technologie. Par ailleurs, de nombreux serveurs ont été consolidés grâce à la virtualisation, ce qui a permis de réduire la consommation d’énergie. Une part essentielle de cette restructuration a consisté à établir des partenariats avec les plus grands hyperscalers mondiaux afin d'améliorer l'efficacité opérationnelle.

L’avenir de l’IA générative dépendra en grande partie de la capacité des entreprises à collaborer pour adopter des sources d’énergie plus propres et renouvelables.

L'IA générative au service de la durabilité des entreprises

Les gains actuels en efficacité ne suffiront pas à compenser l’augmentation des besoins énergétiques de l’IA générative. Il est donc essentiel d’exploiter cette technologie pour optimiser sa propre consommation d’énergie. Que ce soit par la virtualisation, l’optimisation du code, la migration vers le cloud ou l’utilisation d’interfaces de programmation plus efficientes, une visibilité accrue sur la consommation énergétique permet aux entreprises de surveiller l’IA générative et de l’exploiter de manière plus durable.

Enfin, l’avenir de l’IA générative dépendra en grande partie de la capacité des entreprises à collaborer pour adopter des sources d’énergie plus propres et renouvelables. Si nous ne parvenons pas à économiser plus d’énergie que nous n’en consommons avec l’IA générative, nous risquons de passer à côté d’une grande partie de son potentiel.

Le développement de nouvelles générations de batteries pour l’alimentation de secours, l’utilisation de générateurs fonctionnant au biodiesel et le transfert des charges de calcul vers des sources d’énergie plus propres s’inscriront dans une approche globale visant à rendre l’IA générative plus durable.