Les applications d’IA « vertes » sont nombreuses et fleurissent dans tous les domaines : pas un jour ne passe sans que la presse n’en fasse l’éloge. Le rapport Villani, qui préconise le développement massif de l’IA en France, met en évidence qu’il n’existe pas de politique claire aujourd’hui en faveur de la conception et de l’évaluation écologique des solutions numériques. Gourmandes en énergie par nature, ces IA représentent aujourd’hui environ 7% de la consommation mondiale d’électricité.

Alors comment mesurer le réel impact des solutions d’IA quand leur puissance de calcul est exponentielle et accentuée par une utilisation massive du Cloud ? Nous entrons dans une spirale dans laquelle, sans code de conduite des industriels et sans politique publique, il faudra peut-être un jour considérer que certaines IA ne peuvent fonctionner que les jours pairs et d’autres les impairs.

De grandes organisations se sont intéressées à cette dualité IA / développement durable. Par exemple, "AI for Earth", programme de Microsoft démocratisant l’accès aux données climatiques et traitant des les enjeux environnementaux, permet aux agriculteurs d’utiliser moins de ressources et de veiller à la diversité des espèces. Ou encore Google, avec DeepMind, dont l'usage le plus connu est « AlphaGo » qui a battu les meilleurs joueurs de Go et les meilleurs programmes de jeux d’échec après apprentissage, qui dispose d'une IA capable de limiter les déperditions énergétiques dans ses propres data centers. IBM, de son côté, a mis son IA Watson dans une version libre, au service de la recherche de relations entre les phénomènes naturels et les usages humains pour résoudre des problèmes environnementaux par le biais du bio mimétisme.

Retravailler les technologies IA en profondeur

Faire des recherches internet sur l’IA et l’environnement, n’est-ce pas déjà espérer un impact sur l’environnement ? Chaque être humain peut à son échelle réduire ce dernier via des pratiques responsables. Il en va de même pour les intelligences artificielles qui doivent, elles aussi, évoluer dans ce sens ! Nous devons faire en sorte qu’elles apprennent et mémorisent en local pour éviter de passer systématiquement par de nouvelles requêtes Internet ou sur le Cloud. Si l’IA devient locale, elle permettra de remonter l’intelligence au plus près des nœuds d’interrogation. De cette façon, elle pourra créer des poches d’intelligence proche de celle de l’humain et ne pas faire d’actions inutiles. Mais en local et sans réactualisation fréquente des données, se pose la problématique de la fraîcheur de l’information. Ne doit-on pas aujourd’hui toujours passer par Internet pour être au fait de toutes les évolutions ?

Par ailleurs, nous devons faire en sorte que nos outils IA soient aptes à déterminer seuls si le résultat de la recherche à fournir aura un intérêt plus important que l’impact environnemental qu’elles vont générer. A partir de là, nous aurons fait une réelle avancée majeure dans la notion d’intelligence « verte » et nous pourrons proposer des alternatives pour créer l’IA de demain !

Encore aujourd’hui, le bilan carbone de toutes ces IA n’est probablement ni équilibré ni en faveur du vert. Mais avec le Machine Learning mis au profit de l’optimisation des ressources dans une vision plus globale, il est possible d’envisager des systèmes fonctionnant en « énergie positive ». Et avec la dissémination d’intelligence dans les plus simples objets, il devient possible de rentabiliser énergétiquement des traitements deep learning par leur diffusion massive. Alors oeuvrons pour un monde meilleur en ciblant avant tout des IA plus vertes !

Par Jean-Frédéric Real, Directeur Marketing & Innovation pour Scalian