Intelligence Artificielle et énergie

Réduction de l’empreinte

Si vous cherchez à réduire votre empreinte énergétique, voici quelques conseils.

Utilisez des modèles spécialisés

Si vous avez besoin d’une réponse simple, utilisez un moteur de recherche web comme Google; n’utilisez pas ChatGPT pour cela. Si vous souhaitez traduire du texte, utilisez une application de traduction comme Google Translate ou DeepL Translator. Au lieu de générer une image, ce qui consomme 60 fois plus d’énergie que le texte, préférez utiliser des images de stock existantes.

Préférez les moteurs de recherche web traditionnels

Ils consomment moins d’énergie par requête. Une requête sur Google consomme 0,3 Wh¹. Cela représente 10 fois moins qu’une requête sur ChatGPT. De plus, les moteurs de recherche traditionnels comme Bing ou Google fournissent bien plus de résultats à comparer. Cela vous aidera à rester critique face aux résultats produits par n’importe quelle IA, qui tente de limiter ses références externes à 3 ou 4 liens.

Allez directement aux sources fiables

Si vous avez besoin d’une explication ou d’une définition de concept, terme ou idée, peut-être y a-t-il une réponse toute faite sur Wikipédia. En bas de chaque page de Wikipédia, vous pouvez trouver des liens vers des sources et des informations plus détaillées sur le concept décrit. Souvent, vous verrez que ChatGPT, Gemini ou d’autres utilisent Wikipédia comme source pour les définitions. Alors pourquoi ne pas y aller directement, minimisant ainsi la consommation d’énergie !

Quelques chiffres

Une seule requête effectuée avec la version 4 de ChatGPT consomme 2,9 Wh². Avec une moyenne de 10 millions de requêtes quotidiennes³, cela représente une consommation annuelle de 10 585 MWh. Ce qui équivaut à la consommation électrique annuelle d’environ 3024 ménages belges (en supposant une consommation moyenne de 3,5 MWh/an par ménage belge⁴).

Mais pire sont les chiffres liés à la consommation d’énergie pendant l’entraînement des Modèles de Langage de Grande Taille (LLM), qui est le cœur des logiciels d’IA. 1287 MWh ont été nécessaires pour entraîner ChatGPT 3, ce qui est un peu moins que la consommation annuelle due aux requêtes utilisateur, soit 368 ménages belges. L’entraînement est effectué plusieurs fois par an; cela varie d’une entreprise à l’autre mais se fait généralement environ deux fois par an. La technologie des LLM et des réseaux neuronaux ne permet pas aujourd’hui de mises à jour progressives. Réentraîner un modèle signifie jeter tout l’apprentissage précédent et recommencer à zéro. L’apprentissage incrémental n’est pas encore possible avec l’état actuel de la technologie des réseaux neuronaux.

L’avenir

Cependant, ces chiffres doivent être pris avec un grain de sel. En effet, ils résultent essentiellement d’estimations effectuées en dehors des entreprises produisant des applications d’IA. Et ces estimations, eh bien, doivent être faites sur la base de certaines hypothèses. Et ces hypothèses sont souvent maximalistes, basées sur des suppositions telles que les serveurs fonctionnant à pleine capacité tout le temps avec des processeurs Nvidia A100, qui sont très gourmands en énergie. Certaines études proposent un chiffre de 2,9 Wh par requête ChatGPT 4, comme indiqué au début de cet article.

D’un autre côté, en partant de différentes hypothèses, une nouvelle étude récente propose une valeur et un ratio assez différents de ceux indiqués ci-dessus, qui restent cependant les plus couramment acceptés. Cette étude conduite par Epoch AI⁵, utilisant différentes hypothèses, mentionne l’utilisation de processeurs Nvidia H100, qui sont plus efficaces, mais prend également en compte le fonctionnement des serveurs non plus à pleine capacité, mais seulement à environ 70 % de leur capacité. Dans cette évaluation, la consommation induite par une requête ChatGPT 4 tomberait alors à 0,3 Wh.

Et soudain, le ratio de 10 en faveur de Google, qui était admis dans presque toutes les publications jusqu’à présent, disparaît.

Mais soyons honnêtes jusqu’au bout. Le chiffre sur la consommation d’une recherche Google date de 2009. Depuis, Google proclame haut et fort qu’il améliore son efficacité énergétique jour après jour. Parions que la consommation d’une requête de recherche Google consomme beaucoup moins d’énergie aujourd’hui.

Conclusions

Avec le lancement sur le marché de DeepSeek R1 et de son modèle à faible coût et économe en énergie, nous assisterons probablement à une course à la réduction de la consommation d’énergie. Les projections actuelles suggèrent une tendance à la baisse dans la consommation d’énergie.

Malgré cela, ce ne sont toujours que des hypothèses, voire des hypothèses sur les hypothèses à utiliser !

Puisque les géants de la tech en matière d’IA ne fournissent pas eux-mêmes les chiffres réels de leur consommation, nous n’avons à notre disposition que des estimations d’experts externes. Et c’est uniquement sur la base de ces estimations que nous définissons l’impact de notre comportement sur la planète en relation avec notre utilisation de plus en plus fréquente des outils d’IA.