Green IA : l’intelligence artificielle peut-elle être verte ?

La Green IA désigne des modèles d’intelligence artificielle plus durables et destinés à maximiser l’efficacité du machine et du deep learning sans nuire à l’environnement. Alors que l’empreinte carbone du numérique représente près de 4 % des émissions de gaz à effet de serre mondiale, cette approche de Green AI peut sembler compliquée à mettre en place. La quantité d’énergie et de ressources nécessaires à la formation de modèles, à la collecte des données et à l’entraînement des algorithmes d’IA soulèvent d’importantes inquiétudes par rapport à leur empreinte carbone. Mais l’intelligence artificielle est un secteur en permanente évolution. Les progrès et initiatives se multiplient pour que le concept d’IA Green devienne une réalité. Alors l’intelligence artificielle peut-elle vraiment être verte ? Découvrez-le dans cet article !

La consommation énergétique de l’IA 

Pour comprendre et évaluer les enjeux autour de la Green IA, il faut d’abord revenir sur la consommation énergétique des différents modèles et algorithmes d’intelligence artificielle.

Selon une étude d’openAI, la quantité de calcul utilisée dans les exécutions d’entraînement de l’IA a été multipliée par plus de 300 000 depuis 2012. Cette augmentation exponentielle entraîne logiquement un accroissement des ressources énergétiques nécessaires au fonctionnement de l’intelligence artificielle.

L’exécution et l’entraînement d’un programme d’IA requièrent plusieurs types de ressources :

• une consommation de composants physiques sur les postes de travail (CPU, GPU et DRAM) ;

• une utilisation des serveurs (incluant leurs cartes mères et CPU, mais aussi l’alimentation et les systèmes de ventilations) ; 

• un recours aux data centers (baies de stockage, climatisation, etc.) ;

• une consommation de bande passante et d’équipements réseau.

En termes de chiffres, Timnit Gebru, chercheuse spécialisée dans l’éthique de l’intelligence artificielle et ex-employée de Google Brain a révélé, dans un document publié avec plusieurs de ses collègues, que la formation d’une version de BERT, le modèle de langage de Google produisait au minimum 652 kg d’équivalent CO2. Pour comparaison, cela correspond à peu près à un vol aller-retour entre San Francisco et New York ! Et selon elle, ces modèles sont formés plusieurs fois lors des phases de recherche et développement. La chercheuse a également cité un autre article du Dr Emma Sturbell, indiquant que la formation complète d’un modèle utilisait, au final, près de 300 tonnes de CO2. 

Face à ces chiffres mirobolants, difficile de croire que la Green IA puisse exister… Pourtant il est possible de créer des modèles d’IA plus durables pour satisfaire la demande actuelle. Ces concepts d’IA verte se développent dans la lignée de la green tech.

Le développement de la Green IA

Comme pour les autres disciplines de l’informatique verte, le développement d’une Green IA repose sur une combinaison de bonnes pratiques et d’outils pour mesurer les résultats et impacts.

Les bonnes pratiques d’intelligence artificielle verte

Au vu des ressources demandées par la production d’en seul modèle d’IA, la première pratique incontournable pour réduire l’impact environnemental est de favoriser la réutilisation et la reproductibilité. La recherche sur l’IA est encore souvent publiée sans code source ce qui oblige les chercheurs à repartir de zéro ou à multiplier les essais pour reproduire des résultats. 

Cependant, des évolutions positives sont en cours dans ce secteur avec notamment le développement de l’apprentissage par transfert en machine learning qui consiste à réutiliser des modèles d’IA pré-entraînés pour réaliser des tâches différentes, mais présentant des similitudes.

Une autre bonne pratique est d’appliquer les règles de l’écoconception web au modèle d’IA en réfléchissant :

• au choix de sa typologie ;

• à la régulation son fonctionnement (par exemple sa fréquence d’exécution) ;

• à l’optimisation du code source des algorithmes. 

Enfin, le bilan carbone de l’IA peut aussi être réduit au niveau « physique » en optant pour des centres de données plus verts pour le stockage et le calcul. Ici, le développement de l’edge computing et du cloud distribué peut jouer un rôle important, car ces architectures permettent de décentraliser les traitements et de rapprocher les serveurs des terminaux utilisateurs.

Les outils pour évaluer la Green IA

Pour mesurer l’efficacité de ces bonnes pratiques, il est indispensable d’avoir des indicateurs pour les évaluer. Des outils de mesure de la sobriété numérique et du green computing peuvent être utilisés pour les projets de Green IA.

Parmi ces outils, on peut citer Green Algorithms ou ML CO2 Impact, des solutions en ligne pour calculer la consommation d’énergie d’un programme et son empreinte carbone. Leurs algorithmes se basent notamment sur :

• la durée d’exécution du programme ;

• le nombre de core de la machine utilisée ;

• l’utilisation de la mémoire ;

• les modèles de CPU et de GPU ;

• la localisation.

Ces outils en ligne peuvent être complétés ou affinés par des bibliothèques intégrées directement dans le code des projets d’IA comme :

• Carbontracker, une librairie Python permettant de calculer la consommation d’énergie à partir d’informations sur le CPU, la DRAM et le GPU et même de stopper le programme si un coût environnemental fixé est dépassé !

• Experiment impact tracker une autre bibliothèque Python qui calcule la consommation d’énergie à partir des données de consommation processeur, RAM et carte graphique.

• CodeCarbon, un package Python qui offre des outils pour évaluer l’impact carbone des algorithmes d’IA et plus particulièrement des modèles de machine learning.

Ces bonnes pratiques et outils peuvent aider à limiter l’impact environnemental de l’IA. Cependant, si les progrès dans ce domaine sont continus, la Green IA n’en est encore qu’à ses premiers stades. Pour la développer, les chercheurs et experts de l’IT devront être capables de construire des méthodes et modèles d’IA plus efficients.

Et vous, en tant que professionnel de l’IT, qu’en pensez-vous ? Avez-vous déjà travaillé ou réfléchi sur des concepts d’intelligence artificielle verte ? Partagez-nous vos avis en commentaires ou sur le forum Free-Work.

Par Laura Pouget, Rédactrice Web SEO & Développeuse Informatique.

Sources et liens utiles :

L’étude d’OpenAI.com sur l’augmentation de la quantité de calcul dans l’IA

Analyse de l’étude de Timnit Gebru (en anglais)

Green-algorithms.org et ML CO2 Impact