Un nouvel audit environnemental réalisé par Mistral met en lumière l’impact écologique croissant de l’intelligence artificielle (IA) et propose des solutions pour atténuer ce phénomène. Alors que les grands modèles de langage transforment divers secteurs, leurs conséquences environnementales soulèvent de plus en plus d’inquiétudes.
Évaluation de l’impact environnemental
Mistral AI a publié l’une des analyses les plus approfondies concernant l’impact environnemental de son modèle de langage, nommé Mistral Large 2. Ce rapport, élaboré en collaboration avec Carbone 4 et l’ADEME, vise à quantifier les émissions de gaz à effet de serre, la consommation d’eau et l’épuisement des ressources matérielles. Les résultats de cette étude révèlent que durant les 18 premiers mois d’existence du modèle, la formation a généré 20 400 tonnes d’équivalent CO₂, consommé 281 000 mètres cubes d’eau et appauvri les ressources naturelles de 660 kilogrammes d’antimoine.
Ces chiffres illustrent le coût lié à l’alimentation de milliers de GPU fonctionnant 24 heures sur 24 dans de grands centres de données, une opération qui est souvent invisible pour l’utilisateur final.
Le coût de l’inférence
Bien que l’entraînement des modèles soit particulièrement gourmand en ressources, l’inférence — le processus de fourniture de réponses aux utilisateurs — a également un impact non négligeable. Mistral indique qu’une interaction classique avec son assistant, Le Chat, émet 1,14 gramme de CO₂ et consomme 45 millilitres d’eau par exemple. Ces chiffres, bien que paraissant modestes, s’accumulent avec des millions de requêtes quotidiennes, entraînant une empreinte environnementale cumulée significative.
Il est pertinent de noter que 85,5 % des émissions totales de gaz à effet de serre et 91 % de la consommation d’eau sont générées par les processus de calcul qui soutiennent à la fois l’entraînement et l’inférence du modèle.
Appel à la responsabilité environnementale
Le rapport de Mistral représente un appel à la prise de conscience dans le secteur de l’IA concernant les enjeux environnementaux. Alors que l’éthique de l’IA est souvent discutée sous l’angle des biais ou de la désinformation, le coût écologique des grands modèles de langage (LLM) reste sous-exploré. Mistral encourage ainsi l’adoption de normes communes pour le reporting environnemental et prône une plus grande transparence.
En instaurant des données comparables sur l’empreinte carbone et la consommation d’énergie, l’entreprise espère orienter les consommateurs et les régulateurs vers des choix éclairés. La publication de ces informations pourrait inciter d’autres développeurs d’IA à révéler leur impact environnemental et à rivaliser sur des critères de durabilité.
Solutions proposées par Mistral
Mistral a élaboré plusieurs recommandations pour réduire l’impact environnemental des modèles d’IA :
- Sélectionner des modèles plus petits lorsque la performance maximale n’est pas nécessaire.
- Regrouper les demandes pour améliorer l’efficacité informatique.
- Choisir des centres de données alimentés par des énergies renouvelables.
Ce changement souligne l’importance de considérer les facteurs environnementaux lors du choix des fournisseurs, faisant écho à l’idée que l’IA verte englobe non seulement la conception, mais également le déploiement.
À mesure que l’IA progresse, cette vision axée sur la responsabilité écologique pourrait devenir la norme, redéfinissant ainsi l’excellence dans le domaine de l’intelligence artificielle.
Contexte et enjeux futurs
Le rapport de Mistral arrive à un moment critique, alors que les charges de travail liées à l’IA exercent une pression croissante sur les infrastructures mondiales, en parallèle avec des objectifs climatiques de plus en plus ambitieux. Sans mesures appropriées, l’IA générative pourrait devenir une source majeure d’émissions numériques. Toutefois, Mistral affirme que ce n’est pas une fatalité.
En quantifiant des enjeux qui étaient jusqu’à présent abstraits, Mistral repositionne le débat sur l’avenir de l’IA. Son appel à la transparence et à la responsabilité collective pourrait bien orienter le secteur vers un modèle d’innovation durable et efficace.