Mesurer l'impact environnemental de l'IA

Comment mesurer l’impact environnemental de l’IA ? Ce fut un autre sujet important discuté lors du Sommet Mondial du AI Standards Hub, et voici ce que j’ai appris :

Comment définir les limites concernant les cycles d’entraînement et les coûts de télécommunication ?

Qu’est-ce qui constitue un cycle d’entraînement ? S’agit-il d’une seule itération d’un algorithme ? D’un cycle d’entraînement complet jusqu’à la convergence ? Ou de l’ensemble du cycle de vie du développement du modèle, y compris l’expérimentation et l’optimisation des hyperparamètres ? Chaque définition aboutira à des chiffres de consommation d’énergie différents.

Les applications d’IA impliquent fréquemment des transferts massifs de données entre les appareils (par exemple, smartphones, capteurs) et les centres de données.

Mesurer l’énergie consommée lors de ces transferts est difficile, car cela dépend de nombreux facteurs.

Le défi pratique réside dans l’obtention des données granulaires et précises nécessaires à une mesure exacte :

Certaines données peuvent être propriétaires (par exemple, l’énergie utilisée pour transmettre des données pour une application d’IA spécifique) ou impossibles à obtenir (comme l’impact environnemental de l’extraction et de la fabrication de tout le matériel utilisé dans un système d’IA).

L’IA est profondément liée aux technologies numériques plus larges, et il est difficile d’isoler l’empreinte environnementale spécifique de l’IA de l’impact global de la numérisation.
Impact environnemental indirect que vous ne considérez peut-être pas - les changements de comportement des consommateurs induits par l’IA :

Vous pourriez décider de remplacer votre téléphone plus ancien mais toujours fonctionnel par un nouveau doté de fonctionnalités basées sur l’IA plus tôt que vous ne l’auriez fait sans le développement de l’IA. Ce cycle de consommation accru s’ajoute à la charge environnementale globale.

L’électrification des transports augmente la demande d’électricité parallèlement à l’IA.

Cela met à rude épreuve les réseaux électriques existants et soulève des préoccupations quant à l’impact environnemental de la production d’électricité, surtout si elle repose fortement sur les combustibles fossiles.

Quelques solutions proposées ?

Accélérer et améliorer l’évaluation de l’impact environnemental de l’IA : permettre aux experts en normalisation et aux chercheurs en IA et autres domaines (apportant leur connaissance de la méthodologie de recherche) de travailler ensemble.
Utiliser la numérisation croissante des normes pour permettre une recherche plus rapide (par exemple, grâce aux références croisées et à l’utilisation de dictionnaires existants)

Un grand merci à Dr Valerie Livina CMath FIMA, Juliette Fropier, Arti Garg et Uzma Chaudhry pour cette discussion fantastique !