IAg et sites statiques : un paradoxe énergétique ?

IAg : une question d’échelle

L’un des grands problèmes de la consommation énergétique de l’IAg est son usage à une échelle massive. À notre niveau, nous utilisons une IAg pour générer une image (voire deux ou trois) par article, à un rythme d’un article par mois. Cela représente une consommation équivalente à la charge d’un smartphone.

En revanche, à l’échelle d’un acteur comme Midjourney, on parle de l’équivalent de 2,5 millions de charges de téléphone par jour en 2022. C’est une quantité d’énergie qui, mise en perspective, pourrait représenter la consommation énergétique quotidienne de tous les habitants de Paris, soit environ 2 millions de personnes, si l’on considère une charge de téléphone par individu.

Cette différence d’échelle est cruciale pour comprendre pourquoi l’IA générative pose un tel défi environnemental. Il est indispensable de trouver des moyens d’équilibrer les gains en productivité avec des pratiques plus responsables, notamment en explorant des technologies plus économes en énergie ou en développant des modèles d’IA plus performants sur le plan énergétique.

La difficulté à se représenter le coût énergétique de l’IAg

Il est très difficile d’obtenir des chiffres précis sur la consommation réelle de l’IAg. Les entreprises qui fournissent ces services communiquent rarement leurs données sur l’utilisation et l’empreinte énergétique de leurs modèles. Quelques sources tentent d’apporter un peu de lumière sur le sujet, comme Journal Everypixel ¹ ou The Register ², mais cela reste très flou.

Un autre problème vient du fait que la notion de consommation électrique est abstraite et difficile à appréhender :

• Qu’est-ce que l’électricité ?
• Qu’est-ce qu’un “kWh” ?
• Comment comparer l’impact de différentes solutions ?

C’est un peu comme l’argent liquide face à la carte bancaire : il est plus simple de réaliser l’impact d’une dépense quand on sort physiquement des billets et des pièces, plutôt que lorsqu’on passe une carte sans contact et entend juste un bip. De même, on ne prend conscience de l’importance de l’électricité que lorsqu’une panne de courant survient.

La solution à la problématique énergétique de l’IAg sera collective

Comme pour le recyclage, le problème énergétique de l’IAg ne peut pas être résolu à l’échelle individuelle. Pointer du doigt l’utilisateur final ne sert à rien : c’est au niveau politique et industriel que doivent se faire les changements.

Prenons l’exemple du tri des déchets : sans infrastructures adaptées (bacs de tri, collecte efficace, solutions de traitement), l’effort individuel est insignifiant. De même, pour l’IAg, il faut améliorer les infrastructures énergétiques, encourager l’usage responsable et surtout pousser les entreprises à ne pas développer des outils inutiles sous prétexte qu’ils sont “dopés à l’IA”.

Un bon exemple de ce transfert de responsabilité vers les consommateurs est le greenwashing ³, où des entreprises culpabilisent les individus plutôt que d’adapter leurs propres pratiques.

IAg, Midjourney et la question de l’énergie verte

Midjourney est construit dans le cloud Google, dont les datacenters utilisent 90 % d’énergies renouvelables. Pourtant, ce fait ne suffit pas à apaiser les critiques sur sa consommation énergétique. Mais pourquoi ?

Parce que la question ne se limite pas à savoir si l’électricité est verte ou non. Il faut aussi considérer le coût environnemental de la fabrication des panneaux solaires, la durée de vie des éoliennes, l’utilisation des terres rares pour les GPUs dans les serveurs…

Lorsque l’on aborde la problématique énergétique, il est indispensable d’avoir une vision systémique. Nous pourrions prendre l’exemple de l’union européenne qui souhaite devenir leader de la décarbonatation mais prône le libre échange, un véritable paradoxe !

L’impact environnemental de l’IA générative ne peut pas être dissocié des problématiques liées au carbone et au libre-échange. Aujourd’hui, les infrastructures qui font tourner ces modèles sont souvent délocalisées dans des pays où l’électricité est peu chère, mais pas nécessairement propre.

Par exemple, si un modèle d’IA est hébergé dans un datacenter alimenté par du charbon en Asie, son impact carbone sera bien plus élevé qu’un modèle hébergé dans un pays misant sur les énergies renouvelables ou l’énergie nucléaire.

Encore une fois, culpabiliser le consommateur ne permettra pas de faire avancer les choses mais rendra les peuples réfractaires à l’idée d’un changement.

IAg et sites statiques : un réel impact ?

Concernant la consommation des sites web, il est évident qu’un site statique consomme moins d’énergie qu’un site dynamique. Pourquoi ? Parce qu’il supprime plusieurs étapes gourmandes en ressources :

• Pas d’interrogation d’une base de données,
• Pas d’assemblage de templates dynamiques,
• Seulement des fichiers statiques directement servis aux utilisateurs.

Alors est-il nécessaire de proposer des sites statiques alors qu’on utilise l’IA générative ?

Actuellement, on recense environ 1,88 milliard de sites web dans le monde, dont 44 % fonctionnent sous WordPress. Cela signifie qu’environ 827 millions de sites pourraient potentiellement être optimisés grâce à un générateur de site statique.

Toutefois, tous ne sont pas éligibles à une migration, en raison de leur complexité ou de la fréquence élevée des mises à jour de contenu. Si l’on estime (de manière arbitraire) que 600 millions de ces sites pourraient réellement être convertis, l’impact d’une telle transition prend une toute autre dimension.

Nous revenons à nouveau sur la question de l’échelle !

Pourquoi simplement ne pas utiliser l’IAg ?

Dans le monde actuel, il est de plus en plus difficile d’échapper à l’utilisation de l’intelligence artificielle générative, notamment en raison de son potentiel à accroître la productivité. Les IAg, comme celles utilisées pour automatiser la rédaction de textes, la création d’images offrent l’opportunité de gagner un temps considérable.

Cela dit, il est toujours possible de chercher des alternatives pour gagner en productivité tout en limitant son empreinte énergétique. Par exemple, les outils traditionnels, moins gourmands en énergie, peuvent être exploités de manière plus optimale. De plus, l’intégration de pratiques de travail plus intelligentes et collaboratives, comme l’amélioration des compétences humaines grâce à des formations adaptées, peut compenser une partie de la productivité fournie par l’IA.

Il est tout à fait possible d’améliorer sa productivité sans IA générative, ou en l’utilisant avec modération. Tout dépend du besoin réel : l’IA n’est pas toujours la solution la plus efficace ni la plus écologique. L’important est d’adopter une approche réfléchie, en pesant le coût énergétique par rapport au gain de productivité.

Alex de Vries du site Digiconomist met en avant l’importance de prendre du recul sur l’utilisation de l’IAg ⁴

L’impact social de l’IAg

Un autre aspect souvent mis de côté lorsqu’on parle d’IA générative est son impact sur les métiers créatifs. Cette technologie transforme profondément le paysage professionnel des designers, illustrateurs, écrivains et bien d’autres. D’un côté, elle offre des outils puissants pour accélérer la production et améliorer l’accessibilité à la création. De l’autre, elle soulève des préoccupations majeures quant à la rémunération des artistes, la standardisation des styles et la disparition progressive de certaines professions.

La société ne va pas abandonner cette technologie car elle apporte des avantages non-négligeables. Cependant, il est essentiel d’accompagner ces changements avec des réflexions éthiques et des régulations adaptées pour garantir que l’IA reste un outil au service des humains.

IAg : vers une prise de conscience collective

Ce que nous cherchons, ce n’est pas de culpabiliser les individus, mais de susciter une réflexion. Comprendre où et comment l’énergie est consommée, identifier les vrais enjeux et agir là où cela a un impact réel.

L’IAg est-elle un problème ? Oui, si elle est utilisée massivement et sans réflexion. Mais à petite échelle, et en l’intégrant de manière raisonnée, son impact reste marginal.

Footnotes

1. https://journal.everypixel.com/ai-image-statistics ↩

2. https://www.theregister.com/2023/12/04/ai_news_in_brief/ ↩

3. https://gceurope.org/greenwashing-and-climate-guilt-how-producers-shift-their-responsibilities-to-you/ ↩

4. “Emerging technologies such as AI and previously blockchain are accompanied by a lot of hype and fear of missing out. This often leads to the creation of applications that yield little to no benefit to the end-users. […] A big part of this waste can be mitigated by taking a step back and attempting to build solutions that provide the best fit with the needs of the end-users (and avoid forcing the use of a specific technology). AI will not be a miracle cure for everything as it ultimately has various limitations.” ↩