Intelligence artificielle et environnement

---

• Les centres de données à forte consommation d’énergie utilisés pour alimenter l’IA génèrent une grande quantité de chaleur, nécessitant un refroidissement constant à l’aide d’eau douce. À la fin de ce processus de refroidissement, l’eau est considérablement contaminée par des liquides de refroidissement chimiques et des métaux lourds, et elle est rejetée.
• Les centres de données soutenant le GPT-4 dans l’Iowa auraient consommé jusqu’à 6 % de l’eau du district au cours du dernier mois d’entraînement du modèle d’IA.

• La demande de matériaux à base de terres rares, tels que le lithium, le cobalt et le zinc, nécessaires à la construction des équipements spécialisés requis pour le développement de l’IA, est en augmentation.
• L’extraction de ces minéraux de terres rares a été associée à de graves conséquences négatives, telles que la déforestation, l’érosion des sols, la contamination des eaux souterraines et la perte de biodiversité, ainsi qu’à des impacts sociaux tels que la violation des droits de l’homme et l’instabilité politique, en particulier dans les régions vulnérables.

• En 2022, 62 milliards de kg de déchets électroniques (déchets d’équipements électriques et électroniques) ont été produits dans le monde (un nouveau record). Seuls 22 % de cette quantité ont été recyclés.
• Les déchets électroniques peuvent avoir un impact sur les communautés de multiples façons, notamment par les émissions de plomb et de mercure et les fuites de plastique dans les écosystèmes. À l’heure actuelle, seuls 42 % des pays ont mis en place des politiques visant à réglementer les déchets électroniques, et ils sont encore moins nombreux à s’être fixé des objectifs en matière de collecte.

Alors, que pouvons-nous faire pour atténuer ces dangers ?

• Explorer les alternatives à l’IA – utiliser l’IA dans des cas d’utilisation spécifiques où il n’existe pas d’alternatives ou opter pour une prise de décision humaine et éviter d’utiliser des outils d’IA générative pour des tâches simples telles qu’une recherche conventionnelle sur le web.
• Effectuer une analyse coûts-avantages pour déterminer si le coût environnemental de l’application de l’IA l’emporte sur les avantages environnementaux obtenus (voir ici pour quelques critères).

• Les fabricants de matériel informatique devraient fournir des détails sur l’impact environnemental de leur processus d’assemblage, y compris les émissions de carbone, l’utilisation de l’eau et les matériaux à base de terres rares utilisés, afin d’accroître la transparence de la chaîne d’approvisionnement de l’IA.
• Les informaticiens et les chercheurs doivent divulguer, dans la mesure du possible, les ressources utilisées pour l’entraînement et le déploiement des modèles d’IA (par exemple, le temps, les émissions de carbone) afin de mieux permettre les comparaisons entre les modèles.
• Séparer les émissions de l’IA des autres émissions des TIC, par exemple les centres de données dédiés à l’entraînement de l’IA, afin d’avoir accès à des données plus précises sur l’empreinte carbone de l’IA.

• Réutiliser l’eau consommée dans les centres de données (par exemple, filtrer l’eau et l’utiliser à nouveau pour refroidir les serveurs) et utiliser d’autres sources que l’eau potable (par exemple, les eaux usées traitées).
• Démanteler, récupérer et recycler les matériaux des processeurs et des vieilles batteries au lithium dans les centres de données ou à leur proximité, afin de contribuer à la création d’un circuit fermé sur le site, tout en réduisant les émissions dues au transport.
• Viser à utiliser au moins 50 % de matériaux recyclés/réutilisés lors du remplacement de pièces ou de la construction de futurs centres de données afin de réduire les déchets électroniques.
• Utiliser des énergies propres et à faible intensité technologiques pour alimenter les centres de données en électricité.

---

• Les gains d’efficacité apportés par l’IA réduisent les coûts de production des biens et des services. Bien qu’il puisse en résulter des effets positifs au niveau des produits individuels, ces avantages peuvent être annulés par l’augmentation globale de la demande pour le produit.

• Les progrès de l’IA peuvent aider à identifier de nouveaux sites d’extraction pour les industries à forte intensité de carbone telles que les combustibles fossiles, ce qui aggrave la dégradation de l’environnement et alimente les émissions de gaz à effet de serre.

• Compte tenu de sa nature transversale, il est extrêmement difficile de cartographier le nombre croissant de voies indirectes par lesquelles l’IA influe sur notre environnement. Cette incertitude est inquiétante, car on craint de plus en plus que les risques indirects de l’IA ne l’emportent sur les effets directs.

1. Encourager les décideurs politiques à adopter un principe de précaution et à concevoir des politiques qui reconnaissent, anticipent et limitent les impacts négatifs indirects de l’IA.
2. Les décideurs politiques, les jeunes, les innovateurs technologiques, la société civile et les chercheurs devraient être davantage sensibilisés aux impacts environnementaux de l’IA afin de contribuer au développement d’outils d’IA axés sur les valeurs environnementales et sociales.
3. Améliorer l’accès aux programmes de formation sur la durabilité numérique environnementale, par exemple, une certification obligatoire sur la durabilité numérique pour les professionnels du secteur des TIC et les PDG et autres personnes occupant des postes de direction dans des entreprises d’IA à fort enjeu.
4. Cartographie et quantification des scénarios : Les chercheurs (et les modélisateurs du climat) appellent à une meilleure compréhension de l’impact que l’IA peut avoir sur les objectifs climatiques dans différents contextes socio-économiques et politiques, en proposant quelques points de départ.

---

---