Comprendre les effets environnementaux de l'IA (DDN2-A60)

Comprendre les effets environnementaux de l'IA

Alors que le monde se tourne vers l'intelligence artificielle (IA) pour relever bon nombre de défis, les effets environnementaux et sociétaux croissants de l'IA sont devenus des préoccupations connexes. Bien que l'IA englobe un large éventail de technologies, l'IA générative, qui génère du texte, des images ou d'autres contenus, présente des défis environnementaux importants beaucoup plus vastes que les systèmes d'IA traditionnels.

Cet article met l'accent sur les effets environnementaux de l'IA générative en particulier, en examinant chaque étape, de l'énergie utilisée dans son développement et son exploitation à la consommation d'eau et de substances extraites des mines, en passant par l'élimination de vieux équipements.

L'empreinte matérielle de l'IA

Comme toutes les technologies numériques, l'IA dépend de la puissance de calcul, et l'IA générative nécessite beaucoup plus de ressources que les technologies conventionnelles. L'entraînement de modèles d'IA complexes nécessite de vastes quantités de ressources et de matériel spécialisés, car ils traitent d'énormes ensembles de données et effectuent des milliards de calculs pour prendre des décisions ou faire des prévisions. Ces calculs nécessitent souvent des milliers de processeurs informatiques qui travaillent en tandem, ce qui nécessite de l'énergie, de l'eau pour le refroidissement et des matériaux de production.

L'intensité énergétique provient d'une combinaison de la puissance requise pour l'entraînement, du coût énergétique par utilisation et du taux d'adoption accéléré. Avec l'apparition d'un plus grand nombre d'applications basées sur l'IA, la demande en vue d'obtenir des modèles plus nombreux et plus rapides augmente, ce qui signifie que les effets environnementaux augmentent également. Les entreprises sont aussi en concurrence les unes avec les autres pour développer des modèles plus grands et plus précis pour attirer le public. La plupart des entreprises d'IA ne divulguent ni ne déclarent les répercussions environnementales de leurs systèmes.

Ces effets sont importants. Bien que l'IA générative amplifie considérablement leur ampleur, les problèmes sous-jacents liés à l'extraction des ressources, à la consommation d'énergie et aux déchets électroniques reflètent des tendances plus larges pour l'infrastructure numérique. Ces problèmes suggèrent qu'une atténuation considérable nécessitera à la fois des mesures précises à l'IA et des changements à l'échelle de l'économie dans l'extraction des ressources, la production d'électricité et le recyclage.

1. Exigences opérationnelles : énergie et eau

Bien que la plupart des gens utilisent des ordinateurs quotidiennement, tout le monde ne connaît pas le matériel à l'intérieur, comme l'unité centrale de traitement (UCT) et l'unité centrale graphique (UCG), ni la quantité d'énergie que ce matériel consomme.

L'UCT est le processeur qui gère les tâches quotidiennes comme la vérification des courriels, la navigation sur Internet, la création de documents et l'exécution de logiciels standard. On en trouve dans la plupart des ordinateurs à la maison et au bureau, et elle utilise généralement environ 1,5 à 2 kilowattheures (kWh) d'électricité par mois (en anglais seulement). Cette consommation équivaut à laisser une petite ampoule DEL allumée en continu pendant une journée ou à charger un téléphone intelligent tous les jours pendant sept mois.

Les UCG, initialement conçues pour les jeux vidéo et le montage vidéo, sont désormais essentielles à l'IA. Contrairement aux UCT, les UCG peuvent traiter des milliers de tâches à la fois, ce qui les rend idéales pour l'entraînement de grands modèles d'IA. Une seule UCG haut de gamme (en anglais seulement) qui exploite des graphiques de jeux vidéo intenses pendant seulement quatre heures par jour peut consommer environ 69 kWh par mois, ce qui peut représenter au moins seize fois l'énergie pour une UCT (en anglais seulement).

L'entraînement de grands modèles d'IA générative, comme ChatGPT-4 d'OpenAI ou AlphaGo de Google, peut nécessiter des milliers, voire des dizaines de milliers d'UCG fonctionnant en continu pendant plusieurs semaines (en anglais seulement). L'électricité utilisée serait suffisante pour alimenter des centaines de foyers canadiens pendant un an (en anglais seulement). Après l'entraînement, des milliers d'UCG demeurent actives pour servir des millions d'utilisateurs et d'utilisatrices. L'entraînement représente environ le tiers (en anglais seulement) de l'empreinte environnementale d'un modèle d'IA, tandis que cette phase suivante représente environ les deux tiers.

La plupart des opérations des systèmes d'IA se déroulent dans de grands centres de données, c'est-à-dire des installations qui stockent, traitent et transmettent des données, ce qui en fait un élément essentiel de l'infrastructure informatique des grandes entreprises. Les centres de données sont également nécessaires pour les plateformes de médias sociaux, les activités de commerce électronique, les services de diffusion en continu et les moteurs de recherche sur Internet. Selon Google, une seule requête de recherche utilise environ 0,0003 kWh d'électricité. Avec 3,5 milliards de recherches quotidiennes, cela représente plus de 1,05 million de kWh. En revanche, une seule requête à une IA comme ChatGPT (GPT-4) peut utiliser jusqu'à 10 fois l'électricité requise pour une simple recherche sur Google (en anglais seulement), ou environ 0,0034 kWh. Si les grands modèles de langage (GML), qui génèrent du texte en fonction des requêtes des utilisateurs et utilisatrices, remplacent les moteurs de recherche traditionnels, cela pourrait entraîner une augmentation de la consommation d'énergie. La consommation d'énergie des GML peut également augmenter plusieurs fois à mesure que de nouveaux modèles plus puissants sont développés. Selon certaines estimations, GPT-5, qui a été lancé en août 2025, devrait consommer plus de dix fois plus d'énergie que GPT-4 (en anglais seulement), soit environ 0,04 kWh.

La génération d'images est plus importante en termes de consommation d'énergie. La transparence des rapports fait également défaut pour cette application de l'IA, mais les estimations la placent à environ 0,0029 kWh par image (en anglais seulement).

À titre comparatif, le ménage canadien moyen utilise environ 11 135 kWh d'électricité chaque année (en anglais seulement), soit environ 31 kWh par jour. Ce nombre est fondé sur certaines hypothèses, notamment : 9 kilomètres conduits en moyenne par jour (un aller simple dans un véhicule électrique utilise environ 3,92 kWh, en anglais seulement); l'achat d'un hamburger au fromage dans une chaîne de restauration rapide utilise au moins 3 à 5 kWh lorsque la production, l'emballage, la réfrigération et la distribution sont inclus; et la recharge d'un téléphone intelligent consomme environ 0,019 kWh (en anglais seulement).

Bien que les requêtes individuelles de génération de texte ne soient pas les plus énergivores, d'autres tâches de l'IA générative pourraient utiliser davantage d'énergie (image, vidéo, recherche approfondie), et l'ampleur de son adoption en fera une composante majeure de nos émissions collectives au cours des prochaines années. Les centres de données pourraient représenter de 3 à 4 % de la consommation mondiale d'énergie d'ici 2030, l'intelligence artificielle constituant environ 19 % de ce chiffre (en anglais seulement).

Les centres de données utilisent aussi beaucoup d'eau (en anglais seulement) pour garder leur équipement froid, ce qui pourrait donner lieu à une concurrence avec d'autres utilisations dans le voisinage, comme l'utilisation résidentielle et agricole. Un petit centre de données de 1 mégawatt peut utiliser presque 26 millions de litres d'eau par année (en anglais seulement).

En ce qui concerne l'utilisation individuelle, on estime que le modèle d'IA générative GPT-3, par exemple, consomme 500 ml d'eau pour 10 à 50 réponses (en anglais seulement). Au Canada, la consommation quotidienne moyenne d'eau en 2021 était de 401 litres par personne.

2. Production : extraction, fabrication et distribution de matériel

Comme pour toute chaîne de production à étapes multiples, les effets environnementaux de l'IA commencent vraiment bien avant son déploiement. La production de matériel informatique nécessaire aux systèmes d'IA exige des quantités considérables de ressources naturelles, ce qui a une empreinte environnementale importante. Il ne s'agit pas d'un défi unique à l'IA, mais commun à toutes les technologies numériques. Par exemple, un ordinateur de 2 kg peut nécessiter environ 800 kg de matières premières. Les composants nécessaires à l'IA et à d'autres technologies informatiques, comme les micropuces, dépendent largement de petites quantités de minéraux critiques comme le cobalt, le tungstène et le lithium. Bien que les appareils numériques ne contiennent que des grammes de ces minéraux chacun, la demande mondiale augmente considérablement. Pour certains, comme le cobalt et certains éléments des terres rares, l'offre pourrait être insuffisante d'ici 2030.

3. Fin de vie : élimination et recyclage

Le développement rapide de l'IA favorise le remplacement ou la mise à niveau constants du matériel, ce qui contribue à la production de déchets électroniques (en anglais seulement). Les appareils électroniques jetés sont souvent éliminés de façon inappropriée, rejetant des substances toxiques comme le mercure et le plomb dans l'environnement. Celles-ci peuvent contaminer le sol et l'eau, ce qui pose des risques pour les écosystèmes et la santé humaine.

Bien que des métaux précieux comme l'or, le cuivre et les éléments des terres rares soient présents dans le matériel informatique, 22 % des déchets électroniques sont recueillis et recyclés à l'échelle mondiale. La sécurité des données complique également le processus, car les entreprises doivent s'assurer que les informations sensibles sont entièrement effacées avant de recycler ou de réutiliser les appareils. Les taux de recyclage de nombreux matériaux rares, en particulier les minéraux des terres rares, demeurent trop faibles pour répondre à la demande prévue.

Les experts suggèrent de prolonger la durée de vie du matériel, de remettre à neuf des composants et de concevoir de l'équipement plus facile à recycler. Plusieurs des objectifs décrits dans la Politique d'achats écologiques du gouvernement du Canada s'alignent sur ces stratégies. Si elles sont mises en œuvre à grande échelle, ces mesures pourraient réduire les déchets électroniques jusqu'à 86 % (en anglais seulement). Toutefois, à l'échelle mondiale, le taux documenté de recyclage des déchets électroniques n'augmente qu'un cinquième aussi rapidement que la production de déchets électroniques (en anglais seulement). Il est nécessaire que tous les secteurs fournissent un effort concerté pour réaliser un changement concret.

Réponse mondiale et mesures réglementaires

Plus de 190 pays, y compris le Canada, ont convenu de respecter les recommandations non contraignantes sur l'utilisation éthique de l'IA, notamment en s'attaquant à son empreinte environnementale. Par exemple, l'UNESCO a également introduit des normes mondiales en matière d'IA qui mettent l'accent sur la durabilité, et l'Union européenne a imposé des sanctions et des amendes pour certaines répercussions environnementales.

Au Canada, la Directive sur la prise de décisions automatisée exige que les ministères évaluent et publient l'incidence environnementale des systèmes d'IA au moyen de l'Outil d'évaluation de l'incidence algorithmique du Conseil du Trésor avant de déployer un système automatisé. La Stratégie en matière d'intelligence artificielle pour la fonction publique fédérale 2025-2027, publiée en mars 2025, met également l'accent sur la gouvernance environnementale.

Comme il est indiqué dans l'article Lutter contre les changements climatiques grâce à l'apprentissage automatique, l'IA est également utilisée pour la recherche et le développement qui favorisent la durabilité et l'efficacité. L'article détaille son utilisation dans la recherche sur les changements climatiques, notamment pour la détection des risques à proximité des voies de transport, le suivi de la vie marine, l'agriculture de précision et la surveillance de la qualité de l'eau.

Conclusion

Alors que l'adoption de l'IA s'accélère, ses effets environnementaux attirent de plus en plus l'attention. Bien que l'on estime généralement que l'investissement et l'adoption de l'IA seront cruciaux pour les pays et les organisations, trouver un équilibre entre ces avancées et la durabilité est une préoccupation croissante. La réponse pourrait comprendre des modèles plus efficaces, l'utilisation de différentes technologies pour différents besoins, les forces du marché favorisant des solutions à empreinte réduite ou l'efficacité des intrants énergétiques eux-mêmes à la source.

Ressources

• Article | Lutter contre les changements climatiques grâce à l'apprentissage automatique (DDN2-A20)
• Article | Démystifier l'intelligence artificielle (DDN2-A14)
• Article | L'utilisation sécuritaire de l'intelligence artificielle au sein du gouvernement (DDN1-A03)
• Article | Everyone must understand the environmental costs of AI (en anglais seulement)
• Cours | Découvrez l'intelligence artificielle (DDN210)
• Cours | Considérations éthiques liées à l'intelligence artificielle (DDN243)
• Vidéo | Série L'intelligence artificielle est à nos portes : L'utilisation de l'IA par les gouvernements et le consentement citoyen (DDN2-V06)
• Stratégie | Stratégie en matière d'intelligence artificielle pour la fonction publique fédérale 2025-2027
• Article | We did the math on AI's energy footprint. Here's the story you haven't heard. (en anglais seulement)
• Article | L'impact Écologique de l'Intelligence Artificielle : Un Défi à l'Ère du Numérique
• Article | L'impact de l'intelligence artificielle sur l'environnement en 12 cases illustrées