Ces dernières années, ChatGPT a connu une popularité fulgurante, avec près de 200 millions d'utilisateurs envoyant plus d'un milliard de requêtes chaque jour. Ces réponses, apparemment traitées « comme par magie », consomment en réalité une quantité considérable d'énergie en coulisses.
En 2023, les centres de données (où l'IA est entraînée et exploitée) représentaient 4,4 % de la consommation d'électricité aux États-Unis. À l'échelle mondiale, ce chiffre s'élevait à environ 1,5 % de la demande totale d'électricité. On prévoit que cette consommation doublera d'ici 2030, la demande en IA continuant de croître.
« Il y a à peine trois ans, ChatGPT n’existait même pas », a déclaré Alex de Vries-Gao, chercheur en durabilité des nouvelles technologies à l’Université libre d’Amsterdam et fondateur de Digiconomist, une plateforme qui analyse les conséquences inattendues des tendances numériques. « Et aujourd’hui, on parle d’une technologie qui pourrait potentiellement représenter près de la moitié de la consommation électrique des centres de données dans le monde . »
Poser une question à un grand modèle de langage (LLM) consomme environ 10 fois plus d'électricité qu'une recherche Google classique. (Image : Qi Yang/Getty Images)
Pourquoi les chatbots IA sont-ils si énergivores ? La réponse réside dans leur taille considérable. Selon Mosharaf Chowdhury, professeur d’informatique à l’Université du Michigan, deux phases sont particulièrement gourmandes en énergie : l’apprentissage et l’inférence.
« Le problème, c'est que les modèles actuels sont tellement volumineux qu'ils ne peuvent pas fonctionner sur un seul GPU, et encore moins tenir sur un seul serveur », a expliqué le professeur Mosharaf Chowdhury à Live Science.
Pour illustrer l'ampleur du problème, une étude de 2023 menée par de Vries-Gao a démontré qu'un serveur Nvidia DGX A100 peut consommer jusqu'à 6,5 kilowatts d'électricité. L'entraînement d'un modèle linéaire généralisé (LLM) nécessite généralement plusieurs serveurs, chacun équipé en moyenne de 8 GPU, fonctionnant en continu pendant des semaines, voire des mois. Au total, la consommation d'électricité est colossale : l'entraînement du modèle GPT-4 d'OpenAI a consommé à lui seul 50 gigawattheures, soit l'équivalent de la consommation électrique de San Francisco pendant trois jours.
Le processus d'entraînement du modèle GPT-4 d'OpenAI a suffi à alimenter toute la ville de San Francisco pendant trois jours. (Image : Jaap Arriens/NurPhoto/Rex/Shutterstock)
Le processus d'inférence est également très énergivore. C'est à ce moment que le chatbot utilise ses connaissances acquises pour répondre à l'utilisateur. Bien que l'inférence nécessite moins de ressources de calcul que la phase d'entraînement, elle reste extrêmement gourmande en énergie en raison du volume important de requêtes envoyées au chatbot.
D'ici juillet 2025, OpenAI estime que les utilisateurs de ChatGPT envoient plus de 2,5 milliards de requêtes par jour. Pour répondre instantanément, le système doit mobiliser de nombreux serveurs fonctionnant simultanément. Et ce chiffre ne concerne que ChatGPT ; il n'inclut pas d'autres plateformes qui gagnent également en popularité, comme Gemini de Google, qui devrait bientôt devenir le moteur de recherche par défaut pour les utilisateurs de Google.
« Même lors de la phase d'inférence, il est impossible de réaliser des économies d'énergie significatives », a constaté Chowdhury. « Le problème ne réside plus dans la quantité considérable de données. Le modèle est déjà volumineux, mais le véritable enjeu est le nombre d'utilisateurs. »
Des chercheurs comme Chowdhury et de Vries-Gao s'efforcent désormais de mesurer plus précisément la consommation d'énergie afin de trouver des solutions pour la réduire. Par exemple, Chowdhury tient à jour un classement, le ML Energy Leaderboard, qui suit la consommation d'énergie lors des inférences de modèles open source.
Cependant, une grande partie des données relatives aux plateformes d'IA commercialement viables demeure « secrète ». Les grandes entreprises comme Google, Microsoft et Meta les gardent confidentielles ou ne publient que des statistiques très vagues qui ne reflètent pas fidèlement l'impact environnemental. Il est donc très difficile de déterminer la consommation électrique réelle de l'IA, d'anticiper la demande dans les années à venir et de savoir si le monde pourra y répondre.
Néanmoins, les utilisateurs peuvent certainement exercer une pression en faveur de la transparence. Cela permet non seulement aux individus de faire des choix plus responsables lorsqu'ils utilisent l'IA, mais contribue également à promouvoir des politiques qui responsabilisent les entreprises.
« L’un des principaux problèmes des applications numériques est que leur impact environnemental est toujours occulté », a souligné la chercheuse de Vries-Gao. « Il appartient désormais aux décideurs politiques d’agir : ils doivent encourager la transparence des données afin que les utilisateurs puissent prendre des mesures concrètes. »
Ngoc Nguyen (Live Science)
Source : https://vtcnews.vn/chatbot-ai-co-ngon-dien-nhu-loi-don-ar965919.html
Comment (0)