Au cours de la dernière décennie, les experts en environnement ont mis en avant un sujet spécialement préoccupant en matière d'empreinte environnementale. Il s'agit du Green IT, c'est-à-dire l'empreinte générée par tous les appareils, des smartphones au cloud. Non pas parce qu'il représente le pourcentage le plus important de cette empreinte, mais parce qu'il connaît une croissance très rapide. Et depuis 2022, avec la généralisation de l'IA, cette croissance est encore plus rapide.

Et c'est pourquoi une nouvelle spécialisation voit le jour: le Green AI.

L'IA est plus qu'une simple nouvelle technologie, elle fait déjà partie de notre quotidien. De nouvelles propositions d'applications accessibles sont disponibles, de plus en plus nombreuses. Et nous les utilisons de différentes manières, comme le design, l'écriture, la programmation... afin d'améliorer la fabrication, le transport, la science, le marketing, la cybersécurité... 

Bien que l'IA soit un domaine d'étude important depuis près de 80 ans, depuis la fin de l'année 2022, un nouvel univers d'IA générative est accessible à presque tous. Il s'agit des LLM ou grands modèles linguistiques, associés à leur interface de chat, qui utilisent le RLHF ou apprentissage par renforcement à partir du feedback humain. 

En conséquence, l'utilisation de cette technologie dans les foyers américains, par exemple, a augmenté de 40 % en 2025. Et elle continue d'augmenter rapidement. Les chiffres sont également en hausse en ce qui concerne l'utilisation de l'IA dans les entreprises à l'échelle mondiale.

Et toute cette entrainement de l'IA, ces requêtes, ces prompts que nous élaborons, impliquent un déploiement technologique considérable. Des centres de données plus nombreux et plus grands, équipés de GPUs plus nombreuses et plus rapides, connectés aux utilisateurs grâce à une bande passante plus large.

Un datacenter ou centre de données est le lieu au se trouvent les serveurs, un ordinateur qui se spécialise a fournir de l'information à d'autres ordinateurs. 

Une GPU, quant à lui, est un processeur graphique qui fonctionne de manière similaire à la CPU ou processeur central. La CPU est le cœur d'un ordinateur, son cerveau en quelque sorte. C'est là que se trouvent les processeurs. Ces processeurs gèrent toutes les activités de l'ordinateur et sont connectés à la mémoire RAM via la carte mère. 

Dans le cas de la GPU, par contre, c'est légèrement différent. Il s'agit de l'unité de traitement graphique (Graphics Processing Unit) et, comme son nom l'indique, c'est là que sont traités tous les processus liés aux images, vidéos, etc. La GPU est connecté à la mémoire VRAM via la carte graphique. Et la carte graphique est reliée à la carte mère. Les GPU étant plus efficaces dans les processus liés à l'IA, ce sont eux qui sont utilisés dans les centres de données pour travailler avec celle-ci.

Dans tous les cas, de plus grands centres de données, ainsi que des GPUs plus rapides, cela veut dire plus de consommation d'énergie et d'eau

De plus, au départ, les modèles LLM étaient spécialisés dans un domaine spécifique. Mais bon nombre des propositions disponibles aujourd'hui répondent au modèle d'IA à usage général (General Purpouse AI) Cela signifie que ces nouveaux LLM ne sont plus spécialisés, mais peuvent résoudre tout type de problème, lié à tout type de sujet. Pour cela, le modèle aura besoin d'une quantité de données environ 10 000 fois plus importante qu'auparavant, afin de disposer de tous les éléments et de pouvoir les combiner. 

Cela implique aussi beaucoup plus d'entrainement et, par conséquent, à nouveau, plus de consommation d'énergie et d'eau.

En fait, les centres de données situés en Irlande, un pays où les entreprises de la tech sont très présentes, consomment déjà plus de 10 % de l'énergie électrique de l'ensemble du pays. Et cela devient une préoccupation majeure. D'où proviendra l'énergie supplémentaire dont l'IA aura besoin ? Quel sera l'impact sur les utilisateurs, qu'il s'agisse d'entreprises ou des ménages ? Nos factures d'électricité vont-elles augmenter pour cette raison ? Cela pourrait finir par arriver.

Parce que plus d'énergie dans le système implique plus d'infrastructure, ce qui veut dire plus d'investissement et une plus grande complexité du réseau énergétique.

Selon l'ingénieur français Marc Jancovici, spécialiste en énergie et très concerné par l'empreinte environnementale, le moyen le plus sûr, le plus rapide et le moins coûteux de résoudre le problème consiste à miser à nouveau sur l'énergie nucléaire. Après des décennies de réactions négatives de la part de l'opinion publique et du recul de la part de nombreux gouvernements, cette technologie semble connaître une sorte de résurrection. 

Nombreux experts en environnement ne sont pas d'accord avec Monsieur Jancovici, bien sûr. Mais Il faut reconnaître qu'il a mené une sensibilisation importante, pendant très longtemps. Par conséquent, le débat vaut la peine.

Il y a aussi le problème des déchets nucléaires, qu'en faire, où les déposer. Ces déchets sont extrêmement toxiques et ils gardent ce degré de toxicité pendant des siècles. Il y a aussi les potentiels accidents. La centrale nucléaire de Zaporizhzhia, par exemple, s'est retrouvé au milieu des combats provoqués par l'invasion russe de l’Ukraine. Les conflits et les catastrophes naturelles arrivent à un moment ou un autre, et les centrales ont une longue durée de vie.

D'un autre côté, les technologies nécessaires pour construire et maintenir les nouvelles centrales pourraient se retrouver dans les mains d'une poignée de participants, ce qui réveillerait le fantôme du monopole. L'Europe a déjà eu une expérience douloureuse avec la fin du Mainstream 2, l'énorme pipeline qui reliait la Russie à l'Allemagne.

Mais selon Monsieur Jancovici, les énergies alternatives, comme le solaire ou l'éolienne, ne seront pas suffisantes pour l'énorme quantité d'énergie nécessaire pour toute l'économie, en incluant l'IA.

La discussion vient juste de commencer et elle promet d’intéressantes conversations.

In any case, the Green AI is here to stay and it will focus on the optimization, which means using as little energy as possible, to achieve as much as possible. That means environmentally-conscious practices, energy-efficient algorithms and transparency, among other matters