Il est temps d’entamer une nouvelle année. Gageons que 2025 sera pleine d’aventures numériques et de technologies de pointe! Comme dans la vidéo ci-dessous utilisant les dernières technologies, je souhaite à tout le monde une bonne année 2025, placée sous le signe d’une certaine responsabilité…

En effet, les technologies de l’information ont leur revers: production polluante, déchets et consommation d’énergie parfois disproportionnée. Il est donc de notre responsabilité à toutes et tous d’en faire un bon usage et de réfléchir avant de lancer des requêtes mal formulées ou inutiles…

Bonne année à toutes et tous!

Energie et IA: que dit ChatGPT o1 Pro «Raisonnement optimal»?

Ci-dessous le résultat d’une requête au mode pro de ChatGPT o1 Pro, version «Raisonnement optimal». Les liens permettant de vérifier les informations ci-contre ont aussi été demandés à la même version de ChatGPT.

La consommation énergétique, un enjeu majeur de l’IA

La consommation énergétique des systèmes d’intelligence artificielle (IA) est un sujet de plus en plus débattu. Les centres de données qui hébergent les modèles et qui assurent leur fonctionnement tournent 24 heures sur 24, nécessitant d’importantes ressources en électricité pour l’alimentation et le refroidissement des serveurs. On évalue ainsi que les infrastructures supportant l’IA contribuent de manière significative à l’empreinte carbone du numérique. Les estimations varient, mais il est clair que chaque requête effectuée sur une IA comme ChatGPT, chaque génération d’image via un réseau de neurones, ou encore chaque requête de recherche en ligne a un coût énergétique. Pour donner des ordres de grandeur, on utilise généralement le kilowattheure (kWh) ou le wattheure (Wh), ce qui permet de comparer plus facilement l’impact des différentes technologies.

Comparer une requête ChatGPT à une requête Google

Une recherche standard sur Google est souvent citée comme consommant de l’ordre de 0,3 Wh*, soit 0,0003 kWh. Cette valeur inclut le fonctionnement des serveurs, la transmission de données et le coût réseau estimé. En comparaison, une requête à ChatGPT, qui mobilise un modèle linguistique massif (transformer de plusieurs milliards de paramètres), peut exiger entre 3 et 15 Wh par requête, soit 0,003 à 0,015 kWh. La fourchette est large, car elle dépend de la complexité de la question et de la longueur de la réponse. Ainsi, interagir avec un grand modèle de langage peut nécessiter jusqu’à plusieurs dizaines de fois plus d’énergie qu’une simple recherche web, même si les chiffres exacts varient en fonction de l’optimisation des serveurs et de la charge du réseau.

*1 Wh (watt-heure) correspond à l’énergie consommée par un appareil d’une puissance de 1 watt pendant 1 heure.

Requête d’image de type DALL-E

La génération d’images à partir de modèles IA comme DALL-E ou Stable Diffusion est encore plus coûteuse, car elle mobilise un traitement graphique intensif: chaque pixel doit être «imaginé» par le réseau de neurones. Pour un rendu d’image de haute qualité, on peut estimer une consommation comprise entre 15 et 50 Wh, soit 0,015 à 0,05 kWh, par image générée. Là encore, la fourchette dépend du niveau de détail requis, de la taille de l’image, ainsi que de la capacité du matériel utilisé pour l’inférence (cartes graphiques spécialisées, serveurs optimisés, etc.).

Streaming d’une vidéo HD de 10 secondes de Sora

Enfin, en ce qui concerne la diffusion (streaming) d’une vidéo HD de 10 secondes comme celle de «Sora», il faut distinguer la production ou l’encodage initial de la vidéo de sa simple lecture en ligne. Pour le visionnage, les estimations se situent autour de 0,2 à 0,5 Wh (0,0002 à 0,0005 kWh) par utilisateur, en tenant compte de la lecture, de l’infrastructure réseau et des serveurs. En revanche, la génération d’une telle vidéo par un système d’IA «text-to-video» serait significativement plus gourmande, probablement entre 30 et 100 Wh (0,03 à 0,1 kWh), en raison de la complexité du traitement des images animées. Dans tous les cas, ces chiffres sont à prendre comme des ordres de grandeur: ils illustrent à quel point l’IA peut être énergivore et invitent à une réflexion sur l’optimisation des algorithmes et des infrastructures pour contenir l’empreinte carbone du numérique.

Et voici les sources proposées par le même ChatGPT o1 Pro, «Raisonnement optimal» toujours en italique:

Voici quelques pistes de références et de sources permettant d’illustrer les ordres de grandeur évoqués dans chacun des paragraphes. Les valeurs chiffrées citées peuvent varier selon les études, les hypothèses et l’évolution du matériel ou des infrastructures:

Paragraphe 1: la consommation énergétique, un enjeu majeur de l’IA

1. The Shift Project (2019), ‘Lean ICT – Towards Digital Sobriety’:
   • Rapport détaillant l’impact environnemental des technologies de l’information, y compris l’IA et les data centers.
   • Disponible en ligne: theshiftproject.org
2. Koomey, J.G. (2011), «Growth in data center electricity use 2005 to 2010»:
   • Étude universitaire analysant la consommation électrique des centres de données sur plusieurs années.
   • Disponible en ligne: analyticspress.org
3. International Energy Agency (IEA), rapports successifs sur la consommation liée au numérique:
   • L’IEA propose régulièrement des rapports et des statistiques sur les usages énergétiques, dont ceux des data centers.
   • Voir par exemple: iea.org

Paragraphe 2: comparer une requête ChatGPT à une requête Google

1. Google — Données sur l’efficacité énergétique des centres de données:
   • Google communique régulièrement sur l’amélioration de ses infrastructures et la réduction de l’empreinte carbone de ses services.
   • Voir: sustainability.google
2. Berners-Lee, M. (2010), «How Bad Are Bananas?: The Carbon Footprint of Everything»:
   • Ouvrage qui cite la consommation énergétique moyenne d’une recherche Google et d’autres activités numériques.
3. Références OpenAI ou blogs techniques:
   • Bien qu’il n’y ait pas toujours de publication officielle chiffrant précisément la consommation par requête, plusieurs articles de blog et interviews d’experts évoquent une fourchette pour ChatGPT ou des modèles GPT similaires.
   • Exemples:
     • openai.com/blog/
     • «GPT-3.5 and GPT-4 energy usage» (articles techniques non officiels, conférences, etc.)

Paragraphe 3: requête d’image de type DALL-E

1. OpenAI — Documentation et annonces autour de DALL-E:
   • Certains articles de blog abordent la complexité de la génération d’images et les ressources nécessaires.
   • Voir: openai.com/dall-e-2
2. Stability AI (Stable Diffusion):
   • Les discussions techniques sur les forums (GitHub, Reddit) évoquent la consommation des GPU (calcul, inférence) pour générer des images.
   • Exemples: github.com/CompVis/stable-diffusion
3. Rapports industriels/Benchmarks GPU:
   • Certains constructeurs (NVIDIA, AMD) publient des données de consommation ou d’efficacité pour différents types de charge de travail IA.
   • Exemples: nvidia.com/en-us/data-center/

Paragraphe 4: streaming d’une vidéo HD de 10 secondes de Sora

1. IEA (2020), ‘Data Centres and Data Transmission Networks’:
   • Le rapport inclut des estimations sur l’énergie consommée lors du streaming vidéo et du transfert de données.
   • Disponible en ligne: iea.org
2. The Shift Project (2019), ‘Lean ICT – Towards Digital Sobriety’:
   • Inclut également des estimations sur la consommation du streaming vidéo et des services OTT.
3. Articles ou études spécifiques au streaming:
   • Diverses publications académiques ou livres blancs (par ex. Cisco, Sandvine) proposent des estimations de consommation énergétique pour la distribution de contenu audiovisuel en fonction de la qualité (SD, HD, 4K…).
   • Exemples:
     • cisco.com/c/en/us/solutions/service-provider/visual-networking-index-vni/index.html
     • sandvine.com

Remarque: Les valeurs précises évoluent rapidement en fonction de l’optimisation des infrastructures (réseau, refroidissement des data centers, efficacité des GPU, etc.). Les chiffres indiqués dans les paragraphes précédents sont donc à considérer comme des ordres de grandeur provenant de différents rapports et études.