# Comment réduire l'empreinte écologique de l'IA ? **Date de l'événement :** 29/04/2025 * Publié le 29/04/2025 **Vide :** [Vidéo 1](https://www.youtube.com/watch?v=nijQnCzUHZI) ## Description 🎥 Retour sur la MKIA, l’événement IA signé Maddyness 📍 Le 29 avril, dans la salle Gaveau, Maddyness a rassemblé l’écosystème tech pour une journée unique autour de l’intelligence artificielle. Pour cette table ronde, Lyline Lim de Photoroom, Marianne Tordeux-Bitker de France Digitale et Gilles Closset d'OVH cloud répondent à la question comment réduire l’empreinte écologique de l’IA. 🚀 Pourquoi la MKIA ? À l’heure où l’IA suscite autant d’inquiétudes que de promesses, Maddyness a fait le choix d’un événement à contre-courant : pas de buzz, pas de peur, mais du concret, de l’analyse et surtout de l’action. Entrepreneurs, décideurs, scientifiques, artistes : ils étaient tous là pour partager leur vision et leurs projets. 🔍 Pour aller plus loin : → Tous nos contenus exclusifs sur https://www.maddyness.com → Notre newsletter quotidienne à 20h avec l’offre spéciale Maddy+ ➡️ https://maddyplus.maddyness.com 📌 Merci à toutes celles et ceux qui ont participé à faire de cette journée un moment fort de réflexion, de créativité et d’engagement autour de l’intelligence artificielle. 0:00 Intro 1:12 Le rebond effect pour les usages grand public 5:05 Les datacenters au coeur de la pollution IA 7:50 Trouver l'équilibre entre régulation et innovation 10:58 Mesurer l'activité pour agir sur les bons leviers 15:05 Comment quantifier cette pollution ? 18:20 Quelle est la clé pour proposer une IA responsable ? 21:55 Le risque du retour des énergies fossiles 23:07 La priorité ? ### Date 29/04/2025 **Chaîne :** [Maddyness](https://www.youtube.com/channel/UC_QKonrSANHUcQz__ykt0MA) ### Thème(s) `#Climat` `#Intelligence artificielle (AI & GenAI)` `#Numérique et technologie` ### Format `#Vidéo` --- ### Média externe associé : https://www.youtube.com/watch?v=nijQnCzUHZI #### Résumé du média Voici les 5 sujets et insights les plus importants de la conférence, avec un paragraphe synthétique pour chacun : **1. L'Effet Rebond et le Paradoxe de Jevons dans l'IA** L'intervention de Lili Lim de PhotoRoom met en lumière un enjeu crucial : l'effet rebond et le paradoxe de Jevons. L'effet rebond se manifeste lorsque l'amélioration de l'efficacité d'une technologie (ici, l'IA générative) entraîne une augmentation de son utilisation, annulant potentiellement les gains environnementaux initiaux. Le paradoxe de Jevons, quant à lui, souligne que l'augmentation de l'efficacité d'une ressource peut paradoxalement conduire à une consommation globale accrue de cette ressource. PhotoRoom, en réduisant considérablement le temps de génération d'images grâce à l'IA, a vu une explosion de son utilisation, posant la question de l'impact énergétique global. Cependant, Lili souligne également que l'IA peut remplacer des pratiques plus polluantes, comme les séances photo traditionnelles nécessitant des déplacements importants. L'enjeu est donc de trouver un équilibre entre l'accessibilité et l'efficacité de l'IA, tout en évitant une surconsommation qui pourrait annuler ses bénéfices environnementaux. **2. La Mesure et la Réduction de l'Empreinte Carbone des Data Centers** Gilles Closset d'OVHcloud insiste sur l'importance de mesurer et de contrôler l'empreinte carbone de l'IA, en s'appuyant sur le protocole GHG (Greenhouse Gas Protocol) qui distingue trois scopes d'émissions. Il souligne que le scope 3, qui englobe les émissions indirectes sur toute la chaîne de valeur (notamment la fabrication des composants informatiques), est de loin le plus important. OVHcloud se distingue en étant transparent sur ce scope 3 et en permettant à ses clients de calculer l'empreinte carbone de leurs services. La localisation des data centers, l'utilisation d'énergies bas carbone et le watercooling sont présentés comme des leviers essentiels pour réduire l'impact environnemental des infrastructures IA. Le watercooling, en particulier, permet de réduire significativement la consommation d'énergie des GPU, qui sont de plus en plus gourmands en raison des besoins de calcul de l'IA. **3. La Responsabilité Collective et la Sélection des Usages de l'IA** Marianne Tordieu-Bitker de France Digital met en avant la responsabilité collective dans l'usage de l'IA. Elle souligne que l'automatisation et l'IA entraînent inévitablement une consommation de ressources accrue, et qu'il est donc crucial de se concentrer sur les usages qui apportent une valeur ajoutée réelle à la société. Elle questionne la pertinence d'utiliser l'IA pour des applications futiles comme la publicité ciblée, et plaide pour une sélection rigoureuse des usages, en privilégiant les acteurs qui adoptent des pratiques éco-responsables. Marianne insiste sur le fait que la réglementation seule ne suffira pas à encadrer l'IA, et qu'il est essentiel de sensibiliser les entreprises et les citoyens à l'impact de leurs choix. **4. L'Importance des Modèles d'IA Frugaux et Spécialisés** Lili Lim et Gilles Closset convergent sur l'importance de privilégier les modèles d'IA frugaux et spécialisés. Plutôt que d'utiliser des modèles généralistes comme ChatGPT pour toutes les tâches, il est préférable d'opter pour des modèles plus petits, entraînés spécifiquement pour un cas d'usage précis. Ces modèles frugaux consomment moins d'énergie, sont plus rapides et peuvent même offrir une meilleure qualité de résultats. Gilles Closset souligne également l'intérêt de benchmarker les modèles pour identifier le plus petit modèle capable de répondre aux besoins, et d'optimiser les modèles existants grâce à des techniques comme la quantisation et le pruning. **5. Le Rôle des Politiques Publiques et de la Commande Publique dans le Développement d'une IA Responsable** Marianne Tordieu-Bitker insiste sur le rôle crucial des politiques publiques pour favoriser le développement d'une IA responsable. Au-delà de la réglementation, elle plaide pour une politique de commande publique qui privilégie les entreprises européennes et les solutions éco-responsables. Elle souligne que les États-Unis ont su créer des champions technologiques grâce à des programmes d'investissement massifs comme la DARPA, et que l'Europe doit s'inspirer de cet exemple. Elle appelle également à une vision à long terme, au-delà des alternances politiques, pour soutenir les initiatives qui vont dans le bon sens. #### Mots-clés du média `intelligence artificielle` `écologie` `empreinte écologique` `data centers` `OVHcloud` `France Digital` `Photoroom` `IA générative` `e-commerce` `énergie` `décarbonation` `réglementation` `consommation` `efficacité énergétique` `responsabilité` #### Chapitres du média - **Introduction à l'écologie de l'IA** (8.367 - 72.258): Présentation de la table ronde sur l'écologie de l'IA, abordant les préoccupations concernant la pollution par les data centers et l'importance de réduire l'empreinte écologique de l'IA. - (8.367): Introduction de la table ronde sur l'écologie et l'IA. - (8.367): L'IA est souvent perçue comme polluante à cause des data centers. - (8.367): Il est important de rétablir la vérité sur l'impact écologique de l'IA. - (8.367): L'objectif est de discuter de la réduction de l'empreinte écologique de l'IA. - (8.367): Présentation des intervenants : Gilles Closset, Marianne Tordieu-Bitker et Lili Lim. - (8.367): Le sujet de l'écologie et de l'IA peut être sensible. - **L'effet rebond et le paradoxe de Jevons dans l'IA** (72.258 - 304.83): Discussion sur l'impact de l'IA générative sur la consommation d'énergie, en particulier l'effet rebond et le paradoxe de Jevons, illustrés par l'exemple de PhotoRoom et son utilisation dans l'e-commerce. - (72.258): Photoroom a connu un grand succès, impliquant une explosion des usages et la problématique du 'rebound effect'. - (72.258): Photoroom est leader mondial en IA générative pour l'e-commerce, utilisé par de grandes marques et des millions de PME. - (72.258): L'effet rebond, similaire à la fast fashion, voit l'usage exploser avec l'accessibilité et le faible coût. - (72.258): PhotoRoom traite près de 2 milliards d'images par an grâce à l'IA. - (72.258): L'IA peut réduire l'empreinte écologique en évitant des voyages et en favorisant la réutilisation. - (72.258): La Belle Emmaüs a vu ses ventes augmenter de 56% en utilisant Photoroom, favorisant l'économie circulaire. - **La matérialité de l'IA et l'importance des data centers** (304.83 - 471.055): Focus sur l'infrastructure nécessaire à l'IA, notamment les serveurs et les GPU, et l'importance de la localisation des data centers pour réduire l'empreinte carbone. - (304.83): L'IA nécessite de la puissance de calcul et donc des gros serveurs. - (304.83): Il est important de considérer la matérialité de l'IA, les serveurs et les GPU. - (304.83): Le GHG Protocol définit trois scopes pour mesurer l'empreinte carbone. - (304.83): Le scope 3, qui concerne les émissions indirectes sur toute la chaîne de valeur, est le plus important (85% pour OVH). - (304.83): OVHcloud offre une calculatrice carbone à ses clients pour évaluer l'empreinte de leurs services. - (304.83): La localisation du data center a un impact important sur l'empreinte carbone. - **Réglementation et équilibre entre IA et décarbonation** (471.055 - 658.647): Discussion sur le rôle de la réglementation dans la promotion d'une IA responsable et la nécessité de trouver un équilibre entre le développement de l'IA et la décarbonation. - (471.055): Il faut trouver un équilibre entre le développement de l'IA et la décarbonation. - (471.055): L'automatisation a des conséquences sur la trajectoire de carbonation et l'usage des ressources. - (471.055): Il est important de se concentrer sur les usages positifs de l'IA et de sélectionner les acteurs éco-friendly. - (471.055): La France est considérée comme un bon élève en matière d'intégration des enjeux environnementaux dans le développement de l'IA. - **Mesure de l'impact environnemental de l'IA et initiatives** (658.647 - 926.49): Présentation des efforts de PhotoRoom pour mesurer et réduire son impact environnemental, notamment en utilisant de l'énergie verte et en optimisant les algorithmes. - (658.647): Photorome a choisi l'énergie verte pour l'entraînement de ses modèles IA, réduisant ses émissions de CO2. - (658.647): Photorome a développé une méthodologie pour mesurer l'empreinte carbone de l'inférence. - (658.647): Les efforts de Photorome ont permis de réduire le temps de calcul à l'équivalent d'une à trois respirations humaines par requête. - (658.647): ZendElectro.com s'attaque à la mesure et à la quantification de l'activité, incluant l'empreinte carbone des composants et le PUE. - **Watercooling et efficacité énergétique des data centers** (926.49 - 1100.526): Explication du rôle du watercooling dans la réduction de la consommation d'énergie des data centers, en particulier pour les infrastructures d'IA. - (926.49): Les data centers consomment environ 2% de l'énergie mondiale, dont 8% dédiés à l'IA, et ce ratio pourrait atteindre 15-20% d'ici 2028. - (926.49): Les GPU consomment beaucoup d'énergie (jusqu'à 1000 watts par carte), créant un défi de refroidissement important. - (926.49): La climatisation est devenue insuffisante pour refroidir les data centers en raison des volumes de chaleur à extraire. - (926.49): L'industrie bascule vers le watercooling, une méthode plus efficace et moins énergivore. - (926.49): Le watercooling peut réduire la consommation d'un GPU jusqu'à 35%. - (926.49): Le watercooling est un axe principal pour réduire l'empreinte carbone de l'IA. - **Dosage de l'IA et opportunités géopolitiques** (1100.526 - 1145.355): Discussion sur l'importance d'adapter l'utilisation de l'IA aux besoins réels et les opportunités géopolitiques pour l'Europe dans le domaine de l'IA responsable. - (1100.526): Il y a des choses qui sont mises en œuvre. - (1100.526): Adapter l'IA aux usages, ne pas l'utiliser comme un bazooka pour tuer une fourmi. - (1100.526): Argument réglementaire pour influer dans un échiquier géopolitique en mouvement. - (1100.526): Opportunité géopolitique à saisir pour l'Europe sur le plan réglementaire. - (1100.526): La réponse ne viendra pas de la réglementation. - **Rôle de la réglementation et émergence de champions européens** (1145.355 - 1315.757): Discussion sur le rôle de la réglementation, notamment la CSRD, dans la promotion d'une IA responsable, et la nécessité pour l'Europe de soutenir l'émergence de champions dans ce domaine. - (1145.355): La réglementation seule ne suffira pas, mais la CSRD aide au reporting extra-financier. - (1145.355): Il est compliqué de mettre en œuvre la réglementation, mais nécessaire pour identifier les axes d'amélioration. - (1145.355): Le politique doit faire émerger des champions européens par la préférence européenne dans la commande publique. - (1145.355): L'Europe a besoin d'investissements massifs et de commandes publiques pour faire émerger des entreprises, comme la DARPA aux États-Unis. - (1145.355): Le soutien politique doit se faire à long terme pour créer des écosystèmes durables. - (1145.355): Le risque est un retour aux énergies fossiles à cause de la pression de la demande mondiale. - **Risque d'abandon des énergies décarbonées** (1315.757 - 1389.378): Évaluation du risque que la forte demande mondiale en IA conduise à un abandon des énergies décarbonées au profit des énergies fossiles. - (1315.757): La pression de la demande mondiale pourrait entraîner un retour aux énergies fossiles. - (1315.757): Les VC n'ont pas abandonné la thèse de la décarbonation. - (1315.757): Recherche de technologies innovantes pour la décarbonation. - (1315.757): La décarbonation est un sujet porteur de business. - **Priorités pour une IA plus sobre** (1389.378 - 1624.169): Discussion sur les priorités immédiates pour rendre l'IA plus sobre, notamment l'utilisation de modèles spécialisés et l'optimisation des modèles existants. - (1389.378): Privilégier des modèles d'IA spécialisés et frugaux pour réduire la consommation d'énergie. - (1389.378): Optimiser les modèles d'IA (quantisation, pruning, distillation) pour réduire leur taille et complexité. - (1389.378): Réduire la consommation d'énergie en IA en utilisant des modèles plus petits et en benchmarkant les modèles. - (1389.378): Prolonger la durée de vie des composants informatiques pour réduire l'empreinte carbone. - **Responsabilité collective et acceptabilité de l'IA** (1624.169 - 1788.253): Conclusion sur la responsabilité collective dans le déploiement de l'IA et l'importance de comprendre les préoccupations des différentes parties prenantes pour assurer l'acceptabilité de l'IA. - (1624.169): Comprendre la responsabilité de chacun dans le déploiement de l'IA. - (1624.169): Les entreprises doivent comprendre le logiciel des autres parties prenantes (pouvoirs publics, citoyens, syndicats). - (1624.169): Il faut de l'explicabilité dans les solutions proposées et garder le choix pour les citoyens. - (1624.169): Éviter d'imposer des usages de l'IA. - (1624.169): Rendre l'IA acceptable pour tous. --- ### Navigation pour IA - [Index de tous les contenus](https://weare.my-memory.io/llms.txt) - [Plan du site (Sitemap)](https://weare.my-memory.io/sitemap.xml) - [Retour à l'accueil](https://weare.my-memory.io/)