Des chercheurs de la startup d’IA Hugging Face ont collaboré avec l’Université Carnegie Mellon et ont découvert que générer une image à l’aide de l’intelligence artificielle, qu’il s’agisse de créer des images d’archives ou des photos d’identité réalistes, a une empreinte carbone équivalente à celle de charger un smartphone. Cependant, les chercheurs constatent que générer du texte, qu’il s’agisse de créer une conversation avec un chatbot ou de nettoyer un essai, nécessite beaucoup moins d’énergie que générer des photos. Les chercheurs estiment que le texte généré par l’IA consomme autant d’énergie que le chargement d’un smartphone à seulement 16 % d’une charge complète.
L’étude ne s’est pas seulement penchée sur la génération d’images et de textes par des programmes d’apprentissage automatique. Les chercheurs ont examiné un total de 13 tâches, allant du résumé à la classification de textes, et ont mesuré la quantité de dioxyde de carbone produite pour 1 000 grammes. Dans un souci d’équité de l’étude et de diversité des ensembles de données, les chercheurs ont déclaré avoir mené les expériences sur 88 modèles différents en utilisant 30 ensembles de données. Pour chaque tâche, les chercheurs ont exécuté 1 000 invites tout en rassemblant le « code carbone » pour mesurer à la fois l’énergie consommée et le carbone émis lors d’un échange.
Les résultats soulignent que les tâches les plus gourmandes en énergie sont celles qui demandent à un modèle d’IA de générer du nouveau contenu, qu’il s’agisse de génération de texte, de résumé, de sous-titrage d’images ou de génération d’images. La génération d’images est la tâche la plus énergivore en termes de quantité d’émissions produites et la classification de textes est classée comme la tâche la moins énergivore.
Les chercheurs exhortent les scientifiques et les praticiens de l’apprentissage automatique à « faire preuve de transparence concernant la nature et les impacts de leurs modèles, afin de permettre une meilleure compréhension de leurs impacts environnementaux ». Bien que la consommation d’énergie associée au chargement d’un smartphone par image d’IA générée puisse ne pas sembler désastreuse, le volume des émissions peut facilement s’accumuler si l’on considère à quel point les modèles d’IA sont devenus populaires et publics. Prenez ChatGPT par exemple : les auteurs de l’étude soulignent qu’à son apogée, le chatbot d’OpenAI comptait aujourd’hui plus de 10 millions d’utilisateurs par jour et 100 millions d’utilisateurs actifs par mois.