Impacts carbone de l’IA et de la vidéo

Impact Carbone de l’IA

L’impact carbone de l’IA provient principalement de la formation et de l’utilisation des modèles d’apprentissage automatique :

• La formation des modèles d’IA consomme énormément d’énergie, en particulier des grands modèles de langage comme GPT. Elle peut générer plusieurs tonnes de CO₂, en fonction de la taille du modèle, du nombre d’itérations, et de l’efficacité énergétique des data centers utilisés.
• Une fois un modèle d’IA formé, son utilisation en production (réponse aux requêtes) est moins énergivore que sa formation, mais l’impact peut s’accumuler avec un grand nombre de requêtes. Par exemple, une simple requête de recherche ou une interaction avec un assistant virtuel consomme moins d’énergie qu’une vidéo en streaming, mais à grande échelle, cet usage devient significatif.

L’IA générative menace sévèrement les objectifs environnementaux des géants du web. La construction de nouveaux datacenters (scope 3) fait enfler leur bilan carbone. +29% entre 2020 et 2023 pour Microsoft, +48% depuis 2019 pour Google. Amazon va construire pour 150 milliards de dollars de centres de données sur les 15 prochaines années. Microsoft va investir 100 milliards de dollars avec OpenAI pour le développement du superordinateur Stargate qui sera lancé en 2028 et devrait consommer jusqu’à 5 gigawatts d’électricité à plein régime. Soit l’équivalent d’un douzième de la capacité nucléaire française.

Impact Carbone de la Vidéo

Le streaming vidéo est une activité énergivore en raison de plusieurs facteurs :

• Les vidéos nécessitent la transmission de grandes quantités de données sur internet. Le streaming vidéo représente environ 60% du trafic internet global et la proportion ne fait qu’augmenter. Cette transmission consomme de l’énergie, à la fois pour les serveurs qui hébergent ou diffusent les vidéos et pour les infrastructures de réseau. Par exemple, une heure de streaming vidéo en HD peut générer de l’ordre de 300 g de CO₂, selon la qualité et le type de connexion au réseau.
• La lecture de vidéos sur les appareils utilisateurs (ordinateurs, smartphones, téléviseurs) consomme de l’énergie pour le décodage et l’affichage. Les écrans haute résolution et les appareils performants amplifient cette consommation.

Nous avons beaucoup écrit sur la mesure des émissions de GES liées au streaming, la sobriété numérique et la notion de streaming responsable. Une catégorie de notre blog est consacrée à ce sujet.

Comparaison entre IA et Vidéo

Vous l’aurez compris, il y a peu de sens à comparer l’impact de la construction massive de datacenters (scope 3) pour des besoins de calcul croissants et celui de la consommation électrique (scope 2) liée à la lecture de vidéos en streaming.

• Si l’on considère l’impact carbone par action (par exemple, une requête IA contre une heure de streaming vidéo), la vidéo a généralement un impact plus élevé, surtout en haute qualité.
• L’IA peut avoir un impact énorme à l’échelle lors de la formation de grands modèles, mais pour des tâches quotidiennes, son empreinte carbone est relativement faible par rapport à la vidéo en continu.
• Le streaming vidéo est souvent un usage prolongé, tandis que l’utilisation de l’IA pour des tâches spécifiques (comme des requêtes ponctuelles) est plus éphémère.

En général, pour une utilisation ponctuelle, la vidéo en streaming a un impact carbone plus élevé qu’une requête d’IA. Cependant, l’entraînement de grands modèles d’IA est extrêmement énergivore et peut, à l’échelle, dépasser l’impact du streaming vidéo.

Des pratiques raisonnables et la sobriété numérique sont les meilleures pistes pour minimiser l’empreinte carbone globale de ces technologies.

Streamlike propose volontiers d’associer IA et vidéo, mais toujours avec discernement, pour des usages précis qui le justifient.

Signalons (et saluons) la création de la communauté GenAI-Impact dont les objectifs sont :

• Mieux comprendre et quantifier les impacts environnementaux de l’IA générative;
• Sensibiliser les utilisateurs et décideurs sur ces enjeux et promouvoir des pratiques raisonnées;
• Fournir des outils aux développeurs pour calculer ces impacts et faciliter des prises de décision responsables.

[English] : The carbon impact of AI and video