L’approvisionnement en eau pourrait diminuer d’un tiers au cours des 50 prochaines années, et le besoin d’énergie et d’eau pour former l’IA pourrait devenir un problème.
Pour entrer dans un centre de données, vous avez d’abord besoin d’un sweat-shirt. Et c’est là que réside le problème. L’intelligence artificielle générative (IA), comme ChatGPT ou Bard, a besoin de basses températures pour s’entraîner, et ne peut les maintenir qu’en consommant de l’énergie et de l’eau. De nouvelles recherches de l’Université du Colorado, Riverside et de l’Université du Texas, Arlington ont montré que pour GPT-3 ont été consommés 700 000 litres d’eau. Comme l’expliquent les chercheurs, « la quantité d’eau douce claire nécessaire pour former GPT-3 équivaut à la quantité nécessaire pour remplir la tour de refroidissement d’un réacteur nucléaire.”
L’IA a soif à un moment où les sécheresses forcent le rationnement de l’eau, de sorte que les chercheurs craignent que le développement de la nouvelle technologie n’ait un impact problématique sur l’approvisionnement en eau. « L’empreinte eau doit être traitée en priorité dans le cadre des efforts collectifs pour lutter contre les défis mondiaux de l’eau. »
Comment l’intelligence artificielle consomme de l’eau
Les salles de serveurs sont toujours maintenues au frais, généralement entre 10 et 26 degrés pour éviter les dysfonctionnements de l’équipement. Maintenir la température est un défi, car les serveurs convertissent l’énergie en chaleur. Pour contrer l’augmentation de la température, on utilise des tours de refroidissement qui, pour effectuer correctement leur travail, ont besoin d’énormes quantités d’eau. Selon les experts, un litre est nécessaire pour chaque kilowattheure dans un centre de données. De plus, pour éviter la corrosion des machines ou l’infiltration de bactéries, il est nécessaire d’utiliser uniquement de l’eau fraîche et propre, qui sert également à contrôler le niveau d’humidité dans les pièces.
En réalité, ce n’est pas un problème nouveau ou lié uniquement à l’intelligence artificielle. Comme l’explique le magazine technologique Gizmodo, « Google a demandé plus de 2,3 milliards de gallons d’eau pour les centres de données dans seulement trois États. La société possède actuellement 14 centres de données répartis en Amérique du Nord, qu’elle utilise pour alimenter Google Search, sa suite de produits pour le lieu de travail et, plus récemment, ses modèles linguistiques à grande échelle LaMDa et Bard. Selon l’étude de recherche, LaMDA pourrait nécessiter encore plus d’eau car les centres de données de Google sont situés dans des sites plus chauds, par exemple au Texas.
Un rapport sur l’intelligence artificielle de Stanford a plutôt examiné qu’il y a aussi un problème lié à la consommation d’énergie, les usines pour former GPT3 ont besoin de 502 tonnes de carbone. L’étude a expliqué que l’énergie nécessaire pourrait alimenter la maison d’une personne pendant des centaines d’années. « La ruée vers les centres de données pour tout suivre est assez mouvementée », a déclaré Kevin Kent, PDG de Critical Facilities Efficiency Solution, dans une interview avec Time. Et puis il a poursuivi : « On ne peut pas toujours faire les meilleurs choix d’un point de vue environnemental ».
Sécheresse et changement climatique
Le rapport de synthèse (SYR) publié le 20 mars 2023 par le GIEC, somme d’un immense travail qui a nécessité huit ans et l’engagement de centaines de scientifiques de diverses disciplines, a expliqué qu’il existe encore une marge de temps limitée pour éviter des impacts catastrophiques. Ensuite, aux États-Unis, le Forum économique mondial a estimé que 2,2 millions d’habitants n’ont pas de plomberie intérieure de base et que 44 millions de plus vivent avec des systèmes d’eau inadéquats. D’ici 2071, Stanford estime que près de la moitié des 204 masses d’eau douce du pays ne pourront pas répondre aux demandes mensuelles en eau. L’approvisionnement en eau pourrait diminuer d’un tiers au cours des 50 prochaines années.
La soif d’intelligence artificielle devient encore plus problématique dans un scénario où au lieu de consommer il faudrait trouver des solutions pour économiser l’eau. Comme l’expliquent les chercheurs, il faut tout d’abord prendre quelques précautions. Par exemple, choisir des sites de centre de données dans des endroits froids ou entraîner des modèles la nuit, car la température affecte la quantité d’eau nécessaire au refroidissement. De plus, les utilisateurs pouvaient en fait interagir avec le chatbot pendant les heures d’économie d’eau, un peu comme il arrive déjà d’utiliser des machines à laver ou des lave-vaisselle.
« Nous recommandons aux développeurs de modèles d’IA et aux opérateurs de centres de données d’être plus transparents », ont expliqué les chercheurs. « Quand et où les modèles d’IA sont-ils formés ? Qu’en est-il des modèles d’IA formés et/ou déployés dans des centres de données de colocation tiers ou des clouds publics ? De telles informations seront d’une grande valeur pour la communauté des chercheurs et le grand public. »
Découvrez le reportage du mois (sous-titré en français), l’IA gagnera t-elle face aux champion du monde du jeu de Go ? :
