L’IA générative: un moteur d’innovation à l’empreinte écologique préoccupante

Un rapport récent publié par le Capgemini Research Institute met en lumière l’impact environnemental croissant de l’IA générative, un enjeu auquel de nombreuses entreprises peinent encore à faire face.

Un récent rapport du Capgemini Research Institute intitulé Developing Sustainable Gen AI, détaille comment l’adoption rapide de l’IA générative, bien qu’elle promette des gains d’efficacité et de performance, contribue significativement à l’augmentation des émissions de gaz à effet de serre (GES). Près de la moitié des cadres dirigeants interrogés (48%) ont ainsi constaté une hausse de leurs émissions dues à l’utilisation de l’IA générative, un constat qui les oblige parfois à réviser leurs objectifs climatiques (ESG).

Une adoption fulgurante, mais un impact environnemental négligé

Depuis 2023, le recours à l’IA générative a connu une progression spectaculaire. Il a quadruplé pour atteindre 24 % des entreprises l’intégrant dans leurs activités. Cependant, cette montée en puissance s’accompagne d’une augmentation prévisible de son empreinte carbone, qui pourrait passer de 2,6 % à 4,8 % des émissions totales des entreprises dans les deux prochaines années. Cette technologie, gourmande en ressources, nécessite un traitement massif de données et une puissance de calcul élevée.

Malgré ces enjeux, seuls 12 % des dirigeants suivent activement cet impact, et seulement 38 % se déclarent conscients des répercussions environnementales de l’IA générative. Toutefois, des efforts émergent : 31 % des entreprises ont lancé des initiatives durables, comme le recours à des modèles plus légers et l’alimentation de leur infrastructure avec des énergies renouvelables, un mouvement qui devrait s’intensifier dans les 12 prochains mois.

Des arbitrages en faveur de la performance

La priorité des entreprises reste axée sur la performance et les coûts. Elle relègue la durabilité au second plan lors du choix des modèles d’IA. D’après le rapport de Capgemini, moins de 20 % des décideurs placent l’impact environnemental parmi leurs cinq principaux critères de sélection ou de développement de modèles d’IA générative. Pourtant, plus de la moitié estiment qu’intégrer la durabilité dans les critères de choix des fournisseurs d’IA pourrait significativement réduire l’empreinte écologique de cette technologie.

Transparence et collaboration

Le rapport du Capgemini Research Institutemet également en évidence l’importance de la transparence et de la collaboration au sein du secteur pour mieux mesurer et réduire l’impact environnemental de l’IA générative. Les organisations, qui dépendent souvent de modèles pré-entraînés fournis par des partenaires technologiques, appellent à plus de clarté sur les méthodologies utilisées pour évaluer leur empreinte écologique.

« Si nous voulons que l’IA générative soit un moteur de croissance durable, l’ensemble du marché doit ouvrir la discussion sur de la collaboration autour des données, en élaborant des normes sur la façon dont nous mesurons l’empreinte environnementale de l’IA, afin que les dirigeants soient équipés pour prendre des décisions business plus éclairées et responsables, et atténuer ces impacts, avance Cyril Garcia, responsable mondial des offres ‘Sustainability’ et de la RSE et membre du Comité de Direction générale du Groupe. L’IA a le potentiel d’accélérer les objectifs business et les initiatives de développement durable. Nous proposons ici une marche à suivre pour que les dirigeants puissent exploiter pleinement les technologies telles que l’IA générative et avoir un impact positif sur les organisations, la société et la planète. »

Perspectives et enjeux futurs

Car, malgré son empreinte environnementale, l’IA générative pourrait aussi accélérer les objectifs de durabilité de certaines entreprises, notamment grâce à des innovations dans la conception de produits circulaires et le pilotage des émissions. Cependant, seulement un tiers des professionnels utilisent l’IA dans ce cadre, ce qui met en évidence un potentiel encore sous-exploité.