- Le marché mondial de l’IA pourrait valoir 1 600 milliards de dollars d’ici 2030, ce qui a de graves implications environnementales. Mais les données et l’IA peuvent contribuer à résoudre les problèmes environnementaux en aidant la recherche et en favorisant une gouvernance environnementale efficace. Les gouvernements et les entreprises devraient soutenir l’utilisation responsable de l’IA dans le contexte du changement climatique.
Le marché mondial de l’intelligence artificielle (IA) est projeté afficher un TCAC (taux de croissance annuel composé) de 38,1 % et atteindre une valeur proche de 1 600 milliards de dollars d’ici 2030, une hausse fulgurante aidé autant par le big data selon Statista, la quantité de données créée par l’économie numérisée d’aujourd’hui augmente chaque année de 40 % et devrait atteindre 163 000 milliards de gigaoctets d’ici 2025, ce qui alimentera davantage la croissance de l’IA.
Chaîne de valeur des données et environnement
La chaîne de valeur des données implique des dispositifs et des capteurs pour capturer les données, des réseaux pour communiquer les données et des centres de données pour les stocker. Tout cela nécessite des ressources naturelles et de l’énergie pour construire et transporter les appareils et produits, qui émettent des gaz à effet de serre tout au long de leur cycle de vie. Au-delà des produits eux-mêmes, l’énergie est également nécessaire pour exécuter des algorithmes d’apprentissage automatique. Les centres de données sont responsable de 20% de toute la consommation d’électricité du centre financier allemand de Francfort. Les réseaux de neurones – des systèmes informatiques inspirés du cerveau humain et utilisés par la plupart des algorithmes d’IA modernes – sont particulièrement gourmands en énergie. La tendance générale de l’IA est à une consommation d’énergie toujours plus importante en raison de l’informatique utilisée pour former le modèle et de l’informatique utilisée pour déduire de nouvelles données à partir de ces modèles. Selon OpenAIcréateurs de ChatGPTle calcul utilisé pour entraîner le modèle moyen augmente d’un facteur 10 chaque année. Certains croient l’apprentissage automatique est en passe de consommer toute l’énergie qui peut être fournie.
De nombreuses études ont étudié comment les données et l’IA peuvent être utilisées pour résoudre les problèmes de durabilité en révélant de nouvelles informations et en contribuant à des décisions plus intelligentes. Pourtant, certains de ces avantages sont compensés par des effets de rebond et des pratiques humaines, et l’impact négatif direct de la chaîne de valeur des données et de l’IA est important. « L’IA transformera les pratiques commerciales et les industries et a le potentiel de résoudre des problèmes de société majeurs, y compris la durabilité. La dégradation de l’environnement naturel et la crise climatique sont des phénomènes extrêmement complexes nécessitant les solutions les plus avancées et les plus innovantes », affirment des chercheurs en intelligence artificielle. Rohit Nishant, Mike Kennedy et Jacqueline Corbett. Au niveau de l’entreprise, ils proposent cinq pistes pour concilier l’impact de l’IA sur l’environnement et sa centralité dans une solution à la crise climatique.1. Adopter une vue multiniveaux pour capter la complexité du monde réel, et limiter les effets rebond par exemple.2. Utilisez une perspective de dynamique du système pour capturer les interactions et les boucles de rétroaction entre la technologie, les utilisateurs et les autres parties prenantes. 3. Suivez une approche de réflexion conceptuelle pour minimiser les conséquences imprévues potentielles et améliorer l’efficacité des solutions d’IA. 4. Comprendre les fondements psychologiques et sociologiques de la réponse humaine pour des solutions efficaces à long terme. 5. Examiner la valeur économique de l’IA pour la durabilité afin de développer notre compréhension de la différence entre l’IA et l’informatique conventionnelle.« La véritable valeur de l’IA ne résidera pas dans la manière dont elle permet à la société de réduire ses intensités d’utilisation de l’énergie, de l’eau et des terres, mais plutôt, à un niveau supérieur, dans la manière dont elle facilite et favorise la gouvernance environnementale », ajoutent les chercheurs.
Entreprises et gouvernance
Divers rapports ont exhorté les gouvernements à poursuivre une IA durable et l’un d’eux suggéré ce qui suit. À mesure que le volume de données et l’utilisation de l’IA augmentent et se répandent dans les industries, les tailles d’entreprise et les pays, les entreprises seront de plus en plus interpellées sur les implications environnementales des données et de l’IA par le public et très probablement, les régulateurs. niveau de maturité au sein du public, des entreprises et des gouvernements, ne compter que les avantages de l’utilisation de l’IA pour résoudre les problèmes environnementaux ne suffira plus. Une mise en balance avec les autres impacts négatifs de l’organisation (sur des sujets autres que numériques) et la prise en compte de l’impact négatif direct seront nécessaires. Parvenir à cette mesure nécessitera une vision systémique des impacts environnementaux, bien au-delà de son impact purement numérique (qu’il soit direct ou indirect). ), et en incluant les parties prenantes extérieures à l’entreprise (clients et fournisseurs par exemple). Viser un effet positif nécessitera de mobiliser des expertises absentes ou isolées de l’expertise d’ingénierie (sciences du comportement et design thinking par exemple).
Qu’est-ce que tout cela signifie pour la stratégie et la dynamique de la concurrence ?
Du point de vue de la dynamique de la concurrence, il est probable que quelques entreprises agissent au-dessus des normes et des attentes et construisent un positionnement distinctif. Pour ceux qui le font, cependant, l’avantage concernera l’image de marque et un moyen de soutenir un positionnement haut de gamme. Cependant, cela nécessitera également des engagements fermes sur de nombreux aspects pour éviter le label de greenwashing, et entraînera donc des changements significatifs dans leur modèle commercial. à se demander sérieusement s’ils ont besoin de toutes les données auxquelles ils ont accès et s’ils ont besoin de modèles énergivores. Certaines entreprises, plus nombreuses, vont définir des stratégies d’économies d’énergie radicales pour des raisons de coût. Plus l’importance relative de l’énergie dans les coûts est élevée, plus l’efficacité constitue un avantage. De même, certaines entreprises tenteront d’obtenir un accès moins cher à une énergie propre, comme le font déjà les grandes entreprises technologiques.Comment nous équilibrons le potentiel d’innovation de l’IA avec son impact environnemental est une conversation difficile mais nécessaire à avoir. C’est une conversation nécessaire car chaque jour nous rappelle l’urgence des décisions à prendre. C’est difficile parce que ce n’est pas purement
question technologique — c’est aussi une question de gouvernance.
