Agir
à la maison

Le développement de l’IA générative implique des investissements très importants dans de nouveaux datacenters, de plus en plus puissants.

Il faut en effet une puissance de calcul très importante pour « entraîner » les modèles.

Plus les modèles d’IA sont sophistiqués, plus ils nécessitent de puissance de calcul et donc d’énergie pour leur entraînement. Par exemple, entraîner GPT-3 (la première version de ChatGPT, lancée en 2021) a consommé 1,3 GWh d’énergie. En revanche, la dernière version de LLaMa (3.1), un modèle de langage ouvert développé par Meta en juillet 2024, a nécessité plus de 26 GWh. Cela représente une augmentation de 20 fois la consommation d’énergie pour l’entraînement en seulement quatre ans !

L’IA générative a besoin également d’énergie pour l’étape d’utilisation. A chaque requête de nouveaux calculs doivent être effectués. S’ils sont beaucoup plus simples que ceux réalisés à la phase d’entraînement, leur multiplication implique une grande consommation énergétique.

Ainsi, avec un outil comme ChatGPT, qui compte des millions d’utilisateurs chaque jour, on estime que son impact mensuel lorsqu’il répond aux questions est 20 fois plus élevé que lors de son entraînement initial.

Le développement de l’IA générative implique la multiplication de la construction de datacenters. Les derniers projets de data centers ont des consommations électriques équivalentes à la production de plusieurs réacteurs nucléaires !

Prenons le temps de réfléchir avant de nous précipiter vers un monde dépendant de l’IA générative…