Green AI, AI for green... Un état des lieux entre ChatGPT et la CSRD

Entre green AI et AI for green, où en est la tendance en France ? Le Cigref, l’Institut G9+, le Hub France IA, Numeum et Planet Tech Care ont produit un rapport à ce sujet.

Ce rapport résulte d’entretiens avec 72 professionnels de 45 organisations*. Voici quelques-unes des déclarations qui le jalonnent.

Sur les stratégies d’intégration de l’IA

« L’IA n’est presque pas perçue comme de l’IT. Le hype de l’IA rend difficile d’apporter du green. »

« La transformation de métiers tels que les juristes ou les développeurs nous pose un problème nouveau : comment les faire devenir seniors, alors que l’IA fait le travail des juniors ? »

« On [ouvre la GenAI] à certaines familles professionnelles : marketing, vente… Tous les métiers utilisant des données non structurées. Des données qu’on ne valorisait pas ; par exemple, des retours clients sur un produit. »

« On a notre ChatGPT (outils open source). On laisse le choix de l’utilisation à tout le monde dans l’entreprise. Les développeurs peuvent tester toute notre plate-forme qui sert de base de tests de plusieurs LLM. […] Pour les autres utilisateurs, on cadre des usages sans forcément le montrer. »

Sur l’écoconception

« [Il est essentiel de] prioriser les applications qui fonctionneront demain avec des ordinateurs d’hier. »

« Des collaborateurs veulent utiliser l’IAG, mais dans beaucoup de cas, on n’en a pas besoin. Mon rôle, c’est de demander : a-t-on vraiment besoin d’un LLM pour traiter ce sujet ? Par exemple la classification : a-t-on besoin d’un LLM alors qu’il faut un humain pour faire évoluer les classes ? »

« On a un guide IA responsble pour les développeurs avec plusieurs questions. Le volume est-il le bon ? […] Est-il en adéquation avec les résultats attendus, par rapport aux ressources allouées ? Est-ce que l’IA est nécessaire ? Un modèle mathématique n’est-il pas suffisant ? »

Sur l’AI for green

« S’il s’agit par exemple de l’optimisation des routes d’un avion, l’impact sur sa consommation est tellement grand qu’on ne regarde pas l’empreinte carbone de l’algorithme. »
(Plusieurs participants ont rapporté des exemples d’optimisations qui, bien que contribuant à la réduction des émissions de carbone, mettent souvent l’accent sur d’autres facteurs, tels que l’efficacité opérationnelle et les économies financières.)

« On a un travail en cours pour l’optimisation des stocks, mais on subit la complexité du problème, car on met la contrainte du temps de calcul (il faut que ça tourne en moins de 10 minutes). »

« On avait déjà des outils avec des modèles mathématiques poussés. Le problème, c’est de faire face à des événements inconnus (exemple : le Covid) qui modifient les comportements. On a couplé ces modèles mathématiques avec le ML pour permettre de s’ajuster à la consommation réelle ».

« Il faudra distinguer et anticiper les usages critiques/non critiques et créer une meilleure répartition de ces usages. »

(Sur l’importance de la réutilisation) « Dans les datacenters, on est avec des racks à 30 kW, alors que les nouveaux racks vont aller à 180 kW. »

Sur la data

« On a recours de plus en plus à l’IoT quand c’est possible. Malheureusement, il y a plus de risques d’erreur quand la collecte se fait par l’humain. »

« En partageant nos données sur la RSE, nous montrons notre engagement envers des pratiques commerciales responsables et invitons les autres à nous rejoindre dans notre démarche […]. De toute façon, si on ne le fait pas, avec la CSRD [Corporate Sustainability Reporting, NDLR], ce sont les brokers qui vont le faire. »

« Concernant la qualité de la donnée, il faut beaucoup de travail de sensibilisation des utilisateurs. Par exemple, indiquer précisément la clé appliquée sur telle opération (une clé de 12 n’est pas une clé de 13…) […] On essaye de plus en plus de capturer la donnée automatiquement. »

« Pour définir un référentiel [,] on est parti d’une démarche type Nutriscore. On affecte un indice à partir de grandes caractéristiques. […] Il faut associer le niveau de qualité à l’usage, en se plaçant dans l’usage d’aujourd’hui ou de demain. »

Sur le cadre réglementaire

« On ne perçoit pas le Data Act et l’AI Act comme facteurs d’accélération. On voit beaucoup d’enjeux d’image, d’attraction/rétention de talents ; on a une population IT plus exigeante par rapport au caractère responsable. »

« Dans les grands groupes, les DSI sont soucieux de calculer l’empreinte carbone demandée par la RSE. Toutefois, personne ne demande la part de l’IA, ils veulent tout le numérique. »

* Acimeo, Air France, Airbus, Amadeus, Another Trail, AWS, Bearing Point, Berger-Levrault, Bouygues, Bpifrance, Califrais, Capgemini, Carrefour, Cosmo Tech, Covea, Docaposte, EDF, Forvia, Geodis, Google, Greenly.earth, IBM, La Boîte À Dev, MAIF, Maison Graciet, Michelin, Orange, OVH, Pierre Fabre, Plastic Omnium, Prométhée IA, Safran, Salvia Développement, SCC, SCNF, Sopht, Sopra Steria, Stellantis, The Shift Project, Transdev, Wavestone, Worldline, Ademe, ministère de la Transition écologique et solidaire

Illustration © U-STUDIOGRAPHY DD59 – Adobe Stock