IA Frugale, éthique et sobriété

Le boom de l’IA générative a frappé le monde de toute sa force technologique. Mais à une époque où beaucoup tentent de ralentir le rythme pour nous éviter à toustes une fin peu enviable, les outils IA apparaissent comme des gadgets hyper consommateurs, peu régulées et aux retombés néfastes pour l’humain et le vivant.

Alors, que faire ? Le renoncement à cette technologie est-il la seule option viable ? Pas forcément.

Dans le cadre du développement d’un numérique de demain, il est essentiel de repenser ces outils et les rendre cohérents avec nos objectifs de sobriété, proposer une version alternative et responsable au public et à l’industrie. On parle alors d’IA frugale, un terme valise comprenant tout outil ou logiciel intégrant une composante IA générative, mais visant à limiter son impact sur notre environnement.

Chez Akwari, nous prenons à cœur ces problématiques et n’offrons à nos clients que des solutions allant dans le sens d’une décroissance, respectueuses du vivant et du futur que nous laisserons. Pour cela, le développement d’outil IA frugaux fait partie de notre offre.

Mais de quoi parle-t-on exactement ? Revenons sur les définitions et concepts fondamentaux de l’IA frugale.

IA & frugalité : définition et concept

En premier lieu, de quoi parle-t-on lorsque l’on utilise le terme IA ? Pour le Parlement européen, l’intelligence artificielle représente tout outil utilisé afin de « reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité ». Contrairement à ce que les tentatives de mystification aimeraient nous faire croire, les travaux de recherches liées à l’IA existent depuis plus de 50 ans, mais ont vu leur progrès exploser ces dernières années. Le concept même d’intelligence artificielle daterait des années 1950, basé sur des réflexions du mathématicien Alan Turing, à l’origine (entre beaucoup d’autres choses) du test du même nom, censé jugé de l’état de développement d’une IA comparée à l’esprit humain.

L’IA est plus un domaine qu’une technologie, dans lequel un outil peut être classé s’il correspond aux critères établis. Dans le domaine de l’IA, il est important de définir deux technologies dont on entend beaucoup parler ces derniers mois :

• L’intelligence artificielle générative, ou IA générative, ou IAg : un type d’IA capable de générer du contenu et des idées, notamment des conversations, des histoires, des images, des vidéos et de la musique, à partir de directive écrite ou orale, et après avoir été précédemment entraînée sur des millions de sources (textes, images, vidéos…). A ne pas confondre avec ⬇️

• L’intelligence artificielle Générale, ou IAG : une intelligence artificielle capable d’effectuer ou d’apprendre pratiquement n’importe quelle tâche cognitive au moins aussi bien que l’humain. Une vision rêvée de l’IA, « parfaite » et toute puissante, capable d’égaler l’esprit humain et de le surpasser, mais dont la complexité est telle que sa présence se limite aux œuvres de science-fiction.

Dans cet article, nous ne discuterons que de l’IAg, étant ancré dans un réel déjà bien complexe à appréhender.

L’IA frugale, une nécessité

Qu’entendons-nous par « frugalité » ?

Invoquons ici le dictionnaire : frugalité, synonyme de sobriété, « qui se contente de peu », « dans la retenue », « dans l’inverse de l’excès ».

Appliquons alors ce principe à l’IAg : une IA générative frugale représenterait tout outil développé avec peu, sans fioritures ni superflu, alloué à une tâche bien précise et rien d’autre. Une définition en accord avec celle d’un numérique responsable que nous défendons.

Mais qu’en est-il des technologies déjà développées et largement utilisées ? Peuvent-elles être considérées comme frugales ? Nous en doutons.

On estime que le numérique représente de 4 à 5 % de la demande énergétique mondiale, un chiffre voué à augmenter à cause du développement de l’IA. À eux seuls, les Datacenters (immenses centres de données nécessaires au fonctionnement des LLMs grand public tel que ChatGPT) absorbent 1 % de l’électricité planétaire. Mais ce n’est pas le seul aspect à considérer lorsque l’on tente d’évaluer l’impact qu’un outil d’IA générative peut avoir sur la planète. Afin de prendre le problème dans sa globalité, il faut décortiquer toutes les étapes et composantes de la chaîne de fonctionnement :

• L’impact de chaque utilisation de l’outil, ses variations selon la tâche demandée ;

• Le coût de développement de l’outil, en particulier de l’entraînement de l’algorithme utilisé ;

• Le besoin en ressource, minerais et terres rares des Datacenters et autres infrastructures nécessaires au fonctionnement de l’outil, de leur construction à leur refroidissement, leurs besoins énergétiques et leur entretien ;

• Le développement rapide de centrales énergétiques pour répondre au besoin des datacenters et autres infrastructures indispensables.

L’industrie mondiale des centres de données, de l’IA et des cryptoactifs devrait doubler sa consommation d’électricité d’ici 2026, générant un surplus de 37 millions de tonnes de CO2 dans l’atmosphère, l’équivalent de la consommation annuelle d’un pays comme le Japon. Ce seul secteur devrait générer, chaque année, 50 millions de tonnes de CO2 en 2050. De nombreuses autres pollutions et pressions sur les ressources, locales ou globales, sont également à attribuer à la charge de l’IA et du numérique dans son ensemble.

Chez Akwari, nous sommes convaincus qu’intelligence artificielle se doit de rimer avec frugalité, si nous voulons garder un contrôle des ressources précieuses. L’eau en particulier est d’ores et déjà un enjeu majeur dans ce domaine tant son utilisation est cruciale pour le fonctionnement des LLMs grand public. Afin de contrer ces géants pillant tout sur leur passage, il est nécessaire de proposer des solutions sobres et ne menaçant en aucun cas le vivant.

IA frugale : respect des ressources et de l’humain

Avant de pouvoir définir un système IA comme étant frugal, plusieurs à paramètres sont à considérer.
En premier lieu, la problématique du besoin et de la pertinence de l’outil. Posons-nous les bonnes questions : est-il vraiment nécessaire qu’un LLM reforme nos emails ? Avons-nous réellement besoin d’un algorithme pour coder à notre place ? Un assistant personnel intégré dans notre OS va-t-il réellement nous faire gagner du temps ? Pas forcément, si l’on en croit certaines études. L’utilisation à tout va de ces outils n’aiderait que peu de nombreux.ses travailleureuses, malgré leur implémentation grandissante. En opposition à cette tendance, un système IA frugal répondrait à un besoin bien précis, défini, justifié. Il accompagne l’utilisateurice dans sa tâche sans le/la remplacer, lui laissant tout pouvoir décisionnel. Son usage est spécifique, son domaine spécialisé.

Viennent ensuite le choix de l’algorithme et du corpus d’entraînement. Choisir un modèle simple et compact, adapté à la tâche spécifique permet de réduire la consommation énergétique intrinsèque du modèle. De même, adapter la taille du corpus d’entraînement au besoin du modèle agit directement sur la consommation liée au développement de l’outil, et de s’assurer de la qualité de toutes sources choisies ainsi que de la légalité de leur utilisation. Afin de garantir la pérennité de l’outil, il est nécessaire de poursuivre son évolution, rendre son amélioration continue, avec pour objectif secondaire une réutilisation dans des projets complémentaire, permettant un transfert d’apprentissage ou « transfer learning » d’une application à une autre, un aspect essentiel du numérique responsable.

Le choix du déploiement est essentiel. L’option du « online » est tentante mais peut s’avérer demandeuse en ressource, autant hardware que software. Le « cloud » a un prix, un prix caché, mais pourtant très concret, lié à la construction, l’entretien et le refroidissement d’immenses Datacenters. Une utilisation locale permet de limiter ce coût, en plus d’accroître la protection des données utilisateur. Un circuit fermé est en effet plus aisé à surveiller et contrôler, avec un risque réduit de fuite et de récupération par les GAFAM si hébergement hors Europe. Une utilisation locale permet un outil et une consommation entièrement maîtrisable et maîtrisée.

Chez Akwari, nous vous accompagnons et vous guidons dans le développement des outils de demain, pour une utilisation du numérique sobre et responsable.

Une idée, un projet ? Contactez-nous ! Notre expertise est à votre service.

Quelques exemples d’outils d’IA et d’analyse statistique proposé par Akwari dans le domaine de l’eau :

– Outil d’analyse automatisée des Eaux Claires Parasistes par intelligence artificielle
– Détection des fuites à partir de l’analyse statistique chroniques de débits d’eau potable
– Prévision du risque de pollutions de l’eau : l’exemple des eaux de baignade
– Références et réalisations d’Akwari : IA et analyses de données statistiques dans le domaine de l’eau