Les systèmes d’IA, de plus en plus performants, nécessitent d’importantes ressources matérielles et énergétiques, soulevant une prise de conscience sur l’empreinte environnementale de l’IA. Face à cette préoccupation croissante, l’AFNOR a récemment publié l’AFNOR Spec 2314, intitulé “Référentiel général pour l’IA frugale : s’attaquer à l’impact environnemental de l’IA et défendre la diffusion de l’IA frugale”. Cette initiative, soutenue par le ministère de la Transition écologique et de la cohésion des territoires, vise à fournir des méthodologies de calcul et des bonnes pratiques pour mesurer et réduire l’impact environnemental de l’IA ainsi que permettre aux entreprises de communiquer de manière transparente sur leur système d’IA.
Le groupe de travail pour le développement de ce référentiel a été lancé en janvier 2024, dans le cadre de la Stratégie Nationale pour l’IA. Co-piloté par l’AFNOR et l’Ecolab du Commissariat Général au Développement Durable, il est le fruit de six mois de travaux auxquels ont contribué le groupe La Poste, Hub France IA, l’ADEME, et EcoInfo, soutenus par une quarantaine d’organisations.
Une méthodologie rigoureuse pour évaluer l’impact environnemental
Le référentiel propose une méthodologie exhaustive basée sur une approche de cycle de vie pour évaluer les impacts environnementaux des systèmes d’IA. Il contient 31 fiches de bonnes pratiques et des recommandations pour communiquer de manière juste sur le caractère frugal des services d’IA.
Des outils pratiques pour les entreprises
Pour faciliter l’adoption de ces bonnes pratiques, le référentiel met à disposition une boîte à outils opérationnelle, spécifiquement conçue pour les équipes data/IA et RSE (Responsabilité Sociétale des Entreprises). Cette boîte à outils vise à guider les entreprises dans la mise en œuvre des recommandations et à intégrer des critères environnementaux dans leurs politiques d’achat de services d’IA, en particulier pour les marchés publics.
Principe de l’IA frugale
L’IA frugale se définit par la nécessité de développer des systèmes d’IA qui consomment le moins possible tout en évitant l’effet rebond, où une IA plus efficiente pourrait entraîner une utilisation accrue et donc un impact environnemental plus élevé. Pour le groupe de travail, la notion de frugalité passe par le développement de l’IA, mais aussi par la redéfinition des besoins (qu’est-ce qui est nécessaire ?) et des usages (comment mieux utiliser l’IA ?). Selon lui, un système d’IA frugale est un système pour lequel :
- la nécessité de recourir à un système d’IA plutôt qu’à une autre solution moins consommatrice pour répondre au même objectif a été démontrée ;
- de bonnes pratiques sont adoptées par le producteur, le fournisseur et le client pour diminuer les impacts environnementaux du service utilisant un algorithme d’IA ;
- les usages et les besoins visent à rester dans les limites planétaires et ont été préalablement questionnés.
Exemple de calcul d’impact environnemental
L’annexe 3 du référentiel présente un exemple concret de calcul des coûts environnementaux pour les modèles d’inférence et d’entraînement du service d’IA générative Stable Diffusion. Ce calcul prend en compte divers paramètres tels que :
- L’équipement et son empreinte environnementale (fabrication, transport, fin de vie) ;
- L’impact environnemental du mix électrique local ;
- L’efficacité énergétique des centres de données ;
- L’allocation du temps d’usage de l’équipement sur sa durée de vie.
Cette méthodologie inclut également le coût environnemental de l’inférence, des entraînements, des réentraînements, et autres coûts fixes, permettant ainsi une évaluation globale et précise de l’empreinte écologique des systèmes d’IA.
Vers une communication transparente
Pour éviter le greenwashing (écoblanchiment) et assurer une communication transparente, le référentiel recommande une évaluation quantitative des indicateurs environnementaux et une communication claire sur le caractère frugal des services d’IA. Les développeurs ou fournisseurs devront donc apporter ces informations en :
- fournissant une évaluation précise des impacts environnementaux sur le cycle de vie ;
- informant sur les effets négatifs potentiels et les contre-mesures mises en place ;
- communiquant sur les bénéfices environnementaux tout en mentionnant les possibles transferts d’impact.
Vers un modèle universel
L’ambition du groupe de travail est que ce référentiel devienne un modèle universel pour la gestion de l’impact environnemental de l’IA et, dans ce but, entend le promouvoir aux niveaux européen et international (ISO).
Pour consulter gratuitement le référentiel, cliquer ici.
