Malgré les performances avérées des méthodes modernes d’intelligence artificielles, peu de travaux s’intéressent aux impacts environnementaux liés à la quantité de ressources nécessaires à l’entrainement et à l’usage de ces modèles. Ceci est très alarmant, lorsqu’on sait que le réchauffement climatique est une menace majeure qui met en péril notre planète et nos sociétés. Ainsi, nous abordons globalement dans ce travail la question de la mesure de l’empreinte carbone des modèles d’intelligence artificielle. Plus précisément nous considérons le cas des modèles visant à réduire les émissions de CO2. Pour de tels modèles, nous proposons de mesurer leurs impacts négatifs (quantité CO2 émise par l’entrainement et l’usage des modèles), et leurs impacts positifs (quantité de CO2 non émise du fait de l’usage des modèles). Les évaluations réalisées démontrent que l’empreinte carbone générée par l’entrainement et l’usage des modèles d’intelligence artificielle est globalement non-négligeable. Ainsi, les nouvelles métriques que nous proposons peuvent permettre d’évaluer et de comparer l’impact environnemental de ces modèles, au-delà des métriques usuelles d’évaluation des performances prédictives.
02:35
Prix EFMD FNEGE 2025 du Meilleur Ouvrage de Management – Catégorie puvrage de recherche collectif
Prix Syntec Conseil du Meilleur Ouvrage de Management
L’ouvrage examine les interactions entre la science et l’industrie à travers la notion de double impact, c’est-à-dire la capacité à produire à la fois des avancées scientifiques majeures et des innovations technologiques disruptives. Il met en lumière les leviers permettant de favoriser ces synergies, notamment par le transfert de connaissances, la coopération entre chercheurs et industriels, et des politiques d’innovation adaptées. L’objectif est de construire un écosystème où la recherche fondamentale et l’innovation industrielle se renforcent mutuellement au service du progrès économique et sociétal.
- Recherche
- Management public, Management Stratégique
