Méthodes et évaluations des émissions CO2 des modèles d’intelligence artificielle

Recherche
Développement Durable et RSE, Management et Big Data, Systèmes d'information

241 vues

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.

Liens et ressources

Mots clés

apprentissage automatique, apprentissage profond, émissions CO2, empreinte carbone, intelligence artificielle

Auteur.e(s)

TCHUENTE Dieudonné
Professeur assistant
TBS Education

Institution(s)

Vidéos de la même institution

03:16

« It’s all about trust? » The effect of servant leadership on firefighters’ performance and health

Nous développons et testons un modèle multiniveau qui intègre les principes du leadership serviteur à la théorie de l'échange social afin d'explorer comment le leadership serviteur influence positivement la performance collective des tâches, renforce l'adaptabilité au niveau individuel et réduit l'épuisement émotionnel. Notre étude, menée en quatre vagues et auprès de trois sources, s'appuie sur un échantillon de 303 pompiers répartis dans 45 casernes. Les résultats des analyses par modèles d'équations structurelles multiniveaux (MSEM) montrent qu'au niveau individuel, le leadership serviteur prédit significativement une adaptabilité élevée et un faible épuisement émotionnel grâce à l'influence médiatrice de la confiance perçue par les pompiers et du climat de confiance.

PERRIER Anthony - TBS Education |

Recherche
Gestion des Ressources Humaines, Management public

03:31

Télétravail, inégalités de genre et rémunération : influence de la formalisation

Imposé en 2020, le télétravail s'installe durablement en mode hybride. Recommandé par le ministère du Travail puis obligatoire dès le 3 janvier 2022, il s'exerce alors à nouveau dans un cadre contraignant. L'obligation prend fin le 2 février 2022. Le travail exercé à domicile a bouleversé l'organisation intra-familiale, contribué à un accroissement de la charge de travail et à des situations de stress ou d'isolement. Le télétravail à domicile s'est exercé dans des conditions inégales en fonction du lieu de vie et de la position sociale du ménage, ainsi que du sexe (Étude COCONEL, 2020 ; Boston Consulting Group, 2021). Notre démarche s'inscrit dans ce questionnement et vise à démontrer l'impact éventuel de la formalisation du travail à domicile sur les inégalités de genre et l'influence sur la rémunération. La partie empirique repose sur une étude quantitative menée en 2022 auprès de 211 répondants travaillant à domicile. Nous mobilisons la littérature sur le télétravail, les inégalités, la théorie des conventions et les théories contractualistes. Les résultats, révèlent que la formalisation du travail à domicile n'influence pas la rémunération, les facteurs de contingence (formalisation induite) en revanche produisent des inégalités de genre en matière de rémunération. L'absence d'espace de travail dédié à domicile engendre des inégalités de rémunération.

HACHARD Virginie - EM Normandie |

DIARD Caroline - TBS Education |

Recherche
Gestion des Ressources Humaines

03:06

IA et Industrie Automobile: Optimisation ou Révolution ?

Cette vidéo présente les résultats d'une étude sur l'intégration de l'intelligence artificielle (IA) dans l'industrie automobile, axée sur les grands acteurs historiques du secteur. L'étude révèle que l'IA est principalement utilisée pour des améliorations incrémentales, telles que l'automatisation de tâches, plutôt que pour des innovations de rupture. Cette "exploitation" optimise les processus existants sans transformation radicale. L'approche organisationnelle est également surprenante : au lieu d'une stratégie "top-down" dirigée par des data scientists, l'IA est intégrée de manière "bottom-up", par les ingénieurs qui l'appliquent dans leurs expertises en fin de processus de développement. Cela montre que l'IA peut être un levier d'optimisation et de créativité lorsqu'elle est utilisée de façon progressive et distribuée. Cette méthode pourrait aussi s'appliquer à d'autres technologies émergentes dans différents secteurs.

DEVAL Marie-Alix - ISTEC Business School |

PLANTEC Quentin - TBS Education |

Recherche
Management et Big Data, Management Stratégique

04:17

Coping with the unpredictable by developing the team’s plasticity

When time is of the essence and teams face unexpected contextual changes, they must adapt quickly, sometimes even in real time, that is, they may have to improvise. This paper adopts an inductive approach to explore how teams decide to engage in improvised adaptation, and what happens during those processes for improvisation to be successful. The study analyzes improvisation from the perspective of paradox theory and identifies six paradoxical tensions driven by these contexts: deployment, development, temporal, procedural, structural, and behavioral tensions. We propose a dynamic equilibrium model of team improvised adaptation that leads to team plasticity.

ABRANTES Antonio - TBS Education |

Recherche
Management de l'Innovation

Vidéos de la même thématique

Réussir la transition durable face aux défis mondiaux

Cette étude explore les leviers à mobiliser pour réussir la transition vers un modèle économique durable dans les entreprises européennes face aux défis mondiaux actuels. En se basant sur 82 entretiens réalisés dans 16 organisations, les auteurs identifient trois compétences clés : la performance financière, l'innovation et la responsabilité sociale. La théorie des capacités dynamiques montre comment ces compétences, bien orchestrées, peuvent devenir des sources d'avantage compétitif durable. Un point central de cette transformation est de placer l’humain au cœur de la démarche, en encourageant une participation collective et un leadership affirmé. Le rôle des dirigeants est crucial pour inciter au changement, adopter une vision à long terme et faire preuve de courage managérial face aux choix stratégiques. L'étude montre que la transition durable, bien que complexe, est réalisable en alignant ces trois compétences autour d’une vision collective et responsable.

BOLLINGER Sophie - Faculté des Sciences Economiques et de Gestion |

NEUKAM Marion - Faculté des Sciences Economiques et de Gestion |

Expériences pédagogiques
Développement Durable et RSE, Management de l'Innovation, Management Stratégique

Qu’est-ce que la RST ?

La RST s'inscrit dans le prolongement de la RSE pour engager les organisations à penser leurs actions sur un territoire définit comme un espace commun géographique ou comme un projet fédérateur. La RST permet de transcender les frontières organisationnelles et d'envisager des solutions pour générer de la valeur partenariale.

GOUJON BELGHIT Anne - IAE Bordeaux |

Dico du Management
Développement Durable et RSE

Qu’est-ce que l’IA frugale ?

L'IA frugale est une approche visant à développer des solutions d'intelligence artificielle tout en minimisant l'utilisation des ressources. Selon une étude de l'Agence Internationale de l'Énergie (IEA), la consommation électrique des centres de données pourrait dépasser 1 000 térawattheures d'ici 2026, doublant ainsi leur consommation actuelle. Les modèles d'IA, comme ChatGPT, consomment beaucoup d'énergie, avec une requête pouvant utiliser jusqu'à dix fois plus d'électricité qu'une recherche Google classique. Pour contrer cela, l'IA frugale propose des solutions telles que l'edge computing, qui décentralise le traitement des données, et le transfer learning, qui réutilise des modèles existants pour réduire la consommation énergétique. De plus, l'A frugale intègre une réflexion éthique, en évaluant la nécessité et l'impact des usages de l'A, afin de favoriser des technologies durables et responsables. Adopter une IA frugale est essentiel pour rendre l'intelligence artificielle plus écologique, accessible et éthique, tout en répondant aux défis énergétiques posés par l'expansion des centres de données.

GLAVAS Dejan - ESSCA |

Dico du Management
Développement Durable et RSE, Systèmes d'information, Transformation Digitale

Baromètre IA : Entreprises et durabilité

Le baromètre de l'A analyse l'intégration de l'intelligence artificielle dans les entreprises françaises et britanniques et son impact sur la durabilité. Basé sur les réponses de plus de 400 responsables informatiques, il révèle que, malgré les avantages perçus en termes de productivité et de réduction des coûts, des obstacles persistent tels que des contraintes financières et un manque de personnel qualifié. Les entreprises sous-estiment souvent les défis liés aux biais des systèmes d'lA et à la nécessité d'un contrôle humain. Les entreprises britanniques, adoptant une approche "test and learn", semblent plus avancées. Un besoin accru de compétences en lA, en gouvernance des données et en gestion des risques éthiques est identifié. Les entreprises reconnaissent l'importance de l'IA pour l'avenir, mais doivent intégrer pleinement les considérations éthiques et durables dans leurs stratégies.

GLAVAS Dejan - ESSCA |

Tendances
Développement Durable et RSE, Systèmes d'information, Transformation Digitale

Développement Durable et RSE

Management et Big Data

Systèmes d'information

Méthodes et évaluations des émissions CO2 des modèles d’intelligence artificielle

Auteur.e(s)

Institution(s)

Vidéos de la même institution

Vidéos de la même thématique

S'abonner aux vidéos FNEGE MEDIAS