Une analyse de cycle de vie qui soulève des questions

Le 22 juillet dernier, le communiqué de Mistral AI, concernant l’analyse de cycle de vie (ACV) de son modèle Large 2, a suscité des réactions mitigées. Si certains experts saluent l’effort de transparence, un consensus émerge sur le fait que ce rapport a besoin d’amélioration. Dans un contexte où les acteurs de la génération d’intelligence artificielle (genAI) sont souvent silencieux sur leur empreinte écologique, cette initiative semble être un souffle d’air frais. Pourtant, le chemin est encore long avant d’atteindre un bilan véritablement satisfaisant.

Les chiffres parlent d’eux-mêmes

L’ACV de Mistral AI est structurée en 7 étapes clés. Chacune de ces étapes, à l’exception de l’utilisation, doit dévoiler les émissions de gaz à effet de serre (GES), la consommation d’eau et celle des ressources minérales. Les premiers résultats révèlent des chiffres édifiants : 

• 61% de la consommation de ressources minérales est attribuée au matériel.

• Les phases d’entraînement et d’inférence affichent respectivement 85,5% des émissions de GES et 91% de la consommation d’eau.

Ces données soulignent l’impact énorme qu’ont ces phases sur l’environnement, confirmant ainsi les intuitions des analystes du secteur.

Un bilan à nuancer

Malgré des chiffres qui font réfléchir, certains experts, comme Clément Marche, DG de Nuageo, pointent du doigt un mélange déroutant des différentes étapes de l’ACV. En effet, elle amalgame l’entraînement et l’inférence, deux phases aux impacts très différents. L’entraînement, bien qu’extrêmement énergivore, se produit une seule fois, tandis que l’inférence – utilisée de manière répétée – peut entraîner un volume global d’émissions bien plus élevé.

Détails marquants : 20,4 kT de CO2 et 281 000 m³ d’eau

Mistral AI a déclaré que l’entraînement de son LLM a généré 20,4 kT de CO2 et consommé 281 000 m³ d’eau. Pour mettre cela en perspective, une requête “moyenne” à son assistant IA Le Chat, demande seulement 1,14 g de CO2 et 45 ml d’eau. Bien que ces chiffres soient plus détaillés que ceux d’autres géants du secteur, ils manquent encore de transparence sur la méthodologie utilisée.

Un besoin urgent de méthodologie claire

Le manque de détail concernant la méthodologie de l’ACV soulève des critiques. Sasha Luccioni, spécialiste en IA et climat chez Huggingface, appelle à davantage d’informations pour établir une ACV formelle. Les doutes sur l’exclusion de certaines étapes cruciales, comme la recherche et développement, soulignent la nécessité d’une approche plus rigoureuse.

En réaction à ces inquiétudes, Mistral AI promet de mettre à jour ses rapports et de participer aux discussions sur les normes industrielles liées à l’impact environnemental. Cela pourrait ouvrir la voie vers une plus grande transparence dans le secteur.

Vers une évaluation systématique

Mistral AI aborde également la nécessité d’un reporting régulier sur les impacts environnementaux des LLM. Selon eux, une obligation de transparence pourrait devenir une norme dans l’industrie, permettant aux DSI de prendre des décisions éclairées.

Conclusion : un premier pas vers une meilleure responsabilité

Malgré ses limites, l’analyse de Mistral AI représente un effort nécessaire pour avancer vers une meilleure compréhension de l’impact environnemental de la genAI. Dans un monde où la pression pour la durabilité augmente, ce premier pas doit être salué tout en étant nourri d’une volonté d’amélioration continue.

Pour les découvreurs de l’écosystème genAI, il est encourageant de voir une entreprise prendre l’initiative de rendre explicites ses impacts environnementaux. Maintenant, il reste à espérer que d’autres acteurs du secteur suivront le leader francilien vers une plus grande transparence et responsabilité dans le domaine. Les utilisateurs avertis attendent déjà des réponses de la part de leurs futurs fournisseurs.