Sustainable AI Group veut pousser les entreprises à faire pression sur la consommation d’énergie de l’IA

Plusieurs facteurs rendent cette évaluation difficile :

• la consommation d’énergie des modèles
• les émissions liées à l’électricité utilisée par les centres de données
• l’utilisation d’eau pour le refroidissement
• les choix d’infrastructure et les sources d’énergie

Autre difficulté : tous les modèles d’IA n’ont pas la même empreinte énergétique. Dans certains cas, un modèle plus petit ou spécialisé peut accomplir une tâche avec beaucoup moins de puissance de calcul qu’un modèle géant de type “frontier model” .

Pourtant, faute de visibilité sur ces différences, les entreprises choisissent souvent les modèles les plus connus ou les plus puissants sans comparer leur efficacité énergétique.

L’idée centrale des fondateurs : le pouvoir des acheteurs

La plupart des entreprises n’entraînent pas leurs propres modèles d’IA et ne construisent pas leurs centres de données. Elles dépendent de fournisseurs cloud et de plateformes d’IA.

Mais pour SAIG, cela ne signifie pas qu’elles sont sans influence.

Les dépenses des entreprises financent en réalité l’expansion de l’infrastructure de l’IA. En choisissant certains fournisseurs ou certaines solutions, elles envoient des signaux de marché qui orientent les investissements technologiques .

Autrement dit :

• les centres de données et les réseaux électriques constituent l’offre
• les décisions d’achat des entreprises créent la demande

Et cette demande peut influencer ce que les fournisseurs construisent et optimisent.

Comment les achats peuvent influencer l’IA

SAIG affirme que les entreprises peuvent agir à travers leurs processus d’achat et de gouvernance technologique.

1. Les appels d’offres (RFP)

Les entreprises peuvent intégrer des critères environnementaux dans leurs appels d’offres lorsqu’elles sélectionnent des solutions d’IA.

Par exemple en demandant aux fournisseurs :

• des données sur l’efficacité énergétique des modèles
• des informations sur l’optimisation du calcul
• des rapports environnementaux transparents

Ces exigences permettent de distinguer les fournisseurs qui investissent réellement dans l’efficacité énergétique.

2. Le choix des fournisseurs

Si les acheteurs privilégient des solutions plus efficaces ou plus transparentes, les fournisseurs auront une incitation économique à améliorer leurs systèmes.

La concurrence pourrait alors se jouer non seulement sur la performance et le prix, mais aussi sur l’efficacité énergétique et la durabilité.

3. Les clauses contractuelles

Les contrats entre entreprises et fournisseurs technologiques peuvent aussi inclure des exigences de transparence.

Par exemple :

• l’origine de l’électricité alimentant les centres de données
• l’utilisation éventuelle de générateurs fossiles hors réseau
• des indicateurs d’efficacité énergétique pour les charges de travail d’IA

Ces clauses peuvent pousser les fournisseurs à divulguer davantage d’informations sur leur infrastructure et leurs choix énergétiques .

Les services proposés par Sustainable AI Group

SAIG se positionne à la fois comme centre de recherche et cabinet de conseil stratégique pour aider les entreprises à mettre en pratique l’IA durable.

Recherche ouverte

L’organisation prévoit de publier des études sur l’impact environnemental de l’IA, couvrant notamment :

• l’énergie utilisée pour l’entraînement des modèles
• la consommation liée à l’inférence
• les impacts des infrastructures associées

Conseil stratégique pour les entreprises

SAIG accompagnera les organisations dans la mise en place de stratégies d’IA durable, avec :

• des ateliers et formations internes
• des cadres de mesure environnementale
• des recommandations pour les achats technologiques
• des outils d’aide à la décision

L’entreprise aidera également les organisations à cartographier leurs usages actuels de l’IA et à établir une base de référence pour mesurer leur impact environnemental .

Outils de mesure et de comparaison

Un objectif majeur est de rendre l’efficacité énergétique de l’IA mesurable et comparable entre modèles.

Un exemple est l’initiative AI Energy Score, un système de notation qui compare la consommation d’énergie des modèles d’IA sur différentes tâches .

Ce projet propose :

• des notes énergétiques standardisées
• un classement public des modèles
• des comparaisons pour aider développeurs et acheteurs à choisir des systèmes plus efficaces

Des centaines de modèles ont déjà été évalués dans différentes tâches d’IA, ce qui commence à créer une référence commune pour mesurer leur efficacité énergétique .

Choisir le bon modèle pour chaque tâche

SAIG prévoit aussi de développer des outils aidant les entreprises à sélectionner le modèle le plus adapté à chaque usage, plutôt que d’utiliser systématiquement les modèles les plus puissants.

Dans de nombreux cas, des modèles plus petits ou spécialisés peuvent offrir des performances suffisantes tout en réduisant fortement la consommation de calcul .

Pourquoi le moment est stratégique

Les fondateurs estiment que l’industrie de l’IA se trouve à un moment charnière.

Les investissements dans l’infrastructure de l’IA pourraient atteindre 5 000 milliards de dollars d’ici la fin de la décennie . Cela signifie que de nombreux centres de données, contrats énergétiques et chaînes d’approvisionnement sont en train d’être décidés aujourd’hui.

Une fois ces infrastructures construites, il devient beaucoup plus difficile d’en changer la trajectoire environnementale.

Pour SAIG, il existe donc une fenêtre d’action limitée pendant laquelle les entreprises peuvent encore influencer la manière dont l’infrastructure de l’IA est conçue.

Transformer la durabilité en signal de marché

L’idée centrale derrière Sustainable AI Group est simple : transformer la demande des entreprises en signal de marché pour une IA plus efficace énergétiquement.

Si les acheteurs exigent davantage de transparence et d’efficacité, les fournisseurs d’IA pourraient commencer à rivaliser sur ces critères — tout comme ils le font déjà sur la vitesse, les capacités ou le prix.

Reste à voir si les entreprises choisiront réellement d’utiliser ce levier.