How Hyper-Datafication Impacts the Sustainability Costs in Frontier AI
Cet article soutient que le passage vers une « hyper-datification » dans l'IA de pointe entraîne des coûts environnementaux importants et redistribue systématiquement les risques de travail et les préjudices de représentation vers les pays du Sud, appelant ainsi à un nouveau cadre de Data PROOFS pour atténuer ces défis de durabilité.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de l'Intelligence Artificielle (IA) comme un chef cuisinier immense et affamé essayant de préparer le repas parfait. Pendant des années, ce chef se contentait de regarder autour de lui dans la cuisine, saisissait les ingrédients déjà posés sur le comptoir (les données existantes sur Internet) et cuisinait. Mais récemment, le chef a changé de tactique. Au lieu de simplement prendre ce qui est là, le chef construit désormais de nouvelles usines pour faire pousser des ingrédients spécifiquement pour sa marmite, et utilise même des robots pour synthétiser de faux ingrédients qui ont l'air réels. L'article appelle ce changement la « Hyper-datafication ».
Les auteurs soutiennent que si cette nouvelle approche rend l'IA plus intelligente, elle s'accompagne d'une « facture » cachée à laquelle nous ne prêtons pas attention. Cette facture comporte trois parties : le coût énergétique (environnemental), le coût humain (social) et le coût monétaire (économique).
Voici une décomposition de ce que l'article a découvert, en utilisant des analogies simples :
1. La facture environnementale : Le « Entrepôt numérique »
Considérez les données de l'IA comme des boîtes physiques dans un entrepôt.
- L'explosion : Le nombre de ces « boîtes » (jeux de données) augmente si vite que l'entrepôt se remplit à un rythme alarmant. L'article a examiné un entrepôt public populaire (Hugging Face) et a constaté que la quantité de données ajoutées a explosé.
- L'énergie cachée : La plupart des gens s'inquiètent de l'énergie nécessaire pour cuisiner le repas (l'entraînement du modèle d'IA). Mais cet article souligne que l'énergie requise pour stocker les ingrédients est massive.
- L'analogie : Imaginez que vous deviez garder une copie de chaque livre que vous avez lu dans votre propre sous-sol, même si vous ne les relirez jamais. C'est ce qui arrive lorsque les chercheurs téléchargent ces jeux de données. L'article estime que l'énergie utilisée uniquement pour stocker ces copies téléchargées équivaut à l'empreinte carbone annuelle de 217 000 personnes.
- Le problème de localisation : La plupart de ces entrepôts sont situés aux États-Unis, où l'électricité provient de sources plus polluantes (comme le charbon). S'ils étaient en Europe, où l'électricité est plus propre, la pollution serait beaucoup plus faible. Mais actuellement, le « entrepôt numérique » est situé dans le quartier le plus polluant.
2. La facture sociale : Les « Ouvriers d'usine invisibles »
Pour préparer ces ingrédients pour le chef, quelqu'un doit les trier, les nettoyer et les étiqueter.
- Les travailleurs : L'article a interrogé 134 travailleurs de données au Kenya, un pays connu pour être un centre de ce type de travail numérique.
- Les conditions : Ces travailleurs sont souvent très peu payés (environ 200 à 300 dollars par mois, ce qui est inférieur à la moyenne nationale) et travaillent de longues heures (40 à 60 heures par semaine).
- Le traumatisme : Une découverte majeure est que de nombreux travailleurs sont exposés quotidiennement à des contenus graphiques, perturbants ou violents (comme le tri d'images inappropriées pour des raisons de « sécurité »).
- L'analogie : Imaginez un travail où vous devez trier des déchets pour trouver les bons articles, mais où les déchets incluent des cauchemars. L'article a constaté que plus le contenu que vous devez regarder est traumatisant, moins vous recevez de rémunération supplémentaire. C'est une « taxe de traumatisme » qui n'est pas compensée.
- L'inégalité : Les travailleurs se trouvent principalement dans les pays du Sud (comme le Kenya), tandis que les entreprises qui fabriquent l'IA (comme Google ou Meta) se trouvent dans les pays du Nord. Les travailleurs supportent les risques pour la santé mentale, tandis que les entreprises conservent les profits.
3. La facture économique : La « Ruée vers l'or »
- L'investissement : Construire ces énormes entrepôts de données et les serveurs à l'intérieur coûte une fortune. L'article note que l'investissement mondial dans les centres de données est désormais plus important que l'investissement mondial dans le pétrole.
- Le monopole : Tout comme quelques grandes entreprises possèdent la plupart des puits de pétrole, quelques grandes entreprises technologiques possèdent la majeure partie de l'infrastructure de données.
- Le déséquilibre : L'article souligne que, bien que les données soient générées par des personnes du monde entier (y compris en Inde et en Afrique), les « usines » qui les traitent sont principalement aux États-Unis. Cela signifie que la valeur créée par les données reste aux États-Unis, tandis que les personnes qui ont généré ces données n'en tirent que très peu.
4. Le problème de la représentation : La « Chambre d'écho »
L'article a également examiné ce qui se trouve dans ces entrepôts de données.
- Le biais : Même si Internet est mondial, les données utilisées pour entraîner l'IA sont principalement en anglais.
- L'analogie : Imaginez essayer d'apprendre à un enfant tout sur le monde, mais en ne lui donnant que des livres écrits en anglais. L'enfant pensera que le monde entier parle anglais et que la culture anglaise est la seule qui compte. L'article a constaté que l'anglais domine les données, tandis que les langues parlées par des milliards de personnes sont à peine représentées. Cela rend l'IA biaisée en faveur des anglophones.
La solution : « Data PROOFS »
Les auteurs ne veulent pas seulement souligner les problèmes ; ils proposent un ensemble de règles appelées Data PROOFS pour les corriger :
- P (Provenance) : Savoir d'où viennent les données et donner crédit aux personnes qui les ont créées.
- R (Resource-awareness / Conscience des ressources) : Arrêter de prétendre que les données sont « gratuites ». Mesurer l'énergie et le coût humain de chaque jeu de données.
- O (Ownership / Propriété) : Les personnes qui créent des données devraient en être les propriétaires, et non les grandes entreprises technologiques.
- O (Openness / Ouverture) : Être transparent sur les coûts.
- F (Frugality / Frugalité) : Arrêter d'accumuler les données. Utiliser moins de données si cela fonctionne tout aussi bien.
- S (Standards / Normes) : Créer des règles pour mesurer et rapporter ces coûts.
L'essentiel
L'article conclut que la course pour construire une IA « super intelligente » en rassemblant une quantité infinie de données n'est pas une voie neutre vers le progrès. C'est un système qui épuise discrètement l'énergie de la planète, exploite les travailleurs des pays en développement et renforce l'idée que seules les cultures anglophones comptent. Les auteurs nous exhortent à ralentir, à examiner les coûts cachés et à commencer à construire un système qui soit juste et durable.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.