The ultimate carbon cost of a ChatGPT query

Lorsque nous demandons à un ordinateur d'écrire une histoire, de résoudre un problème mathématique ou de résumer un document, nous exploitons un vaste réseau invisible d'énergie et de ressources. Ces systèmes, connus sous le nom de modèles de langage étendus, ne pensent pas comme les humains ; ils traitent plutôt l'information en effectuant des milliards de minuscules calculs mathématiques. Chaque fois qu'un utilisateur envoie un message, le système doit activer un matériel puissant, souvent situé dans de massifs centres de données, pour traiter ces nombres. Ce processus consomme de l'électricité et génère de la chaleur, qui rejette à son tour des gaz à effet de serre dans l'atmosphère. Bien que l'acte de taper une question semble instantané et sans poids, la machinerie physique derrière cela laisse une empreinte tangible sur la planète. Les scientifiques étudient depuis longtemps la quantité d'énergie que ces machines utilisent, mais une nouvelle perspective pose une question différente : quel est le véritable coût à long terme de cette énergie pour l'avenir de l'humanité ?

Une étude récente de Paul Kron cherche à répondre à cela en reliant les points entre une simple requête informatique et le coût ultime du changement climatique. La recherche combine des données sur la quantité d'énergie consommée par les puces informatiques, la quantité de carbone émise par l'électricité qui les alimente et les dommages économiques à long terme causés par ces émissions. L'auteur introduit un concept appelé « coût carbone ultime », qui tente de traduire la pollution d'un seul chat en une valeur monétaire reflétant le préjudice causé aux générations futures sur des milliers d'années. Cette approche va au-delà du simple comptage du dioxyde de carbone pour comprendre les conséquences plus larges de nos habitudes numériques. L'étude se concentre spécifiquement sur le chatbot populaire ChatGPT, l'utilisant comme étude de cas pour révéler l'empreinte environnementale cachée de l'intelligence artificielle.

Les chercheurs ont commencé par examiner le coût physique de la construction et de l'utilisation des ordinateurs qui alimentent ces modèles. Ils ont calculé les émissions générées lors de la fabrication du matériel, tels que les processeurs spécialisés et les serveurs, ainsi que l'énergie utilisée pour les faire fonctionner. Ils ont estimé que l'entraînement d'un modèle avancé comme GPT-4 nécessitait une puissance de calcul massive, libérant un montant estimé à dix mille tonnes d'équivalent dioxyde de carbone. C'est une quantité de pollution stupéfiante, comparable aux émissions annuelles de milliers de personnes. Cependant, parce que ce modèle est utilisé par des millions de personnes pour des milliards de questions, les chercheurs ont divisé ce total énorme par le nombre de requêtes pour trouver le coût d'une interaction individuelle. Ils ont estimé que le modèle a été utilisé pour environ 1,4 billion de recherches durant sa principale période d'exploitation. Lorsque les émissions d'entraînement sont réparties sur toutes ces questions, la part de chaque requête individuelle est étonnamment petite, s'élevant à une infime fraction de gramme de carbone.

Le véritable poids du coût, cependant, provient de l'électricité utilisée pour répondre à chaque question spécifique. La quantité d'énergie nécessaire dépend fortement de la complexité de la question et du nombre de mots, ou « tokens », que l'ordinateur doit traiter. Pour une conversation simple et courte, l'utilisation d'énergie est faible. Mais pour des tâches complexes, telles que l'écriture de code, l'analyse de documents longs ou la résolution de problèmes à plusieurs étapes, l'ordinateur doit effectuer beaucoup plus de calculs. L'étude a révélé qu'une requête simple pourrait impliquer mille tokens, tandis qu'une requête complexe pourrait en impliquer trente mille ou plus. Cette différence modifie radicalement l'impact environnemental. En calculant l'énergie requise pour ces différents scénarios et en appliquant le coût des émissions de carbone qui en résultent, les chercheurs sont arrivés à un prix spécifique pour chaque interaction.

L'étude conclut que le coût carbone ultime d'une seule requête complexe à un modèle de langage étendu est d'environ quarante cents. Ce chiffre représente le dommage estimé à la population humaine future causé par les gaz à effet de serre émis pour répondre à cette question. Pour une requête plus simple et plus courte, le coût tombe à environ un centime. Bien que quarante cents puissent ne pas sembler être une somme importante pour une seule interaction, l'étude souligne la rapidité avec laquelle ces coûts s'accumulent. Si un utilisateur pose de nombreuses questions complexes par jour, ou si une entreprise entière utilise le système intensément, le coût total peut grimper jusqu'à des milliers ou même des millions de dollars de dommages environnementaux. La recherche souligne également que la manière dont ces systèmes sont actuellement utilisés est souvent inefficace. Certains rapports internes suggèrent que les employés de grandes entreprises technologiques ont utilisé des milliards de tokens pour des tâches qui auraient pu être accomplies avec beaucoup moins, créant une pollution inutile sans bénéfices proportionnels.

Malgré les coûts élevés associés à une utilisation intensive, l'étude note que pour un individu moyen, l'empreinte carbone de l'utilisation d'un chatbot reste faible par rapport à d'autres activités quotidiennes comme conduire une voiture ou chauffer une maison. Une personne moyenne en Europe émet environ sept cent cinquante kilogrammes d'équivalent dioxyde de carbone par mois. Pour atteindre ce même niveau de pollution uniquement en utilisant un chatbot, une personne devrait traiter des milliards de tokens, un volume bien au-delà de l'usage humain typique. Cependant, l'étude avertit qu'à mesure que ces technologies s'intègrent davantage dans nos vies et gèrent des tâches plus complexes, le volume total d'utilisation augmentera. Les chercheurs soulignent que le manque actuel de transparence des entreprises technologiques rend difficile la connaissance des chiffres exacts, car les données sur l'utilisation de l'énergie et le nombre de tokens sont souvent cachées ou spéculatives.

Le document soutient finalement que nous devons être plus conscients des coûts cachés de l'intelligence artificielle. En attachant une valeur monétaire familière aux émissions de carbone d'une requête numérique, l'étude vise à rendre le concept abstrait du changement climatique plus concret et immédiat. Elle suggère que bien que la technologie offre de grands avantages, sa trajectoire actuelle fait peser un fardeau important sur la planète et les générations futures. Les chercheurs appellent à de meilleures données, des systèmes plus efficaces et un changement dans notre façon de penser l'impact environnemental de nos choix numériques. Ils proposent que la compréhension du « coût carbone ultime » puisse aider les individus et les décideurs politiques à prendre des décisions plus éclairées, garantissant que le développement de l'intelligence artificielle ne se fasse pas aux dépens de la santé de la Terre. L'étude ne prétend pas avoir résolu le problème, mais plutôt avoir éclairé une voie vers une conversation plus honnête sur le véritable prix de notre avenir numérique.