greenai.guide

Accueil › Comment faire… ? › Comment éviter que les gains d'efficacité de l'IA soient annulés par un usage accru ?

Comment faire… ?

Comment éviter que les gains d'efficacité de l'IA soient annulés par un usage accru ?

Mis à jour · 2 min de lecture

En bref

Suivez l'énergie totale de l'IA en plus de l'énergie par tâche, pour que la croissance soit visible, et décidez à l'avance de ce que deviennent les économies : retirer la capacité libérée, tenir un budget ou un plafond, ou réinvestir délibérément. Associez l'efficacité à la sobriété en vous demandant si chaque nouvel usage en vaut la peine. Sans cela, une IA moins coûteuse tend simplement à être davantage utilisée.

Étapes

  1. Présentez l'énergie ou les émissions totales de l'IA à côté de l'énergie par tâche lors de chaque revue.
  2. Décidez avant un projet d'efficacité de ce que deviendra la capacité ou le budget qu'il libère.
  3. Fixez un budget ou un plafond sur le calcul total, les tokens ou la dépense pour chaque équipe ou service.
  4. Retirez les serveurs, licences ou capacités réservées que l'efficacité a rendus inutiles.
  5. Demandez-vous si chaque nouvel usage de l'IA est nécessaire avant de l'approuver.

L'efficacité ne devient une économie que si quelqu'un décide de ce que devient la capacité qu'elle libère. Sinon, une IA moins coûteuse sert à davantage de choses, plus souvent, et le total continue d'augmenter.

Pourquoi cela se produit-il ?

L'économiste William Stanley Jevons a observé en 1865 que des machines à vapeur plus efficaces conduisaient à brûler davantage de charbon, et non moins. Luccioni, Strubell et Crawford soutiennent que la même dynamique de rebond s'applique à l'IA : les gains d'efficacité font baisser les coûts, ce qui peut stimuler l'usage. L'Agence internationale de l'énergie prévoit que la consommation d'électricité des centres de données fera plus que doubler entre 2024 et 2030, l'IA en étant le principal moteur, alors même que chaque requête devient moins coûteuse.

Que peut faire une organisation ?

  • Rendre les totaux visibles. Les seuls chiffres par tâche donneront l'impression d'un progrès constant.
  • Budgéter. Donnez aux équipes un budget de calcul, de tokens ou de dépense, comme pour toute autre ressource.
  • Encaisser l'économie. Quand un modèle ou un flux de travail devient plus efficace, arrêtez ou restituez la capacité dont il n'a plus besoin.
  • Réinvestir délibérément. Consacrer les économies à de nouveaux usages peut être le bon choix, mais faites-en une décision plutôt qu'une dérive.
  • Pratiquer la sobriété. Demandez-vous si une tâche a vraiment besoin de l'IA, ou d'un modèle aussi grand ; consultez savoir si vous avez besoin de l'IA.

Erreurs fréquentes

  • Annoncer un pourcentage de gain d'efficacité comme une réduction des émissions.
  • Laisser tourner les serveurs libérés « au cas où ».
  • Approuver chaque nouvelle fonction d'IA parce que chacune coûte peu.

Un « sandpit » britannique sur l'IA verte organisé en 2026, réunissant mathématiciens, informaticiens et industriels, a classé l'évitement de l'effet rebond parmi les principales questions ouvertes de l'IA verte. Pour aller plus loin, lisez l'efficacité ne suffit pas.

Sources

  1. The Coal Question, W. Stanley Jevons, Macmillan (1865)
  2. From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)
  3. Energy and AI, International Energy Agency (2025)

Rejoignez-nous

Aidez à réduire l’impact de l’IA sur la planète

Recevez par e-mail, environ une fois par mois, les nouveaux guides, appels à financement et fiches des annuaires. Ou ajoutez votre produit, cours, thèse ou recherche aux annuaires.

Aucun suivi. Désinscription en un clic. Autres façons de participer · Confidentialité