En bref
Le carbone intrinsèque correspond aux émissions liées à la fabrication, au transport et à l'élimination du matériel. Pour en tenir compte, prenez le total des émissions intrinsèques du matériel, répartissez-le selon la durée et la part du matériel que vos travaux d'IA utilisent, et ajoutez cette part au chiffre opérationnel, comme le fait le terme M de la spécification SCI. Comme les données sont souvent minces, indiquez vos hypothèses ; et n'oubliez pas que garder le matériel plus longtemps répartit les mêmes émissions sur davantage de travail.
Étapes
- Demandez à votre fournisseur de matériel ou de cloud les données d'émissions intrinsèques des équipements que vous utilisez.
- Attribuez une part à vos travaux d'IA selon la durée et la fraction du matériel qu'ils utilisent.
- Ajoutez cette part à vos émissions opérationnelles et précisez ce que vous avez inclus.
- Indiquez vos hypothèses, y compris la durée de vie prévue du matériel.
- Prolongez la durée de vie du matériel lorsque vous en avez la maîtrise, afin que les émissions intrinsèques couvrent davantage de travail utile.
Comptez le matériel autant que l'électricité : plus le réseau électrique se décarbone, plus la part de la fabrication augmente. En 2022, Wu et ses collègues de Meta ont indiqué que le carbone intrinsèque représentait environ 30 % de l'empreinte de l'apprentissage automatique à grande échelle de Meta, et ont avancé qu'il devenait la source dominante à mesure que l'énergie opérationnelle se décarbone.
Comment le répartir ?
La spécification SCI de la Green Software Foundation inclut les émissions intrinsèques sous le terme M. Une méthode simple :
- Prenez le total des émissions intrinsèques de l'appareil auprès du fabricant ou du fournisseur.
- Divisez-le par sa durée de vie prévue pour obtenir les émissions par an ou par heure.
- Multipliez par la durée pendant laquelle vos travaux l'ont réservé, et par la part de la machine que vous avez utilisée.
Pour les services cloud, vous ne voyez pas le matériel : demandez donc au fournisseur si ses rapports carbone incluent la fabrication (scope 3) et comment elle est répartie. Consultez les données carbone de votre fournisseur de cloud.
Et les déchets électroniques ?
En 2024, Wang et ses collègues ont estimé que les grands modèles de langage pourraient générer au total entre 1,2 et 5,0 millions de tonnes de déchets électroniques entre 2020 et 2030, selon la vitesse de croissance de leur usage, et que le réemploi et le recyclage pourraient réduire ce volume de manière substantielle.
Erreurs fréquentes
- Omettre le carbone intrinsèque sans le dire. Mentionnez-le dans la déclaration de périmètre dans tous les cas.
- Supposer par défaut une durée de vie courte. Remplacer le matériel tôt augmente la part annuelle.
- Acheter du matériel neuf pour un faible gain d'efficacité sans vérifier le coût de fabrication qu'il ajoute.
Consultez comment mesurer l'énergie de l'IA pour la définition des périmètres.
Sources
- Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
- E-waste challenges of generative artificial intelligence, Wang et al., Nature Computational Science (2024)
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
Voir aussi
Comment calculer un score Software Carbon Intensity pour une fonction d'IA ?
Calculez un score SCI pour une fonction d'IA : énergie multipliée par l'intensité du réseau, plus les émissions intrinsèques, divisées par une unité fonctionnelle.
Comment éviter de changer mes appareils juste pour utiliser l'IA ?
Pourquoi il est rarement nécessaire d'acheter un téléphone ou un ordinateur neuf pour l'IA, comment garder vos appareils utiles, et pourquoi leur durée de vie compte.
Comment choisir du matériel économe en énergie pour l'IA ?
Choisissez le matériel d'IA selon l'énergie mesurée par tâche avec vos tailles de lots réelles, comparez runtimes et accélérateurs, et pesez le carbone intrinsèque.
Comment mesurer l'énergie et le carbone de l'IA
Guide pratique pour mesurer ou estimer l'énergie et le carbone de l'IA : outils, périmètre du système, indicateurs par tâche et incertitude assumée.