Je dois vous faire un aveu : je suis un « geek invé­téré ». Avant d’être direc­teur des poli­tiques au Regrou­pe­ment des orga­nismes de bassins versants du Québec (ROBVQ), j’ai été, pendant une période de près de dix ans, travailleur auto­nome en produc­tion multi­mé­dia (sites web, photos, vidéos). Ceux qui me connaissent savent que j’ai ce côté techno qui fait que je suis souvent parmi les premiers à tester les nouveaux outils pour voir ce qu’ils ont dans le ventre. Et depuis un peu plus d’un an, c’est l’in­tel­li­gence arti­fi­cielle qui occupe une bonne partie de mes explo­ra­tions. Je vous partage ici mes appré­hen­sions autant que mes espoirs.

L’ar­ri­vée d’In­ter­net, prise deux

Ce que l’on vit présen­te­ment avec l’IA a quelque chose de fami­lier. Comme lors de l’ar­ri­vée progres­sive d’In­ter­net dans nos vies dans les années 1990, une tech­no­lo­gie trans­for­ma­trice s’in­filtre dans toutes les sphères de notre quoti­dien sans nous propo­ser de guide d’uti­li­sa­tion. Et qu’est-ce qui se passe dans ces temps-là? Les utili­sa­teurs et utili­sa­trices font tout et n’im­porte quoi avec leur nouveau jouet pour comprendre comment ça fonc­tionne.

On assiste à l’ex­plo­sion de ce que les anglo­phones appellent l’In­ter­net « slop », de la bouette arti­fi­cielle. Des articles en ligne rédi­gés par personne, lus par personne, mais qui encombrent le web. Des images géné­rées par millions pour atti­rer des clics. Des vidéos truquées qui circulent sans contexte. Du « spam » d’un nouveau genre, produit à une échelle indus­trielle sans aucune valeur ajou­tée. C’est le contenu jetable du 21e siècle.

Avec un peu de pers­pec­tive : ce gaspillage numé­rique n’est pas nouveau. Bien avant l’IA, les serveurs d’In­ter­net débor­daient déjà de conte­nus dont personne n’avait vrai­ment besoin. Les médias sociaux en sont un bon exemple : des photos de chats, des gens qui se cassent la margou­lette à répé­ti­tion, des trucs spec­ta­cu­laires, mais complè­te­ment inutiles. Vous avez des images en tête, je n’ai pas besoin de pous­ser l’exemple davan­tage.

Ce qui coûte réel­le­ment cher

Parlons du vrai enjeu envi­ron­ne­men­tal. L’en­traî­ne­ment des grands modèles d’in­tel­li­gence arti­fi­cielle, cette étape où on « apprend » au système à comprendre le langage, est effec­ti­ve­ment un proces­sus extrê­me­ment éner­gi­vore. Des milliers de proces­seurs qui calculent pendant des semaines, refroi­dis par des quan­ti­tés massives d’eau. Et contrai­re­ment à ce qu’on pour­rait croire, ce n’est pas un inves­tis­se­ment fait une seule fois : la course entre les géants tech­no­lo­giques relance constam­ment de nouveaux cycles d’en­traî­ne­ment, chacun plus gour­mand que le précé­dent.

Les chiffres donnent le vertige. En 2023, Google a consommé 24 milliards de litres d’eau pour l’en­semble de ses centres de données. Micro­soft a reconnu une hausse de 34 % de sa consom­ma­tion d’eau dans certaines régions, direc­te­ment liée à l’IA. Et à l’échelle indi­vi­duelle? Selon des cher­cheurs de l’Uni­ver­sité de River­side, une seule conver­sa­tion avec ChatGPT consom­me­rait envi­ron 500 milli­litres d’eau, l’équi­valent d’une petite bouteille. Multi­pliez ça par les millions d’uti­li­sa­tions quoti­diennes, et le portrait devient saisis­sant.

Au Québec, notre contexte est parti­cu­lier. L’hy­dro­élec­tri­cité qui alimente nos réseaux réduit consi­dé­ra­ble­ment l’em­preinte carbone de nos centres de données par rapport à ceux qui fonc­tionnent au char­bon ou au gaz natu­rel ailleurs dans le monde. Mais cette éner­gie « propre » ne règle pas la ques­tion de l’eau de refroi­dis­se­ment, et c’est juste­ment notre ressource la plus sensible.

L’uti­li­sa­tion quoti­dienne que vous et moi faisons en posant une ques­tion à un assis­tant IA reste d’un autre ordre que l’en­traî­ne­ment des modèles. L’em­preinte globale de l’IA est un paquet qu’il faut regar­der en entier, pas seule­ment par le petit bout de notre utili­sa­tion indi­vi­duelle, mais pas non plus en confon­dant notre requête du matin avec la facture éner­gé­tique de tout un centre de données.

L’autre côté de la médaille

Malgré son coût en ressources, l’IA ouvre aussi des voies promet­teuses. En 2024, le prix Nobel de chimie a été décerné à des cher­cheurs ayant utilisé l’IA pour prédire la struc­ture de protéines, un problème que la biolo­gie n’ar­ri­vait pas à résoudre depuis cinquante ans. En envi­ron­ne­ment, des modèles d’IA analysent déjà des images satel­lites pour suivre l’évo­lu­tion des milieux humides, prédire les crues ou détec­ter des sources de pollu­tion diffuse dans les bassins versants.

C’est d’ailleurs là que réside la compé­tence propre de l’IA : trai­ter de manière infa­ti­gable des volumes consi­dé­rables d’in­for­ma­tions et faire ressor­tir les liens, les tendances, les nœuds qui ont du sens à travers le bruit. Ce n’est pas de la magie. C’est de l’ana­lyse à une échelle que le cerveau humain ne peut tout simple­ment pas atteindre seul. Mais l’IA peut aussi se trom­per. Elle peut géné­rer des infor­ma­tions qui ont l’air crédibles sans être vraies, ce que les spécia­listes appellent des « hallu­ci­na­tions ». Le juge­ment humain reste donc indis­pen­sable pour vali­der ce qu’elle produit.

Et les grands modèles de langage que le grand public utilise aujour­d’hui ne sont qu’une facette de l’IA. D’autres types de modèles, plus ciblés et souvent moins éner­gi­vores, assistent déjà les cher­cheurs en labo­ra­toire, opti­misent des réseaux d’in­fra­struc­tures ou analysent des données envi­ron­ne­men­tales. L’IA n’est pas un mono­lithe, c’est une boîte à outils.

Utili­ser intel­li­gem­ment l’in­tel­li­gence arti­fi­cielle 

Alors, où est-ce que le « geek » que je suis se posi­tionne dans tout ça? Je crois que la clé, c’est de connaître ses besoins avant de toucher à l’ou­til. L’IA ampli­fie ce qu’on lui donne. Si on lui donne une inten­tion claire basée sur un besoin réel, elle ampli­fie notre capa­cité de travail. Si on lui donne du temps à perdre, elle ampli­fie le gaspillage.

Cette réflexion est d’au­tant plus perti­nente que nous travaillons juste­ment sur la gestion respon­sable des ressources, dont l’eau. Utili­ser l’IA pour analy­ser de la régle­men­ta­tion, auto­ma­ti­ser une veille légis­la­tive sur les projets de loi qui touchent les bassins versants ou croi­ser des données envi­ron­ne­men­tales prove­nant de dizaines de sources diffé­rentes, c’est mobi­li­ser la tech­no­lo­gie au service de notre mission. C’est l’équi­valent d’un système d’ir­ri­ga­tion de préci­sion plutôt que d’un arro­seur qui tourne à vide : on utilise de l’eau, soit, mais de manière diri­gée et précise. L’in­tel­li­gence arti­fi­cielle ne dispa­raî­tra pas et l’hu­main conti­nuera à vouloir explo­rer tous les possibles, souvent de manière impro­duc­tive.

Alors avant de géné­rer votre prochaine image inso­lite ou de deman­der à l’IA d’écrire une blague ou un texte absurde que vous n’aviez pas vrai­ment besoin d’écrire, posez-vous deux ques­tions : qu’est-ce que je veux réel­le­ment accom­plir? Et est-ce que le coût en ressources en vaut la peine? Si la réponse est claire, allez-y, mais gardez toujours un œil critique sur ce que la machine vous retourne. Décou­pez votre travail en plus petits morceaux pour éviter de lais­ser rouler une IA dans la mauvaise direc­tion trop long­temps.

Après tout, la ressource la plus précieuse qu’on puisse écono­mi­ser après l’eau, c’est proba­ble­ment notre capa­cité d’at­ten­tion. Merci pour la vôtre.

Pour aller plus loin :

• Comment l’in­tel­li­gence arti­fi­cielle et ses data centers s’ac­ca­parent l’eau — Basta!, enquête sur la consom­ma­tion d’eau des géants du numé­rique.
• A.I. tools fueled a 34% spike in Micro­soft’s water consump­tion — Fortune, septembre 2023.
• Making AI Less “Thirsty”: Unco­ve­ring and Addres­sing the Secret Water Foot­print of AI Models — Étude de Shao­lei Ren et al., Univer­sité de Cali­for­nie à River­side, 2023.
• Les prix Nobel 2024 en science : l’in­tel­li­gence arti­fi­cielle récom­pen­sée — Québec Science, sur le Nobel de chimie.
• REAU­ZOH : l’in­tel­li­gence arti­fi­cielle au service de la carto­gra­phie des zones humides — Cerema, IA appliquée à l’en­vi­ron­ne­ment.
• As Use of A.I. Soars, So Does the Energy and Water It Requires — Yale Envi­ron­ment 360, portrait global éner­gie-eau-IA.

Photo: SWKStock, Shut­ter­stock.com