Quel est l'impact écologique de ChatGPT ?

Les amateurs de science-fiction ont certainement eu une pensée pour HAL 9000 lorsqu'ils ont entendu parler des exploits de ChatGPT. Tout comme son ancêtre fictif, les pouvoirs de ChatGPT et son impact sur la société font l'objet de vifs débats - surtout d’un point de vue intellectuel. Son bilan environnemental, quant à lui, s’avère des plus critiquables. En vue d'estimer l'empreinte carbone de cette nouvelle version GPT-4 - encore sujette à observation - Greenly a choisi de se pencher sur les données relatives à son plus récent prédécesseur : ChatGPT-3. En prenant pour exemple le cas d'une entreprise y ayant recours pour répondre automatiquement à 1 million de mails par mois pendant un an, GPT-3 aurait émis 240 tonnes de CO2e, soit l'équivalent de 136 voyages aller-retour entre Paris et New-York.

Un élève (très) gourmand en carbone

Hébergés dans des data centers, les systèmes d’apprentissage représentaient à eux seuls 99 % des émissions totales, soit 238 tCO2e à l’année. Dans le détail, le fonctionnement électrique représentait les ¾ de l’empreinte carbone (soit 160 tCO2e), suivi de la fabrication des serveurs (68,9 tCO2e) et de la fuite des gaz réfrigérants (9,6 tCO2e).

GPT-3 nécessitait entre 100 et 30000 heures de GPU (Graphics Processing Unit ou unité de traitement graphique) de plus que d’autres solutions IA pour une tâche similaire. Résultat : une consommation électrique plus importante sur plus de serveurs, qui avaient besoin d’être refroidis plus longtemps.

Toutefois, il est important de souligner que la qualité de la production électrique alimentant les data centers (autrement dit, si elle est décarbonée et mixte, ou non) joue un rôle non négligeable dans cette empreinte carbone. À titre de comparaison, la production électrique aux États-Unis est 6 fois plus carbonée que celle de la France.

Un usage courant moins “émetteur”

L’étude de l’usage comprend le stockage des données permettant d’entraîner GPT-3 à la mission donnée, le transfert des données et l’opération de recherche pour sa bonne exécution. Pour une entreprise répondant automatiquement à 1 million de mails, cette tâche aurait émis 1277 kgCO2e par an. Par mois, l’empreinte carbone du stockage était évaluée à 85 kgCO2e, le transfert à 11,8 kgCO2e et l’opération de traitement des 1 million de mails dont la durée était estimée à 38 heures, 9,3 kgCO2e.

Dans un tel contexte, seul un usage sur le long terme aurait permis de réduire sensiblement l’empreinte carbone de GPT-3 pour l’exécution d’une tâche similaire. Cependant, des doutes subsistent compte tenu de la mise à jour régulière de ces bases de données.

Pour Tommy Catherine, expert climat chez Greenly : “Malgré les performances fascinantes de ChatGPT, il est légitime de se demander si le jeu en vaut la chandelle sur le plan environnemental. À chaque avancée technologique, les émissions carbone augmentent significativement. Nous savons que des entreprises chinoises comme Huawei et Inspire travaillent déjà sur de nouveaux modèles d’IA ayant plus de 200 milliards de paramètres, de quoi aggraver le réchauffement climatique, au-delà de faire pression sur la consommation électrique mondiale.”