L’intelligence artificielle accélère le ravage écologique
L’essor de l’intelligence artificielle rend de plus en plus visible la matérialité du numérique. Ses effets écologiques ne peuvent toutefois pas être compris sans interroger son inscription capitaliste et les rapports sociaux qui conditionnent son développement. Entretien avec An Gwesped, militant au NPA-A.
Les contestations contre les data centers se multiplient. Que nous apprennent-elles sur la matérialité et les effets environnementaux du numérique?
Les centres de données sont clairement l’infrastructure numérique pour laquelle on voit le plus de contestations. Un service numérique repose, dans son essence informatique, sur trois éléments-clés. D’abord des réseaux télécoms, qui recouvrent à la fois les réseaux fixes et mobiles, c’est-à-dire Internet. Ensuite, on retrouve les terminaux – un PC, un smartphone, etc. Pour le numérique en général, les centres de données ne sont qu’un élément parmi les trois. Dans le cas de l’IA, en particulier l’IA dite générative, ils sont devenus particulièrement stratégiques.
On peut distinguer trois types d’impact de l’IA et des centres de données. La première chose que les gens voient localement, c’est le foncier. En général, les centres de données se construisent sur des terres agricoles, et dans une moindre mesure sur des friches industrielles. Sur ces dernières, cela n’entraîne pas forcément de contestation, mais c’est différent pour les terres cultivables.
Le second enjeu, notamment traité abondamment dans les médias, c’est celui de la consommation d’électricité. Selon l’Agence internationale de l’énergie, celle-ci pourrait doubler entre 2024 et 2030 jusqu’à atteindre 1000 TWh – soit à peu près l’équivalent de la consommation électrique du Japon.
Le troisième enjeu dont on parle le plus, c’est souvent l’eau, surtout pendant les périodes de grande sécheresse comme cet été. Là, l’enjeu est vraiment local parce qu’il peut y avoir des conflits d’usage, puisqu’il s’agit d’une ressource de moins en moins disponible.
Aux États-Unis, il existe actuellement d’importantes mobilisations contre les centres de données. Le prix de l’électricité y dépend beaucoup plus directement de l’offre et de la demande. Des démocrates comme des républicains s’opposent donc à certains projets parce que leur électorat s’en préoccupe, notamment en raison de l’augmentation du prix de l’énergie. C’est moins un facteur de mobilisation en France, où les contestations portent davantage sur les enjeux environnementaux et démocratiques.
Un dernier point peu soulevé concerne les PFAS. Des fluides frigorigènes sont utilisés pour refroidir les centres de données et certains peuvent relâcher des polluants qui appartiennent à la famille des PFAS ↗ – des «polluants éternels» dont le traitement est extrêmement difficile. Même si les quantités concernées sont relativement faibles, cela reste à mon sens un sujet important car pouvant toucher la santé à court et moyen-terme. Maintenant que la problématique des PFAS est davantage connue du grand public, les opposant·es aux projets s’y réfèrent beaucoup plus souvent et à juste titre.
Que peut-on réellement mesurer aujourd’hui de l’empreinte environnementale de l’IA? Qu’est-ce qui nous échappe encore?
Prenons simplement les modèles, comme ChatGPT et les autres IA de ce type. Une étude menée par une chercheuse montrait qu’environ 80 à 85% des modèles ne fournissaient aucune information environnementale. Pour les impacts directs, on ne connaît par exemple pas toujours la consommation d’électricité ou d’eau associée à l’utilisation d’un certain nombre de jetons (ou tokens, c’est à dire la plus petite unité de texte qu’un modèle d’IA utilise pour traiter une demande). Mais même des données de base, comme le nombre de paramètres ou le lieu d’entraînement du modèle, peuvent rester totalement opaques.
C’est un premier problème, mais l’autre grand sujet concerne les centres de données eux-mêmes. Dans l’Union européenne par exemple, il est extrêmement difficile d’obtenir une liste exhaustive des centres de données qui existent. Pour un habitant ou une habitante d’une localité concernée, accéder à des informations précises sur l’infrastructure située à proximité peut donc être extrêmement compliqué. En matière de transparence, la situation est vraiment très mauvaise. Il y a notamment eu un lobbying important dans le cadre de la directive européenne sur l’efficacité énergétique, où le «secret des affaires» l’a emporté sur la transparence environnementale.
Pourquoi l’empreinte propre de l’IA ne suffit-elle pas à saisir ses effets environnementaux?
Lorsqu’on parle des impacts environnementaux de l’IA, il faut d’abord considérer les effets directs, c’est-à-dire ce qu’on appelle son empreinte environnementale. La méthode généralement utilisée pour évaluer ces impacts est l’analyse de cycle de vie. Il s’agit d’une méthode scientifique standardisée qui permet de prendre en compte l’ensemble du cycle de vie d’un équipement ou d’un service: sa fabrication, l’énergie consommée pendant son utilisation, puis sa fin de vie.
Mais il existe un autre type d’effet, moins connu: les effets indirects. La question devient alors de savoir dans quel secteur économique le service numérique est utilisé.
Comme l’a montré une étude parue dans Nature il y a quelques mois, si l’IA est utilisée dans le secteur pétrolier et gazier pour extraire ou raffiner davantage de pétrole et de gaz, elle peut amplifier des impacts environnementaux déjà négatifs. En anglais, on parle d’enabled emissions, c’est-à-dire des émissions rendues possibles ou amplifiées par l’usage d’une technologie – on parle plutôt d’impact net en français. Il faut donc prendre en compte ces effets négatifs indirects, notamment parce que les gains de productivité permis par l’IA peuvent intensifier une activité déjà fortement carbonée. On parle ici de carbone, mais le raisonnement peut évidemment être étendu à d’autres enjeux environnementaux. Il faut toujours avoir une analyse globale des effets de l’IA, parce que le capitalisme est un système totalisant.
Que deviennent ces effets indirects lorsque l’IA est déployée dans une économie orientée vers l’accumulation et la croissance?
Les capitalistes n’ont jamais autant voulu investir dans les infrastructures numériques que depuis l’essor de l’IA générative à la fin de l’année 2022, avec la mise à disposition publique de ChatGPT. Les industriels répondent souvent qu’il existe parallèlement des gains d’efficacité: les puces deviennent plus performantes et la consommation d’électricité par requête peut diminuer. Mais il existe un phénomène très connu en écologie, celui de l’effet rebond, selon lequel la croissance des usages peut dépasser ces gains d’efficacité. Dans le cas de l’IA, ces gains ne seront pas infinis!
Ce qu’il faut surtout voir, c’est que la course à l’IA est aussi, dans une certaine mesure, une course à l’armement pour la puissance de calcul. Historiquement, c’est une technologie qui a été fortement liée aux usages militaires, et ceux-ci restent aujourd’hui très importants. On le voit notamment dans la guerre génocidaire menée par Israël à Gaza, où des systèmes d’IA ont été utilisés pour «identifier des cibles», permettant en réalité un «taux d’erreur» volontairement très élevé, tuant des populations civiles.
Plus généralement, on retrouve cette course à l’IA dans les investissements massifs annoncés par les États-Unis, la France ou l’Union européenne. Il s’agit d’une dynamique économique reconnue jusque par les économistes les plus libéraux: les modèles deviennent de plus en plus gros et nécessitent des investissements toujours plus importants. Politiquement, il faut donc regarder quels acteurs sont en mesure de soutenir cette course. Ce sont majoritairement les grandes entreprises du numérique, notamment étasuniennes, qui disposaient déjà d’un pouvoir considérable. On parle beaucoup d’OpenAI, mais son développement repose notamment sur son partenariat avec Microsoft et sur les infrastructures de centres de données de cette dernière aux États-Unis pour entraîner ses modèles. L’IA contribue donc à renforcer le pouvoir de ces grands acteurs, au service d’un impérialisme numérique.
Au fond, qu’il existe ou non une bulle de l’IA importe presque moins que le fait que ces acteurs en sortiront renforcés. Cela s’inscrit plus largement dans un projet de numérisation de la société qui comporte aussi des dimensions de contrôle et de surveillance. Ce n’est évidemment pas entièrement nouveau par rapport à ce que l’on savait déjà des Big Tech, des GAFAM et, plus largement, des grandes entreprises du numérique.
Il y a également derrière cela un projet politique que certains qualifient de «technofasciste» en raison notamment de l’idéologie développée par une partie de ces acteurs. Il ne s’agit d’ailleurs pas seulement des usages de la technologie, mais de la manière même dont elle est pensée et développée dans le capitalisme, et plus particulièrement par une fraction de la bourgeoisie de la tech.
Le débat public se concentre pourtant souvent sur une autre question: l’IA menace-t-elle l’humanité? Va-t-elle provoquer une catastrophe existentielle? Certains chercheurs continuent régulièrement d’alerter sur ce risque. Mais ce n’est pas, à mon sens, la question principale. La question centrale est plutôt de savoir comment l’IA renforce les rapports de pouvoir existants, notamment les rapports de colonialité, de race, de genre. C’est éminemment une question de lutte des classes. Avec l’IA, les travailleurs et les travailleuses sont soumis à de nouvelles formes de prolétarisation à différents niveaux de la chaîne de production, particulièrement dans le Sud global.
Que révèle l’IA de la géographie des chaînes de valeur du numérique et de leurs impacts environnementaux?
Il y a effectivement un angle dont on parle assez peu à propos de l’IA: celui de l’extractivisme. Tout à l’heure, nous avons surtout parlé de l’aval de la chaîne avec les grands modèles de langage et les data centers. De ce point de vue, l’IA contribue à renforcer l’extractivisme, notamment dans le secteur des énergies fossiles. Mais il faut également regarder l’amont de la chaîne, c’est-à-dire l’extraction des métaux nécessaires à la production des serveurs et des autres équipements. L’augmentation de la production d’équipements accroît fortement la pression sur les activités minières, notamment en République démocratique du Congo et dans d’autres régions où les conflits autour de l’extraction sont particulièrement importants.
Cette question est d’autant plus importante que ces chaînes de valeur sont très concentrées. Nvidia occupe par exemple une position dominante dans la production de puces destinées à l’IA, et le nombre d’acteurs est globalement très limité. Les possibilités d’alternative sont donc extrêmement réduites.
Je ne crois évidemment pas au «capitalisme responsable» bien que certains acteurs prétendent privilégier des approvisionnements provenant de mines situées dans des régions moins touchées par les conflits. Ici, même cette possibilité est très limitée, tant la chaîne est contrôlée par un petit nombre d’acteurs.
Il faut donc garder à l’esprit que la «dématérialisation» largement mise en avant par l’industrie depuis dix ou quinze ans repose en réalité sur des infrastructures extrêmement matérielles, au cœur d’importants conflits sociaux et coloniaux à l’échelle mondiale.
Propos recueillis par Antoine Dubiau
