Lors d’un cours en apprentissage par projet, des élèves ont pris conscience du coût que représente l’utilisation quotidienne des outils d’intelligence artificielle pour les ressources naturelles.
Les élèves du secondaire peuvent améliorer leur apprentissage et leurs compétences en création de contenu à travers des projets qui mobilisent des plateformes d’intelligence artificielle génératrice et divers outils d’IA.
Une fois qu’ils comprennent le fonctionnement de ces technologies, il devient pertinent d’approfondir leur réflexion en les amenant à examiner l’impact de l’IA sur l’environnement dans le monde réel.
Un cours d’apprentissage par projet en mathématiques et en sciences, axé sur l’étude des empreintes carbone industrielles et de la responsabilité environnementale, offre aux élèves l’occasion de rendre leur utilisation de l’IA plus efficace et moins nuisible pour l’environnement.
Expliquer les coûts environnementaux de l'utilisation de l’IA
Beaucoup d’élèves ne saisissent pas complètement le coût environnemental considérable que représente l’utilisation de l’intelligence artificielle.
Chaque requête sur ChatGPT ou sur un outil de génération d’images mobilise :
- de l’électricité pour alimenter les serveurs,
- de l’eau pour refroidir les machines,
- et une infrastructure physique (centre de données) pour être traitée.
Ces éléments permettent de comprendre que l’IA, bien qu’immatérielle en apparence, repose sur des systèmes énergivores dont l’impact environnemental est réel. Intégrer cette dimension dans les cours aide les élèves à adopter une approche plus responsable et consciente de leur usage des technologies
Les requêtes effectuées par des modèles d’IA comme GPT‑4 peuvent consommer environ 0,42 watt‑heure d’énergie ; à l’échelle de centaines de millions de requêtes quotidiennes, cette consommation peut être comparée à l’utilisation d’électricité de plus de 6 000 foyers français.
L’eau utilisée dans les centres de données s’évapore lors du refroidissement ; bien qu’elle retourne ensuite dans l’atmosphère, cela réduit les réserves locales d’eau douce.
La quantité d’eau requise pour l’entraînement des modèles d’IA est considérable, et les chercheurs s’attendent à ce que la demande continue d’augmenter. L’entraînement correspond à la phase où le système apprend à reconnaître des schémas à partir de milliards de données ; cette étape mobilise des milliers de processeurs pendant plusieurs jours ou semaines, ce qui consomme beaucoup d’énergie et d’eau. On estime que l’entraînement du modèle GPT‑3 à lui seul a nécessité environ 70 000 litres d’eau en deux semaines.
Certains chercheurs prévoient que l’usage de l’intelligence artificielle pourrait atteindre entre 4 et 6 milliards de mètres cubes d’eau d’ici 2027.
De plus, les émissions de carbone liées à l’entraînement des grands modèles de langage, tels que GPT‑3 ou GPT‑4, sont comparables, voire supérieures, à celles générées par des procédés industriels fortement polluants dans des secteurs comme l’aviation, la production de ciment ou la sidérurgie.
Impliquer les élèves dans l’enquête, la recherche et la collecte de données
En tant qu’enseignants, nous pouvons guider les élèves à travers une activité d’apprentissage par projet centrée sur la recherche de l’impact environnemental de l’intelligence artificielle. Ce type d’enquête aide les élèves à comprendre le coût caché de l’utilisation quotidienne de l’IA tout en éveillant leur intérêt pour les questions d’énergie et de durabilité.
Exemple de mise en œuvre concrète
Une approche possible consiste à répartir les élèves en petites équipes et à les orienter pour qu’ils enquêtent sur l’effet de l’IA selon différents aspects environnementaux : consommation d’énergie, consommation d’eau et émissions de carbone.
Les enseignants qui ne sont pas spécialisés en sciences ou en mathématiques peuvent collaborer avec leurs collègues en STIM (Sciences, Technologies, Ingénierie, Mathématiques) afin de soutenir l’analyse de données présentée plus bas.
- Explorer la consommation d’énergie liée aux requêtes d’IA Les élèves peuvent apprendre à estimer la quantité d’énergie nécessaire pour des requêtes courantes d’IA et pour l’entraînement de modèles, en s’appuyant sur des données rapportées par des chercheurs : environ 0,42 watt‑heure pour une requête GPT‑4, comme mentionné précédemment. Des calculs peuvent également être réalisés pour des modèles plus anciens, tels que 0,34 watt‑heure pour les requêtes GPT‑3.5, selon OpenAI. Ces valeurs peuvent être multipliées pour estimer la consommation à grande échelle et comparées à celle de l’énergie quotidienne du monde réel, afin de rendre les résultats plus concrets pour les élèves. Exemple de calcul : 2 000 requêtes GPT‑4 × 0,42 watt‑heure = 840 wattheures, soit la quantité d’énergie nécessaire pour alimenter une ampoule LED pendant plus de 80 heures.
- Enquêter sur la consommation d’eau liée à l’entraînement de l’IA Les élèves peuvent explorer le rôle de l’eau dans le refroidissement des centres de données et estimer la quantité d’eau requise pour entraîner des modèles d’IA. Ils peuvent mettre en relation des estimations rapportées (par exemple 700 000 litres pour un cycle d’entraînement GPT‑3) avec des usages quotidiens qu’ils connaissent.
Exemple de calcul : 700 000 litres ÷ 1 100 litres (consommation moyenne quotidienne d’un foyer français selon l’ADEME, Agence de la transition écologique, organisme public français chargé de promouvoir la transition énergétique et environnementale) = plus de 636 jours, soit près d’un an et trois mois de consommation d’eau pour une famille.
- Calculer les émissions de carbone de l’IA Les élèves peuvent comprendre l’impact de l’IA sur les émissions mondiales en calculant la production de dioxyde de carbone (CO₂) liée à la consommation d’énergie des modèles d’IA. Ils peuvent convertir des kilowatt‑heures (kWh) en émissions estimées de CO₂ à l’aide d’un facteur de conversion standard adapté au contexte français : 1 kWh ≈ 0,05 kg CO₂ selon RTE et l’ADEME.
Exemple de calcul : 2 000 requêtes GPT‑4 × 0,42 watt‑heure = 840 watt‑heures (ou 0,84 kWh). 0,84 kWh × 0,05 kg CO₂/kWh = 0,042 kg CO₂, soit environ 42 grammes de CO₂, l’équivalent d’un trajet d’environ 350 mètres en voiture essence.
Les données de l’ADEME permettent également aux élèves d’explorer d’autres comparaisons qu’ils peuvent facilement visualiser et comprendre. Lorsqu’ils utilisent ces données, ils peuvent entrer leurs résultats en kWh pour obtenir des équivalences adaptées au contexte français.
Découvrir les perspectives de carrière
Une fois que les élèves maîtrisent ces calculs et comparaisons, ils peuvent élargir leur apprentissage à des projets qui établissent des liens concrets avec des parcours professionnels authentiques. Ils peuvent envisager des métiers tels que l’audit énergétique, l’informatique durable ou les opérations dans le domaine du nucléaire.
Les élèves peuvent également explorer d’autres rôles essentiels au sein du secteur de la green tech, tels que les ingénieurs en systèmes durables, les spécialistes des données environnementales ou les ingénieurs en infrastructures d’intelligence artificielle, qui œuvrent à rendre l’IA plus efficace et moins nocive pour l’environnement.
D’autres professionnels, comme les spécialistes des centres d’opérations, les ingénieurs en gestion des ressources hydriques, les agents de conformité environnementale et les techniciens des systèmes de refroidissement, contribuent à réduire l’empreinte eau des infrastructures de haute technologie.
Les auditeurs des émissions, les analystes des données climatiques, les spécialistes des politiques d’énergie propre et les consultants en développement durable accompagnent les entreprises dans la mesure, la réduction et la déclaration de leurs empreintes carbone. Ces métiers jouent un rôle clé pour rendre l’intelligence artificielle et les technologies plus respectueuses de l’environnement.
Voici quelques idées de projets pour encourager les élèves à explorer plus en profondeur ces carrières :
- Créer une campagne de sensibilisation à la durabilité de l’IA.
- Concevoir un plan pour une “IA plus verte”.
- Préparer un profil de carrière dans le domaine de l’IA et une simulation d’observation professionnelle.
Que pensez vous de cet article ? ( Laissez-nous un petit message à contact@eduscopie.net si vous l’avez lu )
