Un débat mondial est en cours sur l'utilisation de l'IA pour relever les défis du changement climatique, renforcé par une nouvelle initiative de la Convention-cadre des Nations Unies sur les changements climatiques (CCNUCC). Cependant, on reconnaît de plus en plus que l'IA consomme une quantité d'énergie excessive, risquant d'aggraver les problèmes mêmes qu'elle est censée résoudre.
Une semaine avant la COP28 de la CCNUCC à Dubaï, l'Institut Vector a réuni des experts en IA, des commanditaires et des entreprises du réseau Fastlane pour une table ronde sur la façon dont les entreprises canadiennes peuvent tirer parti de l'IA pour respecter, voire dépasser, leurs engagements environnementaux, sociaux et de gouvernance (ESG). La discussion a porté à la fois sur l'IA comme outil d'atténuation des changements climatiques et sur les moyens de la rendre plus verte.
Parmi les intervenants figuraient Katharine Preston, vice-présidente, Investissement durable chez OMERS ; Alik Sokolov, cofondateur et PDG de Responsibli AI ; Eric Morrow, directeur général de la science des données et de l’IA chez BMO ; Katerina Kindyni, directrice principale, Gestion des risques des services financiers chez EY ; Arthur Berrill, directeur de la technologie chez RBC Data and Analytics ; Iyngaran Panchacharam, directeur principal, IA et analytique en matière de développement durable ; Olga Kravtsova, gestionnaire de portefeuille Innovations et accélérateurs chez PwC ; et David Crane, directeur du développement de produits chez AltaML.
L'IA va transformer notre approche des engagements ESG.
Pour lancer les discussions, Deval Pandya, vice-président de l'ingénierie en intelligence artificielle chez Vector, a présenté un aperçu pratique des enjeux liés à l'IA et au développement durable pour les organisations. Il a expliqué que peu d'entreprises sont prêtes à se conformer aux normes de déclaration ESG obligatoires. Ce manque de préparation s'explique en partie par l'absence de consensus sur les exigences d'un rapport ESG complet.
Pandya a aussi dit que les entreprises ont besoin de meilleurs outils pour respecter leurs engagements ESG, notamment des produits et services basés sur l'IA. Il a reconnu la consommation d'énergie et d'eau problématique des machines d'IA, mais a soutenu qu'elles peuvent avoir un impact net largement positif sur nos efforts collectifs de lutte contre le changement climatique. Il a ajouté que la communauté de l'IA s'implique de plus en plus spécifiquement dans la prise en compte des critères ESG. Par exemple, le Responsible AI Institute a récemment créé le premier groupe de leadership mondial chargé d'examiner « les implications positives et négatives de l'IA pour le développement durable » (le Vector Institute est membre fondateur et Pandya siège au sein du groupe de travail). Pandya a décrit comment l'IA générative peut aider les organisations à recueillir, traiter et communiquer leurs données d'impact environnemental. Il a anticipé de nombreuses applications ESG utiles des modèles multimodaux et a estimé que l'IA, en tant qu'outil d'accélération des sciences des matériaux, pourrait mener à un large éventail de solutions de développement durable.
Une IA plus verte et plus efficace
Gennady Pekhimenko, membre du corps professoral de Vector, professeur d'informatique à l'Université de Toronto et PDG et cofondateur de CentML, a donné une présentation fascinante sur ses travaux visant à rendre les systèmes d'IA plus efficaces.
Nous pouvons réduire considérablement l' empreinte carbone nécessaire à la formation des titulaires de LLM.
Pekhimenko analyse les inefficacités liées à l'entraînement des modèles d'IA afin de réduire leur consommation énergétique. Son équipe et lui ont constaté que l'utilisation généralisée des GPU les plus rapides et les plus coûteux a engendré des goulots d'étranglement au niveau d'autres composants matériels des systèmes d'IA, tels que les CPU et la mémoire. De ce fait, les GPU, très énergivores, restent inactifs un tiers du temps, tout en consommant de l'électricité. L'inefficacité de ces systèmes contribue de manière significative à leur empreinte carbone élevée.
Selon Pekhimenko, ce dont nous avons besoin, ce sont des contre-mesures : des outils permettant de suivre comment et pourquoi l’énergie est utilisée, et d’optimiser les systèmes d’IA pour une efficacité maximale. Bien qu’il existe déjà divers outils censés analyser la consommation énergétique des systèmes, Pekhimenko a constaté que leur analyse était loin d’être suffisamment précise.
Les recherches de Pekhimenko ont permis à CentML de développer de meilleurs outils pour identifier et analyser les goulots d'étranglement, quantifier précisément la consommation d'énergie et mesurer l'impact environnemental de l'entraînement des modèles d'IA. CentML prédit aussi les temps d'exécution des entraînements sur différents GPU et recommande les solutions les plus efficaces pour chaque tâche. L'entreprise quantifie même les émissions de différents fournisseurs de cloud, tels que Google, AWS et Azure, permettant ainsi aux clients de choisir l'option la plus rapide, la plus économique et la plus respectueuse de l'environnement possible pour leur cas d'utilisation spécifique.
Tables rondes et panels
Les discussions en panel et en table ronde se sont appuyées sur le discours d'ouverture et la présentation technique pour explorer les défis et solutions ESG concrets que les organisations étudient aujourd'hui. La première table ronde a porté sur les enjeux ESG et les risques liés au changement climatique, tandis que la seconde a abordé les solutions basées sur l'IA. De ces discussions sont ressortis les thèmes suivants.
Maîtrise en droit (LLM) spécialisée en ESG
L'IA automatise de mieux en mieux les activités de recherche primaire nécessaires au suivi des engagements ESG, selon un intervenant. Avec les bons modèles et les bonnes données, non seulement la recherche peut être rendue plus efficace, mais l'IA pourrait aussi, à terme, permettre une meilleure compréhension d'une situation donnée. Un autre commentateur a confirmé le potentiel considérable de l'IA dans ce domaine et les nombreuses possibilités d'innovation pour recueillir des données et créer des outils d'IA véritablement transformateurs. Selon ce même intervenant, un sondage mené auprès de plus de 500 entreprises à travers le monde a révélé que les grands modèles linguistiques (LLM) sont maintenant au cœur des préoccupations. Les systèmes actuels basés sur les LLM peuvent déjà faire 80 % du travail de recherche, a dit un commentateur - et ce n'est que le début. L'objectif est de pouvoir recueillir rapidement et efficacement des données à partir de rapports et d'autres documents. L'automatisation des processus et l'amélioration de l'analyse des données peuvent réduire les coûts liés au respect des engagements ESG.
Analyse prédictive des données climatiques
Un autre domaine où l'IA devrait aider est l'analyse des données. Selon un commentateur, l'IA aura un impact majeur sur les efforts de lutte contre les changements climatiques au cours des prochaines années dans trois domaines clés. Premièrement, elle permettra aux entreprises de mieux exploiter les vastes quantités de données non structurées sur le climat et les émissions en les structurant et en les rendant utiles. Deuxièmement, elle améliorera l'analytique prédictive, renforçant ainsi la capacité des organisations à fixer des objectifs d'émissions et à réduire les risques liés à leurs activités. Troisièmement, la vision par ordinateur et l'analyse en temps réel aideront à automatiser le suivi des indicateurs clés de rendement par les entreprises. Les intervenants ont également discuté de la manière dont l'IA peut faciliter l'intégration de différents types de modèles climatiques, par exemple en reliant les modèles de répartition de la chaleur à ceux des inondations. Cela pourrait aussi améliorer notre capacité à prévoir les changements et les risques auxquels nous sommes confrontés dans certaines régions du monde.
Analyse des données, protection de la vie privée
La capacité de l'IA à analyser d'immenses volumes de données peut s'avérer extrêmement bénéfique. Un participant a décrit comment de grandes organisations, parfois septuagénaires, peuvent posséder des quantités massives de données provenant de centaines de systèmes anciens. L'IA peut aider à automatiser le travail de collecte et d'exploitation de ces données. Un autre participant a parlé des difficultés liées à l'utilisation de l'IA pour suivre et calculer efficacement l'impact environnemental des déplacements professionnels au sein de son organisation. Bien que l'automatisation de cette tâche par l'IA présente des avantages indéniables, ce participant a souligné les questions de confidentialité qu'elle soulève. La question est la suivante : à quel moment un système de suivi des activités des employés, comme les déplacements, devient-il une forme de surveillance ?
Mesurer les empreintes
Les intervenants ont discuté des difficultés que le secteur financier rencontre pour saisir l'empreinte environnementale mondiale d'une organisation, y compris celle de l'ensemble de son portefeuille. Cette tâche peut s'avérer complexe, notamment en raison des délais importants et imprévisibles de réception des données ESG des entreprises du portefeuille. Par ailleurs, la fragmentation et l'hétérogénéité des pratiques et des méthodologies de suivi ESG entre les différentes entreprises et les secteurs compliquent l'obtention d'une vue d'ensemble pour un portefeuille entier. Interrogé sur les principaux leviers d'action, un participant a souligné l'importance de se concentrer sur les activités les plus émettrices. Pour de nombreuses entreprises, il ne s'agit pas des émissions de portée 1 ou 2, mais plutôt de portée 3. Face à cette problématique, de nombreuses multinationales s'efforcent de réduire leur empreinte carbone au sein de leurs chaînes d'approvisionnement.
Intégrer les engagements ESG
Un thème récurrent parmi les conférenciers et les participants était la nécessité d'intégrer les engagements ESG à l'ADN des organisations. Un commentateur a décrit comment, dans le secteur financier, il y a souvent un manque de communication entre les équipes d'investissement et de développement durable. Ce manque de cohésion tend à engendrer des inefficacités, les enjeux climatiques étant perçus comme une contrainte externe pesant sur l'activité commerciale. Cependant, d'autres intervenants ont constaté que les choses commencent à évoluer. Les entreprises ne se contentent plus de considérer les critères ESG comme une simple obligation de conformité, mais les intègrent désormais à leurs valeurs fondamentales et à leur processus de création de valeur.
Transition et collaboration
Pour progresser sur les engagements ESG, il est essentiel de mobiliser les ressources internes, comme l'a souligné un intervenant, afin d'amener l'organisation à atteindre ses objectifs. Parmi les stratégies évoquées figurait la création d'un institut interne dédié au climat social, chargé de dialoguer avec les gouvernements, les clients et les équipes internes. Selon un participant, l'important est de réunir tous les intervenants clés (personnes, équipes et disciplines) afin de définir des objectifs communs et d'assurer une communication fluide au sein de ce groupe interdisciplinaire. Un autre commentateur a insisté sur l'importance d'associer les utilisateurs finaux de tout nouvel outil développé, y voyant une occasion d'instaurer un climat de confiance et de s'assurer de son utilisation efficace. (Comme l'a fait remarquer un autre participant, il est fréquent que les utilisateurs finaux ignorent tout simplement les nouveaux outils développés ou acquis par les entreprises.)
Outre la constitution d'équipes performantes, plusieurs intervenants ont souligné que la clé d'un progrès plus large réside dans la collaboration à différentes échelles – non seulement au sein des organisations, mais aussi entre les secteurs d'activité et entre les secteurs public et privé. De même, un commentateur a fait remarquer qu'il serait difficile pour toute organisation d'élaborer seule de meilleurs modèles climatiques et que la meilleure approche consiste à créer des regroupements qui mettent en commun les données, les ressources et l'expertise en matière de climat. Les intervenants ont également noté que le Canada est confronté à des défis particuliers, car son économie demeure fortement axée sur les ressources naturelles. Le gouvernement intensifie ses efforts pour soutenir la transition vers des pratiques plus durables, ont-ils indiqué, et les groupes industriels collaborent désormais avec lui afin de créer des marchés pour investir dans les technologies et les pratiques vertes.
Changement de comportement
À la fin de la table ronde, la discussion a porté sur la question de l'action climatique. Si l'objectif ultime de l'analyse des données sur le climat et le développement durable est d'induire un changement de comportement au sein des organisations et chez les individus, de quels types de modèles d'IA avons-nous besoin ? Aborder ce défi sous cet angle met encore une fois en lumière l'importance de la confiance. Comme l'a souligné un participant, plus une décision est cruciale, plus il est essentiel de faire confiance au modèle. Les résultats des modèles les plus simples étant généralement plus faciles à expliquer, ils sont souvent plus faciles à croire et peuvent donc s'avérer des outils plus efficaces pour impulser un changement de comportement.
Les applications de l'IA dans le domaine de la santé – où les décisions peuvent littéralement être une question de vie ou de mort – pourraient servir de guide pour instaurer la confiance dans les modèles d'IA en matière d'ESG (environnementaux, sociaux et de gouvernance). Les participants ont discuté d'une application médicale récente de l'IA, impliquant un algorithme conçu pour recommander des traitements de radiothérapie adaptés aux besoins de chaque patient. Pendant six ans, les recommandations du modèle d'IA ont été rigoureusement évaluées et comparées à celles des meilleurs médecins, et les résultats de santé obtenus avec les recommandations humaines et celles de l'IA ont été suivis de près. Ce processus rigoureux a finalement démontré que l'algorithme formulait de manière fiable les meilleures recommandations de traitement possibles, créant ainsi une nouvelle norme de soins améliorée et digne de confiance. Instaurer la confiance dans les modèles d'IA qui automatisent les fonctions ESG et guident nos efforts pour relever les défis du changement climatique pourrait suivre une voie similaire.
Prochaines étapes
Plus les outils ESG basés sur l'IA deviendront utiles et fiables, plus les organisations canadiennes les adopteront pour respecter leurs engagements.
De la recherche et des applications liées aux émissions et au développement durable, Vector collabore avec des partenaires et des chercheurs en utilisant des approches interdisciplinaires et des solutions libres, pour obtenir des résultats concrets pour la planète. Vector explore le changement climatique sous tous ses angles grâce à ses projets collaboratifs. Consultez la page des événements de Vector pour découvrir de nouvelles occasions de participer à la discussion, contactez-nous dès aujourd'hui ou suivez-nous sur GitHub .
