24 janvier 2024
Une conversation mondiale est en cours sur l'utilisation de l'IA pour relever les défis du changement climatique, soutenue par une nouvelle initiative de la Convention-cadre des Nations unies sur les changements climatiques (CCNUCC). Pourtant, il est de plus en plus admis que l'IA consomme une quantité démesurée d'énergie, ce qui risque d'exacerber les problèmes mêmes qu'elle est censée résoudre.
Une semaine avant la réunion COP28 de la CCNUCC à Dubaï, l'Institut Vecteur a réuni des experts en IA, des sponsors et des entreprises Fastlane pour une table ronde sur la façon dont les entreprises canadiennes peuvent exploiter l'IA pour respecter et dépasser leurs propres engagements environnementaux, sociaux et de gouvernance (ESG). La conversation a porté à la fois sur l'IA en tant qu'outil d'atténuation du changement climatique et sur la manière dont nous pouvons en faire une technologie plus verte.
Les panélistes étaient Katharine Preston, vice-présidente, Investissement durable chez OMERS ; Alik Sokolov, cofondateur et PDG, Responsibli AI ; Eric Morrow, directeur général de la science des données et de l'IA, BMO ; Katerina Kindyni, directrice principale, Gestion des risques liés aux services financiers chez EY ; Arthur Berrill, directeur de la technologie, RBC Data and Analytics ; Iyngaran Panchacharam, directeur principal, AI and Analytics in Sustainability ; Olga Kravtsova, gestionnaire du portefeuille Innovations et Accélérateurs, PwC ; et David Crane, directeur du développement de produits, AltaML.
Pour lancer les discussions, Deval Pandya, vice-président de l'ingénierie de l'IA chez Vector, a donné un aperçu pratique de l'intersection de l'IA et du développement durable pour les organisations. Il a expliqué que peu d'entreprises sont prêtes à se conformer aux normes obligatoires en matière de rapports ESG. Ce manque de préparation est dû, en partie, à l'absence de consensus sur les exigences d'un rapport ESG complet.
M. Pandya a également déclaré que les entreprises avaient besoin de meilleurs outils pour respecter leurs engagements en matière d'ESG, y compris les produits et services basés sur l'IA. M. Pandya a reconnu que la consommation d'énergie et d'eau des machines d'IA était problématique, mais il a affirmé qu'elles pouvaient avoir un impact positif net sur nos efforts collectifs pour lutter contre le changement climatique. De plus en plus, a-t-il ajouté, la communauté de l'IA elle-même se mobilise spécifiquement pour aborder la question de l'ESG. Par exemple, le Responsible AI Institute a récemment formé le premier groupe de direction mondial chargé d'examiner "les implications positives et négatives de l'IA pour le développement durable" (l'Institut Vecteur en est un membre fondateur et M. Pandya fait partie du groupe de travail). M. Pandya a décrit comment l'IA générative peut aider les organisations à rassembler, traiter et rendre compte de leur impact sur l'environnement. Pour l'avenir, il s'attend à ce qu'il y ait de nombreuses applications ESG utiles des modèles multimodaux et que l'IA en tant qu'outil d'accélération de la science des matériaux puisse conduire à un large éventail de solutions en matière de développement durable.
Gennady Pekhimenko-Vector Faculty Member, professeur d'informatique à l'Université de Toronto et PDG et cofondateur de CentML - a fait une présentation fascinante de ses travaux visant à rendre les systèmes d'intelligence artificielle plus efficaces.
"Nous pouvons réduire massivement l'empreinte carbone l'empreinte carbone nécessaire à la formation des LLM".
Gennady Pekhimenko
Membre de la faculté Vector, professeur d'informatique à l'université de Toronto, PDG et cofondateur de CentML
M. Pekhimenko recherche les inefficacités dans la manière dont les modèles d'IA sont formés, afin de réduire leur consommation d'énergie. Avec son équipe, il a constaté que l'utilisation généralisée des GPU les plus rapides et les plus coûteux a créé des goulets d'étranglement dans d'autres parties des systèmes matériels d'IA, tels que les CPU et la mémoire. En conséquence, les GPU gourmands en énergie restent inactifs pendant un tiers du temps, tout en consommant de l'électricité. L'inefficacité de ces systèmes contribue de manière significative à leur empreinte carbone élevée.
Ce dont nous avons besoin, a déclaré M. Pekhimenko, ce sont des contre-mesures : des outils qui permettent de savoir comment et pourquoi l'énergie est utilisée et qui optimisent les systèmes d'intelligence artificielle pour les rendre les plus efficaces possible. Bien qu'il existe une série d'outils destinés à établir le profil de l'utilisation de l'énergie par les systèmes, M. Pekhimenko a constaté qu'ils étaient loin d'être suffisamment granulaires dans leur analyse.
Les recherches de M. Pekhimenko ont permis à CentML de développer de meilleurs outils pour identifier et analyser les goulets d'étranglement, quantifier avec précision la consommation d'énergie et mesurer l'impact sur l'environnement de l'entraînement des modèles d'IA. CentML prédit également les temps d'exécution de la formation en utilisant différents GPU et recommande les solutions les plus efficaces pour un travail donné. Il quantifie même les émissions des différents fournisseurs de cloud, notamment Google, AWS et Azure, ce qui permet aux clients de choisir l'option la plus rapide, la moins chère et la plus propre possible pour leur cas d'utilisation spécifique.
Le panel et les tables rondes se sont appuyés sur le discours d'ouverture et la présentation technique pour explorer les défis ESG concrets et les solutions que les organisations explorent aujourd'hui. La première table ronde s'est concentrée sur les préoccupations ESG et les risques liés au changement climatique, et la seconde sur les solutions basées sur l'IA. Au cours de ces discussions, les thèmes suivants ont émergé.
L'IA s'améliore dans l'automatisation des activités de recherche primaire nécessaires au suivi des engagements ESG, selon un panéliste. Avec les bons modèles et les bonnes données, non seulement la recherche peut être rendue plus efficace, mais l'IA pourrait en fin de compte fournir une meilleure compréhension d'un scénario donné. Un autre panéliste a convenu que l'IA peut faire beaucoup dans ce domaine et qu'il y a beaucoup de place pour l'innovation afin de recueillir des données et de créer des outils d'IA véritablement transformateurs. Selon ce panéliste, une enquête menée auprès de plus de 500 entreprises dans le monde a révélé que les grands modèles de langage (LLM) sont désormais au cœur de l'activité. Les systèmes actuels basés sur les LLM peuvent déjà effectuer 80 % du travail de recherche, a déclaré un panéliste, et ce n'est qu'un 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.
L'analyse des données est un autre domaine dans lequel l'IA devrait être utile. Selon l'un des panélistes, l'IA aura le plus grand impact sur les efforts d'atténuation du changement climatique au cours des prochaines années dans trois domaines. Premièrement, l'IA aidera les entreprises à mieux utiliser les vastes quantités de données non structurées sur le climat et les émissions en les structurant et en les rendant utiles. Deuxièmement, l'IA améliorera l'analyse prédictive, ce qui renforcera la capacité des organisations à fixer des objectifs en matière d'émissions et à réduire les risques liés à leurs activités. Troisièmement, la vision par ordinateur et l'analyse en temps réel contribueront à automatiser la manière dont les entreprises suivent les indicateurs de performance clés. Les panélistes ont également discuté de la manière dont l'IA peut contribuer à intégrer différents types de modèles climatiques, par exemple en reliant les modèles de distribution de chaleur aux modèles d'inondation. Cela pourrait également améliorer notre capacité à prédire les changements et les risques auxquels nous sommes confrontés dans des endroits spécifiques du monde.
La capacité de l'IA à analyser des masses de données peut être extrêmement bénéfique. Un participant a décrit comment de grandes organisations vieilles de 70 ans peuvent disposer de quantités massives de données provenant de centaines de systèmes hérités. L'IA peut aider à automatiser le travail de collecte et d'utilisation de ces données. Un autre participant a évoqué les défis liés à l'utilisation de l'IA pour suivre et calculer efficacement l'impact environnemental des voyages d'affaires au sein de son organisation. Si l'utilisation de l'IA pour automatiser ce travail présente des avantages évidents, le participant a fait remarquer qu'elle soulevait également des questions relatives à la protection de la vie privée. La question est la suivante : à quel moment un système de suivi des activités des employés, telles que les déplacements, devient-il une forme de surveillance ?
Les panélistes ont discuté des défis auxquels l'industrie financière est confrontée pour saisir l'empreinte environnementale mondiale d'une organisation, y compris de l'ensemble de son portefeuille. Cela peut s'avérer difficile, en particulier lorsqu'il existe des délais longs ou imprévisibles dans la réception des données ESG des entreprises du portefeuille. Un autre problème est que la fragmentation et l'incohérence des pratiques et des méthodologies de suivi de l'ESG dans les différentes entreprises et industries font qu'il est difficile d'obtenir une image complète de l'ensemble d'un portefeuille. Interrogé sur les plus grandes opportunités de changement, un participant a déclaré que l'accent devrait être mis sur les activités à fortes émissions. Pour de nombreuses entreprises, il ne s'agit pas d'émissions de type 1 ou 2, mais plutôt de type 3. Pour y remédier, de nombreuses multinationales se concentrent sur leurs chaînes d'approvisionnement afin de réduire leur empreinte carbone.
Un sujet récurrent parmi les panélistes et les participants a été la nécessité d'intégrer les engagements ESG dans l'ADN d'une organisation. Un panéliste a décrit comment, dans l'industrie financière, il y a souvent une déconnexion entre les équipes d'investissement et de développement durable. Le manque de cohésion tend à créer de l'inefficacité en mettant de côté les questions climatiques en tant que contrainte externe sur l'activité commerciale. Toutefois, d'autres panélistes ont noté que les choses commençaient à changer. De plus en plus, les entreprises ne considèrent plus l'ESG comme une question de respect des obligations de conformité, mais comme un élément de leurs valeurs fondamentales et de leur création de valeur.
Pour progresser dans la mise en œuvre des engagements ESG, il faut un leadership de la part de la direction et l'embauche de ce qu'un panéliste a appelé un "muscle interne" pour faire avancer l'organisation vers la réalisation de ses objectifs. Les stratégies discutées comprenaient la création d'un institut interne du climat pour s'engager avec les gouvernements, les clients et les équipes internes. Selon un participant, l'essentiel est de réunir toutes les personnes, équipes et disciplines clés dans une même pièce, de fixer des objectifs ensemble et de veiller à ce que ce groupe interdisciplinaire puisse continuer à communiquer. Un autre participant a souligné l'importance d'inclure les utilisateurs finaux de tout nouvel outil à développer, afin d'instaurer un climat de confiance et de garantir une utilisation efficace de l'outil. (Comme l'a souligné un autre participant, il est fréquent que les utilisateurs finaux ignorent tout simplement les nouveaux outils que les entreprises développent ou acquièrent).
Outre la constitution d'équipes efficaces, de nombreux panélistes ont fait remarquer que la clé d'un progrès plus large est la collaboration à plusieurs échelles, non seulement au sein des organisations, mais aussi entre les industries et entre les secteurs privé et public. De même, un panéliste a fait remarquer qu'il serait difficile pour une organisation de développer seule de meilleurs modèles climatiques, et que la meilleure approche consiste à créer des conglomérats qui mettent en commun les données, les ressources et l'expertise en matière de climat. Les panélistes ont également fait remarquer que le Canada est confronté à des défis particuliers parce que son économie reste fortement basée sur les ressources naturelles. Le gouvernement s'efforce de soutenir la transition vers des pratiques plus durables, ont-ils déclaré, et les groupes industriels travaillent maintenant avec le gouvernement pour créer des marchés permettant d'investir dans les technologies et les pratiques vertes.
À la fin de la table ronde, le sujet s'est orienté vers la question de l'action climatique. Si l'objectif ultime de l'analyse des données sur le climat et la durabilité est d'induire un changement de comportement dans les organisations et chez les individus, de quels types de modèles d'IA avons-nous besoin ? Envisager le défi de cette manière met à nouveau en lumière l'importance de la confiance. Comme l'a fait remarquer un participant, plus la décision est importante, plus il est essentiel de faire confiance au modèle. Étant donné que les résultats des modèles plus simples sont généralement plus faciles à expliquer, il est souvent plus facile de leur faire confiance et ils peuvent donc être des outils plus efficaces pour susciter des changements de comportement.
Les applications de l'IA dans le domaine de la santé, où les décisions peuvent être littéralement une question de vie ou de mort, peuvent fournir des indications pour renforcer la confiance dans les modèles d'IA pour la GSE. 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. Sur une période de six ans, les recommandations du modèle d'IA ont été rigoureusement examinées et comparées à celles des meilleurs médecins humains, et les résultats sanitaires des recommandations humaines par rapport à celles de l'IA ont fait l'objet d'un suivi minutieux. Ce processus minutieux a finalement démontré que l'algorithme formulait de manière fiable les meilleures recommandations possibles en matière de traitement, créant ainsi une nouvelle norme de soins améliorée et digne de confiance. L'instauration de la confiance dans les modèles d'IA qui automatisent les fonctions de GSE et guident nos tentatives pour relever les défis du changement climatique pourrait suivre un chemin similaire.
Plus les outils ESG alimentés par l'IA deviendront utiles et fiables, plus les organisations canadiennes les adopteront pour respecter leurs engagements.
Des émissions à la recherche et aux applications liées au développement durable, Vector travaille avec des partenaires et des chercheurs en utilisant des approches interdisciplinaires et des solutions open source - favorisant des résultats concrets pour la planète - en explorant le changement climatique sous tous les angles grâce aux projets collaboratifs de Vector. Consultez la page des événements Vector pour connaître les nouvelles opportunités de participer à la conversation, contactez-nous dès aujourd'hui ou suivez notre GitHub ici.
