Analyse

Les préoccupations écologiques concernant ChatGPT – et, avec lui, la génération automatique de code informatique ou d’images à l’aide d’une IA – ont largement suivi les critiques sociales et économiques à l’égard des grandes entreprises technologiques.

En effet, bien avant que l’IA dite « générative » (dont ChatGPT est l’usage le plus connu) fasse les gros titres et que la start-up OpenAI ne devienne le nouvel enfant terrible du capitalisme numérique, ces critiques écologiques ont été publicisés depuis 2018 par ce que l’on a appelé le « techlash », littéralement un clash contre la tech qui aura fait émerger en réponse le domaine de recherche interdisciplinaire connu sous la bannière vague et contestable de « l’éthique de l’IA ».

Depuis les grèves pour le climat de 2019, une petite vague d’actions de la part des travailleurs de la tech et d’activistes a amené à problématiser les impacts environnementaux des technologies numériques en général, et en particulier du type d’IA le plus répandu : l’apprentissage automatique (machine learning, ML) connu pour ses capacités à faire apprendre des choses à un algorithme à partir d’un grand ensemble de données. Lorsque l’on parle d’applications de l’IA, on veut bien souvent parler en réalité de produits numériques qui utilisent de l’apprentissage automatique – avec un degré plus ou moins fort d’interventions humaines qui permettent d’ajuster les résultats des algorithmes.

L’accent de cette critique a d’abord été mise sur les responsabilités climatiques de l’industrie informatique dans son ensemble^[1]. Puis elle s’est resserrée sur le calcul de l’impact carbone de l’apprentissage machine^[2] et plus récemment sur la consommation d’eau démesurée des data centers qui facilitent à la fois le stockage « cloud » des données, l’entraînement de l’apprentissage automatique, la réalisation de calcul et le déploiement de cette technique auprès des usagers finaux^[3]. En ce sens, des appels publics ont été lancés pour mener des anal