Favoriser la durabilité de l’IA grâce aux analyses du cycle de vie

Déterminée à atteindre ses objectifs climatiques, l’entreprise NVIDIA est au cœur de la révolution de l’IA grâce à ses processeurs graphiques. Ses principaux clients dans le domaine des technologies ont eux aussi des objectifs climatiques. Pour les atteindre, ils doivent recueillir différentes données relatives aux émissions de carbone associées aux produits (émissions de portée 3) pour toute leur chaîne d’approvisionnement.

NVIDIA fait progresser sa stratégie de durabilité de manière proactive. L’entreprise (en anglais) a non seulement accéléré la mobilisation de ses fournisseurs pour comptabiliser les émissions de portée 3, mais a aussi investi dans des initiatives d’efficacité énergétique afin d’améliorer ses pratiques de réduction des émissions.

WSP a récemment collaboré avec NVIDIA afin de déterminer l’empreinte carbone de ses cartes de base pour processeurs graphiques NVIDIA HGX H100 et NVIDIA HGX B200. Ces analyses du cycle de vie prenaient en compte les données des fournisseurs afin d’offrir un portrait aussi exact que possible. NVIDIA a ainsi pu rendre publics deux documents résumant l’empreinte carbone de ses cartes de base pour processeurs graphiques HGX H100 et HGX B200 (en anglais).

La collaboration avec les fournisseurs était essentielle à la préparation de ces modèles granulaires qui reflètent les impacts environnementaux réels. Par ailleurs, comme WSP travaille indépendamment avec différents propriétaires de centres de données à très grande échelle, elle est en mesure de cerner les tendances émergentes et les besoins courants pour concevoir des solutions évolutives qui s’adaptent aux besoins des clients.

Un récent article publié dans la revue Nature (en anglais) met en lumière l’importance d’étudier les impacts des produits au-delà des émissions de carbone. En effet, l’empreinte environnementale de l’IA s’étend aussi à l’énergie, l’eau, les matériaux et l’utilisation des terres. L’article promeut l’adoption d’une approche plus large pour améliorer l’efficacité des ACV, alors que l’essor de l’IA se poursuit à l’échelle mondiale.

Lorsque mises en œuvre de manière stratégique, les ACV aident à cerner les investissements prioritaires en faveur de la durabilité et à réaliser des modélisations de scénarios pour évaluer diverses options. Le fait de combiner ces modèles d’ACV régionaux aux déclarations environnementales des produits et aux données à accès libre améliorera la transparence et la comparabilité.

Le futur des ACV dans le domaine de l’IA repose sur des analyses à l’échelle des systèmes. Pour passer d’une approche axée sur l’empreinte des composants à une évaluation globale des charges de travail associées aux centres de données et à l’IA, il faudra un consensus quant aux unités fonctionnelles et aux limites des systèmes, et une fidélité des données accrue. Ces changements permettront de dégager des renseignements utiles et de mieux harmoniser les politiques et les stratégies d’approvisionnement.

Les analyses du cycle de vie contribueront aussi de plus en plus à la conformité réglementaire, à la mobilisation des fournisseurs et à la production de rapports sur la responsabilité sociétale des entreprises. Afin de façonner ces normes, nous participons notamment à des forums comme le sommet mondial organisé par Open Compute Project (OPC Global Summit) (en anglais) et développons des outils que nous partageons dans des publications évaluées par des pairs et des plateformes à code source libre. Nous avons aussi donné la présentation « Empowering Sustainable Data Center Design with Microsoft’s Open Source Cloud LCA Tool » (en anglais), qui porte sur la conception de centres de données durables grâce à l’outil infonuagique d’ACV à code source libre de Microsoft.

Il faudra déployer des efforts constants afin d’affiner les méthodes d’évaluation, entre autres établir un consensus sur les unités fonctionnelles et améliorer l’exactitude des données, de sorte à obtenir des évaluations utiles à l’échelle des systèmes. La complexité de ces évaluations réside dans le fait que les centres de données exécutent souvent de nombreuses charges de travail d’IA simultanément. Il est donc difficile de relier précisément les impacts environnementaux ou opérationnels à des tâches particulières. De plus, ces exigences en ressources croissent de façon exponentielle à mesure que le nombre de jetons entrés augmente au fil du temps.

La participation à des forums techniques et la création d’outils transparents favorisent une approche plus uniforme, permettant ainsi aux organisations de mieux comprendre et gérer les impacts environnementaux des infrastructures d’IA.