La gouvernance de l’IA à travers l’UE, les États-Unis et la Chine : un échec face à l’empreinte énergétique et carbone croissante
La politique de l’intelligence artificielle (IA) dans les principales économies mondiales se développe rapidement, mais son coût environnemental reste largement invisible. Alors que les gouvernements s’empressent de réglementer les risques liés à l’IA concernant la sécurité, les biais et la responsabilité, l’empreinte physique du calcul à grande échelle continue de croître sans aucune retenue.
Un déséquilibre structurel
Une nouvelle recherche suggère que cet déséquilibre n’est pas accidentel mais structurel, ancré dans la manière dont les cadres de gouvernance de l’IA sont conçus et appliqués. L’étude intitulée Le point aveugle environnemental de la politique de l’IA : énergie, infrastructures et externalisation systématique de la durabilité, publiée dans Sustainability, examine les politiques de l’IA dans l’UE, aux États-Unis et en Chine. Malgré des différences politiques et réglementaires marquées, les trois régimes convergent vers le même résultat : aucun ne considère la durabilité environnementale comme une contrainte contraignante sur le déploiement ou l’échelle de l’IA.
Durabilité comme réflexion après coup
Les systèmes d’IA dépendent de centres de données, de clusters de calcul haute performance, de réseaux cloud mondiaux et de chaînes d’approvisionnement en matériel intensif en minéraux. Ces infrastructures nécessitent une électricité continue, de l’eau pour le refroidissement, des terrains pour les installations, et des processus de fabrication carbonés. Pourtant, la plupart des réglementations sur l’IA traitent la durabilité comme une préoccupation secondaire, abordée par des améliorations d’efficacité ou des engagements volontaires plutôt que par des limites contraignantes.
Une approche inadaptée
Les gains d’efficacité, bien que réels, sont constamment dépassés par la croissance de la demande totale en calcul. À mesure que les modèles d’IA deviennent plus grands et plus largement déployés, la consommation énergétique continue d’augmenter, même si les systèmes individuels deviennent plus efficaces. Sans limites absolues, les améliorations de performance par watt ne se traduisent pas par une réduction des émissions.
Une analyse comparative des systèmes
Pour tester si ce modèle s’applique à travers des contextes politiques et réglementaires, l’étude effectue une analyse comparative des régimes de politique de l’IA dans l’UE, aux États-Unis et en Chine. Ces juridictions présentent des styles de gouvernance, des stratégies industrielles et des mécanismes d’application très différents, mais l’étude révèle une convergence frappante dans la gestion des enjeux environnementaux.
Le cadre de l’UE
Dans l’UE, la gouvernance de l’IA repose sur un cadre basé sur les droits. La loi sur l’IA établit un système d’obligations basé sur le risque, en particulier pour les applications à haut risque, avec des mécanismes d’application solides. Cependant, la réglementation ne contient aucune disposition contraignante sur la consommation d’énergie, les émissions de carbone ou l’échelle computationnelle.
Le modèle des États-Unis
Les États-Unis présentent une configuration différente mais atteignent un résultat similaire. Les entreprises américaines dominent l’infrastructure cloud mondiale et la conception de semi-conducteurs avancés, ce qui leur confère un contrôle substantiel sur le développement et le déploiement de l’IA. La gouvernance fédérale de l’IA demeure fragmentée, reposant sur des règles sectorielles et des initiatives étatiques plutôt que sur une réglementation contraignante complète.
La situation en Chine
L’approche de la Chine est façonnée par une politique industrielle dirigée par l’État et un accent sur l’autosuffisance technologique. Des investissements massifs dans des centres de données domestiques, des plateformes cloud et des modèles d’IA visent à réduire la dépendance à la technologie étrangère. Les considérations environnementales existent, mais ne fixent pas de limites absolues à la croissance computationnelle.
Pourquoi la politique de l’IA externalise les coûts environnementaux
Les auteurs identifient plusieurs mécanismes expliquant pourquoi l’externalisation environnementale persiste à travers les juridictions. Un moteur clé est l’expansion computationnelle motivée par la conformité, où les exigences de sécurité, de transparence et de responsabilité augmentent la charge computationnelle. Ces coûts sont rarement pris en compte dans la conception des politiques.
Vers des limites environnementales contraignantes
Pour aborder l’impact environnemental de l’IA, il est nécessaire de modifier la conception des politiques. La durabilité doit être considérée comme une condition contraignante qui façonne si, où et comment les systèmes d’IA sont déployés. Sans cette évolution, la gouvernance de l’IA continuera de privilégier la croissance, la sécurité et la compétitivité au détriment des objectifs climatiques.
Les auteurs suggèrent plusieurs avenues pour intégrer des limites environnementales à la politique de l’IA, y compris des budgets carbone contraignants pour l’entraînement de modèles à grande échelle et des rapports obligatoires sur les émissions et l’énergie spécifiquement liés aux systèmes d’IA.