Faire de l'IA et de la data de façon plus responsable

L’IA, ce n’est pas juste du code et un modèle, c'est aussi un code de conduite. Et coder vert, c'est comme trier ses déchets. À l’ère de l’urgence climatique, les règles du jeu changent et les data scientists se mettent au vert. C’est plus qu'une mise à jour, c’est une révolution. 

Pour les entreprises qui n'ont pas encore pris le virage green AI, ça risque de chauffer. Avec l’imminence de réglementation comme l'IA Act, les entreprises font face à des exigences légales croissantes pour adopter des pratiques durables. Mieux vaut mettre à jour ses pratiques avant que ce soit la réglementation qui mette à jour le business, non ?

Enfin, en réduisant la dépendance à du matériel coûteux et en optimisant les ressources de services, le Green AI permet de diminuer les dépenses énergétiques et d'infrastructure. Et ça, c’est bon pour le portefeuille.

Si on parle de sauvegarde de notre planète à un Data Scientist, il est probable qu’il s’imagine utiliser son savoir pour développer des algorithmes capables d’optimiser l’utilisation de nos ressources pour régler une bonne fois pour toute le problème du réchauffement climatique. 

Même si l’IA a très probablement son rôle à jouer sur ce point, elle reste une source de pollution comme une autre. La démarche Green AI ne se veut pas dénonciatrice de notre profession, mais vise à la rendre plus écoresponsable. 

Les vrais génies de l'IA sont ceux qui comptent aussi les économies en tonnes de CO2 évitées, pas uniquement en zéros ajoutés au compte en banque.

L’offre Green AI vise à intégrer une démarche de frugalité tout au long du cycle vie des IA pour garantir leur sobriété et repose sur 3 piliers : 

1. Une formation à destination des data scientists et des CDO qui pose un regard différent pour questionner la recherche frénétique de performance et identifier  les grands postes de dépenses et gâchis énergétiques en présentant les principaux leviers d’optimisation.
2. Un processus d’éco-modélisation : il s’agit là de passer à l’action pour mettre en œuvre les pratiques d’éco-modélisation dès le début du projet en se questionnant sur le bon investissement algorithmique au regard des enjeux métier. Est-ce qu’on a besoin de la dernière IA pour organiser sa prochaine campagne d’envoi de mails ? Ou est-ce qu’on réserve ça pour poser un diagnostic en analysant une radiographie ?
3. La boîte à outils d’éco-modélisation. Chez OCTO, nous avons mis en place une boîte à outils pour que nos IA carburent à l'énergie verte et gardent la ligne. On peut même réduire de moitié l’empreinte carbone d’un modèle, sans qu’il perde le nord.