Les défis
Le principal défi de l’IA est qu’elle fonctionne comme une boîte noire. Souvent, nous ne savons pas comment expliquer le raisonnement qui sous-tend la solution. Dans le cas d’AlphaFold, nous ne connaissons pas non plus le raisonnement, mais la solution (c’est-à-dire la structure 3D d’une protéine) offre des informations. Nous sommes libres de le vérifier par la suite. Compte tenu de la complexité des systèmes renouvelables et de leurs interdépendances, il est difficile d’imaginer qu’un simple raisonnement permettrait de relever leurs défis. Ainsi, même si notre confiance dans l’IA doit rester relative, comme l’exige l’AI Act, la réglementation européenne qui encadre l’usage de l’IA selon son niveau de risque pour en garantir la sécurité et respecter les droits fondamentaux, son usage ouvre de nouvelles perspectives. Il pourrait apporter des solutions innovantes pour dimensionner les systèmes énergétiques et optimiser la maîtrise de leurs composants (ex. stockage, recharge des véhicules électriques, consommation flexible, etc.) nécessaires pour atteindre les objectifs 2050. Le problème est que les investissements dans l’IA pour l’énergie sont encore aujourd’hui timides, limités à quelques projets précis. Alors que l’on voit le caractère incontournable de l’IA venir tirer le meilleur parti du Smart Grid et du Smart Metering, pourquoi laisser ce privilège aux géants de la technologie ? La Suisse dispose de tous les atouts pour mener à bien cette transformation du secteur.
Mais bien entendu, comme souligné au début de l’article, ces promesses s’accompagnent de défis de taille, à commencer par l’empreinte énergétique de l’IA elle-même. La formation et l’utilisation de ces modèles nécessitent une puissance de calcul élevée, entraînant une consommation d’énergie et des émissions de CO2 importantes. Par exemple, une requête sur ChatGPT consomme dix fois plus d’électricité qu’une recherche Google, selon l’Agence internationale de l’énergie. Cet impact soulève le risque d’un effet rebond, dans lequel les gains d’efficacité énergétique seraient compensés par une augmentation de la demande. Ainsi, rendre l’IA plus éco-responsable semble essentiel pour préserver ses avantages potentiels face à ses impacts environnementaux. Mais il est également important de contextualiser ces enjeux : si son utilisation permet de réduire de 40 % l’énergie nécessaire au refroidissement de certains datacenters de Google, les applications comme la génération de contenus pour les réseaux sociaux ou les publicités personnalisées sont elles plus discutables. En ce sens, une analyse écoresponsable offrirait l’opportunité de recentrer l’IA sur des usages stratégiques et durables.
Dans l’ensemble, la transition énergétique en cours transforme notre paysage électrique. Dans un tel contexte, il est important d’apprendre à consommer plus intelligemment et à optimiser nos ressources. C’est là que les promesses de l’IA deviennent les plus importantes. Si l’IA n’est pas une solution miracle, elle apporte un nouveau souffle avec une analyse « datafactuelle », permettant les questionnements nécessaires pour penser les systèmes énergétiques de demain.
