L’IA ralentit-elle la transition énergétique?
Résumé:
- L’IA (intelligence artificielle) est une technologie extrêmement énergivore. À mesure que son utilisation se répand à travers le monde, la consommation énergétique explose, entraînant une demande accrue en électricité.
- L’augmentation de la demande d’énergie entraîne une hausse des émissions de carbone dans les entreprises technologiques, qui sont de grandes utilisatrices de l’IA. Cela pose un problème, car bon nombre de ces entreprises se sont engagées à atteindre des objectifs de carboneutralité avant que l’essor de l’IA ne se produise. À l’heure actuelle, de nombreuses entreprises s’attaquent à ce dilemme en achetant des compensations carbone.
- L’IA générative et les grands modèles de langage sont principalement responsables de cette augmentation de la demande énergétique, mais d’autres technologies émergentes en IA ont le potentiel de réduire les émissions de carbone en améliorant l’efficacité énergétique.
- L’IA présente un large éventail d’occasions et de risques pour les investisseurs. Les entreprises de services publics, les centres de données et les entreprises de logiciels figurent parmi celles qui pourraient tirer le plus de bénéfices de cette technologie.
L’intelligence artificielle (IA) révolutionne l’économie mondiale, en favorisant l’efficacité opérationnelle, en automatisant les processus, en analysant et en interprétant de grandes quantités de données, et maintenant, en générant même du contenu et des images. Pour certains, l’IA pourrait sembler sortir tout droit d’un film de Harry Potter : un outil puissant, presque magique, aux possibilités infinies.
Toutefois, les PDG du monde entier préviennent que c’est l’énergie, et non les puces, qui sera le facteur limitant de la croissance de cette technologie. Alors que la demande d’énergie explose, les entreprises sont contraintes de faire face à la réalité de devoir peut-être recourir à des sources d’énergie moins durables pour répondre à leurs besoins immédiats. Cela soulève une question : les objectifs de carboneutralité fixés par les entreprises ces dernières années risquent-ils de devenir obsolètes?
Bien que nous puissions nous émerveiller devant toutes les nouvelles utilisations de l’IA, il est important que les investisseurs se posent une question pratique : quel est l’impact de l’IA sur les réseaux électriques et la transition énergétique, et quelles sont les implications en matière d’investissement? Cet article se propose d’explorer ces questions cruciales.
Partie 1: Tendances actuelles de la consommation d’énergie avant la pandémie vs l’offre énergétique
Pour mieux comprendre dans quelle mesure l’IA pourrait exacerber les pénuries d’énergie, il convient d’analyser l’état actuel des marchés de l’énergie. De cette manière, nous pouvons observer les contraintes actuelles auxquelles sont confrontés les réseaux électriques.
Bien que nous puissions utiliser divers indicateurs pour évaluer les pressions actuelles sur les réseaux électriques, dans ce rapport, nous nous concentrerons sur trois mesures clés :
- Consommation par rapport à la capacité théorique maximale
- Consommation par rapport à la production réelle
- Croissance de la consommation par rapport à la croissance de la capacité
Figure 1: Résumé de la dynamique actuelle du réseau électrique par pays/région
| États-Unis | Europe | Asie | |
| Consommation d’électricité par rapport à la capacité théorique maximale |
38,7 % | 33,4 % | 40,3 % |
| Consommation d’électricité par rapport à la production |
100,4% | 100,0% | 100,0% |
| TCAC historique de la consommation sur 10 ans par rapport au TCAC historique de la capacité sur 10 ans |
-1,1% | -2,5% | -2,7% |
Source : EMBER. Données jusqu’en 2023.
Tout d’abord, examinons la consommation totale d’électricité dans chaque pays/région en pourcentage de la capacité théorique maximale. Dans ce contexte, nous considérons la capacité théorique maximale comme la quantité totale d’électricité que les réseaux pourraient générer en un an si toutes les centrales électriques fonctionnaient au maximum de leur capacité chaque jour.
À première vue, ces calculs pourraient suggérer que les réseaux disposent d’une capacité excédentaire suffisante, aucun des pays/régions ne consommant plus de 50 % de la capacité théorique maximale au cours d’une année donnée. Cependant, il est important de garder à l’esprit que les centrales électriques pourraient ne pas être en mesure de produire de l’électricité en continu. Selon le ministère de l’énergie, les centrales nucléaires avaient un facteur de capacité moyen de 93 % en 2021, ce qui signifie qu’elles pouvaient produire de manière fiable 93 % de leur capacité théorique maximale il y a trois ans. Mais l’énergie solaire ne pouvait produire que 25 %. Ces dynamiques montrent qu’il pourrait ne pas y avoir autant de capacité excédentaire que l’on pourrait le penser.
Nous pouvons également examiner le rapport entre la consommation et la production d’électricité. Les États-Unis présentent ici un point de vue intéressant : la consommation d’électricité y a légèrement dépassé la production d’électricité, ce qui signifie que les États-Unis ont dû partiellement compter sur des importations d’électricité. S’il est vrai qu’il existe des propositions (telles que le Champlain Hudson Power Express) visant à multiplier les interconnexions de réseaux entre le Canada et les États-Unis, les processus de délivrance de permis longs et complexes signifient qu’il faudra peut-être du temps avant que ces interconnexions ne soient disponibles.
Pendant ce temps, en 2023, l’Europe et l’Asie ont consommé la totalité de l’électricité produite sur leurs continents respectifs. Ainsi, dans l’ensemble, selon cet indicateur, le réseau électrique pourrait être quelque peu sous tension dans ces régions.
Un dernier indicateur à prendre en compte : la croissance de la consommation d’énergie par rapport à la capacité énergétique au cours des 10 dernières années. Si la consommation d’énergie augmente plus lentement que la capacité énergétique, cela pourrait, avec le temps, contribuer à alléger les pressions sur le réseau électrique, à condition que les nouvelles centrales aient un facteur de capacité moyen similaire à celui des anciennes centrales.
Aux États-Unis, en Europe et en Asie, le taux de croissance annuel composé (TCAC) de la consommation d’électricité a été légèrement inférieur au taux de croissance annuel composé de la capacité énergétique, ce qui suggère qu’il pourrait y avoir eu un léger répit au fil du temps. Néanmoins, la combinaison de ces trois indicateurs suggère que le réseau électrique dans son ensemble pourrait demeurer légèrement fragile.
Partie 2: Impact incrémental de l’IA sur la consommation d’énergie et les émissions de carbone
À mesure que l’IA s’intègre de plus en plus dans notre vie quotidienne et que ses capacités continuent de progresser, la consommation d’énergie a connu une augmentation significative. Une étude récente a révélé que générer une seule image à l’aide de l’IA générative nécessite autant d’énergie que de recharger complètement un téléphone intelligent.1 De plus, les centres de données consomment 10 fois plus d’électricité pour ces tâches liées à l’IA que pour une simple recherche. La puissance de calcul requise pour développer des modèles d’apprentissage automatique a doublé tous les cinq à six mois depuis 2010.2 Cette dynamique représente un défi de taille pour les décideurs politiques et les chefs de file de la technologie : concilier la nécessité d’une croissance alimentée par l’IA avec l’impératif de réduire les émissions et de respecter les objectifs climatiques mondiaux.
En 2022, l’Agence internationale de l’énergie (AIE) a estimé que les centres de données, les cryptomonnaies et l’IA consommaient près de 2 % de la demande mondiale totale d’électricité.3 La Figure 2 montre les prévisions de l’AIE jusqu’en 2026, qui prédisent que la consommation mondiale d’électricité de ces technologies se situera entre 620 et 1 050 térawattheures (TWh), contre 460 TWh en 2022. Pour mettre cela en perspective, cette augmentation équivaut à ajouter au moins la consommation d’électricité de la Suède, ou au maximum celle de l’Allemagne, au réseau, selon l’AIE.
Figure 2: Demande mondiale d’électricité des centres de données, de l’IA et des cryptomonnaies, de 2019 à 2026
SOURCE : Graphique tiré du rapport « Électricité 2024 » de l’AIE.
Ces tendances soulèvent des inquiétudes quant à la capacité des entreprises à atteindre leurs objectifs climatiques fixés avant l’essor de l’IA. Par exemple, les entreprises du groupe des « sept magnifiques » ont de plus en plus de difficultés à réduire leurs émissions. La nature énergivore de l’IA les pousse à explorer des sources d’énergie alternatives, telles que la production d’électricité sur site ou même l’énergie nucléaire, pour maintenir leurs opérations sans aggraver leurs émissions de carbone. Le rapport de durabilité de Google a récemment révélé une augmentation de 48 % de ses émissions totales de gaz à effet de serre entre 2019 et 2023, et une hausse de 37 % de ses émissions de Scope 27 entre 2022 et 2023 seulement. Il s’agit d’une tendance que nous observons dans d’autres entreprises technologiques, où l’on constate une forte augmentation de l’empreinte carbone des entreprises plutôt que le contraire.
Alors que l’impact environnemental devient plus évident, certaines entreprises technologiques tentent de respecter leurs engagements de carboneutralité en investissant dans des projets d’énergie propre. Cette approche est souvent choisie parce que les pratiques actuelles en matière de rapports sur le développement durable permettent de comptabiliser les réductions d’émissions de carbone à travers des investissements mondiaux plutôt que par le biais de réductions directes des émissions. Par exemple, une entreprise couvre 100 % de sa consommation d’électricité en achetant de l’énergie renouvelable. Cela a attiré l’attention des médias sur la question, certains craignant que ces entreprises ne se reposent trop sur des méthodes comptables créatives pour faire face à la hausse des émissions de carbone plutôt que de s’attaquer au problème par des améliorations technologiques et commerciales. Notamment, ces compensations ne réduisent pas les émissions de base des entreprises, qui continueront d’augmenter tant que les centres de données s’appuieront sur des combustibles fossiles pour la production d’énergie. Bien que les compensations puissent aider à équilibrer le bilan carbone d’une entreprise, les utiliser signifie finalement qu’à mesure que les émissions de l’entreprise augmentent, leurs investissements augmentent en parallèle, sans pour autant réduire l’empreinte carbone globale de l’entreprise.
D’autres entreprises d’IA choisissent de s’installer dans des régions où l’offre d’énergie est abondante, comme l’Islande, afin de réduire leur impact environnemental sans apporter de changements substantiels à leurs opérations.8 Cependant, accéder à des réseaux fortement alimentés en énergies renouvelables pose des défis. Par exemple, plus de la moitié des nouvelles capacités solaires à grande échelle aux États-Unis sont prévues pour seulement trois États : Texas (35 %), Californie (10 %) et Floride (6 %)9, ce qui souligne les difficultés potentielles pour les entreprises non situées dans ces régions ou à proximité de celles-ci qui cherchent à accéder à l’énergie renouvelable. Cette limitation oblige les entreprises à soit délocaliser leurs opérations, ce qui est un processus coûteux et logistique complexe, soit continuer à dépendre des combustibles fossiles, ce qui compromet leurs objectifs de durabilité.
Partie 3 : Compensations et efficacité
Bien que les demandes croissantes d’énergie de l’IA soient préoccupantes, cette technologie offre également le potentiel de soutenir la transition énergétique. Une grande partie des discussions récentes dans les médias sur l’IA s’est concentrée sur l’IA générative et les grands modèles de langage, mais l’IA est un terme large qui englobe de nombreuses technologies, dont certaines peuvent être incroyablement puissantes pour réduire la consommation d’énergie. Lors d’une récente entrevue à Londres, Bill Gates a suggéré que l’IA pourrait entraîner une réduction de plus de 6 % de la consommation d’énergie globale.10
Un rapport récent du Boston Consulting Group (BCG) soutient cette opinion, prévoyant que l’IA pourrait aider à réduire de 5 % à 10 % les émissions mondiales de gaz à effet de serre (GES) d’ici 2030. La capacité de l’IA à optimiser les opérations sera essentielle pour que cela se concrétise, en particulier dans les secteurs de l’énergie, des transports et de l’agriculture, qui sont des sources majeures d’émissions. Par exemple, l’IA peut améliorer la consommation d’énergie dans les bâtiments, réduire les déchets dans les chaînes d’approvisionnement et renforcer l’efficacité des sources d’énergie renouvelables.11
L’IA peut également améliorer la gestion des réseaux électriques en prévoyant mieux l’offre et la demande d’énergie, et en permettant une surveillance en temps réel, des analyses prédictives et un contrôle dynamique des actifs d’entreposage de l’énergie. Cela permet de minimiser les émissions tout en maximisant la valeur de l’énergie, rendant l’option plus attrayante. Par exemple, les modèles d’apprentissage automatique peuvent améliorer la précision des prévisions d’énergie renouvelable, aidant les entreprises à mieux aligner l’offre d’énergie sur la demande. Cela permet également de déplacer la charge, c’est-à-dire de faire coïncider la consommation d’énergie avec les pics de production d’énergie renouvelable, ce qui permet de réduire les coûts et d’encourager davantage les investissements dans les énergies renouvelables.12 L’IA peut également être utilisée pour optimiser l’utilisation des systèmes d’entreposage des batteries en prévoyant le moment où il faut stocker l’énergie renouvelable excédentaire et le moment où il faut la libérer, ce qui permet d’assurer un approvisionnement énergétique constant lorsque le soleil ne brille pas ou que le vent ne souffle pas.
De plus, les technologies d’IA et d’apprentissage profond sont déjà utilisées pour améliorer l’efficacité énergétique des centres de données. Dans le cas de Google, en 2016, l’entreprise a déclaré qu’elle utilisait la technologie pour réduire de 40 % la quantité d’énergie nécessaire pour refroidir ses centres de données, soit une amélioration de 15 % de l’efficacité globale de l’utilisation de l’énergie. C’est un exemple qui montre que les stratégies de gestion de l’impact de la technologie sur l’environnement évoluent en même temps que la technologie elle-même.
En fin de compte, bien que les demandes énergétiques croissantes associées à certains types d’IA présentent des défis importants, d’autres applications de l’IA offrent également un potentiel considérable pour améliorer l’efficacité énergétique et soutenir la transition vers une économie à faible émission de carbone. À mesure que l’IA continue d’évoluer, son rôle dans l’optimisation de la consommation de l’énergie, l’amélioration de l’intégration des énergies renouvelables et l’amélioration de l’efficacité des centres de données sera crucial pour équilibrer l’impact environnemental de sa propre croissance. En tirant parti des capacités de l’IA, il est possible de réduire son empreinte énergétique et de contribuer à un avenir plus durable.
Partie 4 : Répercussions sur les investissements
Dans les premières parties de cet article, nous avons montré que, même avant l’enthousiasme récent autour de l’IA, les réseaux électriques de nombreuses régions du monde étaient déjà sous pression. Avec le développement rapide des capacités de l’IA, qui consomme beaucoup d’électricité, les réseaux électriques pourraient être encore plus sollicités dans les années à venir. Bien qu’il soit vrai que des gains d’efficacité sont possibles, il peut être difficile de quantifier exactement les économies générées par une consommation d’électricité plus intelligente.
Ces tendances ont plusieurs répercussions importantes, tant directes qu’indirectes. En ce qui concerne les conséquences directes, l’augmentation de la consommation d’électricité pourrait accroître considérablement les revenus des entreprises de services publics, ce qui donnerait un coup de fouet à un secteur considéré parfois comme plus lent et plus stable par les investisseurs.
Au-delà des entreprises de services publics, l’augmentation de la demande d’électricité pourrait également favoriser celles qui construisent les infrastructures nécessaires pour produire de l’énergie. Par exemple, les entreprises qui fabriquent des panneaux solaires pour toits ou produisent les mâts d’éoliennes pourraient connaître une augmentation de leur activité.
De plus, les entreprises innovantes capables de créer des solutions pour améliorer l’efficacité énergétique pourraient également bénéficier de vents favorables à mesure que la consommation électrique augmente. Qu’il s’agisse d’entreprises de logiciels qui exploitent l’IA pour générer des algorithmes de répartition d’énergie plus intelligents ou d’entreprises qui peuvent créer l’infrastructure physique nécessaire pour mieux conserver l’énergie avec une perte minimale, un large éventail d’entreprises sont susceptibles d’en tirer profit.
Et bien sûr, les centres de données, un secteur déjà en pleine expansion, pourraient continuer à récolter les fruits du déploiement de l’IA et des changements potentiels dans les schémas de consommation et de production d’énergie.
Si certaines de ces entreprises seront cotées en bourse, d’autres pourront être soutenues par des sociétés de capital-risque ou des fonds de capital-investissement, rappelant ainsi l’importance des marchés privés pour les investisseurs qualifiés.
En fin de compte, l’IA crée à la fois des occasions et des défis pour les investisseurs. Naviguer efficacement entre les deux peut jouer un rôle crucial dans l’obtention de bons rendements en matière d’investissement.
1 Carnegie Mellon University et Hugging Face 2024 - https://arxiv.org/pdf/2311.16863
2 AIE, 2023 - https://www.iea.org/commentaries/why-ai-and-energy-are-the-new-power-couple
3 AIE, 2024 - https://iea.blob.core.windows.net/assets/18f3ed24-4b26-4c83-a3d2-8a1be51c8cc8/Electricity2024-Analysisandforecastto2026.pdf
4 Goldman Sachs, 2024 - https://www.goldmansachs.com/insights/articles/AI-poised-to-drive-160-increase-in-power-demand
5 Patterson et al., 2021 - https://arxiv.org/pdf/2104.10350
6 Une centrale à charbon typique consomme 1,14 livre par kilowattheure (kWh), selon l’Agence d’information sur l’énergie américaine (AIE).
7 Les émissions de portée 2 sont les émissions indirectes de GES associées à l’achat d’électricité, de vapeur, de chaleur ou de refroidissement.
8 Nature, 2024 - https://www.nature.com/articles/d41586-024-01137-x
9 AIE, 2024 - https://www.eia.gov/todayinenergy/detail.php?id=61424
10 Techspot, 2024 - https://www.techspot.com/news/103617-bill-gates-dont-have-worry-about-ai-energy.html
11 BCG, 2023 - https://www.bcg.com/publications/2023/how-ai-can-speedup-climate-action#:~:text=1.,related%20adaptation%20and%20resilience%20initiatives.
12 AIE, 2023 - https://www.iea.org/commentaries/why-ai-and-energy-are-the-new-power-couple