
Face à cette problématique, de nombreux.ses chercheurs.ses et ingénieur.es, dans la recherche publique comme dans l'industrie, développent des approches, méthodes et outils pour mieux documenter et réduire les impacts environnementaux associés aux modèles d'apprentissage machine. De nombreuses pistes d'optimisations sont explorées, telles des optimisations logicielles ainsi que des changements fréquents de matériel pour profiter de la meilleure efficacité énergétique. Ou encore, au travers du déplacement géographique des calculs vers des zones avec une électricité moins carbonée. Tout ce travail d'optimisation ne doit pas passer à côté de deux facteurs cruciaux que sont les déplacements d'impacts ainsi que les tendances de croissance du numérique et de l'IA que ces optimisations participent à continuer.
De plus, même si les problématiques environnementales associées à la production et l'utilisation de modèles d'apprentissage machine venaient à être résolue par ces méthodes, de nombreuses autres problématiques, notamment éthiques et sociales persisteraient. Ce séminaire vise à donner un état des lieux des impacts environnementaux et sociaux de l'IA ainsi que des stratégies pensées pour y faire face.