IA - Le jus en vaut-il la chandelle ?

Compte tenu des besoins en énergie de l'intelligence artificielle (IA) et des impacts de la réindustrialisation, des véhicules électriques et de la transition vers les énergies renouvelables, la technologie représente une opportunité d'investissement significative sur l'ensemble de la chaîne de valeur, notamment les centres de données, les infrastructures de réseau et les marchés finaux de l'électrification.

Cependant, il est important de toujours prendre en considération et de remettre en question les risques potentiels, en particulier les limites physiques de la croissance de l'IA, l'origine de sa soif insatiable en matière de besoins énergétiques et la façon dont les émissions qui y sont associées peuvent nourrir de nouvelles préoccupations climatiques.

Qu'est-ce qui fait fonctionner l'IA ?

Les progrès de l'IA sont principalement rendus possibles par les unités de traitement graphique (GPU) de plus en plus performantes du fabricant américain de semi-conducteurs Nvidia. Le graphique 1 illustre l'évolution de ses GPU, en mettant en lumière leurs gains d'efficacité, exprimés en termes de téraflops par GPU et par watt, entre les modèles Pascal (2016) et sa dernière version Blackwell (2024).

Actuellement, pour entraîner le ChatGPT-4 d'OpenAI en seulement dix jours, il faudrait 10 000 GPU Blackwell coûtant environ 400 millions de dollars. Or, il y a à peine six ans, l'entraînement d'un modèle de langage aussi vaste aurait nécessité des millions de GPU de l'ancienne version pour effectuer le même travail. En fait, il aurait fallu plus de six millions de GPU Volta pour un coût de 61,5 milliards de dollars – soit un coût prohibitif pour le projet. Cet écart souligne non seulement le coût substantiel associé aux prédécesseurs de Blackwell, mais aussi les énormes besoins énergétiques nécessaires à l'entraînement des LLM comme ChatGPT-4.

Auparavant, le coût de l'énergie nécessaire à l'entraînement d'un LLM pouvait atteindre 140 millions de dollars, ce qui rendait le processus économiquement non viable. L'amélioration significative de l'efficacité de calcul de ces processeurs, en particulier en termes d'efficacité énergétique, a toutefois rendu économiquement possible l'entraînement des LLM.

Ce point est illustré dans le graphique 1 sous le paramètre "joules d'inférence/token", qui est utilisé pour mesurer l'efficacité énergétique du traitement des tâches de langage naturel, en particulier dans le contexte des LLM comme ceux utilisés pour générer ou comprendre du texte (par exemple, les chatbots, les systèmes de traduction). On constate que le modèle Hopper (10) de Nvidia est 25 fois plus efficace que son successeur Blackwell (0,4).

L'aiguillon de la queue

Les innovations de Nvidia en matière d'efficacité énergétique de ses processeurs ont en effet permis des avancées dans le domaine de l'IA. Cependant, il y a une réserve importante à prendre en compte. Bien que nous évaluions souvent la rentabilité de ces processeurs en termes de puissance de calcul par unité d'énergie – opérations en virgule flottante par seconde (FLOPS) par watt – il est important de noter que les modèles les plus récents possèdent une puissance nominale plus élevée (graphique 2). Cela signifie qu'en termes absolus, ces nouveaux processeurs consomment plus d'énergie que leurs prédécesseurs.

Note : consommation d'énergie par serveur (en prenant l'hypothèse de quatre puces par serveur).

Si l'on ajoute à cela la forte croissance des ventes de Nvidia, qui témoigne d’une demande incroyable de puissance de calcul de la part d'entreprises comme Alphabet (Google), OpenAI, Microsoft et Meta, portée par la taille toujours croissante des ensembles de données nécessaires au développement des technologies de l’IA, les implications en termes de puissance de l'expansion rapide de l'IA commencent à soulever des doutes.

Il est intéressant de noter que grâce à l'amélioration de l'efficacité, la consommation électrique des centres de données est restée relativement constante au cours des dix dernières années, malgré la multiplication par douze du trafic internet et par huit de la charge de travail des centres de données.¹ Un rapport de l'Agence internationale de l'énergie (AIE) a montré que les centres de données consommaient environ 460 térawattheures (TWh) en 2022, ce qui représente environ 2 % de la demande mondiale d'énergie,² soit à peu près le même niveau qu'en 2010.

Mais avec l'avènement de l'IA et ses besoins en énergie, la consommation énergétique des centres de données est appelée à exploser. En fait, l'AIE estime que la consommation totale d'électricité des centres de données pourrait plus que doubler pour atteindre plus de 1 000 TWh en 2026 – soit à peu près l'équivalent de la consommation d'électricité du Japon.³ Cela montre que la demande d'IA crée un changement de paradigme dans la croissance de la demande d'électricité. Depuis la crise financière mondiale, la demande d'électricité aux États-Unis a connu une hausse annuelle constante de 1 % – jusqu'à récemment.⁴ Sous l'effet de l'IA, de l'augmentation de la production manufacturière/industrielle et des tendances globales en matière d'électrification, la demande d'électricité aux États-Unis devrait croître de 2,4 % par an.⁵ En outre, sur la base d'une analyse des informations disponibles auprès des entreprises technologiques, des fournisseurs de centres de données publics et des services publics, ainsi que des données de l'Environmental Investigation Agency, Barclays Research estime que les centres de données représentent aujourd'hui 3,5 % de la consommation d'électricité aux États-Unis, et que leur consommation pourrait être supérieure à 5,5 % en 2027 et à plus de 9 % en 2030.⁶

Le paradoxe de l'innovation, de l'efficacité et de la durabilité

Ce changement de paradigme introduit le concept du paradoxe de Jevons, qui a des implications pour la consommation d'énergie et la développement durable. Il suggère que la simple amélioration de l'efficacité de l'utilisation des ressources ne suffit pas à réduire la consommation totale de ressources.

Le paradoxe doit son nom à William Stanley Jevons, un économiste anglais qui a été le premier à constater ce phénomène au XIXème siècle, pendant la révolution industrielle. Dans son ouvrage publié en 1865 et intitulé "The Coal Question" (La question du charbon), Jevons observe que les améliorations technologiques apportées aux machines à vapeur les rendent plus efficaces dans l'utilisation du charbon. Cependant, au lieu d'entraîner une réduction de la quantité de charbon utilisée, ces gains d'efficacité ont permis d'élargir l'éventail des applications de la machine à vapeur. En conséquence, la consommation globale de charbon a augmenté de façon spectaculaire.

Ce paradoxe semble tout aussi applicable aujourd'hui, alors que nous nous trouvons à l'aube d'une nouvelle révolution industrielle alimentée par l'IA. L'innovation des fabricants de semi-conducteurs entraînant une augmentation rapide de la puissance de calcul et de l'efficacité des processeurs, les avantages potentiels de l'IA en termes de productivité dans diverses industries entraînent une demande encore plus forte pour cette technologie, ce qui conduit à une augmentation de la consommation d'énergie en dépit de ces hausses d'efficacité.

En théorie, le passage des processeurs Hopper aux processeurs Blackwell pour les centres de données devrait permettre de diviser par quatre leur consommation d'énergie. En réalité, comme le montrent les données du graphique 3, c'est tout l'inverse car les grandes entreprises d'IA maximisent au contraire l'utilisation de ces processeurs plus puissants et plus efficaces. Cela a entraîné une augmentation du nombre de GPU dans les centres de données, soulignant l'essence du paradoxe de Jevons selon lequel une efficacité accrue entraîne une consommation globale plus importante en raison d'une utilisation élargie.

Questions fondamentales

Le coût de l'énergie a toujours été un obstacle au développement de l'IA. Compte tenu des tendances actuelles et de leurs implications en matière d'énergie, une question cruciale se pose : d'où viendra cette énergie supplémentaire et quelles en seront les conséquences en termes d'émissions ?

L'examen de cette question fait ressortir trois domaines clés :

1. Chaîne de valeur de l'électrification

Les besoins énergétiques de l'IA, combinés aux effets de la réindustrialisation, des véhicules électriques et du passage aux énergies renouvelables, créent des conditions de marché favorables pour les entreprises exposées à l'électrification. Les compagnies d'électricité Vistra et Constellation Energy en sont l'illustration : elles figurent parmi les actions américaines les plus performantes depuis le début de l'année, avec des hausses respectives de plus de 282 % et de 105 % au moment de la publication.⁷

2. Contraintes physiques

Les contraintes physiques potentielles qui pèsent sur la croissance de l'IA doivent également être examinées. Il s'agit non seulement des limites de la technologie et des infrastructures actuelles, mais aussi de la disponibilité des ressources nécessaires pour répondre à l'augmentation rapide de la demande d'énergie du secteur technologique.

3. Profil d'émissions

Pour faire face à ces enjeux, les grandes entreprises ont réaffirmé leur engagement en faveur de la décarbonation et certaines se sont tournées vers la solution de l'énergie nucléaire, mais celle-ci comporte ses propres considérations environnementales. Nous devons tenir compte du profil d'émissions de l'IA et de l'impact environnemental global de l'augmentation de la consommation d'énergie. Il ne s'agit pas seulement des émissions immédiates liées à la production d'électricité, mais aussi de son caractère durable à long terme. Les profils d'émissions des grandes entreprises technologiques ont à peine diminué ces dernières années, l'essor de l'IA créant des besoins énergétiques encore plus importants. Selon une étude menée par la startup Hugging Face et l'université Carnegie Mellon, l'utilisation de l'IA générative pour créer une seule image consomme autant d'énergie que la recharge complète d'un smartphone.⁸

L'énergie nucléaire en réponse à la demande d'électricité de l'IA

Pour illustrer les implications réelles de la demande croissante d'énergie de l'IA, Microsoft a récemment annoncé un accord avec Constellation Energy concernant la remise en service d'un réacteur nucléaire de 835 mégawatts (MW) sur le site de Three Mile Island en Pennsylvanie.⁹

Cet accord souligne l'ampleur des efforts déployés pour répondre aux besoins énergétiques croissants de l'IA. Cette décision s'inscrit dans le cadre de l'engagement global de Microsoft en faveur de la décarbonation, démontrant ainsi que les besoins énergétiques des entreprises se recoupent avec les solutions énergétiques durables.

Le coût de la remise en service du réacteur nucléaire est estimé à 1,6 milliard de dollars, et le délai prévu pour que le réacteur redevienne opérationnel à 3 ans, Microsoft visant une date d'achèvement en 2028.

En octobre, Alphabet a finalisé une commande de sept petits réacteurs modulaires (SMR) auprès de la société californienne Kairos Power afin de disposer d'une solution à faible émission de carbone pour alimenter ses centres de données dans un contexte de croissance de la demande en matière d'IA et de stockage sur le cloud. Le premier de ces réacteurs SMR devrait être achevé d'ici 2030 et les autres devraient être mis en service d'ici 2035.¹⁰ Amazon a également annoncé avoir signé trois nouveaux accords pour soutenir le développement de projets dédiés à l'énergie nucléaire – y compris la construction de plusieurs nouveaux réacteurs SMR pour répondre à la demande croissante d'énergie.¹¹

Ces initiatives soulignent l'importance des investissements et des délais nécessaires à la mise en place des capacités énergétiques supplémentaires requises pour répondre à la demande croissante d'énergie des technologies modernes de l'informatique et de l'IA. De nouvelles initiatives sont attendues étant donné que la demande de capacité supplémentaire de la part des centre de données sur le marché américain devrait croître de 10 % par an au cours des cinq prochaines années.¹² Cette croissance pourrait permettre aux centres de données de représenter jusqu'à 10 % de l'approvisionnement énergétique total des États-Unis d'ici 2030, ce qui n'est pas négligeable étant donné que Rystad Energy prévoit que la demande totale d'électricité aux États-Unis augmentera de 175 TWh entre 2023 et 2030, ce qui portera la demande du pays à près de 4 500 TWh.¹³

Alors que Microsoft s'engage à utiliser l'énergie nucléaire, une source d'électricité sans carbone, dans le cadre de ses efforts de décarbonation, nous restons prudents et préoccupés quant à la manière dont sera comblé le déficit énergétique nécessaire pour soutenir cette croissance de l'IA et des centres de données.

Électrifier l'avenir

En début d'année, nous avons discuté avec Microsoft de l'augmentation de ses émissions et de son engagement à alimenter des centres de données grâce aux énergies renouvelables. En août, nous avons eu le plaisir de voir Microsoft répondre aux préoccupations concernant les besoins énergétiques croissants de l'IA et l'évolution vers des pratiques durables dans l'ensemble du secteur, lors de sa présentation à la commission sénatoriale australienne sur l'adoption de l'IA.¹⁴

Le géant de la Tech a reconnu que les modèles d'IA et les services connexes nécessitent beaucoup plus de puissance que les services de cloud traditionnels, et qu'il s'agit d'une question fondamentale à laquelle le secteur doit répondre. Microsoft a également déclaré que les objectifs de sa stratégie de développement durable étaient toujours dans le viseur, à savoir la neutralité carbone et une consommation "Water positive" à l'horizon 2030. Alors que l'augmentation de la demande d'électricité n'était pas connue en 2020 lorsque les objectifs ont été fixés, l'utilisation des énergies renouvelables et nucléaires devrait permettre de respecter durablement l'engagement pris.

Le fondateur de Microsoft, Bill Gates, a exhorté les responsables politiques mondiaux à ne pas s'inquiéter outre mesure de l'empreinte énergétique de l'IA, soulignant que la technologie jouera probablement un rôle décisif dans la réalisation des objectifs de neutralité carbone en réduisant la demande mondiale.

L'IA et la transition énergétique

Les progrès de l'IA, associés aux innovations dans le domaine des énergies renouvelables, pourraient être la clé d'une réponse durable à l'augmentation de la demande d'énergie. L'AIE a indiqué que les investissements du secteur de l'électricité dans la technologie solaire photovoltaïque (PV) devraient dépasser 500 milliards de dollars en 2024, soit plus que toutes les autres sources de production cumulées.¹⁵ En intégrant l'IA dans diverses applications de l'énergie solaire, par exemple en utilisant la technologie pour analyser les données météorologiques afin de produire des prévisions plus précises, il est possible d'atténuer l'intermittence de l'approvisionnement en énergie.¹⁶ Les chercheurs comptent également sur l'IA pour accélérer l'innovation dans les systèmes de stockage de l'énergie, étant donné que les batteries au lithium conventionnelles  existantes ne sont pas en mesure de répondre aux exigences d'efficacité et de capacité.¹⁷ Si l'IA créera une demande supplémentaire d'énergie, elle a également le potentiel de résoudre les défis liés à la transition vers la neutralité carbone.

En avril, le département américain de l'énergie (DoE) a publié un rapport décrivant comment l'IA est probablement appelée à jouer un rôle essentiel dans l'accélération du développement d'un système électrique 100 % propre.¹⁸

Des opportunités significatives ont été soulignées dans les domaines suivants :

• Une meilleure planification du réseau: l'utilisation de données climatiques détaillées du National Renewable Energy Laboratory, combinée à des techniques sophistiquées d'apprentissage automatisé génératif, pour mieux intégrer les sources d'énergie renouvelables fluctuantes.
• Renforcer la résilience du réseau: la capacité de l'IA à analyser rapidement de vastes ensembles de données et à identifier des schémas complexes peut aider les opérateurs du réseau électrique à identifier rapidement les problèmes et à réagir aux coupures d'électricité intempestives ou à les prévenir.
• Identifier des matériaux innovants: L'accélération de la découverte de nouveaux matériaux est essentielle pour les technologies énergétiques propres, notamment les batteries qui nécessitent moins de lithium, les nouveaux matériaux efficaces pour l'énergie solaire ou les catalyseurs améliorés pour augmenter la production d'hydrogène.

Au-delà du réseau, l'IA a le potentiel de jouer un rôle important dans le soutien d'une variété d'applications qui peuvent contribuer au développement d'une économie de l'énergie équitable et propre, a noté le DoE. Pour atteindre l'objectif de zéro émission nette de gaz à effet de serre (GES) dans l'ensemble de l'économie, il faut relever des défis distincts dans différents secteurs, tels que les transports, le bâtiment, l'industrie et l'agriculture.

Nous observons les signes d'une hausse de la demande d'IA dans divers secteurs, notamment la santé, les transports, la finance et l'industrie et, selon nous, cette tendance va perdurer à long terme.

En tant qu'équipe, nous avons bénéficié de notre participation à l'IA et aux mouvements généralisés en faveur de l'électrification et de la réindustrialisation. Cependant, nous sommes conscients de l'augmentation potentielle des émissions de carbone due à l'expansion de l'IA et nous suivons de près les engagements de décarbonation d'entreprises telles que Nvidia et Microsoft. Bien que nous anticipions une augmentation à court terme des émissions, nous sommes optimistes quant à la contribution positive de l'IA aux efforts de décarbonation grâce à l'innovation et à l'amélioration de la productivité, et nous sommes convaincus que l'augmentation de la demande d'électricité sera compensée par des investissements accrus dans les énergies propres.

Cette année a beau avoir été marquée par des changements politiques importants dans le monde entier, nos perspectives d'investissement dans les actions durables restent positives. Les pressions inflationnistes s'atténuent et la politique monétaire semble prendre une orientation plus favorable. Indépendamment du contexte politique, les tendances fondamentales que nous privilégions continuent de progresser et de se développer.

Information importante

Les références à des titres individuels ne constituent pas une recommandation d’achat, de vente ou de détention d’un titre, d’une stratégie d’investissement ou d’un secteur, et ne sauraient être considérées comme rentables. Janus Henderson Investors, son conseiller affilié, ou ses employés peuvent détenir une position dans les titres mentionnés.

Rien ne garantit que les tendances passées se poursuivront ni que les prévisions se réaliseront.

Les performances passées ne permettent pas de prédire les performances futures.

L'investissement durable ou environnemental, social et de gouvernance (ESG) prend en compte des facteurs au-delà de l'analyse financière traditionnelle. Cette approche peut limiter les investissements disponibles et conduire à des performances et des expositions différentes. Ces dernières peuvent s’avérer plus concentrées dans certains domaines que le marché dans son ensemble.