DeepMind x Sweep : construire une IA responsable pour un futur durable

Une conversation avec Ben Gaiarin de DeepMind sur l’éthique, l’énergie et l’impact

Alors que la crise climatique s’aggrave, l’intelligence artificielle devient un outil incontournable, non seulement pour réduire les émissions, mais aussi pour mieux comprendre et anticiper les risques climatiques. À l’occasion de notre événement Climate Compass, Raphael Güller (cofondateur et CPO de Sweep) a échangé avec Ben Gaiarin, Technical Program Manager chez Google DeepMind, sur le rôle que peut jouer l’IA dans l’adaptation climatique, de manière responsable.

Ben Gaiarin fait partie de l’équipe en charge du programme de recherche durable de DeepMind, notamment du projet phare WeatherNext. Ce projet incarne à la fois l’innovation technologique de pointe et un cas concret de la manière dont l’IA peut nous aider à anticiper et réagir aux événements climatiques extrêmes.

L’IA comme système d’alerte précoce

Au cœur de WeatherNext se trouve GraphCast, un modèle d’IA qui remplace les simulations météo traditionnelles, très gourmandes en puissance de calcul, par un système d’apprentissage automatique entraîné à partir de données historiques.

Les résultats sont impressionnants : des prévisions qui prenaient auparavant plusieurs heures sur des dizaines de milliers de processeurs peuvent désormais être générées en 8 minutes sur un seul TPU (processeur développé par Google pour l’IA). Résultat : des alertes plus rapides, des mises à jour plus fréquentes, et une consommation énergétique bien moindre.

Le nouveau site Weather Lab de DeepMind rend cela accessible à tous. Lancé juste avant Climate Compass, il permet de comparer différents modèles d’IA pour prévoir la trajectoire des cyclones. Une ressource précieuse pour les entreprises, les autorités publiques ou les particuliers. L’outil est actuellement en cours d’évaluation avec le National Hurricane Center américain pour voir dans quelle mesure il peut être utilisé en conditions réelles.

Ces avancées peuvent sauver des vies, mais aussi préserver des activités économiques, notamment dans les régions les plus exposées. C’est un exemple clair d’IA responsable, une technologie pensée non pas “parce qu’on peut”, mais “parce qu’on en a besoin”.

Réduire les émissions grâce à de meilleures prévisions

Mieux prévoir la météo permet aussi de réduire les émissions. Ben Gaiarin a montré comment des modèles plus précis permettent d’améliorer les prévisions de production d’énergie renouvelable, facilitant ainsi l’intégration du solaire et de l’éolien dans les réseaux électriques.

Des études montrent que de meilleures prévisions favorisent directement l’adoption des énergies vertes. Moins d’incertitudes = plus de flexibilité = moins de recours aux sources polluantes.

Pour Gaiarin, c’est ce qu’il appelle le “retour carbone sur investissement” : l’énergie nécessaire à l’entraînement d’un modèle IA doit être compensée par ses bénéfices environnementaux. C’est la base même d’une IA responsable : une technologie utile, mesurable, qui réduit réellement l’impact climatique.

Innover avec lucidité : une IA à la bonne échelle

Au-delà des cas concrets comme les réseaux électriques, Ben Gaiarin reconnaît que le coût environnemental des grands modèles IA, en énergie et en eau, ne peut être ignoré.

Chez DeepMind comme dans tout le secteur de l’IA, de gros progrès sont faits pour améliorer l’efficacité des modèles. Mais au final, ce qui compte, c’est l’impact par watt consommé. Dans des domaines comme la génomique, la météo ou l’énergie, l’IA peut considérablement accélérer la recherche et la mise en œuvre de solutions climatiques. Cette accélération, selon Gaiarin, justifie l’investissement. À condition que l’IA soit utilisée avec intention, transparence et évaluation sérieuse.

À quoi ressemble une IA responsable dans la pratique

Quand on lui demande ce qu’il recommanderait aux dirigeants qui souhaitent adopter des outils IA, Gaiarin insiste sur l’importance de bien définir ses objectifs et d’évaluer rigoureusement l’impact.

Il encourage aussi à dépasser les cas d’usage classiques : “Ce n’est pas juste une histoire de chatbots. Imaginez une IA capable de créer de nouveaux algorithmes scientifiques ou de modéliser des systèmes énergétiques mieux que n’importe quel humain.”

En résumé : l’avenir de l’IA ne se joue pas uniquement dans l’automatisation, mais dans la découverte.