La définition de l’intelligence artificielle donnée par Arthur Mensch, CEO de Mistral AI, est un des éléments intéressant de cette audition :

Cette définition la voici : « c’est de l’énergie transformée en intelligence »

Elle est le parfait exemple de la mythologie en cours de construction autour de l’IA. Tout d’abord vous remarquerez que le terme « artificielle » a disparu. Ce mot « artificielle » est celui qui renvoie encore à la machine, au calcul et au processus industrielle derrière cette technologie. Cette omission volontaire, c’est donc un pas de plus dans l’humanisation de la machine, mais aussi une expression de l’égo des chefs d’entreprise de l’IA. Dans cette définition, l’être humain se fait enfin créateur divin en générant de l’intelligence.

Le reste de l’audition, laisse entrevoir une réalité bien plus prosaïque que celui-ci commence à dévoiler. 

En quelques années, l’IA s’est infiltrée dans notre quotidien, pourtant on en connaît peu le fonctionnement. Alors reprenons les choses à la base. Mistral est spécialisée dans l’IA générative, une IA capable de générer du texte, des images, des vidéos en réponse à des requêtes. Ainsi Mistral transforme de l’énergie, non pas en intelligence, mais en calcul informatique.

Comment ? L’énergie fait fonctionner des serveurs comprenant des GPU - des composants informatiques dédiés aux calculs, très performants, pour les graphiques des jeux vidéos - utilisée par l’IA en raison de leur capacité à effectuer simultanément de multiples opérations de manière efficace et rapide. Ces opérations permettent d’entraîner le système d’IA grâce à une grande quantité de données, mais aussi de le faire tourner pour fournir au client les réponses dont il a besoin (un texte, une image, une ligne de code…). Cette réponse est divisée en tokens, c’est-à-dire quelques lettres, chiffres, pixels de la réponse et surtout l’unité de facturation de l’entreprise d’IA vers le client.

En résumé l’IA c’est une immense capacité de calcul et de traitement de données qu’on a entraîné durant des heures, des jours, des années pour lui permettre de pouvoir traiter les questions qu’on lui soumet (c’est-à-dire donner une réponse statistiquement probable aux questions qu’on lui soumet).

L’IA a donc besoin pour fonctionner d’énergie, d’infrastructures (notamment des serveurs dans des data-center), de données pour produire, non pas de l’intelligence, mais d’immenses capacités de calcul.

Cette réalité matérielle et les limites de ces capacités de calcul, Arthur Mensch ne s’y attarde que partiellement. Alors reprenons la définition de l’IA de « l’énergie transformée en intelligence »

L’IA, le gouffre énergétique

L’énergie est considérée comme l’étalon du coût de l’IA. Toutes les réponses d’Arthur Mensch comprennent d’ailleurs des références au mégawatt, au gigawatt… (Il est d’ailleurs intéressant que dans la vision de Mensch tout se divise, se compile… l’intelligence pour lui, au final, ce n’est que des tokens et des mégawatts.) Et cela n’est pas étonnant au regard des besoins colossaux de l’IA en termes d’énergie.

Léa Prati et Romain Geoffroy reviennent dans un article Des Décodeurs dans Le Monde sur ces besoins énergétiques. 

La demande d’électricité des centres de données dans le monde devrait plus que doubler d’ici à 2030. Selon un rapport publié en avril parl’Agence internationale de l’énergie (AIE), elle devrait atteindre environ 945 térawattheures, soit plus de la consommation totale d’électricité du Japon.

Cette augmentation relève un triple enjeu : la capacité à suivre une telle demande (et donc la démultiplication des conflits d’usage comme c’est le cas en Irlande), les impacts environnementaux d’une telle augmentation, et la concurrence entre les acteurs économiques pour l’accès à l’énergie. 

Les impacts environnementaux sont nombreux et méritent d’être longuement développés, j’y reviendrai donc dans une prochaine newsletter. En attendant vous pouvez regarder le rapport de l’ARCEP sur les défis environnementaux de l’IA, en cliquant ici

Cette explosion de la consommation d’énergie pour faire tourner l’IA a également des conséquences en matière de souveraineté. 

En effet, les grosses entreprises d’IA sont dans une phase de développement. Leur enjeu, construire un maximum de centres de données et capter la plus grande part possible de la production d’électricité. C’est donc la course. Celui qui aura la plus grande capacité électrique est celui qui pourra emporter la plus grande part du marché et si possible le verrouiller, c’est-à-dire imposer sa solution comme le standard à utiliser, comme Microsoft pour les suites Office ou Google pour les moteurs de recherche.

Le risque en matière de souveraineté est, comme le reconnaît Arthur Mensch : « L’allocation (de l’énergie) est faite sur des critères économiques, elle est faite aux gens qui peuvent payer et ceux qui peuvent payer c’est ceux qui ont de la demande (c-à-d les Big Tech). ». Ainsi, ceux qui ont les moyens de payer aujourd’hui – AWS, Microsoft, Google – sont en train de préempter une ressource essentielle et les marchés qui vont avec. Faire des centres de données en France, si c’est pour qu’ils soient construits ou utilisés par les Big Tech, cela ne fera que renforcer notre dépendance aux solutions américaines. S’il est certain que cette énergie ne doit pas être consommée pour des solutions américaines, le débat devra s’ouvrir sur la quantité d’énergie que nous sommes collectivement prêt à flécher vers de l’IA made in France. 

L’IA : de l’intelligence, vraiment ? 

Tout d’abord, ChatGPT et autres grands modèles de langage (LLM), sont une version impressionnante dans leurs capacités de traitement (en termes de quantité de données traitées et de vitesse) mais reflètent par contre une vision très restrictive de l’intelligence : aucune réflexivité, dépendant en grande partie du travail humain (codage, étiquetage…) et aucune recherche de véracité. Les « hallucinations » sont probablement l’illustration la plus claire des limites de cette intelligence artificielle. Les « hallucinations » ne sont pas des erreurs elles sont « inhérentes à l’architecture statistique des LLM », comme l’explique très bien Victor Storchan dans son article dans Le Grand Continent. Elles sont constitutives de l’incapacité d’une IA à reconnaître qu’elle ne sait pas, car une réponse fausse est toujours statistiquement plus proche de la réponse que de ne reconnaître l’ignorance. L’exemple donné par Victor Storchan est en cela assez parlant : 

Imaginons qu’un utilisateur demande à un modèle de langage la date d’anniversaire d’une autre personne et que le modèle n’ait aucune idée de la réponse. En annonçant « le 10 septembre », il a 1 chance sur 365 de tomber juste. S’il répond « Je ne sais pas », il a l’assurance de donner la mauvaise réponse.

Autant d’éléments perçants des trous dans cette mythologie de l’émergence d’une nouvelle forme d’intelligence, qu’il ne faut jamais oublier. Cela n’enlève rien à la prouesse technique, mais permet de la mettre à sa juste place. On nous promet en permanence des IA capables de résoudre le cancer ou la crise climatique, mais face à nous, on a des informations pas toujours fiables, des textes formatés et des images de Trump qui se prend pour Jésus.

Notons également que la disponibilité de données, de manière massive, est un élément indispensable à l’existence de l’IA. Arthur Mensch n’en parle absolument pas dans son discours. Elle ne semble ni rentrée dans son récit de la transformation quasi magique d’énergie en intelligence, ni dans son modèle économique. Deux hypothèses : La plus optimiste, Mistral AI tourne avec de la donnée apportée par ses clients eux-mêmes (majoritairement des entreprises) et des données accessibles en open source. La plus pessimiste et le plus probable, c’est que Mistral s’accapare les données nécessaires en faisant fi de toutes règles de droit. C’est ce que révèle l’enquête de Clément Pouré et Soizic Pénicaud sur les multiples infractions au droit d’auteurs de la jeune société française.

Attention aux promesses de l’intelligence artificielle ! Il nous est impératif d’avoir un débat démocratique sur cette nouvelle technologie : jusqu’à quel point souhaitons-nous consacrer des milliers de milliards, les ressources encore disponibles et notre intelligence bien réelle, à accélérer toujours plus le développement d’une technologie dont les résultats (tant en termes de santé, d’impact sur la démocratie et de croissance économique) ne sont pas avérés voire négatifs, quand bien même elle serait française…