Introduction
La bonne pratique BP 30 du référentiel général pour l’IA frugale (AFNOR SPEC 2314) met en lumière l’importance de privilégier des modèles d’intelligence artificielle (IA) plus frugaux, c’est-à-dire moins énergivores et moins gourmands en données. Cette démarche vise à réduire l’impact environnemental tout en conservant une performance adaptée aux besoins.
Pourquoi privilégier des modèles d’IA plus frugaux ?
Les modèles d’IA diffèrent grandement en termes de consommation énergétique et de volume de données nécessaires. Par exemple, un modèle symbolique ou un modèle de machine learning simple peut souvent suffire au lieu d’un modèle de deep learning complexe. En choisissant des solutions moins énergivores, on réduit significativement l’empreinte carbone du service numérique tout en optimisant les coûts et la maintenance.
Comment mettre en œuvre cette bonne pratique ?
1. État de l’art des solutions existantes
Commencez par identifier et analyser les différentes solutions d’IA disponibles, en partant des plus simples et moins consommatrices d’énergie jusqu’aux plus complexes. Cette démarche graduelle permet de choisir le modèle le plus adapté au besoin, sans dépenser inutilement en ressources.
2. Évaluation de l’IA symbolique
Avant d’engager des méthodes complexes, vérifiez si l’IA symbolique peut répondre aux besoins exprimés. Elle est souvent plus frugale car elle repose sur des règles explicites et demande moins de données.
3. Analyse comparative progressive
Si l’IA symbolique ne suffit pas, réalisez une analyse comparative entre :
- Modèles de Machine Learning classiques
- Modèles de Deep Learning
Cette comparaison doit prendre en compte non seulement la performance, mais aussi la consommation énergétique et le volume de données nécessaires.
4. Usage d’outils sur mesure
Préférez des outils et modèles spécialement adaptés au problème concret à traiter, plutôt que des approches généralistes lourdes et énergivores.
5. Intégration dans une démarche d’amélioration continue
Optimisez continuellement la performance du modèle choisi et son impact environnemental dans le cadre d’une démarche d’amélioration continue.
Facteur clé de réussite
La construction du besoin client est essentielle pour assurer l’utilisation de modèles frugaux. Un besoin bien défini, ciblé et structuré permet d’identifier des solutions IA adaptées et moins énergivores.
Cycle de vie impacté
Cette bonne pratique s’applique principalement pendant la phase de conception et développement (étape 2), ainsi que lors de la vérification, validation, déploiement et exploitation.
Références
- AFNOR SPEC 2314 – Référentiel général pour l’IA frugale
- RGESN Chapitre 9 – Référentiel Général de l’Écoconception des Services Numériques
Adopter la bonne pratique RGIAF BP 30, c’est s’engager dans un développement durable de l’IA, où efficacité et responsabilité environnementale cohabitent harmonieusement.