L’intelligence artificielle open source peut accélérer les objectifs de développement durable
L’intelligence artificielle open source peut accélérer les objectifs de développement durable L’intelligence artificielle open source représente une opportunité majeure pour avancer vers les objectifs de développement durable à l’échelle mondiale. Entre 2018 et 2024, son utilisation pour soutenir ces objectifs a augmenté de 300 %, avec des contributions notables dans des domaines comme l’agriculture, la gestion des écosystèmes et la lutte contre le changement climatique. Ce modèle ouvert, qui permet à chacun d’étudier, modifier et partager les outils, a été conçu pour accélérer les progrès de manière efficace et inclusive.
Cependant, son expansion a révélé des défis complexes. L’absence de cadre de gouvernance structuré peut entraîner une consommation excessive de ressources et des vulnérabilités éthiques. Par exemple, le développement décentralisé de modèles redondants sur des infrastructures locales inefficaces aggrave l’empreinte carbone de l’industrie. De plus, la facilité d’accès aux outils open source a réduit les coûts de production de deepfakes et de désinformation ciblée, posant des risques pour la sécurité et la confiance dans les informations.
Un autre enjeu est celui du colonialisme numérique, où les pays et institutions puissants du Nord global contrôlent les données et infrastructures, limitant l’autonomie des pays du Sud. Les jeux de données conçus pour des contextes locaux peuvent mal s’appliquer ailleurs, entraînant des erreurs et une pertinence réduite pour les solutions de gouvernance.
Pour relever ces défis, quatre actions clés sont proposées. La première consiste à intégrer la durabilité dans tout le cycle de vie des modèles, en optimisant les infrastructures matérielles et en évitant le gaspillage lié aux développements redondants. Des techniques comme la distillation de modèles permettent de réduire leur taille jusqu’à 70 %, limitant ainsi leur impact environnemental. Une autre piste est l’adoption de centres de données refroidis par liquide et alimentés par des énergies renouvelables, réduisant la demande en énergie de 20 % et la consommation d’eau de 52 %.
La deuxième action vise à établir un cadre d’évaluation quantitatif pour mesurer l’impact de l’intelligence artificielle sur les objectifs de développement durable. Cela passe par la création d’indicateurs composites qui intègrent des données locales et globales, permettant une évaluation précise des effets positifs et négatifs. Par exemple, des critères de durabilité pourraient couvrir plus de 40 indicateurs sociaux, environnementaux et économiques, offrant une vision claire de l’impact réel.
La troisième action repose sur la régulation et la transparence. Pour éviter les abus, il est essentiel de mettre en place des audits obligatoires, des tests adversariaux et des licences claires définissant les usages autorisés. Les développeurs doivent utiliser des jeux de données audités pour limiter les biais, tandis que les gouvernements peuvent imposer des politiques strictes pour prévenir la diffusion de contenus malveillants. Les utilisateurs, quant à eux, ont la responsabilité d’appliquer ces outils de manière éthique et de signaler les mauvais usages.
Enfin, la quatrième action encourage la coopération mondiale et le partage des connaissances. Malgré la démocratisation de l’accès, des inégalités persistent en matière d’infrastructures, de talents et de souveraineté des données. La création de plateformes open access, respectant les principes de trouvabilité, d’accessibilité et de réutilisation, est cruciale pour garantir un accès équitable aux ressources. Des institutions comme un Dialogue mondial sur la gouvernance de l’intelligence artificielle pourraient renforcer la coopération en publiant des rapports annuels et en organisant des négociations intergouvernementales.
Au niveau régional, la collaboration entre plateformes mondiales et centres de recherche locaux permet de combiner des modèles fondateurs partagés avec des données propres à chaque contexte. Cela facilite le déploiement de solutions adaptées, tout en respectant les réglementations sur la protection des données. Des institutions comme l’Institut australien pour l’intelligence artificielle ou l’Institut national pour l’évaluation et la sécurité de l’intelligence artificielle en France jouent un rôle clé dans cette localisation.
L’intelligence artificielle open source, combinée à une gouvernance adaptée, pourrait ainsi transformer la prise de décision, la rendant plus inclusive et basée sur des preuves. Elle permettrait d’identifier plus rapidement les priorités, les obstacles et les voies de transformation durable, même face à des défis complexes. En intégrant les leçons tirées des citoyens du monde entier, elle pourrait aussi rendre l’agenda post-2030 plus représentatif et efficace.
Les modèles open source offrent également des avantages concrets. Leur coût est de 5 à 29 fois inférieur à celui des modèles propriétaires pour des performances comparables, ce qui élargit leur accessibilité. Des outils comme les modèles de traitement du langage naturel spécialisés dans le climat aident à lutter contre la désinformation, tandis que d’autres, comme ceux utilisés dans la santé, pourraient atténuer les pénuries de thérapeutes dans certaines régions. Dans le domaine économique, les petites et moyennes entreprises peuvent adopter et personnaliser ces technologies pour optimiser leur production.
Cependant, sans gouvernance adaptée, les risques persistent. La production de matériaux électroniques et l’infrastructure nécessaire à l’intelligence artificielle contribuent aux déchets toxiques mondiaux. De plus, près de 60 % des modèles étiquetés comme open source n’ont aucune licence, ce qui complique leur utilisation sécurisée. La prolifération de modèles non régulés facilite également l’identification de failles par des acteurs malveillants, augmentant les risques de phishing ou de propagation de discours haineux.
Pour maximiser les bénéfices de l’intelligence artificielle open source, une approche coordonnée est indispensable. Elle doit associer durabilité, évaluation rigoureuse, sécurité et coopération, afin de réduire les incertitudes et de garantir que cette technologie serve effectivement le progrès mondial.
L’intelligence artificielle open source peut accélérer les objectifs de développement durable L’intelligence artificielle open source représente une opportunité majeure pour avancer vers les objectifs de développement durable à l’échelle mondiale. Entre 2018 et 2024, son utilisation pour soutenir ces objectifs a augmenté de 300 %, avec des contributions notables dans des domaines comme l’agriculture, la gestion des écosystèmes et la lutte contre le changement climatique. Ce modèle ouvert, qui permet à chacun d’étudier, modifier et partager les outils, a été conçu pour accélérer les progrès de manière efficace et inclusive.
Cependant, son expansion a révélé des défis complexes. L’absence de cadre de gouvernance structuré peut entraîner une consommation excessive de ressources et des vulnérabilités éthiques. Par exemple, le développement décentralisé de modèles redondants sur des infrastructures locales inefficaces aggrave l’empreinte carbone de l’industrie. De plus, la facilité d’accès aux outils open source a réduit les coûts de production de deepfakes et de désinformation ciblée, posant des risques pour la sécurité et la confiance dans les informations.
Un autre enjeu est celui du colonialisme numérique, où les pays et institutions puissants du Nord global contrôlent les données et infrastructures, limitant l’autonomie des pays du Sud. Les jeux de données conçus pour des contextes locaux peuvent mal s’appliquer ailleurs, entraînant des erreurs et une pertinence réduite pour les solutions de gouvernance.
Pour relever ces défis, quatre actions clés sont proposées. La première consiste à intégrer la durabilité dans tout le cycle de vie des modèles, en optimisant les infrastructures matérielles et en évitant le gaspillage lié aux développements redondants. Des techniques comme la distillation de modèles permettent de réduire leur taille jusqu’à 70 %, limitant ainsi leur impact environnemental. Une autre piste est l’adoption de centres de données refroidis par liquide et alimentés par des énergies renouvelables, réduisant la demande en énergie de 20 % et la consommation d’eau de 52 %.
La deuxième action vise à établir un cadre d’évaluation quantitatif pour mesurer l’impact de l’intelligence artificielle sur les objectifs de développement durable. Cela passe par la création d’indicateurs composites qui intègrent des données locales et globales, permettant une évaluation précise des effets positifs et négatifs. Par exemple, des critères de durabilité pourraient couvrir plus de 40 indicateurs sociaux, environnementaux et économiques, offrant une vision claire de l’impact réel.
La troisième action repose sur la régulation et la transparence. Pour éviter les abus, il est essentiel de mettre en place des audits obligatoires, des tests adversariaux et des licences claires définissant les usages autorisés. Les développeurs doivent utiliser des jeux de données audités pour limiter les biais, tandis que les gouvernements peuvent imposer des politiques strictes pour prévenir la diffusion de contenus malveillants. Les utilisateurs, quant à eux, ont la responsabilité d’appliquer ces outils de manière éthique et de signaler les mauvais usages.
Enfin, la quatrième action encourage la coopération mondiale et le partage des connaissances. Malgré la démocratisation de l’accès, des inégalités persistent en matière d’infrastructures, de talents et de souveraineté des données. La création de plateformes open access, respectant les principes de trouvabilité, d’accessibilité et de réutilisation, est cruciale pour garantir un accès équitable aux ressources. Des institutions comme un Dialogue mondial sur la gouvernance de l’intelligence artificielle pourraient renforcer la coopération en publiant des rapports annuels et en organisant des négociations intergouvernementales.
Au niveau régional, la collaboration entre plateformes mondiales et centres de recherche locaux permet de combiner des modèles fondateurs partagés avec des données propres à chaque contexte. Cela facilite le déploiement de solutions adaptées, tout en respectant les réglementations sur la protection des données. Des institutions comme l’Institut australien pour l’intelligence artificielle ou l’Institut national pour l’évaluation et la sécurité de l’intelligence artificielle en France jouent un rôle clé dans cette localisation.
L’intelligence artificielle open source, combinée à une gouvernance adaptée, pourrait ainsi transformer la prise de décision, la rendant plus inclusive et basée sur des preuves. Elle permettrait d’identifier plus rapidement les priorités, les obstacles et les voies de transformation durable, même face à des défis complexes. En intégrant les leçons tirées des citoyens du monde entier, elle pourrait aussi rendre l’agenda post-2030 plus représentatif et efficace.
Les modèles open source offrent également des avantages concrets. Leur coût est de 5 à 29 fois inférieur à celui des modèles propriétaires pour des performances comparables, ce qui élargit leur accessibilité. Des outils comme les modèles de traitement du langage naturel spécialisés dans le climat aident à lutter contre la désinformation, tandis que d’autres, comme ceux utilisés dans la santé, pourraient atténuer les pénuries de thérapeutes dans certaines régions. Dans le domaine économique, les petites et moyennes entreprises peuvent adopter et personnaliser ces technologies pour optimiser leur production.
Cependant, sans gouvernance adaptée, les risques persistent. La production de matériaux électroniques et l’infrastructure nécessaire à l’intelligence artificielle contribuent aux déchets toxiques mondiaux. De plus, près de 60 % des modèles étiquetés comme open source n’ont aucune licence, ce qui complique leur utilisation sécurisée. La prolifération de modèles non régulés facilite également l’identification de failles par des acteurs malveillants, augmentant les risques de phishing ou de propagation de discours haineux.
Pour maximiser les bénéfices de l’intelligence artificielle open source, une approche coordonnée est indispensable. Elle doit associer durabilité, évaluation rigoureuse, sécurité et coopération, afin de réduire les incertitudes et de garantir que cette technologie serve effectivement le progrès mondial.
Crédits des sources
Source principale
DOI : https://doi.org/10.1038/s41467-026-73866-8
Titre : Steering open-source AI to accelerate the sustainable development goals
Revue : Nature Communications
Éditeur : Springer Science and Business Media LLC
Auteurs : Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian Lü