Techniques supprimant les connexions non critiques ou peu influentes dans un réseau de neurones. Elles réduisent la taille du modèle de 30 à 50 % avec des pertes de performance minimales (< 1 %).
Levier d'écoconception mesurable (paramètres actifs, latence, énergie par requête) à intégrer dans les KPI d'un plan de décarbonation IA. Attention : l'élagage peut dégrader silencieusement la performance sur les classes rares — précisément celles à forte valeur ESG (controverses, secteurs de niche). Rejouer les tests de biais et de robustesse après élagage, et conserver le modèle dense de référence dans le registre pour comparaison.
Un groupe français applique un élagage structuré à son modèle LLM pour l'inférence edge : 30 % de connexions éliminées, taille réduite de 40 %, latence améliorée de 2x pour déploiement sur appareils mobiles des conseillers terrain.
Termes connexes (Technologie)
IA fantôme (Shadow AI)
Utilisation non autorisée d'outils d'intelligence artificielle par les employés, contournant les politiques de sécurité, de conformité et de gouvernance de l'entreprise. Ce phénomène représente un risque ESG majeur : fuite de données sensibles, non-conformité RGPD/IA Act, absence de traçabilité et d'audit.
Ingénierie de prompt ESG
Discipline d'optimisation des instructions textuelles (prompts) données aux modèles d'IA pour obtenir des réponses pertinentes, précises et conformes aux exigences du reporting de durabilité. Inclut la structuration des requêtes, l'injection de contexte réglementaire et la réduction des hallucinations.
Hallucination IA
Génération par un modèle d'IA de contenus faux, inventés ou non étayés par les données sources, présentés avec une apparence de certitude. Risque critique pour le reporting ESG où l'exactitude et la traçabilité des informations sont essentielles pour l'audit externe.
Token (unité de traitement IA)
Unité élémentaire de texte traitée par les modèles de langage (environ 4 caractères ou 0,75 mot en français). Le nombre de tokens détermine le coût de calcul, la consommation énergétique et l'empreinte carbone d'une requête IA. Métrique clé pour l'optimisation Green AI.
GPU (Processeur graphique)
Processeur spécialisé dans le calcul parallèle, essentiel pour l'entraînement et l'inférence des modèles d'IA. Les GPU représentent la principale source de consommation énergétique et d'émissions carbone des infrastructures IA, avec des enjeux d'approvisionnement en terres rares et de recyclage.
Récupération de chaleur fatale (data center)
Valorisation de la chaleur résiduelle générée par les serveurs et GPU des centres de données pour alimenter des réseaux de chauffage urbain, des serres agricoles ou des processus industriels. Levier clé d'économie circulaire pour réduire l'impact environnemental net des infrastructures IA.