Des usages et des terminaux qui se multiplient

Name: Green IT Les clés pour des projets informatiques plus responsables
Rating: 4 (2 reviews)

Introduction

Le chapitre précédent a mis en lumière les différents impacts écologiques liés au secteur du numérique. Parmi les facteurs présentés, il en existe un particulièrement préoccupant, celui de la croissance projetée du secteur du numérique. Nous explorerons ici quelques raisons de cette croissance, en nous intéressant notamment à plusieurs usages récents ou émergents et à leurs impacts particuliers.

Une multiplication des terminaux utilisateurs

Avant de rentrer dans le détail des raisons de cette évolution, arrêtons-nous un instant sur l’architecture mise en œuvre par les services numériques connectés, c’est-à-dire reposant sur des échanges client-serveur (les serveurs étant souvent situés dans un centre de données connecté à Internet). Nous distinguons dans cette architecture trois couches :

La couche « utilisateurs », composée des terminaux eux-mêmes, qu’ils soient des ordinateurs, des smartphones ou des objets connectés.
La couche « réseaux », qui permet de faire transiter les informations entre les terminaux et les serveurs.
La couche « centres informatiques », dans laquelle se situent les services internet consommés par les terminaux, permettant ainsi le recueil, le traitement et le stockage des données utilisateurs.

Architecture d’un service numérique connecté

Cette architecture est similaire à celle proposée par l’étude GreenIT.fr présentée au chapitre précédent. Il est néanmoins important de noter que bien que ces couches soient distinctes, elles sont interdépendantes. En particulier, la croissance du nombre de terminaux présents dans la couche « utilisateurs » entraîne une croissance des besoins dans les deux autres couches.

1. Impacts de la transition numérique

La transition numérique, ou transformation numérique, désigne le phénomène de fond, entamé depuis le début des années 2000, qui consiste à utiliser les possibilités offertes par Internet et par les progrès réalisés dans le monde numérique, pour...

L’ère du big data

Depuis les débuts de l’histoire de l’informatique, deux capacités ont parallèlement connu une croissance extrêmement forte :

La capacité à traiter des données, que l’on peut illustrer en citant la célèbre loi, dérivée des postulats de Gordon Moore sur la complexité des semi-conducteurs, estimant un doublement des capacités de calcul tous les 18 mois.
La capacité à stocker des données, depuis l’usage de cartes perforées jusqu’à celui des mémoires flash (stockage sur semi-conducteurs dédiés), en passant par les supports magnétiques (disquette, disque dur) et optiques (CD, DVD).

Cette double croissance, que l’on peut qualifier d’exponentielle, ainsi que l’arrivée à maturité des approches de traitements parallèles (voir ci-dessous), a permis l’avènement dans les années 2000 d’une discipline liée à l’acquisition, au traitement et à la conservation de données : le big data.

Si l’on cite souvent en premier lieu la volumétrie des données comme élément caractéristique du big data, il ne s’agit pas du seul élément qui entre en jeu. Nous reprendrons ici une définition couramment utilisée, celle des 3 V : le big data concerne la manipulation de données avec des contraintes importantes de Volume ou de Variété ou de Vélocité.

1. L’étourdissante croissance des volumes

Il existe de nombreuses études, issues du monde académique ou industriel, qui traitent de la croissance des volumes de données produites, manipulées et stockées dans le monde. Si l’on trouve quelques variations...

Intelligence artificielle

Objet de fantasmes depuis l’émergence des premiers systèmes informatiques dans la seconde moitié du XX^e siècle, l’intelligence artificielle (IA), selon la définition proposée sur le site du Parlement européen, « désigne la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité. » [Lien 16].

Cette définition large permet d’inclure tout un ensemble d’usages, parmi lesquels on trouve ceux-ci :

La traduction automatisée de textes, mais aussi de la voix en temps réel.
Les véhicules autonomes.
Le traitement du langage naturel (Natural Language Processing en anglais, souvent abrégé NLP), utilisé notamment par les moteurs de recherche et dans les assistants personnels.
L’optimisation des flux logistiques, au travers de la prédiction des demandes et de moteurs d’aide à la décision.
Les moteurs de recommandation, permettant de proposer de nouveaux contenus ou produits aux utilisateurs en fonction des habitudes observées et de comportements corrélés.
Les applications dans le domaine médical, comme l’analyse génomique, ou encore l’aide au diagnostic au travers, par exemple, de l’analyse de l’imagerie (scanners, IRM, etc.).
La modification de flux audio ou vidéo (parfois utilisée pour réaliser des contenus de type deepfake, c’est-à-dire de détournement audio ou vidéo).

D’un point de vue plus technique, ce sont les progrès réalisés ces dernières années dans les mécanismes d’apprentissage automatique (Machine Learning en anglais) - et particulièrement dans la sous-discipline...

Un Internet plus distribué et décentralisé

1. Web3 et les architectures distribuées

Pour comprendre ce qu’est la blockchain, il est nécessaire de comprendre au préalable la notion d’architectures distribuées ; nous commencerons donc par explorer ces architectures en partant d’un terme qui a « fait le buzz » en 2021 : le Web3.

Inventé par Gavin Wood (cofondateur du système de blockchain open source Ethereum) en 2014, ce terme désigne l’évolution d’Internet vers un système beaucoup plus distribué et décentralisé qu’actuellement :

Le Web 1.0 était à l’origine constitué essentiellement de contenus statiques produits par des éditeurs de contenus, et la majorité des internautes venaient consommer ces contenus.
Le Web 2.0 a vu naître la possibilité pour chaque internaute d’être à son tour un producteur de contenu, notamment au travers des réseaux sociaux qui permettent un partage facilité et immédiat d’informations vers toute une communauté, mais qui restent basés sur des plateformes centralisées.
Le Web3 (à ne pas confondre avec le web sémantique conceptualisé par Tim Berners-Lee, et qui est parfois nommé Web 3.0) propose un modèle dans lequel la diffusion de contenu par les internautes ne passe plus par des plateformes centralisées mais par des systèmes distribués, permettant ainsi de s’affranchir de ces plateformes et des inconvénients associés.

Dans la vision proposée par Gavin Wood, la blockchain joue un rôle important car c’est le support qui assure la diffusion des données, mais aussi et surtout qui donne des garanties sur l’intégrité...

Mise en perspective de ces nouveaux usages

D’une manière générale, l’idée des analyses présentées dans ce chapitre n’est pas de déterminer si un usage technologique est bon ou mauvais. L’idée est simplement d’être bien conscient que, quel que soit l’usage, il génère toujours des impacts environnementaux.

Ainsi, pour revenir sur les différents usages analysés, même si l’utilisation de modèles d’apprentissage profond peut s’avérer très consommatrice en ressources, il s’agit aujourd’hui d’un outil très utilisé pour l’analyse des changements climatiques et la lutte contre le dérèglement du climat.

Même si les modèles de stockage de données distribués dans une blockchain peuvent aboutir à une surutilisation de ressources, et même si la mode des NFT peut paraître futile, des initiatives explorent comment l’usage de la blockchain et des smart contracts pourrait apporter des solutions pour l’action climatique [Lien 33].

Même si l’Internet des objets entraîne une boulimie de données, il ouvre également des possibilités d’optimisation qui peuvent être mises au service de la transition écologique (voir la section évoquant les smart * dans le chapitre final). De plus, il est possible de créer des objets connectés qui sont basés sur des briques communes réutilisables, simplifiant ainsi grandement la réutilisation de ces objets ; on peut citer les initiatives Arduino et Raspberry Pi, qui visent à fournir des plateformes (open source dans le cas d’Arduino) utilisables notamment pour des projets d’objets connectés.

L’enjeu est donc de s’approprier...

Agir pour diminuer les impacts : optimisation et sobriété

Devant la multiplicité des impacts du numérique, tant du point de vue des causes que des effets, il peut sembler complexe de s’approprier une démarche répondant aux différents enjeux du Green IT.

Si les vecteurs d’action sont en effet multiples, ils peuvent être regroupés autour de deux grandes catégories complémentaires : l’optimisation et la sobriété. Dans une démarche d’optimisation, nous cherchons à diminuer les impacts des usages existants. Dans une démarche de sobriété, nous cherchons à raisonner les usages eux-mêmes.

1. L’optimisation au service d’un numérique moins impactant

Le développement de l’informatique est intimement lié à la notion d’optimisation : l’ordinateur est en effet venu dans de nombreux cas remplacer l’humain dans des domaines dans lesquels la machine est plus efficace, des simples opérations mathématiques effectuées par les premiers calculateurs jusqu’aux mécanismes d’intelligence artificielle les plus avancés, en passant par toutes les formes de stockage et de traitements de données.

Il est donc logique et intuitif pour le secteur du numérique de se tourner vers ces mécanismes d’optimisation pour réduire ses propres impacts environnementaux ; il s’agit là de la base même des premières démarches de Green IT. Ainsi, comme nous l’explorerons dans le chapitre Impact et optimisation de l’hébergement, l’innovation technologique a permis de très importants gains en efficience en matière d’impacts par gigaoctets de données véhiculées et traitées...

Références pour ce chapitre

1. Légifrance, « Article L441-2 du code de la consommation », https://www.legifrance.gouv.fr/codes/article_lc/LEGIARTI000044330817

2. obsolescence-programmee.fr, « Le Cartel Phœbus et les lampes à incandescence », https://obsolescence-programmee.fr/exemples-symboliques/le-cartel-phoebus-et-les-lampes-a-incandescence/

3. Ministère de la Transition écologique, « Indice de réparabilité », https://www.ecologie.gouv.fr/indice-reparabilite

4. Android Police, « Google’s latest Android version distribution numbers show 11 in dead heat with 10 », novembre 2021, https://www.androidpolice.com/googles-latest-android-version-distribution-numbers-show-11-in-dead-heat-with-10/

5. Direction générale de la concurrence, de la consommation et de la répression des fraudes, communiqué de presse « Ralentissement du fonctionnement de certains iPhone : une enquête de la DGCCRF conduit au paiement d’une amende transactionnelle de 25 M€ par le groupe Apple », février 2020, https://www.economie.gouv.fr/files/files/directions_services/dgccrf/presse/communique/2020/CP-Ralentissement-fonctionnement-iPhone200207.pdf

6. Jim Nielsen, « The Optional Chaining Operator, "Modern" Browsers, and My Mom », janvier 2022, https://blog.jim-nielsen.com/2022/a-web-for-all/

7. Frédéric Bordage - GreenIT.fr, « x171 : la croissance du poids de nos logiciels », août 2020, https://www.greenit.fr/2020/08/18/x171-la-croissance-du-poids-de-nos-logiciels/

8. Standish Group, « Exceeding Value », 2014, https://www.standishgroup.com/files/Exceeding%20Value_Layout4.pdf

9. The iPhone Wiki, article sur iTunes...