Un guide de l’enseignant sur la durabilité de l’IA

Enseignez la durabilité de l’IA comme une question de preuve, et non comme une règle selon laquelle chaque invite est bonne ou mauvaise. Les services d’IA utilisent de l’électricité, de l’eau de refroidissement et des équipements physiques, mais une « requête » n’a pas d’empreinte fixe. La taille du modèle, la tâche, la longueur de réponse, le matériel, les frais généraux du centre de données et la source d'électricité sont tous importants.

Les étudiants devraient être capables de distinguer l'énergie du carbone et de l'eau, de retracer leur source, d'expliquer l'incertitude et de choisir un outil proportionné. Évitez de donner aux jeunes le sentiment d’être responsables des décisions en matière d’infrastructures contrôlées par les prestataires et les institutions. Les choix personnels peuvent réduire le gaspillage ; les achats, la conception des produits et les politiques publiques façonnent le système dans son ensemble. L’objectif de la classe est d’être informé : utiliser l’IA lorsqu’elle soutient l’apprentissage, remettre en question le marketing environnemental non pris en charge et reconnaître quand un logiciel ordinaire suffit.

Établir un modèle partagé clair

Commencez par une description physique. Une invite est transmise à un centre de données, est convertie en jetons et traitée par des puces spécialisées. Le modèle lit l'entrée et génère une sortie, généralement un jeton à la fois. Prise en charge de la mise en réseau, de la mémoire, du refroidissement et de la conversion d'énergie qui fonctionnent. Que se passe-t-il lorsque vous envoyez un message IA donne une séquence conviviale pour les étudiants.

Séparez ensuite trois termes au tableau. L’énergie est l’électricité consommée. Le carbone opérationnel dépend de la manière dont l’électricité est produite ; une comptabilité carbone plus large pourrait inclure l’industrie manufacturière et la construction. L’eau peut être utilisée pour le refroidissement, la production d’électricité et la fabrication de puces, avec des effets locaux qui dépendent de la rareté et du calendrier.

L’Agence internationale de l’énergie Rapport sur l'énergie et l'IA est une source puissante au niveau du système. Il couvre les centres de données plutôt que de prétendre que chaque watt peut être clairement attribué à une question en classe. Cette distinction aide les étudiants à concilier deux idées : une invite de texte ordinaire peut être petite, alors qu'une demande globale en expansion rapide peut toujours avoir son importance.

Enseigner l'incertitude sans enseigner l'impuissance

Les nombres ne sont pas d’accord parce que leurs limites ne sont pas d’accord. Une source peut mesurer l'accélérateur pendant le calcul actif ; un autre peut inclure les machines inactives, les processeurs, la mémoire, le refroidissement et les pertes de puissance. Une moyenne de fournisseur peut combiner de nombreux modèles et durées de demande. Une estimation de recherche peut modéliser du matériel qu’il ne peut pas observer directement.

Remettez aux élèves une fiche source à quatre colonnes : produit et date ; mesuré ou estimé; limite incluse ; informations manquantes. Demandez-leur de conserver des étiquettes telles que « médiane », « moyenne » et « scénario ». Ils ne devraient jamais faire la moyenne de chiffres contradictoires simplement pour produire une réponse claire.

Google l'étude de première partie de Gemini Les applications sont utiles car elles la méthode inclut les puces actives, la capacité inutilisée, les systèmes hôtes et les frais généraux du centre de données. Il est également limité à Google le produit, la période de temps et la limite choisie. Cette combinaison, utile et limitée, est le ton à modeler.

Treechat c'est méthodologie décrit également une estimation opérationnelle basée sur un modèle, et non une lecture directe d'un compteur ou une réclamation sur le cycle de vie complet.

Utilisez des invites de discussion qui exposent les compromis

Les invites suivantes fonctionnent en binôme, en séminaires ou sur un ticket de sortie écrit :

• Un petit modèle donne deux fois une réponse faible ; un modèle plus grand répond correctement une fois. Quel est le choix le plus durable et quelles preuves manquent ?
• Une école devrait-elle préférer un outil avec une faible estimation par invite ou un outil qui publie des émissions annuelles totales inférieures ? Les deux mesures peuvent-elles être importantes ?
• L’utilisation de l’eau pour le refroidissement est-elle toujours nocive, ou la source, la saison, la rareté et les méthodes de refroidissement alternatives modifient-elles le jugement ?
• Si une entreprise finance la plantation d’arbres, de quoi auriez-vous besoin avant de qualifier son IA de « neutre en carbone » ?
• Qui a le plus de contrôle sur l’empreinte de l’IA : un étudiant, un enseignant, un acheteur d’école, un fournisseur de cloud ou un régulateur d’électricité ?
• Quand une explication générée par l’IA ajoute-t-elle suffisamment de valeur éducative pour justifier son utilisation à la place d’une recherche ou d’un manuel ?

Ne notez pas les élèves lorsqu’ils parviennent à une réponse morale approuvée. Évaluez la qualité de la frontière, des preuves et du raisonnement. Le FAQ sur l'impact environnemental de l'IA peut servir de référence de départ et non de feuille de réponses.

Essayez deux activités honnêtes en classe

Pour un audit de réclamation, donnez aux groupes une publication sociale ou un titre sur l'eau, l'énergie ou les arbres de l'IA. Les élèves localisent la source originale et identifient le produit, l'année, l'unité, le dénominateur et les exclusions. Ils réécrivent le titre pour qu'il reste exact. Cela enseigne l’éducation aux médias sans avoir besoin d’accéder aux données des fournisseurs privés.

Pour un exercice de conception de tâches, fixez-vous un objectif d’apprentissage : peut-être expliquer la photosynthèse à un élève plus jeune. Les groupes conçoivent trois itinéraires : pas d'IA générative, un petit modèle de texte et un assistant riche en fonctionnalités. Ils prédisent quelles étapes ajoutent de la valeur, quelles données seraient envoyées et quelles parties nécessiteraient probablement plus de calculs. Ils évaluent ensuite la qualité des réponses et révisent leur prédiction.

Ne présentez pas le temps de réponse, la lecture de la batterie de l’appareil ou l’icône de l’interface d’un fournisseur comme une mesure directe de l’énergie. S’il n’existe aucune divulgation comparable, « nous ne pouvons pas déterminer le gagnant » est une conclusion positive. L'UNESCO Cadre de compétences en IA pour les enseignants place la durabilité aux côtés de l’action humaine, de l’éthique, des fondations et de la pédagogie ; l’activité doit maintenir ces objectifs ensemble.

Établir une pratique de classe proportionnée

Une norme réalisable est la suivante : utiliser l’outil approuvé le moins complexe qui répond à l’objectif d’apprentissage. Rechercher des sources. Utilisez une calculatrice pour l'arithmétique. Utilisez un petit modèle pour la prise en charge linguistique de routine. Réservez des systèmes de raisonnement, d’image ou de recherche plus grands pour les tâches où leur capacité est pertinente.

Demandez un résultat concis, supprimez le contexte non pertinent et évitez de générer de nombreuses variantes jetables. Mais ne transformez pas le comptage de jetons en un tableau de comportement et ne punissez pas un apprenant qui a besoin d’une technologie d’assistance. L'accessibilité, la prise en charge linguistique et la sécurité peuvent justifier le calcul. La durabilité est une considération dans le cadre d’une bonne pédagogie, et non une compétition de rationnement.

Soyez explicite sur la confidentialité et l’évaluation. Suivez la politique de l'établissement, évitez de télécharger des informations personnelles sur les étudiants et indiquez aux étudiants quand le support de l'IA est autorisé et comment il doit être reconnu. L'UNESCO orientations pour l’IA générative dans l’éducation et la recherche recommande une utilisation adaptée à l’âge et centrée sur l’humain et une attention particulière à la protection des données.

Posez de meilleures questions à votre institution

Il ne faut pas s’attendre à ce que les enseignants auditent seuls un service cloud mondial. Demandez aux équipes d'approvisionnement si les fournisseurs divulguent les choix de modèles, l'énergie spécifique aux tâches, les frais généraux du centre de données, les limites d'eau et les impacts annuels absolus. Demandez si l'interface permet aux utilisateurs de choisir un modèle plus petit et si elle rend visibles les appels d'outils.

Incluez les étudiants dans cette enquête. Ils peuvent rédiger des questions, comparer les réponses des fournisseurs et identifier les domaines dans lesquels les allégations marketing dépassent les preuves. Notre guide de l’étudiant sur l’impact environnemental de l’IA leur donne une liste de contrôle parallèle, tandis que choisir un assistant IA par consommation d'énergie explique pourquoi les noms de modèles seuls sont insuffisants.

Conservez les réponses et examinez-les lorsque les contrats, les outils ou les informations fournies par les fournisseurs changent.

Terminez par l’agence plutôt que par l’alarme. Une classe responsable peut utiliser l’IA de manière réfléchie, exiger une divulgation plus claire tout en reconnaissant l’incertitude. La leçon n’est pas « ne jamais demander ». Il s’agit de « comprendre le travail, utiliser le bon outil et conserver les preuves jointes à chaque réclamation ».