Ces dernières années, l’utilisation de l’IA générative (par exemple ChatGPT ou DALL-E) a également explosé dans l’industrie de la restauration, transformant les menus numériques et promouvant les activités sur les réseaux sociaux.
Ce phénomène soulève des questions sur la consommation d’énergie « numérique » par rapport à la cuisine traditionnelle. D’une part, les centres de données qui exécutent des modèles d’intelligence artificielle nécessitent des GPU puissants et des systèmes de refroidissement qui consomment d’importantes quantités d’électricité ; d’autre part, les fours à pizza classiques nécessitent également beaucoup d’énergie pour maintenir des températures élevées pour la cuisson, avec des différences significatives selon le type d’alimentation électrique.
- Consommation dans la génération d’images d’IA :
La création d’images par l’IA repose sur des serveurs équipés de GPU performants. (L’acronyme signifie « unité de traitement graphique », un processeur spécialisé qui traite principalement les données graphiques et vidéo). Des études récentes indiquent que la génération d’une « image » nécessite en moyenne environ 0,0029 kWh (2,9 Wh), ce qui équivaut à la consommation d’un téléphone chargé à près de 24 %. Pour les modèles particulièrement « lourds » comme ceux de HuggingFace, la consommation peut atteindre 0,011 kWh. Lors du traitement d’une image complexe, un GPU professionnel de pointe peut atteindre des pics de 300-400W, soit l’équivalent de 20 charges complètes d’un smartphone !
En termes d’émissions, si l’on considère le mix énergétique italien (environ 270 gCo2eq/kWh), cela se traduit par des fractions de gramme de CO2 par image (0,001-0,003 kg), une valeur résolument faible par rapport à de nombreuses activités quotidiennes dans le secteur de la restauration.
Consommation pour la cuisson d’une pizza :
L’énergie consommée pour la cuisson d’une pizza professionnelle est de l’ordre de quelques centaines de Wh, selon le four. En moyenne, nous avons estimé qu’un four électrique pour une pizzeria de taille moyenne a une consommation d’énergie d’environ 7-10 kW/h. Cela signifie que si le four est utilisé pendant 8 heures par jour, la consommation totale d’énergie pourrait être d’environ 56-80 kW/h par jour. L’énergie nécessaire à la cuisson d’une pizza dans un environnement professionnel est donc nettement supérieure à l’énergie nécessaire à la production d’une image :
- Un four électrique professionnel consomme environ 0,44 kWh par pizza (préchauffage compris).
- Un four commercial à gaz nécessite entre 0,5 et 0,8 kWh par pizza, ce qui doit compenser une plus grande dispersion.
- Un four à pizza napolitain traditionnel alimenté au bois consomme environ 1,86 kWh par pizza (ce qui équivaut à la valeur énergétique du bois
Traduire ces valeurs en émissions de CO2 :
- Le four électrique produit environ 0,12 kg de CO2 par pizza (ce qui équivaut à environ 1 km en voiture).
- Le four à gaz émet environ 0,16 kg de CO2 par pizza (soit l’équivalent de 1,3 km en voiture).
- Le four à bois, qui utilise du bois certifié, a des émissions nettes considérées comme « biogéniques », pratiquement nulles dans l’analyse à long terme.
La cuisson d’une pizza génère ainsi des dizaines de grammes de CO2, alors que l’image d’une IA ne représente que quelques grammes.
L‘intelligence artificielle au service de l’efficacité énergétique dans la cuisine
Les solutions d’intelligence artificielle peuvent contribuer de manière significative aux économies d’énergie dans le secteur de la restauration en améliorant l’efficacité opérationnelle :
- Des capteurs intelligents et des commandes « intelligentes » régulent automatiquement la consommation des lumières, de l’air conditionné et du réfrigérateur.
- Les modèles de prévision de la demande optimisent la préparation des ingrédients et le préchauffage des fours aux heures de pointe.
- Les systèmes basés sur l’IA signalent les pertes d’efficacité (comme les plaques mal isolées) et suggèrent des cycles de cuisson optimaux.
- Les algorithmes avancés de gestion des stocks et des flux dans la cuisine réduisent également les déchets alimentaires, ce qui diminue indirectement la consommation tout au long de la chaîne d’approvisionnement. En voici un exemple :
- La société de restauration Elior et la société plus connue IKEA ont expérimenté avec la start-up « Winnow » un système d’intelligence artificielle(Winnow Vision) qui surveille les déchets alimentaires dans les cantines, dans le but de réduire les déchets alimentaires de 30 % et les émissions de CO2 par repas de 12 %.
Durabilité numérique et culinaire : vers de nouveaux horizons
La comparaison met en évidence une réalité intéressante : la génération d’une image à l’aide de l’IA nécessite une énergie de l’ordre de quelques Wh, alors que la cuisson d’une pizza consomme des centaines ou des milliers de Wh. Les émissions de CO2 liées à l’IA sont donc presque négligeables par rapport à celles de la cuisine traditionnelle, mais la véritable innovation réside dans l’intégration des deux mondes. L’intelligence artificielle offre d’autres possibilités en matière de durabilité énergétique dans les restaurants :
– Optimisation des cycles thermiques : des algorithmes qui s’inspirent des habitudes culinaires peuvent ajuster automatiquement l’allumage et l’extinction des fours, réduisant ainsi les temps de préchauffage jusqu’à 15 %.
– Maintenance prédictive : des systèmes de surveillance intelligents peuvent identifier les anomalies dans la consommation d’énergie avant qu’elles ne deviennent des problèmes, prolongeant ainsi la durée de vie de l’équipement.
– Conception de menus durables : l’IA peut analyser l’empreinte carbone des ingrédients et suggérer des combinaisons qui préservent l’identité gastronomique tout en réduisant l’impact sur l’environnement.
– Gestion intégrée de l’énergie et de l’eau : plateformes qui optimisent simultanément la consommation d’eau et d’électricité, avec des économies documentées allant jusqu’à 20 % dans les lave-vaisselle professionnels.
Les cas d’utilisation de l’IA démontrent déjà l’efficacité de ces solutions dans la réduction des déchets et des coûts opérationnels. L’application de modèles d’apprentissage fédérés qui permettent aux restaurants de partager des données de consommation anonymes, créant ainsi des références d’efficacité énergétique spécifiques à la catégorie et à la taille, est particulièrement prometteuse.
Dans ce dialogue entre l’innovation technologique et la tradition culinaire, un avenir se dessine dans lequel chaque kilowattheure économisé contribue à la fois à la durabilité économique et environnementale : il ne s’agit plus de mondes séparés, mais d’alliés dans la création d’un secteur de la restauration plus efficace et plus conscient.
La valeur ajoutée de l’IA ne réside pas seulement dans la réduction de l’empreinte énergétique, mais dans sa capacité à orchestrer tous les processus en vue d’un objectif commun d’optimisation des ressources.
