Can AI Help Solve the Climate Crisis? | Sims Witherspoon | TED

74,479 views ・ 2023-09-21

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Kendehl Taylor Relecteur: Elisabeth Buffard
00:08
You may have had the experience of unboxing furniture
0
8505
3754
Vous avez peut-être fait l’expérience de déballer un meuble
00:12
and come across instructions that go something like this:
1
12259
3420
et de tomber sur des instructions du genre :
00:15
"Assemble the bookshelf according to the provided diagram."
2
15679
3378
« Assemblez l'étagère selon le schéma fourni ».
00:19
Yes, I know what a bookshelf looks like.
3
19724
3045
Oui, je sais à quoi ressemble une étagère.
00:22
Probably wouldn't be reading the assembly instructions
4
22769
2544
Je ne lirais probablement pas les instructions de montage
00:25
if I didn't need a little more help with the process.
5
25355
3086
si je n’avais pas besoin d’un peu plus d’aide.
Ou vous avez peut-être ouvert un livre de recettes
00:28
Or maybe you've opened a cookbook
6
28441
1794
00:30
with an author who thinks you're already somewhat of a chef.
7
30235
3170
dont l’auteur pense que vous êtes déjà un peu un chef.
00:33
"Deglaze the pan."
8
33446
1460
« Déglacez la poêle. »
00:35
What?
9
35448
1252
Quoi ?
00:36
(Laughter)
10
36700
1001
(Rires)
00:37
OK, off I go on a separate search to understand whatever that means.
11
37742
4171
OK, je me lance dans une recherche séparée pour comprendre ce que ça veut dire.
00:42
Instructions that tell you what to do and not how to do it
12
42414
4921
Les instructions qui vous disent quoi faire et non comment le faire
00:47
are pretty useless.
13
47335
1544
sont plutôt inutiles.
Et pourtant, même lorsque nous parlons
00:49
And yet, even when we're talking
14
49212
1627
00:50
about something as important as climate change,
15
50881
3003
d’une chose aussi importante que le changement climatique,
00:53
we hear them all the time.
16
53884
1710
nous les entendons tout le temps.
00:55
“Transition to renewable energy.”
17
55927
1710
« Transition vers les énergies renouvelables. »
00:57
“Electrify everything else.”
18
57679
1460
« Électrifiez tout le reste. »
00:59
“Deploy solutions that are equitable and fair.”
19
59180
2878
« Déployez des solutions équitables et justes. »
01:03
Yes, let's do all of that.
20
63310
4004
Oui, faisons tout cela.
01:07
But how?
21
67314
2252
Mais comment ?
01:10
Answering how is where we understand which solutions are actually feasible,
22
70775
6257
En répondant à la question « comment »
nous comprenons quelles solutions sont réellement réalisables,
01:17
whether that be with today's infrastructure,
23
77032
2627
qu’il s’agisse de l’infrastructure actuelle,
01:19
our evolving regulatory environment
24
79659
2044
de l’évolution de notre cadre réglementaire
01:21
or any of the other number of dependencies and constraints
25
81703
3086
ou de toutes les autres dépendances et contraintes
01:24
that we have to consider.
26
84831
1752
que nous devons prendre en compte.
Comment nous résolvons le changement climatique
01:27
How we solve climate change
27
87626
1293
01:28
also depends on our very definition of the problem.
28
88960
3253
dépend également de notre définition même du problème.
01:32
It's a scientific challenge, a sociopolitical issue,
29
92213
3713
Il s’agit d’un défi scientifique, d’un problème sociopolitique,
01:35
an economic problem and so much more.
30
95967
2670
d’un problème économique, et bien plus encore.
01:38
And how we solve it will depend on how we frame it.
31
98678
3629
Et comment nous le résoudrons
dépendra de la façon dont nous le formulerons.
01:43
There is no single answer.
32
103391
2002
Il n'y a pas de réponse unique.
01:46
I'm a scientist,
33
106728
1293
Je suis scientifique,
01:48
so I approach climate change as a scientific challenge.
34
108021
3837
donc j'aborde le changement climatique comme un défi scientifique.
01:52
I'm also a techno-optimist
35
112442
2127
Je suis également techno-optimiste
01:54
and artificial-intelligence product manager,
36
114569
2753
et chef de produit en intelligence artificielle,
01:57
so I also approach it as a technological one.
37
117364
2877
donc je l'aborde également comme une question technologique.
02:01
When it comes to a sustainable future,
38
121952
2127
Lorsqu’il est question d’un avenir durable,
02:04
artificial intelligence can help us do three critical things.
39
124079
3837
l’intelligence artificielle peut nous aider
à accomplir trois tâches essentielles.
02:08
First, it can help us understand climate change
40
128333
3545
Tout d’abord, elle peut nous aider à comprendre le changement climatique
02:11
and its effects on Earth's ecosystems.
41
131878
2878
et ses effets sur les écosystèmes de la Terre.
Deuxièmement,
02:15
Second, it can help us optimize current systems and infrastructure,
42
135173
4379
elle peut nous aider à optimiser
les systèmes et infrastructures actuels,
02:19
because we can't just start over from scratch today.
43
139594
3962
car nous ne pouvons pas repartir de zéro aujourd’hui.
02:24
And third, it can help us accelerate the breakthrough science we need,
44
144182
5047
Troisièmement,
elle peut nous aider à accélérer
les avancées scientifiques dont nous avons besoin,
02:29
such as fusion as a carbon-free energy source.
45
149270
2962
comme la fusion en tant que source d’énergie décarbonée.
02:32
Today, I'd like to talk about that second one,
46
152899
2377
Aujourd’hui, j’aimerais parler de la deuxième tâche,
02:35
optimizing current systems,
47
155276
1752
l’optimisation des systèmes actuels,
et en particulier,
02:37
and specifically, how we can use AI to harness a superpower
48
157070
4004
comment on peut utiliser l’IA pour profiter d’une superpuissance
02:41
we already have in this fight:
49
161074
2085
dont on dispose déjà dans cette lutte :
02:43
wind energy.
50
163868
1127
l’énergie éolienne.
02:46
Renewables are unquestionably a key to a sustainable future,
51
166913
3670
Les énergies renouvelables sont sans aucun doute
la clé d’un avenir durable,
02:50
but the problem is they're unpredictable.
52
170583
3337
mais le problème est qu’elles sont imprévisibles.
02:53
Sometimes, the sun shines and the wind blows,
53
173920
2461
Parfois, le soleil brille et le vent souffle, parfois non.
02:56
and sometimes, it just doesn't.
54
176423
2544
02:59
Now, for an electricity systems operator,
55
179509
3045
Aujourd’hui, pour un opérateur de réseau électrique,
03:02
who needs supply to meet demand in real time, 24-7,
56
182595
5089
qui a besoin que l’offre réponde à la demande
en temps réel, 24h/24 et 7j/7,
03:07
this is hugely problematic.
57
187726
2252
c’est un problème énorme.
03:10
Renewables can't be 100 percent reliably scheduled.
58
190562
3587
On ne peut pas programmer les énergies renouvelables de manière fiable à 100 %.
03:15
Now, unfortunately, fossil-fuel plants are the opposite.
59
195066
3545
Malheureusement, les centrales à combustibles fossiles sont le contraire.
03:19
You can burn a specific amount of coal at a set time
60
199195
3754
On peut brûler une quantité spécifique de charbon à un moment donné
03:22
to deliver exactly the amount of electricity you want
61
202949
2836
pour fournir exactement la quantité d’électricité que l’on veut
03:25
in a predictable time window.
62
205827
1919
dans un laps de temps prévisible.
03:28
So ...
63
208788
1335
Alors... si vous êtes un gestionnaire de réseaux électriques
03:30
if you're a power systems manager
64
210165
1710
03:31
whose job is to literally keep the lights on,
65
211916
3129
dont votre travail consiste à garder les lumières allumées,
03:35
which source are you more confident depending on?
66
215045
2627
sur quelle source comptez-vous le plus ?
03:38
But here's one of the places where AI can come in.
67
218965
2961
Mais c’est là un des domaines où l’IA peut intervenir.
03:41
It is a powerful tool for forecasting.
68
221926
2837
C’est un puissant outil de prévision.
03:45
AI systems can ingest vast amounts of historical data
69
225805
3045
Les systèmes d’IA peuvent ingérer de vastes quantités de données historiques
03:48
and help us predict future events.
70
228892
2252
et nous aider à prévoir les événements futurs.
03:51
So, while we can't eliminate the variability of wind,
71
231853
4087
Ainsi, bien qu’on ne puisse pas éliminer la variabilité du vent,
03:55
we can use AI to more accurately predict its availability.
72
235982
4463
on peut utiliser l’IA pour prévoir sa disponibilité avec plus de précision
04:01
That was my team’s “what” to do.
73
241196
2168
C’était ce que mon équipe devait faire : utiliser l’IA pour accélérer
04:03
Use AI to accelerate the transition to renewables, like wind energy.
74
243907
4296
la transition vers les énergies renouvelables, comme l’énergie éolienne.
04:08
The tough part was the “how” to do it.
75
248995
3629
Le plus dur était de savoir « comment » s’y prendre.
04:13
First, we researched the challenge.
76
253833
2419
Nous avons d’abord étudié le défi.
Nous avons lu des articles, parlé à des experts du domaine,
04:16
We read papers, we spoke to domain experts,
77
256294
2586
04:18
we found out everything we could about the problem.
78
258880
3212
nous avons découvert tout ce que nous pouvions sur le problème.
04:22
Our team, which is a mix of research scientists,
79
262425
2378
Notre équipe, composée de chercheurs scientifiques, d’ingénieurs,
04:24
engineers, a product manager, a program manager
80
264803
2544
d’un chef de produit, d’un chef de programme
04:27
and an impact analyst,
81
267347
1585
et d’un analyste d’impact, a décidé qu’un réseau neuronal entraîné
04:28
decided that a neural net trained on historical weather data
82
268973
3963
entraîné sur des données météorologiques historiques
04:32
and turbine power-production information
83
272936
2210
et des informations sur la production des turbines
04:35
would likely help us accomplish our goal.
84
275188
2127
nous aideraient à atteindre notre objectif.
04:38
Next, we needed to find two core elements:
85
278233
4296
Ensuite, nous devions trouver deux éléments essentiels :
04:43
data to train the system
86
283154
2211
des données pour entraîner le système
04:45
and a partner who was willing to deploy it.
87
285365
2836
et un partenaire prêt à le déployer.
04:49
Both of these can be major obstacles
88
289077
2669
Ces deux facteurs peuvent constituer des obstacles majeurs
04:51
when it comes to deploying AI in real-world scenarios.
89
291746
3670
lorsqu'il s'agit de déployer l'IA dans des scénarios réels.
04:56
Let's start with data.
90
296584
1669
Commençons par les données.
04:58
There are massive gaps in climate-critical data --
91
298795
3712
Il existe d’énormes lacunes dans les données critiques pour le climat,
05:02
not just in electricity,
92
302549
2043
pas seulement en ce qui concerne l’électricité,
05:04
but in agriculture, transportation, industry and many other sectors.
93
304592
5339
mais aussi dans l’agriculture, les transports,
l’industrie, et bien d’autres secteurs.
05:10
Some of our data, we could purchase or download for free --
94
310682
3462
Nous pourrions acheter ou télécharger gratuitement certaines de nos données,
05:14
weather forecasts, for instance.
95
314144
2252
comme les prévisions météorologiques.
05:16
But some of the data we needed was proprietary,
96
316437
4130
Mais certaines des données dont nous avions besoin étaient exclusives,
05:20
and this would be, like, turbine power-production information
97
320608
4171
par exemple des informations sur la production d'énergie éolienne
05:24
and other operational data from the wind farms.
98
324821
2586
et d’autres données opérationnelles des parcs éoliens.
05:27
Now, we needed that proprietary data so that we could train our models
99
327407
4963
Nous avions maintenant besoin de ces données exclusives
afin de pouvoir entraîner nos modèles
05:32
to learn the relationship between historical weather
100
332370
3545
pour qu’ils apprennent la relation entre la météo historique
05:35
and historical power production,
101
335915
2086
et la production d'électricité historique,
afin qu’ils puissent ensuite faire des prédictions
05:38
so it could then then make predictions about future power availability
102
338042
4130
sur la disponibilité future de l’énergie
05:42
based on what data said about future weather.
103
342172
2919
en fonction de ce que les données indiquaient sur la météo future.
05:45
Now it's probably worth mentioning here
104
345800
1919
Il n’est pas inutile de rappeler ici
05:47
that we were looking at a few years of data
105
347760
2086
que nous examinions quelques années de données horaires,
05:49
on hourly resolution,
106
349888
1167
et non des données historiques
05:51
not historical data at a timescale
107
351097
1794
05:52
that would have massive climactic differences from present day.
108
352932
3170
qui présenterait d’énormes différences par rapport à aujourd’hui.
05:56
In addition to data,
109
356144
2169
Outre les données,
05:58
we needed to find a partner with domain expertise
110
358313
3962
nous devions trouver un partenaire possédant une expertise dans le domaine
06:02
and the willingness and scale to test new systems.
111
362275
3503
ainsi que la volonté et l’envergure nécessaires
pour tester de nouveaux systèmes.
06:06
You know, surprisingly, this can be a major hurdle
112
366279
4171
Vous savez, étonnamment, cela peut être un obstacle majeur
06:10
when it comes to deploying AI in the real world.
113
370491
2920
lorsqu'il s'agit de déployer l'IA dans le monde réel.
06:13
Believe it or not, it's not every wind-farm manager
114
373453
3044
Croyez-le ou non, tous les gestionnaires de parcs éoliens
06:16
that wants to let a bunch of AI researchers
115
376539
2002
ne veulent pas laisser des chercheurs en IA
06:18
test on their multimillion- or multibillion-dollar systems.
116
378583
4504
tester leurs systèmes de plusieurs millions ou milliards de dollars.
06:23
But the thing is, in order to prove that AI works,
117
383129
3879
Mais pour prouver que l'IA fonctionne,
06:27
we have to have deployment opportunities in the real world.
118
387050
3712
nous devons avoir des opportunités de déploiement dans le monde réel.
06:31
Luckily for us, Google was a ready and willing partner.
119
391721
3462
Heureusement pour nous, Google était un partenaire prêt à s’engager.
06:35
OK, yes, DeepMind is a part of Google,
120
395225
3253
OK, oui, DeepMind fait partie de Google,
06:38
but it's not a given that they would let us test on their systems.
121
398519
5047
mais qu’ils nous laissent tester sur leurs systèmes, ce n’était pas gagné.
06:44
Yet they let us test on 700 megawatts of their wind-power capacity,
122
404108
3671
Pourtant, ils nous ont laissé tester 700 mégawatts de leur capacité éolienne,
06:47
which is equivalent to a large wind farm in the United States.
123
407779
3503
ce qui équivaut à un grand parc éolien aux États-Unis.
06:51
This made them an excellent proxy for external wind-farm operators.
124
411282
4505
Cela en a fait un excellent substitut
pour les exploitants de parcs éoliens externes.
06:56
They also lent us an expert team to advise on metrics and benchmarks
125
416246
4754
Ils nous ont également prêté une équipe d’experts
pour nous conseiller sur les mesures et les repères
07:01
and to share the data that we needed.
126
421000
2628
et pour partager les données dont nous avions besoin.
07:03
This is another critical component of AI for the real-world deployments.
127
423628
4212
C’est un autre élément essentiel de l’IA pour les déploiements dans le monde réel.
07:08
Working with a domain-expert team that can tell you what they need,
128
428258
4879
Travailler avec une équipe d’experts
qui peut vous dire ce dont elle a besoin,
comment la machine devrait fonctionner,
07:13
how they need it to work,
129
433137
1418
07:14
which constraints keep the system safe,
130
434555
2545
quelles contraintes assurent la sécurité du système,
07:17
what quantifiable metrics to use to measure AI performance
131
437141
4588
quels indicateurs quantifiables utiliser pour mesurer les performances de l’IA
07:21
and how much better that AI performance needs to be
132
441771
3629
et dans quelle mesure ces performances doivent être meilleures
07:25
than their previous systems
133
445400
1334
que celles des systèmes précédents
07:26
to make the cost of switching over even worth it.
134
446776
2961
pour que le coût du changement en vaille encore la peine.
07:29
And that's just to name a few.
135
449737
1752
Et ce n’est qu’un exemple parmi d’autres.
07:32
So at this point, we have our idea,
136
452448
2837
À ce stade, nous avons notre idée,
07:35
we have our data, we have our deployment partner.
137
455326
3045
nous avons nos données et notre partenaire de déploiement.
07:38
Now, to test and deploy our system.
138
458371
3503
Maintenant, il s’agit de tester et de déployer notre système.
07:43
Improving the accuracy of electricity-supply forecast
139
463501
2795
L’amélioration de la précision
des prévisions de l’approvisionnement en électricité est extrêmement importante.
07:46
is incredibly important.
140
466337
1752
07:48
If predictions are higher than actual generation,
141
468631
3128
Si les prévisions sont supérieures à la production réelle,
07:51
renewable electricity managers may not have enough supply to meet demand.
142
471801
4463
les gestionnaires risquent de ne pas avoir une offre suffisante
pour répondre à la demande.
07:56
This, in turn, drives the purchase of carbon-intensive fossil fuels
143
476264
3628
Cela conduit ensuite à l’achat
de combustibles fossiles à forte intensité de carbone
07:59
to cover that gap,
144
479934
1335
pour combler ce déficit,
08:01
because they're largely what makes up backup generation.
145
481269
2627
car ils constituent en grande partie la production d’appoint.
08:04
Now, the good news.
146
484605
2002
Maintenant, la bonne nouvelle.
08:07
Our AI system performed 20 percent better than Google's existing systems.
147
487400
6298
Notre système d’intelligence artificielle est 20 % plus performant
que les systèmes existants de Google.
08:13
Even better news is that Google decided to scale this technology.
148
493698
3795
Mieux encore, Google a décidé de développer cette technologie.
08:17
And scaling is so important.
149
497535
3295
Et la mise à l’échelle est très importante.
08:21
We will run out of time in the climate countdown
150
501581
2711
Le temps va nous manquer dans le compte à rebours climatique
08:24
if we aren't deploying solutions that are widely applicable.
151
504292
3795
si nous ne déployons pas de solutions largement applicables.
Cette solution particulière est en cours de développement
08:28
This particular solution is being developed
152
508880
2002
08:30
into a software product
153
510882
1251
pour devenir un logiciel
08:32
that French company Engie is among the first to pilot.
154
512133
2753
que l’entreprise française Engie est parmi les premières à piloter.
08:36
But, you know,
155
516179
2127
Mais, vous savez,
il n’est même pas nécessaire d’avoir un grand organisme de recherche
08:38
it doesn't even take a major research organization to do this kind of work.
156
518348
4004
pour faire ce genre de travail.
08:42
Where we focused on AI for supply-side forecasting,
157
522393
3420
Où nous nous sommes concentrés sur l’IA
pour les prévisions de l’offre,
08:45
a small UK-based nonprofit called Open Climate Fix
158
525855
4004
une petite organisation à but non lucratif au Royaume-Uni appelée Open Climate Fix
08:49
is focusing on AI for demand-side forecasting.
159
529859
3045
se concentre sur l’IA pour les prévisions du côté de la demande.
08:53
They found a willing partner in the UK National Grid,
160
533529
3045
Ils ont trouvé un partenaire dans le Réseau National Britannique
08:56
and are currently deploying forecasts that are two times more accurate
161
536616
5005
et déploient actuellement des prévisions deux fois plus précises
09:01
than the UK grid's previously used systems.
162
541621
2836
que les systèmes précédemment utilisés sur le réseau britannique.
09:05
Now, all of this is to say is that AI can help us
163
545375
4504
Tout cela pour dire que l’IA peut nous aider dans la transition
09:09
with the transition to renewable energy,
164
549921
1960
vers les énergies renouvelables,
09:11
but scientists and technologists,
165
551923
2043
mais scientifiques et technologues
09:13
we're not going to be able to do that alone.
166
553966
2294
nous n’y parviendrons pas seuls.
09:16
We need to be working with partners and experts
167
556302
3087
Nous devons travailler avec des partenaires et des experts
09:19
who can teach us the “how.”
168
559430
1669
qui peuvent nous apprendre comment faire.
09:21
So for those of you interested in this space,
169
561974
4046
Donc, pour ceux d'entre vous qui s'intéressent à cet espace,
09:26
if you're a domain expert,
170
566020
2211
si vous êtes un expert du domaine,
s’il vous plaît partagez les problèmes et les défis que vous rencontrez
09:28
please share the problems you face and the challenges that you have
171
568272
3546
09:31
so that our sector can ensure
172
571818
1960
afin que notre secteur puisse garantir
09:33
that AI pursuits will have impact in the real world
173
573820
3253
que les activités liées à l'IA auront un impact dans le monde réel
09:37
and not be purely academic.
174
577115
2210
et ne seront pas purement académiques.
09:40
Even better,
175
580118
1376
Mieux encore,
09:41
if you want to incentivize ML researchers to work on your problems,
176
581536
3253
si vous souhaitez inciter les chercheurs en ML à travailler sur vos problèmes,
09:44
I'll let you in on a little secret:
177
584831
2335
je vais vous révéler un petit secret :
09:47
build a competition, and they will come.
178
587208
2586
organisez un concours, et ils viendront.
09:49
(Laughter)
179
589836
1293
(Rires)
09:51
It's true.
180
591170
1168
C'est vrai.
09:52
Just don't forget the datasets and metrics.
181
592338
2669
N’oubliez pas les ensembles de données et les indicateurs.
09:55
If you are a data holder, where it’s safe and responsible to do so,
182
595675
7007
Si vous êtes détenteur de données, lorsque cela est sûr et responsable,
10:02
please share data related to those challenges.
183
602682
3211
partagez les données relatives à ces défis.
10:06
If you're not sure whether the data you have is even climate-critical,
184
606436
3420
Si vous ne savez pas si vos données sont critiques pour le climat,
10:09
you can check out Climate Change AI's website,
185
609856
2460
vous pouvez consulter le site de Climate Change AI,
10:12
where they have published a wish list of climate-critical datasets.
186
612358
4463
où l’entreprise a publié une liste
d’ensembles de données critiques pour le climat.
10:16
Access to these datasets
187
616821
1251
L’accès à ces données
10:18
would unblock crucial research and innovation in AI for climate.
188
618114
4046
permettrait des recherches et des innovations
cruciales dans le domaine de l’IA pour le climat.
10:23
If you're a deployment partner,
189
623619
2378
Si vous êtes un partenaire de déploiement,
10:25
please, let us know who you are,
190
625997
2002
indiquez-nous qui vous êtes,
10:28
especially if you're willing to test innovative systems.
191
628040
3254
surtout si vous êtes prêt à tester des systèmes innovants.
10:32
And for everyone who's interested in this space,
192
632753
3504
Et pour tous ceux qui s’intéressent à cet espace,
10:36
please know you do not have to be technical to work in tech.
193
636299
4337
sachez qu’il n’est pas nécessaire d’être technique
pour travailler dans ce domaine.
10:41
AI for climate action requires a variety of skill sets
194
641429
4046
L'IA au service de l'action climatique nécessite une variété de compétences
10:45
and a diversity of backgrounds
195
645475
1793
et de parcours variés,
10:47
that, yes, includes research scientists and engineers,
196
647310
3295
qui incluent certes des chercheurs et des ingénieurs,
10:50
but it also includes ethicists and policy experts,
197
650646
3629
mais également des éthiciens et des experts politiques,
10:54
communication teams, product managers,
198
654275
2336
des équipes de communication, des chefs de produit,
10:56
program managers and so many more folks.
199
656611
2919
des chefs de programme et bien d’autres personnes encore.
11:01
Now for the warning label.
200
661282
1752
Passons maintenant à l’étiquette d’avertissement.
11:04
AI is not a silver bullet.
201
664160
2002
L'IA n'est pas une solution miracle.
Elle ne résoudra pas tous les problèmes liés au changement climatique.
11:07
It will not solve all problems driving climate change.
202
667038
3044
Ce n’est pas le bon outil
11:10
It isn't even the right tool for many of the challenges that we face.
203
670082
3546
pour un bon nombre des défis auxquels nous sommes confrontés.
11:14
AI is also not a technology without tensions.
204
674212
3586
L’IA n’est pas non plus une technologie sans tensions.
11:18
It needs to be deployed safely and responsibly.
205
678216
3378
Elle doit être déployée de manière sûre et responsable.
11:21
Not to mention,
206
681928
1167
Sans oublier que tant que nos réseaux ne fonctionnent pas à l’énergie propre,
11:23
until our grids are run on clean energy, AI itself will carry a carbon footprint,
207
683137
4088
l’IA elle-même aura une empreinte carbone,
11:27
as will any energy-intensive technology we use.
208
687225
3920
comme toute technologie à forte consommation d’énergie que nous utilisons.
11:33
But AI can be a transformational tool in our fight against climate change --
209
693314
5422
Mais l’IA peut être un outil transformationnel
dans notre lutte contre le changement climatique.
11:38
it's just on all of us to wield it effectively.
210
698778
2961
Il nous appartient à tous de l’utiliser efficacement.
11:42
The “why” we need to is absolutely harrowing.
211
702865
3962
La raison dont nous avons besoin est absolument bouleversant.
11:46
The “what” we can do is really exciting.
212
706869
3420
Ce que nous pouvons faire est vraiment passionnant.
11:50
But it’s the “how” we can do it
213
710331
2294
Mais c’est le moyen pour y parvenir
11:52
that will illuminate feasibility and help us drive impact.
214
712667
3753
qui éclairera la faisabilité et nous aidera à avoir un impact.
11:57
So, in your next climate action conversations,
215
717046
4129
Ainsi, lors de vos prochaines conversations sur l'action climatique,
12:01
when someone presents you with an exciting "what,"
216
721175
4296
lorsque quelqu’un vous propose un objectif passionnant,
12:05
please help to advance the conversation
217
725513
2502
aidez-nous à faire avancer la conversation
12:08
to the impactful "how."
218
728015
2878
vers un moyen percutant.
12:10
Thank you.
219
730935
1209
Merci
12:12
(Cheers and applause)
220
732186
3921
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7