La intel·ligència artificial s'ha fet un lloc en gairebé tots els racons de la modelització del clima, el temps i el sistema terrestre, alhora que creix la preocupació pel cost energètic i les emissions que generen els mateixos models que s'utilitzen per estudiar-lo o per predir-lo. Hi ha una literatura creixent sobre bones pràctiques de sostenibilitat en IA, però dispersa en múltiples estudis i comentaris, cosa que fa difícil aplicar-la dia a dia.
Un equip liderat per Filippo Dainelli i Amanda Duarte, del departament de Ciències de la Terra del Barcelona Supercomputing Center (BSC), amb Aina Gaya i Àvila i Lluís Palma Garcia també del BSC, ha publicat l'1 de setembre a arXiv una llista de verificació pràctica, presentada al taller GREEN-AI de la conferència ECML PKDD 2026 a Nàpols. El document organitza les preguntes clau al llarg de les etapes successives del desenvolupament d'un model —des de la preparació de dades fins a l'entrenament i el desplegament— i les acompanya de mètriques concretes, exemples i recomanacions extretes de la literatura recent per estimar i reduir el consum energètic i l'emissió de carboni de cada aplicació.
La proposta és rellevant perquè, a mesura que centres com el mateix BSC —que allotja el superordinador MareNostrum— i agències meteorològiques i climàtiques entrenen models d'IA cada cop més grans per fer prediccions, incorporar la sostenibilitat directament al flux de treball, amb una eina pràctica i no només amb principis generals, pot ajudar a reduir la petjada del sector que, precisament, es dedica a estudiar el canvi climàtic.
És una llista de verificació i un marc metodològic, no una mesura empírica nova del consum real de cap model concret, i s'ha presentat en un taller, amb una revisió per parells més lleugera que la d'una conferència principal. La seva utilitat dependrà que altres grups de recerca l'adoptin de manera voluntària, i el treball no quantifica quina és, avui, la petjada agregada de tot el camp de la IA aplicada al sistema terrestre.