Quel est l’impact environnemental de l’intelligence artificielle ?

Quel est l’impact environnemental de l’intelligence artificielle ?

L’intelligence artificielle a un effet réel et croissant sur l’environnement, concentré dans les centres de données qui l’entraînent et la font fonctionner. Ces infrastructures représentaient environ 1,5 % de l’électricité mondiale en 2024, soit 415 TWh, et cette part pourrait atteindre près de 3 % en 2030, portée en grande partie par l’IA. S’y ajoutent l’eau mobilisée pour le refroidissement et les ressources nécessaires aux serveurs. C’est précisément pour cela que l’IA devient un sujet central du numérique responsable : l’enjeu n’est pas de renoncer à cette technologie, mais de l’utiliser avec sobriété, en mesurant et en maîtrisant ce qu’elle coûte au climat.

À retenir

• Les centres de données consommaient environ 415 TWh en 2024 (1,5 % de l’électricité mondiale) et pourraient atteindre 945 à 950 TWh en 2030.
• La part de l’IA dans cette demande pourrait passer de 5-15 % aujourd’hui à 35-50 % en 2030.
• Une requête sur un modèle de type GPT-4 consomme de l’ordre de 10 Wh, soit environ 30 fois plus qu’une recherche en ligne classique.
• Le coût de l’IA est multidimensionnel : électricité, eau de refroidissement, ressources et déchets électroniques.
• La sobriété numérique consiste à utiliser l’IA de façon raisonnée : bon modèle pour le bon besoin, hébergement bas carbone, mesure des consommations réelles.

D’où vient l’impact environnemental de l’IA ?

L’essentiel de l’empreinte de l’IA se situe dans les centres de données. Selon l’Agence internationale de l’énergie (AIE), leur demande électrique augmente d’environ 15 % par an entre 2024 et 2030, soit plus de quatre fois la croissance des autres secteurs.

Combien consomme un centre de données ?

Ces infrastructures représentaient environ 415 TWh en 2024, l’équivalent de l’électricité annuelle d’un pays comme la France. L’AIE projette un quasi-doublement d’ici 2030, autour de 945 à 950 TWh, puis environ 1 200 TWh en 2035. La part attribuable spécifiquement à l’IA pourrait tripler sur la période, passant de 5-15 % du total à 35-50 % en 2030. Cette croissance, largement portée par le cloud et les services en ligne, explique pourquoi le sujet est devenu prioritaire pour les pouvoirs publics comme pour les entreprises.

Combien « coûte » une requête d’IA ?

Une requête sur un grand modèle de langage de type GPT-4 consomme de l’ordre de 10 Wh, contre environ 0,3 Wh pour une recherche en ligne classique, soit un rapport d’environ 30 pour 1. L’entraînement initial d’un modèle est encore plus lourd : celui de GPT-3 aurait nécessité environ 1 287 MWh et émis près de 552 tonnes de gaz à effet de serre, l’équivalent des émissions annuelles d’une centaine de voitures.

Un point clé pour les décideurs : sur la durée de vie d’un modèle grand public, l’usage quotidien (l’inférence) pèse souvent bien plus que l’entraînement initial. Multiplier les requêtes superflues n’est donc pas neutre pour le climat.

Et l’eau, les ressources et les déchets électroniques ?

Le coût ne se limite pas à l’électricité. Les infrastructures cloud mobilisent de l’eau pour le refroidissement, et le matériel — serveurs, cartes graphiques — repose sur des métaux et des ressources dont l’extraction émet elle-même des gaz à effet de serre. En fin de vie, ces équipements alimentent le flux croissant de déchets électroniques, l’un des plus difficiles à recycler.

Les estimations sur l’eau varient selon les modèles et les sites, mais elles rappellent une chose : l’empreinte écologique de l’IA dépend fortement du mix électrique du pays où tournent les serveurs et des conditions de refroidissement. Une même requête peut ainsi peser très différemment selon qu’elle s’appuie sur une électricité bas carbone ou sur des énergies fossiles.

Pourquoi l’IA s’inscrit dans le numérique responsable ?

Le numérique responsable vise à réduire l’empreinte environnementale et sociale des outils numériques tout en conservant leur utilité. L’IA en est devenue l’un des sujets prioritaires, pour trois raisons :

• sa demande croît plus vite que celle de tout autre service numérique ;
• son coût est souvent invisible pour l’utilisateur final, ce qui favorise les sollicitations superflues ;
• elle peut, à l’inverse, générer des gains écologiques supérieurs à son coût si elle est bien ciblée.

Une démarche responsable ne consiste donc pas à bannir l’IA, mais à arbitrer : la déployer là où elle crée une valeur réelle, et l’éviter là où le bénéfice ne justifie pas le coût. C’est exactement l’esprit du développement durable appliqué aux technologies : concilier utilité, sobriété et performance, pour un numérique plus durable.

Comment réduire l’empreinte environnementale de l’IA ?

Les principes de la sobriété s’appliquent directement à l’IA. Ils relèvent surtout de l’écoconception et d’un emploi frugal des ressources :

• choisir le bon modèle pour le bon besoin : un petit modèle spécialisé suffit souvent là où un grand modèle généraliste serait surdimensionné ;
• limiter les requêtes superflues et redondantes ;
• privilégier un hébergement dans des centres alimentés par une électricité bas carbone ;
• réutiliser et mutualiser les modèles plutôt que de les réentraîner inutilement ;
• mesurer ce que l’on consomme réellement pour pouvoir le piloter.

📗 Le saviez-vous ?

On parle de plus en plus d’IA frugale : une approche qui cherche à obtenir un résultat utile avec le minimum de ressources de calcul, d’énergie et de données. Pour beaucoup de besoins en entreprise, un modèle frugal et bien paramétré rend le même service qu’un modèle géant, pour une fraction du coût.

Le tableau ci-dessous illustre les leviers de sobriété et leur effet :

Cas d’usage : une entreprise de services de 1 000 salariés

Une entreprise de services qui généralise un assistant IA auprès de ses 1 000 collaborateurs peut voir ses sollicitations exploser sans contrôle. Une démarche de sobriété consiste à cadrer les cas prioritaires, à choisir des modèles dimensionnés au besoin et à mesurer la dépense énergétique, plutôt qu’à laisser se multiplier des requêtes sans valeur ajoutée. Ce pilotage devient alors un véritable sujet de gestion, au même titre que la maîtrise de la facture d’électricité.

L’IA peut aussi servir la transition écologique

Le bilan net de l’IA peut être positif lorsqu’elle optimise des processus très émetteurs. En optimisant les tournées et le taux de chargement de sa flotte, un transporteur réduit simultanément ses émissions et ses dépenses de carburant. Dans le bâtiment, l’IA pilote chauffage et climatisation selon l’occupation réelle ; dans l’énergie, elle aide à prévoir la production renouvelable et à équilibrer les réseaux.

Une limite reste à connaître côté réglementaire : une donnée carbone générée par IA n’est pas auditable. Pour un bilan GES, une empreinte produit (PCF) ou un reporting transport opposables, le calcul doit suivre une méthode normée — ISO 14067 ou ISO 14083 — reposant sur des données traçables et recalculables. L’IA estime vite et oriente la décision, mais elle ne remplace pas une méthode vérifiable par un tiers.

FAQ

L’intelligence artificielle est-elle mauvaise pour l’environnement ?

Pas par nature. Elle a un coût énergétique réel et croissant, mais elle peut aussi générer des réductions d’émissions supérieures à ce coût lorsqu’elle est bien ciblée. Le bilan net dépend de la manière dont on l’emploie et du mix électrique.

Quelle est l’empreinte d’une requête sur une IA générative ?

De l’ordre de 10 Wh pour une requête sur un modèle de type GPT-4, soit environ 30 fois une recherche en ligne classique. L’impact carbone exact dépend du pays et du moment où tourne le serveur.

Qu’est-ce que le numérique responsable appliqué à l’IA ?

C’est l’ensemble des pratiques visant à réduire l’empreinte de l’IA tout en gardant son utilité : choisir le bon modèle, limiter les requêtes superflues, privilégier un hébergement bas carbone et mesurer ce que l’on consomme.

Faut-il renoncer à l’IA pour des raisons écologiques ?

Non. L’enjeu est de l’utiliser de façon ciblée et frugale, en réservant les traitements les plus lourds aux cas où la valeur créée justifie réellement le coût.

L’IA va-t-elle augmenter la consommation électrique mondiale ?

Oui, mécaniquement. L’AIE estime que la demande des centres de données va quasiment doubler d’ici 2030, portée en grande partie par l’IA. C’est pour cela que la sobriété devient un sujet de pilotage à part entière.

Chez Decarbo’Solution®, nous considérons l’IA comme un accélérateur de notre métier, jamais comme un substitut à la rigueur méthodologique. Nos calculs d’empreinte carbone restent normés, traçables et opposables — c’est ce qui les rend utiles face aux clients, aux investisseurs et aux administrations.commercial@globalclimateinitiatives.com | www.decarbosolution.com