L’illusion verte du numérique

Poser la question de l’impact environnemental de l’IA implique nécessairement d’inclure ce questionnement dans une réflexion plus large, celle de l’empreinte environnementale du numérique. Depuis le tournant des années 90, son développement dans le quotidien de chacun s’est accompagné d’un mirage collectif, le numérique allait tout résoudre. Nous entrions alors dans une ère de l’immatérialité et de l’économie de la connaissance, le progrès technique allait apporter des solutions au problème écologique.

La foi dans le progrès comme seul horizon est une idée séduisante et facile. Reporter l’action, minimiser la responsabilité humaine, éviter les débats politiques et sociaux, désactiver l’esprit critique et rendre sacré ce qui est pourtant légitime de discuter démocratiquement, voilà ce qu’implique cette croyance. Tout cela n’est évidemment pas nouveau et Jacques Ellul, philosophe et historien français avait déjà dénoncé dès les années 70 la « religion de la technique ».

L’industrie du numérique a quelque chose d’assez unique par rapport aux précédentes vagues d’innovations ; elle a eu la capacité de rendre moins palpable sa nature extractive minière et donc son caractère fortement polluant, pour les habitants des pays du nord, dont l’activité minière a fortement décliné à partir des années 1970. Dans de nombreux pays du Sud en revanche, elle a fortement progressé, de manière à soutenir le développement du numérique, se traduisant par des coûts sociaux (violations des droits humains, travail forcé, travail des enfants, etc.) et environnementaux incontrôlés, sans compter les conflits armés aux lourdes conséquences.

Cuivre, or, étain argent, silicium, tantale, lithium, cobalt, nickel, graphite, etc., la liste est longue de matières premières nécessaires au fonctionnement des smartphones, des data-centers, etc, eux même indispensables au développement de l’intelligence artificielle. Dans son livre La ruée minière au XXIe siècle, Celia Izoard, journaliste et philosophe, déboulonne, avec force d’arguments et de preuves, l’idéologie, disons-le saugrenue et pourtant défendue par les institutions mondiales et les entreprises, que l’industrie minière allait sauver la planète. Elle montre comment la transition numérique a été embarquée sémantiquement comme un « passager clandestin » à côté de la transition environnementale, sous-entendant que les deux allaient nécessairement dans le même sens comme « par enchantement ».

La face cachée des algorithmes

Dans un secteur numérique, déjà gourmand en énergie, l’IA générative fait figure de catalyseur de la hausse de la consommation de ressources. Cette augmentation s’observe tout au long du cycle de vie : de la fabrication et au transport des équipements, à leur traitement en fin de vie, en passant par l’entraînement des modèles et leur utilisation quotidienne par la population. Prenons l’exemple des data-centers, un pan de l’IA où la question des émissions de CO2 et de la mobilisation des ressources en eau (pour refroidir les systèmes et générer l’électricité) se pose avec beaucoup d’acuité. Les serveurs et autres matériels informatiques ont de plus une durée de vie limitée, ils contribuent significativement à la pollution s’ils ne sont pas recyclés. Certes, l’amélioration de l’efficacité des data-centers permet de réduire la consommation en énergie et en eau, mais l’effet rebond lié à un usage croissant de l’IA annihile les économies réalisées.

Les géants de l’industrie (Meta, Google, Microsoft, etc.) sont pris en étau, entre suivre le rythme de la compétition sur les IA et respecter leurs engagements climatiques, un grand écart impossible à tenir. Face à ces dynamiques opposées, il n’est pas surprenant de voir se mettre en place un mouvement de dérégulation favorable aux entreprises dans un contexte de course effrénée à l’innovation. C’est ainsi le cas des États-Unis depuis janvier 2025, mais pas seulement, les pressions en Europe, avec plus ou moins de succès, sont nombreuses, elles visent à relâcher les contraintes administratives sur les entreprises et le débat public, ou encore à réduire la portée de la loi sur le devoir de vigilance. Avec un argument invariable décennie après décennie, le fameux… « mais on ne peut pas freiner le progrès ! ». Présenter le changement comme inévitable aide à en justifier la légitimité.

Quand on se penche sur les chiffres à disposition, évaluer l’empreinte numérique n’est pas chose aisée, le faire spécifiquement sur le périmètre de l’intelligence artificielle est un véritable défi. Le manque de données et l’absence de méthodologie harmonisée pour évaluer cette empreinte en sont des raisons, mais pas seulement. L’IA a des impacts positifs, ces modèles peuvent participer à la lutte contre la crise climatique. Quel est donc le bilan global ? Difficile de se prononcer avec certitude, mais le constat actuel est sans appel : à court et moyen terme, l’impact reste largement négatif. L’hypothèse d’un bilan positif à long terme demeure spéculative. Derrière les discours vantant l’IA comme solution climatique, se cache souvent une stratégie pour échapper à la régulation. Le risque de l’IA ? Que le remède aggrave le mal : en rendant par exemple plus efficaces les entreprises fossiles, l’IA pourrait en réalité amplifier leurs émissions de CO₂ !

Les géants du numérique, eux, soignent leur image verte. Google, avec son étude sur Gemini, minimise drastiquement les émissions de CO₂ et la consommation d’eau par requête en ignorant les sources indirectes. Ces bilans, opaques et autoproduits, tiennent plus de l’opération de communication que de l’audit environnemental. La réalité est tout autre : l’empreinte des IA génératives croît de manière exponentielle et insoutenable, portée par l’explosion des usages (pour plus de détail, L’IA générative est-elle soutenable ? Le vrai coût écologique d’un prompt, www.theconversion.com).

Les chiffres clés du désastre environnemental

Quelques données permettent de se rendre compte de l’ampleur du désastre environnemental. D’après la Commission de l’intelligence artificielle (rapport mars 2024), une requête Google intégrant l’IA nécessiterait 10 fois plus d’énergie qu’une recherche traditionnelle sur Internet, un chiffre à mettre en parallèle avec le nombre de requête que traite Chat GPT par jour à savoir 2,5 milliards ! Générer une image à partir de modèles puissants d’IA reviendrait à consommer autant de CO2 que recharger un téléphone, selon une étude menée par des chercheurs de la startup en intelligence artificielle Hugging Face et de l’université Carnegie Mellon. Un autre point saillant de l’étude montre que l’utilisation de grands modèles génératifs est plus énergivore que les petits modèles d’IA conçus pour des tâches spécifiques. Ceci s’explique par le fait que les modèles d’IA générative doivent accomplir plusieurs choses à la fois comme générer, classer, résumer un texte au lieu de se concentrer sur une seule tâche.

Selon Morgan Stanley, les investissements des géants de l’IA dans les data centers devraient atteindre 620 milliards de dollars d’ici 2026, soit près de quatre fois le montant de 2023, un bond qui illustre l’expansion fulgurante du secteur. Toutefois, cette croissance s’accompagne d’importantes externalités environnementales. Selon le Shift Project, la puissance installée pourrait tripler la consommation électrique mondiale d’ici 2030. La pression sur les ressources hydriques est tout aussi alarmante : l’AIE anticipe un doublement de la consommation annuelle, atteignant 1 200 milliards de litres d’ici à 2030. Au-delà des volumes globaux, c’est la vulnérabilité locale qui préoccupe ; Google reconnaît déjà puiser 14 % de son eau dans des zones en stress hydrique élevé. Et ce n’est pas tout ! Cette boulimie de ressources entre aussi en collision directe avec des besoins vitaux de l’agriculture, de la santé et la production d’énergie renouvelable.

Vers une intelligence artificielle sobre et responsable

Ces impacts environnementaux mettent en lumière la responsabilité des entreprises et renforcent la légitimité des demandes croissantes de la société civile, de plus en plus structurée sur ces enjeux, pour une transparence accrue quant aux effets réels de l’intelligence artificielle. Il devient tout aussi nécessaire de questionner les incitations massives à son usage : la responsabilité ne relève pas uniquement des concepteurs de modèles, mais aussi des organisations qui les intègrent dans leurs activités. Beaucoup le font discrètement, sans informer clairement leurs clients de la présence d’IA dans les outils du quotidien, ni de l’utilisation des données collectées pour entraîner ces systèmes. Face à l’ampleur des impacts, il est urgent de promouvoir une véritable sobriété des usages, de privilégier des modèles plus adaptés aux besoins réels et de construire un référentiel méthodologique commun permettant d’évaluer et de comparer objectivement les différentes solutions.