Impact écologique de l’IA en entreprise

L’impact écologique de l’IA n’est clairement pas à négliger. Chaque requête envoyée à un modèle, chaque entraînement, chaque interaction cache un coût environnemental. Et celui-ci est loin d’être négligeable.

D’abord, il y a l’énergie. Selon Suricats Consulting, l’entraînement d’un modèle comme GPT-3 a nécessité environ 1 287 MWh (~ 550 tonnes de CO2), soit l’équivalent de la consommation annuelle de 270 foyers français. Mais cela ne s’arrête pas là. Les modèles déjà entraînés continuent à consommer beaucoup d’énergie lors de leur utilisation quotidienne, car hébergés dans d’immenses data centers, souvent situés dans des régions où l’électricité provient encore en grande partie d’énergies fossiles.

Ensuite, il y a la matière. Pour fabriquer les composants des infrastructures nécessaires à l’IA (processeurs, cartes graphiques, serveurs, systèmes de refroidissement…), il faut extraire et transformer de nombreux matériaux rares : cuivre, cobalt, lithium… Ces extractions sont énergivores et génèrent pollution et tensions géopolitiques.

À cela s’ajoute une empreinte hydrique importante : refroidir les serveurs demande des quantités considérables d’eau. D’ici à 2027, la forte croissance de la demande en IA pourrait entraîner un prélèvement d’eau compris entre 4,2 et 6,6 milliards de mètres cubes à l’échelle mondiale. (source : Institut Supérieur Environnement).

Enfin, les usages eux-mêmes comptent. Selon l’Intelligence Artificielle School, chaque requête envoyée à ChatGPT générerait en moyenne 0,382 gramme de CO₂, soit presque le double de l’empreinte carbone d’une recherche classique sur Google, estimée à 0,2 gramme. Si cette différence peut sembler négligeable à l’échelle individuelle, elle devient significative lorsqu’on considère nos habitudes : là où une simple recherche Google suffirait, nous multiplions souvent les interactions avec l’IA conversationnelle. Résultat, le recours massif et quotidien à ChatGPT, avec des milliards de requêtes échangées, engendre une empreinte carbone globale bien plus lourde que celle des moteurs de recherche traditionnels.

En résumé : chaque requête n’est pas anodine. Plus le modèle est complexe, plus son coût écologique est élevé.

C’est pourquoi il est essentiel de ne pas se laisser séduire par l’apparente simplicité d’usage. Derrière chaque réponse fluide et instantanée, il y a une chaîne d’extraction, de calculs et de refroidissement énergivore. Comprendre cela, c’est déjà faire un pas vers un usage plus responsable de ces technologies.

À l’heure où chaque entreprise cherche à gagner en efficacité, l’IA est vue comme un levier miracle. Automatiser un reporting, générer du contenu, optimiser une chaîne logistique… les cas d’usage se multiplient. Mais une question demeure : un gain de productivité vaut-il une tonne de CO₂ ?

Ce dilemme s’apparente à celui que le plastique a posé en son temps. Ultra-pratique, révolutionnaire, omniprésent… avant qu’on ne réalise son coût écologique. L’IA pourrait bien être le plastique du XXIe siècle, numérique cette fois. Et comme le plastique, elle pose une question de fond. Voulons-nous l’utiliser pour tout, à n’importe quel prix ?