IA générative : quel impact environnemental réel et comment l’encadrer ?
L’IA générative, présentée comme immatérielle, repose en réalité sur des infrastructures massives et énergivores. Les GPU, processeurs (initialement conçus pour l’affichage graphique) coûtant 40 000 à 50 000 dollars chacun, consomment autant qu’un four à micro-ondes permanent. Les centres de données mondiaux contiennent des dizaines de milliers de serveurs, équivalant à la puissance d’un réacteur nucléaire, générant également une consommation d’eau importante et une empreinte foncière considérable.
L’impact environnemental se divise en deux phases : l’entraînement des modèles (mobilisant des milliers de serveurs pendant plusieurs jours) et l’usage quotidien. Bien qu’une requête individuelle consomme peu d’énergie, les milliards de requêtes quotidiennes (ChatGPT : 2,6 milliards/jour) dépassent l’empreinte de l’entraînement. En 2025, les centres de données consommaient 485 TWh mondialement, équivalent à la consommation française, avec une projection de doublement d’ici 2030.
L’impact varie selon le mix électrique : la France utilise l’électricité nucléaire décarbonée, tandis que certains industriels américains installent des centrales à gaz sur site. Les IA « traditionnelles » (optimisation logistique, efficacité énergétique) servent la transition écologique, contrairement aux IA exploitant les énergies fossiles.
Quatre recommandations limitent cet impact :
– mesurer de manière fiable avec une méthodologie commune multicritères ;
– concevoir des IA sobres, privilégiant les petits modèles spécialisés aux grands modèles généralistes ;
– relocaliser les infrastructures en France avec planification territoriale et récupération de chaleur ; - adopter des gestes utilisateurs responsables : choisir des modèles adaptés, formuler des requêtes précises, limiter la génération vidéo et désactiver les fonctionnalités IA par défaut.