L’IA, menace pour notre transition énergétique: un vrai cercle vicieux

En seulement trois ans, l’IA générative s’est propulsée comme une révolution technologique majeure à l’échelle mondiale. Cependant, derrière la fluidité impressionnante des interactions avec des outils comme ChatGPT se cache une réalité préoccupante : des infrastructures numériques colossales engloutissant une quantité d’énergie si considérable que leur empreinte carbone pourrait bientôt se comparer à celle de nations entières. Cette pollution numérique, aussi massive qu’elle soit, demeure particulièrement difficile à quantifier avec précision. Sommes-nous en train de foncer droit vers un désastre environnemental?

La gourmandise énergétique de l’IA générative s’explique par sa dépendance à un écosystème industriel particulièrement lourd et énergivore. Une analyse approfondie publiée récemment par The Shift Project tire la sonnette d’alarme : le développement rapide de l’IA entraîne un besoin massif d’infrastructures et de processeurs graphiques dont la production, l’alimentation et le refroidissement génèrent une empreinte carbone qui croît de façon exponentielle.

Après la phase de déploiement d’un modèle, chaque demande traitée – ce que les spécialistes nomment l’inférence – mobilise des processeurs ultrapuissants qui génèrent une chaleur intense nécessitant des systèmes de refroidissement conséquents, ce qui amplifie davantage la consommation électrique. La situation est d’autant plus problématique que ces équipements sont majoritairement installés dans des régions où l’électricité provient encore largement de sources carbonées, notamment aux États-Unis.

Un impact environnemental colossal mais presque impossible à évaluer

Lorsqu’on tente de mesurer avec précision l’empreinte carbone de l’IA, on fait face à d’importants obstacles. L’étude de The Shift Project consacre d’ailleurs toute une section à cette problématique de données manquantes, qui rend extrêmement difficile l’évaluation précise des émissions réelles générées par ces technologies.

Cette difficulté s’explique en grande partie par le manque total de transparence des entreprises du secteur de l’IA. « La majorité des fournisseurs sont des entreprises privées qui ne divulguent pas d’informations cruciales comme le nombre d’entraînements d’un modèle, les infrastructures utilisées, ou encore la composition du mix électrique alimentant leurs centres », souligne Agathe Gourhannic, responsable consultante chez fifty-five.

La phase d’entraînement, qui représente approximativement la moitié de l’énergie consommée par l’IA générative, reste particulièrement opaque. « Même pour les modèles en open source, la situation reste complexe, car nous ignorons généralement combien de versions antérieures ont été entraînées et quelle quantité d’énergie a été nécessaire », précise la spécialiste. Le même problème se pose avec l’inférence : quand un utilisateur interagit avec un service comme ChatGPT, il est pratiquement impossible de mesurer précisément ce qui se déroule au sein du centre de données.

Ce manque de transparence affecte également les institutions publiques. « En France, nous ne disposons même pas d’un recensement précis des centres de données présents sur notre territoire », remarque Ludovic Moulard. Dans un tel contexte d’opacité, comment espérer quantifier rigoureusement l’impact environnemental de l’IA?

Des réseaux électriques déjà sous forte tension

Cette problématique est d’autant plus inquiétante que l’adoption de l’IA connaît une croissance fulgurante. En à peine deux mois d’existence, ChatGPT a franchi la barre des 100 millions d’utilisateurs actifs, devenant ainsi l’application grand public ayant connu la croissance la plus rapide de l’histoire, surpassant même TikTok qui détenait auparavant ce record. « Cela illustre parfaitement l’engouement sans précédent que suscite cette technologie auprès du grand public », constate Ludovic Moulard.

Dans le monde professionnel, les entreprises ne peuvent se permettre de rester en marge, craignant de « manquer le coche » face à cette révolution technologique. « De nombreux acteurs évitent d’aborder la question de l’impact environnemental, par crainte que cela ne freine l’adoption de l’IA », confirme Agathe Gourhannic. Résultat : des déploiements massifs sont effectués, parfois sans réelle réflexion préalable sur leur pertinence.

Ce phénomène illustre une dynamique bien identifiée dans l’écosystème numérique : l’interaction entre l’offre et les nouveaux usages. Plus les géants technologiques développent de nouvelles fonctionnalités d’IA, plus ils génèrent mécaniquement de nouvelles utilisations. Pour répondre à cette demande croissante, la construction d’infrastructures supplémentaires devient nécessaire. « C’est un véritable cercle vicieux », observe l’experte.

Malheureusement, les infrastructures électriques peinent à suivre cette évolution rapide. Selon les projections du Shift Project, les centres de données pourraient représenter l’équivalent de deux fois les émissions annuelles de la France d’ici 2035. Certains pays atteignent déjà leurs limites, comme l’Irlande qui a fait face à cette situation en 2023. Aux États-Unis également, l’augmentation des tarifs énergétiques est directement liée à l’essor de l’IA.

Un autre défi majeur émerge : cette course effrénée aux capacités de calcul accapare une part croissante de l’électricité bas-carbone, ressource pourtant essentielle à d’autres secteurs clés de la transition écologique, comme l’industrie, les transports ou la production d’acier décarboné. « Pour nous affranchir des énergies fossiles, l’électricité bas-carbone est indispensable », insiste Ludovic. Si l’IA continue d’absorber une proportion grandissante de cette ressource limitée, elle risque de compromettre sérieusement les efforts mondiaux en matière de lutte contre le changement climatique.

Une nécessité de prioriser certains usages et d’en abandonner d’autres

Les conclusions du Shift Project sont sans équivoque : nous devrons vraisemblablement renoncer à certaines applications de l’IA. Les requêtes automatisées et la génération massive de contenus, souvent sans réelle valeur ajoutée, entraînent une explosion de la consommation énergétique pour des bénéfices discutables. « La question fondamentale reste : pourquoi utiliser l’IA? Quel problème cherchez-vous réellement à résoudre? », rappelle Agathe Gourhannic.

C’est précisément pour faciliter cette réflexion que fifty-five, Brandtech Group et Scope3 ont développé un calculateur en open source. Cet outil permet d’estimer l’empreinte carbone d’une tâche spécifique en fonction du modèle d’IA utilisé. « Cela peut aider les utilisateurs à mieux comprendre l’impact environnemental réel de leurs actions et à adopter une approche plus raisonnée », explique Agathe.

Il convient néanmoins de souligner que l’IA peut également contribuer significativement à des domaines où les bénéfices sociétaux compensent largement la dépense énergétique, comme la santé, la recherche climatique ou la recherche scientifique en général. Toutefois, les modèles doivent être optimisés, adaptés aux besoins spécifiques et développés dans des conditions respectueuses de l’environnement.

The Shift Project propose également d’imposer des quotas électriques aux centres de données. « Nous pourrions définir un plafond d’électricité disponible et nous engager à ne pas le dépasser », résume Ludovic Moulard. Encore faudrait-il que cette question soit sérieusement prise en considération par les décideurs politiques, à l’heure où les investissements massifs dans les infrastructures numériques se multiplient.