L’intelligence artificielle et l’environnement : deux sujets incompatibles ?
Depuis la fin de l’année 2022, l’intelligence artificielle générative est devenue un outil du quotidien. On lui parle, elle nous répond. Elle rédige des textes, produit des images, analyse des documents et résume des rapports. En quelques mois, l’IA générative s’est imposée comme une évidence technologique.
Mais, derrière cette apparente immatérialité, derrière l’idée d’un « nuage » numérique sans poids ni matière se cache une réalité matérielle complexe. L’intelligence artificielle repose sur des infrastructures physiques gigantesques, des chaînes industrielles complexes et des besoins énergétiques colossaux. Elle mobilise de l’électricité, des métaux rares, des centres de données, des réseaux électriques, des systèmes de refroidissement et des équipements électroniques à renouvellement rapide.
L’IA est souvent présentée comme un outil clé pour la transition énergétique, mais son propre développement soulève des questions environnementales majeures.
Note : Dans cet article, nous traiterons uniquement la dimension environnementale de l’impact de l’IA, et non les autres questions sociétales comme les dimensions éthiques, culturelles, sociales ou encore légales.
L’IA, une technologie ancienne devenue phénomène de masse
Un monde bien avant Chat GPT
Le terme “d’intelligence artificielle” apparaît officiellement en 1956 lors de la conférence de Dartmouth. Dès l’origine, il s’agit d’un projet ambitieux qui est de concevoir des machines capables d’imiter certaines fonctions cognitives humaines.
Pendant des décennies, l’IA progresse par cycles, dont des périodes d’enthousiasme, suivies de désillusions. Ce n’est qu’à partir des années 2010 que la situation change radicalement. Quatre facteurs convergent :
- L’explosion des données numériques disponibles. (Big Data)
- L’augmentation spectaculaire des capacités de calcul. (Deep Learning, apparition des modèles Transformers)
- L’investissement massif des grandes entreprises technologiques. (Microsoft, Tesla, Google…)
- La montée en puissance des IA générative telles que : ChatGPT, Midjourney, DALL-E…
Puis arrive novembre 2022. ChatGPT, créé par l’entreprise OpenAI rend l’IA générative accessible au grand public via une interface conversationnelle simple. Le résultat est spectaculaire : en février 2025, on compte environ 400 millions d’utilisateurs actifs par semaine selon l’International Energy Agency et 2,5 milliards de requêtes par jour . La diffusion est 12 à 60 fois plus rapide que celle des réseaux sociaux majeurs à leurs débuts.
Mais l’IA générative n’est qu’une petite partie du spectre des IA, il existe un bon nombre de type d’IA, comme le machine learning et le deep learning cités plus haut. On retrouve également l’IA agentique, dotée d’une capacité de raisonnement et de planification autonome, l’IA embarquée directement intégré dans une machine ou un logiciel, ou encore l’IA hybride conciliant une gouvernance centralisée et une personnalisation décentralisée par métier permettant d’adapter chaque modèle.
Dans certains pays, 40 % de la population utilise régulièrement l’IA générative et même dans plusieurs pays de l’hémisphère Sud (Brésil, Inde, Indonésie, Kenya et Pakistan), près de la moitié des internautes déclarent s’en servir chaque semaine pour accomplir des tâches. Cette adoption massive entraîne une multiplication exponentielle des requêtes, donc des calculs, et enfin de la consommation d’énergie.
Une industrie à la fois concentrée et mondialisée
Le développement des grands modèles d’IA est dominé par quelques acteurs privés disposant de ressources financières considérables : Meta, Google, OpenAI, Anthropic, Alibaba, xAI, Mistral AI. L’entraînement de ces modèles coûte des dizaines, voire des centaines de millions d’euros.
En amont, la chaîne d’approvisionnement repose sur :
- NVIDIA, qui détient 94% du marché des GPU nécessaires au fonctionnement des datacenters.
- TSMC, qui fabrique plus de deux tiers des semi-conducteurs mondiaux et 95% des puces électroniques nécessaires au développement de l’IA.
- ASML, dont les machines de lithographie sont indispensables à la production de puces avancées.
Autour de ces acteurs gravitent les fournisseurs de cloud comme Amazon Web Services (AWS), Microsoft Azure et Google Cloud, ainsi que de nombreuses entreprises de services et cabinets de conseil.
Ces géants de l’industrie dépensent d’ailleurs des sommes colossales dans ces infrastructures cloud et en IA (chiffre du troisième trimestre 2025) :
- Amazon (AWS), 125 milliards de dollars.
- Microsoft, 88,7 milliards de dollars
- Google (Alphabet), 91-93 milliards de dollars
- Meta 66-72 milliards de dollars
Cela fait au total entre 371 et 379 milliards de dollars pour uniquement ces cinq géants de l’industrie, et on estime que 446 milliards de dollars ont été dépensés sur le premier trimestre 2026.
L’IA et la transition énergétique
L’entraînement énergivore
Avant qu’un modèle d’IA puisse répondre à des questions, il doit être entraîné. Cette étape consiste à exposer le modèle à d’immenses volumes de données pour ajuster ses paramètres internes.
Les chiffres cités par un article de Bon Pote donnent une idée de l’ampleur de la consommation énergétique :
- BLOOM (2022) : 176 milliards de paramètres, environ 433 MWh d’électricité consommée, 30 tonnes de CO₂ équivalent émises.
- Llama 3.1 405B (2024) : 405 milliards de paramètres, environ 8,6 GWh, 8 930 tonnes de CO₂ équivalent émises.
- GPT-3 : 1,3 GWh et 552 tonnes de CO₂ équivalent émises.
- GPT-4 : environ 42 GWh.
Ces entraînements mobilisent des dizaines de milliers de GPU pendant des mois. De plus, la taille des grands modèles de langage a été multipliée par 10 000 de 2018 à 2023. Cette croissance reflète une course à la performance, mais elle implique mécaniquement une hausse des besoins énergétiques.
Une infrastructure matérielle lourde
Lorsque l’on pose une question à un modèle d’IA, l’opération semble instantanée. Cependant, le processus mobilise en réalité un parcours numérique qui peut s’étendre sur plusieurs continents. :
- L’utilisateur envoie une requête depuis son appareil.
- Cette requête traverse des réseaux, parfois sur de longues distances.
- Elle arrive dans un centre de données.
- Des serveurs équipés de GPU effectuent des calculs intensifs.
- La chaleur produite est dissipée via des systèmes de refroidissement.
- La réponse repart vers l’utilisateur. (Bon pote & Teresa Monteiro)
Chacune de ces étapes consomme de l’électricité. La quantité d’émissions de gaz à effet de serre associée dépend alors du mix énergétique local (répartition des différentes sources d’énergies primaires consommées pour générer de l’électricité dans une zone géographique donnée) : charbon, gaz, nucléaire ou énergies renouvelables. Plus l’électricité locale est produite à partir d’énergies fossiles (gaz, charbon, pétrole), plus elle est émettrice de gaz à effet de serre. Or, un grand nombre de datacenters sont localisés dans des pays au mix électrique très carboné (près de 50% sont implantés aux USA)
L’usage quotidien
Un point différenciant les systèmes d’IA traditionnels des IA génératives est que l’impact principal vient de la phase d’usage pour les IA génératives. Une étude indique qu’à partir de 100 millions d’utilisations, l’énergie consommée par l’inférence dépasse celle de l’entraînement initial. Pour un service comme ChatGPT, ce seuil est franchi en quelques heures.
À savoir : plus l’IA est utilisée, plus son empreinte énergétique augmente.
Les datacenters
En novembre 2025, on retrouve plus de 12 000 centres de données opérationnels, dont 44% du total mondial situé aux États-Unis.
Ils représentent environ 1,5 % de la demande mondiale d’électricité, soit environ 415 TWh. L’IA, elle, en représente approximativement 10 %. (IEA,2024)
Selon l’International Energy Agency, cette part pourrait atteindre :
- 950 TWh (l’équivalent de la consommation annuelle du Japon), soit 3 % de la demande mondiale d’électricité d’ici 2030 dans un scénario classique,
- 4,5 % dans un scénario d’adoption massive.
Certaines régions concentrent les infrastructures, notamment la Virginie, surnommée « Data Center Alley », avec 350 centres de données de très grande puissance (CNES). C’est également le cas de l’Irlande qui est devenue un hub majeur en raison de conditions fiscales et énergétiques favorables ; la consommation électrique des data centers dépasse même celle des maisons en ville, avec 21% du total de la consommation électrique du pays en 2023. Cette concentration entraîne des tensions locales d’approvisionnement sur les réseaux électriques et peut provoquer des hausses de factures pour les habitants. Si la totalité des projets en cours étaient effectivement construits dans le nord de la Virginie, cela nécessiterait un quadruplement de la capacité actuelle du réseau d’électricité, ce qui est totalement irréaliste au vu du temps requis pour développer le réseau.
Pour pallier les risques d’approvisionnement, de plus en plus de datacenters dédiés à l’IA utilisent des turbines à gaz pour s’alimenter en électricité, ce qui contribue à augmenter les émissions de gaz à effet de serre des pays concernés. Certains centres de données utilisent même des générateurs diesel de secours, pouvant émettre des niveaux d’oxydes d’azote jusqu’à 600 fois supérieurs à ceux des centrales à gaz modernes. Aux États-Unis, cette pollution provenant des data centers pourrait contribuer à 600 000 nouveaux cas d’asthme et à 1300 décès prématurés.
Les nuisances sonores sont également significatives. À l’intérieur, le niveau peut atteindre 96 dB(A), comparable à un concert. Certains systèmes de refroidissement, revêtements de câbles/tuyauteries/équipements électroniques utilisent en outre des substances contenant des PFAS, qui sont un regroupement de 16 000 produits chimiques utilisés pour leurs propriétés anti-chaleur, anti-eau et anti-graisse.
Enfin, le refroidissement des serveurs nécessite souvent une grande quantité d’eau. Il peut être assuré soit par des systèmes à air (comme la climatisation ou l’utilisation d’air extérieur), soit par des dispositifs à liquide (pulvérisation ou refroidissement direct des composants). Le type de technologie employé influence fortement la consommation d’eau, celles qui en utilisent peu demandent généralement plus d’énergie, tandis que celles qui en consomment davantage sont souvent moins énergivores.
Toutes ces problématiques font monter la contestation des populations locales, de moins en moins enclines à accueillir ces géants énergivores et polluants. L’état américain du Maine vient par exemple de voter un moratoire sur tous les grands projets de centre de données, d’ici à 2027. L’Irlande commence aussi à mettre en place des régulations pour limiter l’impact des datacenters sur le réseau et l’environnement : les nouveaux data centers devront désormais prévoir d’emblée une production d’énergie renouvelable couvrant 80 % de leurs besoins.
Matières premières et déchets électroniques
Note : l’évaluation précise de l’impact environnemental de l’IA reste difficile. Les entreprises publient peu de données détaillées. Certaines affirmations relayées, comme l’idée qu’une requête ChatGPT consommerait l’équivalent de dix recherches Google, reposent sur des estimations indirectes plutôt que sur des mesures transparentes et officielles. Cette opacité complique le débat public et empêche une évaluation scientifique rigoureuse.
L’IA dépend de métaux comme l’étain, le tantale, l’or ou le tungstène, le mercure (liste non exhaustive). Leur extraction a des impacts environnementaux et sociaux dans les pays producteurs.
Une fois les équipements obsolètes, ils deviennent des déchets électroniques. Or seuls 22% de ces déchets sont recyclés correctement. L’IA générative pourrait alors générer jusqu’à 5 millions de tonnes supplémentaires de déchets électroniques d’ici 2030, s’ajoutant aux 60 millions de tonnes déjà produites chaque année. Le traitement informel des déchets expose les travailleurs de quelques pays du Sud à des substances toxiques bien au-delà des seuils réglementaires européens (environ 220 fois supérieurs).
L’IA comme solution climatique
Certains affirment cependant que l’IA est indispensable à la transition énergétique. C’est le cas du Ministère de la Transition Écologique qui nous avance que l’IA a son rôle à jouer concernant les avancées scientifiques liées à la transition écologique, notamment pour la modélisation climatique, la gestion des écosystèmes et des ressources ou l’optimisation de la consommation énergétique.
Selon des recherches en 2021 du BCG, l’IA serait capable de réduire les émissions mondiales de 10% d’ici à 2030, l’équivalent de 2,6 à 5,3 gigatonnes de CO₂ si l’IA était appliquée à toutes les émissions. Cependant, ces gains pourraient être compensés, via un effet rebond, par l’adoption massive de l’IA générative.
l’IA et l’environnement, vraiment incompatibles ?
L’intelligence artificielle est une technologie puissante, capable de transformer des secteurs entiers. Cependant son développement rapide repose sur des infrastructures énergivores et des chaînes industrielles complexes. La question n’est pas de rejeter l’IA en bloc.
L’utilisation de l’intelligence artificielle a un impact environnemental important, notamment en raison de sa consommation d’électricité, d’eau et des ressources nécessaires à la fabrication des composants. Une simple requête via une IA peut émettre plusieurs dizaines de fois plus de CO₂ qu’une recherche classique, et cet impact augmente fortement pour des usages comme la génération d’images ou de vidéos.
Pour limiter cet impact, il est recommandé d’adopter des pratiques plus sobres. Par exemple, privilégier un moteur de recherche classique pour les questions simples, utiliser des IA “légères” (moins énergivores) lorsque c’est possible, et éviter les usages très gourmands comme l’analyse de vidéos ou la création d’images.
Globalement, plus une tâche est complexe, longue ou multimédia, plus son empreinte carbone est élevée. Il est donc conseillé de limiter le volume des requêtes, d’éviter les interactions prolongées, et de réserver l’IA aux usages réellement utiles.
Dans tous les cas, il convient d’adopter au maximum des pratiques éco-responsables dans son utilisation de l’IA, notamment en choisissant les modèles développés pour des usages spécifiques plutôt que des IA génériques entraînées sur des bases de données souvent plus conséquentes.
Tant que la transparence des grands acteurs de l’IA restera limitée, que la consommation énergétique continuera de croître et que la production de déchets électroniques s’accélèrera, la compatibilité entre IA et transition écologique restera un sujet central de débat. C’est un système matériel ancré dans des territoires, dépendant de ressources finies, et inséré dans un contexte énergétique mondial sous tension. Comprendre cela est une première étape indispensable pour décider collectivement du rôle que nous voulons lui donner.
Envie d’en apprendre plus sur le sujet de l’IA et le jeu video ?
Notre partenaire SGA a publié un webinaire à ce sujet : Sustainable Games Alliance – AI & Games
Strategies, un projet de recherche Européen financé par Europe Créative Media et dédié à la transition environnementale du secteur, a également publié plusieurs rapports sur l’état et l’impact de l’IA dans le jeu vidéo : https://www.strategieshorizon.eu/reports
