IA et climat : le rapport de l’AIE appelle à mesurer plutôt qu’à dramatiser

L’intelligence artificielle consomme de l’électricité, mobilise des infrastructures informatiques très matérielles et nourrit une inquiétude légitime à l’heure de l’urgence climatique. Mais faut-il en conclure qu’elle accélérera nécessairement le réchauffement de la planète ? Le rapport Energy and AI, publié le 10 avril 2025 par l’Agence internationale de l’énergie, ou AIE, invite à éviter ce raccourci.

Son constat est nuancé. Oui, l’essor des data centers, ces centres de données qui hébergent les serveurs et les puces nécessaires à l’IA, fera fortement progresser la demande d’électricité. Oui, cette croissance peut se traduire par davantage d’émissions là où le courant est produit à partir de combustibles fossiles. Mais l’IA peut aussi améliorer le fonctionnement des réseaux électriques, des usines, des bâtiments ou des transports. Pour l’AIE, les inquiétudes selon lesquelles l’IA aggraverait mécaniquement la crise climatique sont donc « exagérées », à condition de ne pas transformer ce constat en permis de négliger son empreinte.

Une question climatique qui ne se limite pas aux serveurs

Le débat public se concentre souvent sur l’entraînement des grands modèles génératifs, capables de produire du texte, des images ou du code. Or leur empreinte ne s’arrête ni à une phase d’entraînement, ni à un seul logiciel. Il faut regarder l’ensemble de la chaîne : fabrication des puces, construction des bâtiments, refroidissement des serveurs, transmission des données et usage quotidien des services par des millions de personnes.

Surtout, tous les data centers ne sont pas consacrés à l’IA. Ils accueillent aussi le stockage en ligne, la vidéo, les services bancaires, le commerce électronique et une grande partie des applications utilisées sur internet. Isoler précisément la part de l’IA dans leur consommation est donc complexe. L’AIE examine le système dans son ensemble et identifie l’IA comme l’un des moteurs majeurs de la hausse à venir.

La variable décisive n’est pas seulement le nombre de calculs réalisés. C’est aussi l’origine de l’électricité qui les alimente. Un même service numérique n’a pas le même impact selon qu’il fonctionne dans une région largement approvisionnée par des sources bas carbone ou dans un réseau dépendant du charbon et du gaz. L’heure de consommation compte également : solliciter un réseau pendant un pic de demande peut imposer le recours à des moyens de production plus émetteurs.

Ce que le rapport de l’AIE chiffre pour les data centers

L’AIE estime que les data centers ont consommé environ 415 térawattheures, ou TWh, d’électricité en 2024, soit 1,5 % de la consommation mondiale. Cette demande devrait plus que doubler d’ici à 2030, pour atteindre environ 945 TWh. L’IA est loin d’être l’unique raison de cette progression, mais elle en constitue une part de plus en plus importante, notamment avec le déploiement de serveurs équipés de puces spécialisées.

Ces chiffres expliquent pourquoi le sujet ne peut pas être balayé d’un revers de main. Les data centers concentrent parfois une consommation immense sur quelques zones géographiques. Cette concentration peut créer des tensions locales sur les réseaux, retarder certains raccordements ou nécessiter de nouvelles capacités de production électrique.

L’AIE évalue à environ 180 millions de tonnes de CO2 les émissions indirectes liées à l’électricité consommée par les data centers en 2024. Dans son scénario central, elles pourraient atteindre environ 300 millions de tonnes en 2035. Le chiffre est en hausse, mais il doit être comparé à l’ensemble des émissions mondiales liées à l’énergie : les centres de données restent une composante minoritaire du problème climatique global.

C’est le cœur du raisonnement du rapport. Il serait erroné de présenter l’IA comme sans impact. Il serait tout aussi trompeur de lui attribuer, à elle seule, un rôle déterminant dans l’aggravation du changement climatique sans mesurer les économies d’émissions qu’elle pourrait rendre possibles ailleurs.

Comment l’IA peut-elle aider à réduire les émissions ?

L’intelligence artificielle n’est pas une énergie propre. C’est une famille d’outils informatiques capables de détecter des régularités dans de grands volumes de données, de prévoir certains événements et d’aider à prendre des décisions. Son intérêt climatique éventuel vient de ces capacités d’analyse et d’optimisation.

Dans le secteur de l’électricité, les algorithmes peuvent par exemple améliorer les prévisions de production solaire et éolienne. Mieux anticiper l’arrivée du vent ou de l’ensoleillement aide les gestionnaires de réseaux à équilibrer offre et demande. L’IA peut également contribuer à repérer des anomalies, prévoir des besoins de maintenance ou optimiser le pilotage d’équipements sur le réseau.

Les possibilités évoquées concernent aussi des secteurs très consommateurs d’énergie :

• dans l’industrie, l’analyse de données peut aider à ajuster des procédés et à limiter des pertes ;
• dans les bâtiments, elle peut mieux adapter chauffage, climatisation ou éclairage aux besoins réels ;
• dans les transports, elle peut améliorer l’organisation de certains flux et l’efficacité opérationnelle ;
• dans la recherche, elle peut accélérer l’exploration de matériaux utiles aux batteries, aux panneaux solaires ou à d’autres technologies bas carbone.

L’AIE estime qu’une adoption très large d’applications d’IA déjà existantes pourrait permettre jusqu’à 1 400 millions de tonnes de CO2 d’émissions évitées en 2035. Cette quantité dépasse largement les émissions indirectes projetées des data centers la même année.

Mais le mot important est bien « pourrait ». Il ne s’agit pas d’une prévision automatique ni d’un bilan garanti de l’IA. C’est une estimation de potentiel, fondée sur la diffusion effective de solutions dans les secteurs concernés. Une technologie qui reste au stade de l’expérimentation, ou qui est utilisée pour accroître une production carbonée, ne produit évidemment pas le même résultat.

Des promesses qui ne remplacent pas une politique climatique

L’erreur serait de transformer le potentiel de l’IA en promesse de solution miracle. Une optimisation ne vaut que si elle conduit réellement à une réduction des émissions. Si les économies d’énergie réalisées sont annulées par une hausse des usages, des volumes produits ou de la puissance informatique déployée, le gain climatique peut s’éroder. C’est ce que l’on appelle un effet rebond.

Un outil de prévision peut, par exemple, rendre une activité plus efficace sans modifier l’énergie qui l’alimente. Si cette activité dépend toujours massivement de combustibles fossiles, le bénéfice restera limité. À l’inverse, l’IA peut avoir un effet utile lorsqu’elle facilite l’intégration de renouvelables, réduit le gaspillage ou évite la construction d’équipements inutiles.

La rapidité avec laquelle les entreprises déploient l’IA pose aussi une question de transparence. Pour évaluer l’impact réel, il faut pouvoir connaître la consommation d’électricité des infrastructures, la localisation des centres de données, les périodes de pointe sur le réseau et la part d’électricité bas carbone utilisée. Les performances techniques d’un modèle, mesurées par sa capacité à répondre à des questions ou à générer du contenu, ne suffisent pas à juger son bilan environnemental.

L’empreinte ne se résume pas non plus aux kilowattheures. Les équipements informatiques nécessitent des matières premières, des chaînes de fabrication et un renouvellement du matériel. Le refroidissement des installations constitue également un enjeu local. Une analyse sérieuse doit donc regarder le cycle de vie des infrastructures, pas seulement la facture électrique d’un service en ligne.

Pourquoi l’efficacité des modèles compte autant

L’augmentation de la demande électrique n’est pas une fatalité technique à consommation constante par usage. Les entreprises peuvent choisir des modèles plus adaptés à une tâche précise, limiter les calculs inutiles, mutualiser l’infrastructure ou améliorer le rendement des puces et des systèmes de refroidissement.

Toutes les requêtes ne justifient pas le recours au modèle le plus puissant disponible. Une opération simple peut parfois être exécutée par un logiciel classique ou par un système d’IA moins gourmand. Cette idée paraît technique, mais elle a une conséquence très concrète : à très grande échelle, de petits gains d’efficacité répétés des millions de fois deviennent significatifs pour les réseaux électriques.

L’amélioration de l’efficacité ne dispense toutefois pas de suivre la demande totale. L’histoire des technologies montre que des services moins coûteux ou plus rapides peuvent être utilisés davantage. C’est pourquoi le rapport de l’AIE insiste, en creux, sur la nécessité de planifier l’arrivée de nouvelles capacités de calcul, plutôt que de laisser les réseaux et les territoires subir les besoins une fois les projets déjà lancés.

Pour les pouvoirs publics, l’enjeu consiste à concilier plusieurs objectifs : soutenir l’innovation, assurer la sécurité d’approvisionnement électrique, accélérer le développement de capacités bas carbone et demander une information fiable sur les effets environnementaux. Pour les entreprises, la question devient stratégique : l’IA est-elle déployée parce qu’elle apporte un bénéfice mesurable, ou simplement parce qu’elle est devenue un argument de modernité ?

Ce qu’il faut surveiller

La conclusion du rapport n’est ni alarmiste ni rassurante par principe. L’IA aura une empreinte énergétique croissante, particulièrement visible dans les régions qui accueillent de grands data centers. Cette réalité impose des investissements dans les réseaux, dans la production d’électricité et dans l’efficacité des équipements.

En parallèle, son potentiel d’optimisation est réel. Les secteurs de l’électricité, de l’industrie, des bâtiments et des transports disposent de marges d’amélioration importantes, que les outils d’analyse peuvent aider à identifier et à exploiter. La question pertinente n’est donc pas seulement « l’IA consomme-t-elle de l’énergie ? », car la réponse est clairement oui. Elle est plutôt : quelles tâches lui confie-t-on, avec quelle infrastructure, dans quel système électrique et pour quel résultat concret sur les émissions ?

Les prochains bilans devront suivre quatre éléments : la consommation effective des data centers, la composition de l’électricité qui les alimente, les progrès d’efficacité du matériel et les réductions d’émissions réellement obtenues grâce aux usages de l’IA. C’est sur ces résultats mesurables, et non sur des promesses ou des craintes générales, que se jouera le bilan climatique de l’intelligence artificielle.