IA et écologie : énergie, inégalités et pouvoir au cœur du débat

L’intelligence artificielle est souvent présentée comme une technologie immatérielle : un assistant répond en quelques secondes, un outil génère une image, un logiciel trie des informations ou automatise une tâche. Pourtant, cette apparente légèreté repose sur des infrastructures très concrètes. Des centres de données, des puces, des réseaux, des câbles, des systèmes de refroidissement et des chaînes industrielles mondialisées permettent aux modèles d’IA de fonctionner. À mesure que ces outils se diffusent, leur empreinte écologique et sociale devient une question politique à part entière.

L’enjeu n’est pas de décréter que toute IA serait, par nature, incompatible avec la transition écologique. Elle peut aussi servir à analyser des données, à améliorer certains processus industriels ou à aider la recherche. Mais ces bénéfices ne dispensent pas d’examiner les ressources mobilisées, les usages réellement encouragés et la répartition du pouvoir économique qui accompagne son déploiement. En février 2025, le débat porte autant sur les capacités des modèles que sur le modèle de société et d’infrastructures qu’ils installent.

L’IA a une empreinte physique, de la puce au centre de données

Faire fonctionner un système d’IA nécessite de la puissance de calcul. Cette puissance intervient à deux moments distincts : l’entraînement du modèle, lorsqu’il apprend à partir de très grandes quantités de données, puis l’inférence, c’est-à-dire chaque utilisation du modèle pour produire une réponse, une traduction, une image ou une recommandation.

Les modèles dits de grande taille mobilisent de nombreux processeurs spécialisés, installés dans des centres de données. Ces bâtiments doivent être alimentés en continu, maintenus à une température adaptée et reliés à des réseaux de télécommunication. L’électricité consommée dépend donc de plusieurs paramètres : la taille du modèle, la quantité de requêtes, l’efficacité des puces, le lieu d’implantation du centre de données et la composition du mix électrique local.

L’impact environnemental ne commence toutefois pas au moment où l’utilisateur saisit une requête. Il faut aussi prendre en compte la fabrication des serveurs et des puces, l’extraction et la transformation de matières premières, le transport des équipements, leur renouvellement, puis leur traitement en fin de vie. Parler de « pollution numérique » permet de rappeler que le numérique est une activité industrielle, avec une chaîne d’approvisionnement et des déchets.

Pourquoi les centres de données sont au cœur du sujet

Les centres de données sont parfois décrits comme les « usines » du numérique. Ils regroupent les serveurs qui hébergent les services en ligne, stockent les données et exécutent les calculs. Avec l’essor de l’IA générative, la demande en capacité de calcul prend une place croissante dans les projets d’infrastructure des grandes entreprises technologiques.

Leur consommation d’électricité soulève directement la question climatique. Si l’énergie supplémentaire est fournie par des sources fortement émettrices de gaz à effet de serre, l’expansion des usages numériques peut alourdir le bilan carbone. Si elle provient d’électricité bas carbone ou renouvelable, la pression climatique est différente, sans pour autant faire disparaître les autres enjeux liés à la construction des équipements, au foncier, aux réseaux et au refroidissement.

Cette dernière dimension est essentielle. Les serveurs dégagent de la chaleur lorsqu’ils fonctionnent. Les exploitants doivent donc refroidir les installations, selon des procédés et des contraintes qui varient d’un site à l’autre. Dans certains territoires, la disponibilité de l’énergie et de l’eau, ainsi que la capacité des réseaux électriques, deviennent des sujets de débat public. L’implantation d’un centre de données ne peut pas être envisagée comme une simple décision technique : elle engage des ressources locales et des arbitrages collectifs.

Les besoins en réseaux de distribution s’ajoutent à ceux des bâtiments eux-mêmes. Une forte concentration d’infrastructures numériques dans une même zone peut nécessiter de nouveaux raccordements ou des renforcements du réseau. La transition vers des systèmes électriques moins carbonés est déjà un chantier majeur. L’arrivée d’usages très intensifs en calcul rend la planification encore plus importante.

Une technologie qui peut creuser les inégalités

La question environnementale est indissociable de la question sociale. Les capacités les plus avancées en IA reposent sur des investissements considérables : données, talents spécialisés, puces, centres de données et accès à une énergie abondante. Toutes les entreprises, tous les laboratoires et tous les pays ne disposent pas de ces moyens.

Cette situation favorise la concentration des outils et des infrastructures entre les mains de quelques grandes entreprises technologiques. Elles peuvent financer l’entraînement de modèles de grande taille, négocier l’accès au matériel informatique et opérer des services accessibles à l’échelle mondiale. Les organisations publiques, les petites entreprises, les associations ou les chercheurs indépendants dépendent alors plus facilement de plateformes qu’ils ne contrôlent pas.

Les pays du Sud global, expression désignant des pays souvent moins favorisés dans l’organisation économique mondiale, sont particulièrement concernés par cette asymétrie. Une partie des ressources et du travail nécessaires au numérique y est produite ou réalisée, alors que la valeur économique, la propriété intellectuelle et les capacités de décision sont fréquemment concentrées ailleurs. Le sujet ne se limite donc pas à l’accès des particuliers à un chatbot : il concerne la possibilité pour des communautés et des États de décider de leurs infrastructures, de leurs données et de leurs priorités de développement.

La chaîne de valeur de l’IA comprend aussi des emplois souvent peu visibles. Des personnes participent à la fabrication et à la maintenance des équipements, à l’annotation de données ou à la modération de contenus. Les conditions de travail, les niveaux de rémunération et la protection sociale associés à ces activités doivent faire partie de l’évaluation d’un projet d’IA. Une innovation ne peut être considérée comme socialement bénéfique par ses seuls résultats techniques si ses coûts sont reportés sur des travailleurs précaires.

La promesse d’optimisation ne suffit pas à garantir un bénéfice écologique

L’IA est régulièrement associée à l’optimisation : mieux prévoir une demande, organiser un itinéraire, détecter une anomalie ou automatiser une opération. Ces usages peuvent contribuer à réduire certains gaspillages, à condition qu’ils répondent à un besoin identifié et que leurs effets soient évalués dans la durée.

Mais l’optimisation n’est pas une garantie automatique de sobriété. Une technologie qui réduit le coût ou le temps nécessaire à une action peut aussi encourager la multiplication de cette action. C’est ce que l’on appelle un effet de rebond. Par exemple, rendre la génération de contenus plus simple et plus rapide peut entraîner une hausse massive de contenus générés, de stockages et de traitements, qui absorbe une partie ou la totalité des gains d’efficacité initiaux.

Il faut donc distinguer l’efficacité locale d’un système et les effets systémiques de son adoption. Une application peut être performante sur une tâche précise, tout en participant à l’augmentation globale de la consommation de ressources si elle incite à multiplier les usages peu nécessaires. L’évaluation doit porter sur la finalité du service, sur ses alternatives et sur sa trajectoire de déploiement.

Qui décide des usages de l’IA ?

La concentration du pouvoir est l’autre versant de cette question. Lorsqu’un petit nombre d’acteurs contrôle les modèles les plus puissants, les capacités de calcul, les puces ou les plateformes utilisées par des millions de personnes, ces entreprises pèsent sur les choix technologiques disponibles. Elles peuvent aussi influencer les cadres économiques et réglementaires qui organiseront le marché.

Cette concentration soulève un enjeu démocratique. Les décisions portant sur la construction de nouvelles infrastructures, la consommation d’énergie, la collecte de données ou la place de l’automatisation dans le travail ne relèvent pas uniquement de dirigeants d’entreprises. Elles concernent les collectivités, les travailleurs, les usagers, les pouvoirs publics et les citoyens.

La transparence constitue une condition minimale du débat. Il est difficile d’évaluer l’impact d’un service sans connaître ses besoins en calcul, les infrastructures utilisées, la durée de vie du matériel ou les conditions dans lesquelles les données ont été préparées. Les entreprises peuvent protéger des informations réellement sensibles, mais cela ne doit pas empêcher la publication d’indicateurs utiles à l’évaluation environnementale et sociale de leurs activités.

La recommandation de l’UNESCO sur l’éthique de l’intelligence artificielle insiste précisément sur une approche fondée sur les droits humains, l’environnement, la diversité et l’équité. Elle rappelle qu’une gouvernance de l’IA ne doit pas se réduire à la seule recherche de performance ou de compétitivité.

La coalition Hiatus réclame un autre cadre de développement

Face à ces préoccupations, des organisations de la société civile appellent à ralentir la course au déploiement et à imposer des garde-fous. La coalition Hiatus, qui rassemble plus d’une vingtaine d’organisations, plaide pour une prise en compte effective des droits sociaux, humains et environnementaux dans le développement de l’IA.

Cette mobilisation ne vise pas seulement les conséquences d’un outil isolé. Elle met en question une logique dans laquelle la mise sur le marché rapide et l’augmentation des capacités de calcul deviennent des objectifs en eux-mêmes. À ses yeux, les promesses de développement durable ne doivent pas servir à justifier des projets dont les bénéfices restent principalement captés par des intérêts privés, tandis que les coûts écologiques et sociaux sont supportés par d’autres.

L’appel invite à changer de méthode. Avant de déployer un système d’IA, il s’agit de poser des questions simples mais structurantes : quel problème cherche-t-on à résoudre ? L’IA est-elle la solution la plus pertinente ? Quels moyens matériels exige-t-elle ? Qui en tire profit, et qui en assume les risques ? Quelles alternatives moins gourmandes existent ?

Des pistes pour une IA plus soutenable

Réduire les effets négatifs de l’IA exige une combinaison de choix techniques, économiques et politiques. L’amélioration de l’efficacité énergétique des modèles et des équipements est utile, mais elle n’est qu’un levier parmi d’autres. Sans réflexion sur les usages et sur leur généralisation, les gains techniques risquent d’être absorbés par une hausse des volumes.

Les pouvoirs publics peuvent demander davantage de transparence sur l’empreinte des services et encadrer l’implantation des infrastructures en tenant compte des contraintes locales. Les entreprises peuvent privilégier des modèles proportionnés aux besoins, prolonger la durée de vie du matériel, évaluer leurs fournisseurs et publier des informations comparables sur leurs impacts. Les organisations qui adoptent l’IA ont également une responsabilité : automatiser une tâche parce que c’est possible ne signifie pas que c’est pertinent ou souhaitable.

Enfin, une gouvernance ouverte suppose d’associer les personnes concernées par les décisions. Les collectivités confrontées à un projet de centre de données, les salariés dont le travail est transformé et les citoyens appelés à utiliser ces outils doivent pouvoir participer à la discussion, pas seulement en subir les conséquences.

Ce qu’il faut surveiller

L’essor de l’intelligence artificielle impose de regarder au-delà de la démonstration technologique. Les prochaines années seront marquées par des choix concrets : quelles infrastructures construire, avec quelle électricité, pour quels usages et sous quel contrôle ? Les réponses détermineront une part importante du bilan écologique et social de l’IA.

La question centrale n’est donc pas seulement de savoir si l’IA peut aider à résoudre certains problèmes environnementaux. Elle est de savoir si son développement sera compatible avec une réduction réelle des pressions sur les ressources, une meilleure protection des travailleurs et un partage plus démocratique des capacités de décision. Sans ces critères, le progrès promis par l’IA pourrait renforcer les déséquilibres qu’il prétend contribuer à résoudre.