Le green AI peut-il sauver la planète ?

Le green AI peut-il sauver la planète ? Vous avez 4 heures.
Sinon, vous pouvez aussi lire cet article dans lequel on décortique les enjeux, avantages et inconvénients de cette technologie qui se base sur le traitement d'un grand volume de data vis-à-vis des enjeux environnementaux. Avec l'explosion de l'IA générative — ChatGPT, Gemini, Mistral — la question n'a jamais été aussi urgente. Comment utiliser l'IA de façon responsable ? Comment utiliser la data générée et les modèles créés par l'IA de façon à servir les enjeux de développement durable ? Les entreprises peuvent-elles adopter une approche green AI ? Quels sont les usages de l'IA au service de l'environnement ? Quelle est l'empreinte carbone réelle de l'IA à ce jour ? Quels sont les modèles d'IA qui consomment le plus d'énergie ?
On vous dit tout dans cet article dédié.

Rappel : la définition de ce qu’est l’intelligence artificielle

L’intelligence artificielle (IA) est une technologie qui repose sur la création de modèles et d'algorithmes. Ces modèles analysent de grands volumes de données (la fameuse data dans le jargon) et permettent de recréer certains traits caractéristiques de l’intelligence humaine (raisonnement, apprentissage, créativité…).

Aujourd'hui, on distingue plusieurs familles d'IA : le machine learning "classique", le deep learning, et plus récemment l'IA générative — ces grands modèles de langage (LLM) comme ChatGPT, Gemini ou Mistral, capables de produire du texte, des images ou du code. Ce sont ces derniers qui concentrent l'essentiel des débats environnementaux actuels, en raison de leur consommation énergétique considérable.

💡 Bon à savoir : on vous partageait récemment un article sur la nature vue par l’intelligence artificielle (avec des outils comme Midjourney ou Dall-E). Une forêt mi-continentale mi-tropicale, un zèbre miniature, des créatures chimériques… Foncez découvrir tout ça par vous-même.

Zoom sur ce que l’on appelle l’impact AI

En France, il existe un Think & Do Tank de référence qui se concentre sur les sujets de l’intelligence, de la data et des usages éthiques autour de cette technologie. Nom de code ? Impact AI. Ce dernier réfléchit ainsi aux usages de cette solution et ce pour toutes types de publics (entreprises, institutions, organismes de recherche ou de formation, acteurs de la société civile, citoyens…). On distingue deux angles incontournables. 

Green AI

Le concept est simple. Il s’agit de trouver un juste milieu et une approche cohérente entre le déploiement et la performance de cette technologie et son impact carbone. Certains experts ont ainsi proposé d’intégrer les coûts de calcul nécessaires à la génération des résultats proposés dans toutes les soumissions. Autrement dit ? C’est un peu comme un bilan carbone version AI. Il s’agit de connaître l’impact écologique inévitable pour le bon fonctionnement des outils développés. 

Pour résumer, le green AI c’est intégrer la durabilité au cœur de la technologie.

🖐 Un bilan carbone consiste à évaluer la quantité d’émissions de gaz à effet de serre (GES) émis par un être humain, une entreprise ou pour la production d'un bien ou d'un service. Pour cela, on dresse un état des lieux à un instant T. Puis, on analyse les données de façon à pouvoir prendre du recul sur le sujet.

---

---

AI for Green

Dans ce cas, on se concentre non pas sur la création de la technologie en elle-même et son empreinte carbone mais sur sa finalité. À quoi vont servir les données ? Est-il possible d’utiliser cette technologie au service de causes sociales et environnementales ? L’AI for green est ainsi pensée pour agir de manière positive sur l’environnement. Il existe d’ailleurs des programmes (AI for Earth par Microsoft ou Climate Change AI) qui répertorient des cas d’usage de l’IA au service d’un développement durable.

Pour résumer, l’AI for green c’est utiliser la technologie au service de la durabilité.

5 usages de l’AI au service de l’environnement 

• L’AI pour la préservation des océans : parlons du projet Soft Robotic Fish. Leur démarche consiste à créer un poisson robotique. Ils analysent les créatures marines dans leur milieu naturel sans leur faire peur. Cette approche permettra grâce aux données collectées d’étudier la manière dont la pollution des océans influe sur le comportement desdits poissons. 
• L'IA pour la gestion des déchets : des solutions de tri automatisé par vision par ordinateur se déploient désormais à l'échelle industrielle. Des ETI et grands groupes du secteur des déchets utilisent des systèmes d'IA pour optimiser le tri et réduire les erreurs de recyclage dans leurs chaînes de traitement.
• L’AI pour prévoir les inondations : cela utilise des données géographiques et des méthodes de modélisation pour comprendre comment les inondations se propagent. Cela peut permettre de créer des systèmes d'alertes automatiques pour les personnes situées dans des zones à risque.
• L'IA pour des villes et des réseaux énergétiques plus verts : des industriels et gestionnaires de réseaux — comme Enedis ou des énergéticiens européens — utilisent l'IA pour optimiser la distribution d'électricité en temps réel, intégrer davantage d'énergies renouvelables dans le mix et anticiper les pics de consommation à l'échelle d'un territoire.
• L’AI pour réduire la consommation d’énergie : on peut citer par exemple le projet d'Energiency. Leur technologie permet aux industriels de détecter les économies d’énergies potentielles et d’analyser la data afin d’identifier les actions les plus appropriées. Sa promesse est ainsi de réaliser jusqu'à 15% d'économies d'énergie en moins d'1 an. Des entreprises industrielles — dans l'agroalimentaire, la chimie ou la métallurgie — ont déployé ce type de solutions pour réduire leur consommation de 10 à 15 % sur leurs sites de production.

Pourquoi l'intelligence artificielle est-elle un désastre écologique ?

Parce que pour fonctionner, l'intelligence artificielle nécessite l’usage d’un volume important de ressources et a donc une empreinte carbone colossale. Explications.

Parlons d’abord du numérique au sens large. 

Selon une étude ADEME-Arcep, le numérique représente 4,4 % de l'empreinte carbone nationale en France. Les data centers constituent à eux seuls 46 % de l'empreinte carbone du numérique. Cette part s'explique en grande partie par le fait que 53 % de nos usages numériques sont hébergés à l'étranger.

Et l'IA accélère fortement cette tendance. L'explosion de l'IA générative est un tournant. Selon le Shift Project (rapport final, octobre 2025), la consommation électrique mondiale des data centers pourrait être multipliée par 3 entre 2023 et 2030. Elle pourrait atteindre environ 946 TWh. En France, RTE prévoit un triplement d'ici 2035. Pour donner un ordre de grandeur concret : l'entraînement du modèle Llama 3.1 de Meta aurait généré près de 9 000 tonnes de CO₂, soit environ 18 fois plus que GPT-3.

L'enjeu de la consommatio d'eau

Au-delà de l'énergie, la consommation d'eau est un impact souvent sous-estimé. Les systèmes de refroidissement des data centers nécessitent des volumes considérables d'eau douce. L'empreinte hydrique de l'IA mondiale en 2025 est estimée entre 312 et 764 milliards de litres. C'est l'équivalent de la consommation annuelle mondiale d'eau embouteillée.

Il n’existe pas de référentiel validé à l’échelle internationale, pas de modèle de calcul de l’impact de référence. Il est également complexe de distinguer l’impact de l’IA de l’impact du numérique au global. Précisons également que l’impact carbone n’est pas le seul impact environnemental généré par l’AI. On peut par exemple noter l’épuisement des ressources abiotiques naturelles. Il y a également la consommation de ressources fossiles et d’eau douce. On peut aussi citer les émissions de particules ou encore la production de déchets électriques et électroniques. Autrement dit ? C’est un sujet vaste sur lequel il va être important de pouvoir avoir un cadre et un suivi le plus tôt possible (identifier les données à suivre, fixer des seuils, intégrer des bonnes pratiques, etc…).

💡 À noter pour les entreprises soumises à la CSRD. L'empreinte environnementale des systèmes d'IA utilisés par votre organisation peut désormais entrer dans le périmètre de vos reportings ESG. Anticiper la mesure de cet impact est donc un enjeu de conformité croissant.

Découvrez gratuitement les émissions générées par vos opérations marketing, télécommunication ou événements grâce à notre essai gratuit 👇

Vers un monde plus sobre

L’intelligence artificielle est un domaine encore récent. 

Le cadre réglementaire se structure rapidement. L'AI Act européen, entré en vigueur en 2024, impose des exigences de transparence sur la consommation énergétique des systèmes d'IA à haut risque. En France, une obligation de valorisation de la chaleur fatale pour les data centers de plus de 1 MW est effective depuis octobre 2025. Et lors du Sommet pour l'Action sur l'IA de Paris (10 février 2025), la France a annoncé 109 milliards d'euros d'investissements. Ce plan s'appuye sur la production nucléaire bas carbone pour tenter de concilier souveraineté numérique et transition écologique.

Pour arriver à une démarche complète, il faudra intégrer tous les aspects du green IT. Cela comprend non seulement la conception de la technologie elle-même (le green AI) mais aussi son usage de façon à l’orienter en faveur des Objectifs de Développement Durables tels que définis par l’ONU (c’est l’AI for green). La data c’est bien. La data qui sert un monde plus vertueux, c’est encore mieux. Allons en ce sens.

Est-il possible d’adopter des pratiques écologiques pour l’usage de l’IA en entreprise ? 

Les entreprises aussi ont leur rôle à jouer dans les usages de l'intelligence artificielle et la standardisation de modèles d'IA cohérents et écologiques. Qu'il s'agisse d'une PME qui utilise ChatGPT au quotidien, d'une ETI qui déploie des solutions de machine learning sur ses chaînes de production, ou d'un grand groupe qui entraîne ses propres modèles, les leviers d'action existent à chaque échelon. En formant et mobilisant leurs collaborateurs sur la question, elles peuvent contribuer à mieux comprendre les enjeux de l'intelligence artificielle et de son impact vis-à-vis de l'environnement.

Propositions d'actions :

Quelques pistes d'actions à déployer dans votre organisation, proposées par le Think Tank Impact AI :

• Évaluer les opportunités liées à l’émergence de nouvelles technologies
• Définir une démarche globale de Green IT (usages du numérique, gestion des données…)
• Réaliser un bilan carbone complet (avec un zoom sur la partie numérique)
• Sensibiliser et former les salarié.e.s à l’impact carbone de l’IA (et du green AI)
• Utiliser l’IA dans une logique de sobriété. Usage uniquement lorsque nécessaire, priorisation d’un modèle d’IA plus sobre, limitation des données inutiles, etc…
• Distinguer les usages qui nécessitent réellement un LLM coûteux de ceux qui peuvent être traités par des modèles plus légers et spécialisés
• limiter l’usage du Deep Learning et prioriser les modèles moins gourmands
• Limiter les entraînements des algorithmes et des réseaux de neurones au minimum
• Mettre en place une politique d’archivage, expiration, suppression des données (aka la data) afin de limiter la consommation d’énergie inutile
• Définir une performance acceptable minimale au delà de laquelle on arrêtera les optimisations
• Choisir des fournisseurs de cloud et d'infrastructure qui valorisent leur chaleur fatale et s'approvisionnent en énergie renouvelable — un critère d'achat responsable directement actionnable dans votre politique RSE

💡 Le machine learning est une branche de l’intelligence artificielle. Cela consiste à créer des systèmes qui apprennent et améliorent leurs performances, en fonction des données (donc de grand volumes de data) qu’ils traitent.

Green AI veut-il dire neutre en carbone ? 

Non. Ce sont deux notions bien différentes.

Comme évoqué plus haut, le concept de Green AI consiste à prendre en compte les enjeux environnementaux dans la conception des technologies d’intelligence artificielle. 

La notion de neutre en carbone fait quant à elle échos à une notion de neutralité entre les émissions de GES. Autrement dit ? Tout projet à un impact écologique. Ce dernier peut-être atténué pour tendre vers zéro grâce à la mise en place de pratiques durables. Il peut aussi être contrebalancé avec ce que l’on appelle la compensation carbone. Il s’agit de financer des projets de réduction d'autres émissions ou de séquestration de carbone. Notons par ailleurs que selon le modèle d’IA, l’impact carbone n’est pas le même. C’est un élément qui s’analyse au cas par cas.

🖐 Bon à savoir : le Think Tank Impact AI recommande de ne pas utiliser la notion d’”IA neutre en carbone” ou de “neutralité carbone de l’IA”. Pour les experts de ce collectif, la démarche de neutralité carbone doit être présentée à séparément de l’empreinte carbone de l’IA. C’est une façon de bien prendre conscience des différents aspects et d’éviter le greenwashing.

FAQ - L'essentiel à retenir