L'IA pollue-t-elle ? Son impact environnemental

« L’IA pollue » : la formule est partout dans les discussions tech. Mais que disent vraiment les données ? Cet article examine l’empreinte environnementale de l’intelligence artificielle à partir de sources vérifiées et d’études récentes : consommation d’énergie, émissions de carbone et conséquences plus larges pour le système.

La consommation d’énergie mondiale

Selon l’Agence internationale de l’énergie (AIE), les data centers représentent environ 1,5 % de la consommation mondiale d’électricité, soit 415 térawattheures (TWh) en 2024. Leur empreinte carbone est de 0,5 % des émissions mondiales de CO2 liées à la combustion de combustibles fossiles, environ 180 millions de tonnes. À l’échelle du monde, ces chiffres paraissent modestes. C’est la trajectoire qui compte :

945 TWh d’ici 2030, soit plus du double de la consommation actuelle, un peu plus que la consommation électrique annuelle totale du Japon aujourd’hui ;
des émissions qui atteindraient 1 à 1,4 % du total mondial ;
une croissance de +12 % par an depuis 2017.

Les data centers font partie des rares secteurs dont les émissions devraient augmenter, avec le transport routier et l’aviation, alors que la plupart des autres secteurs doivent se décarboner.

Les États-Unis : un cas d’école de concentration

La concentration géographique de l’infrastructure IA crée des impacts locaux bien supérieurs aux moyennes mondiales.

Les data centers ont consommé 4,4 % de l’électricité américaine en 2023 (LBNL). Cette part pourrait tripler à 12 % d’ici 2028.
D’ici 2030, ils représenteraient près de 50 % de la croissance de la demande d’électricité du pays, au-delà de la consommation cumulée de l’aluminium, de l’acier, du ciment, de la chimie et de toutes les autres productions énergivores.
En 2024, ils ont consommé environ 200 TWh, à peu près la consommation annuelle de la Thaïlande (MIT Technology Review). D’ici 2028, les seuls usages liés à l’IA pourraient demander 165 à 326 TWh par an, de quoi alimenter 22 % des foyers américains.
En Irlande, les data centers consomment déjà plus de 20 % de l’électricité du pays.

Requête IA contre recherche Google

La comparaison la plus citée : une requête IA consommerait « 10 fois plus d’énergie » qu’une recherche Google. Ce chiffre demande à être décortiqué.

	Énergie par requête	Carbone
Recherche Google	~0,0003 kWh (chiffre de Google de 2009, jamais mis à jour)	~0,2 g de CO2 (2009)
Requête ChatGPT	0,0003 à 0,003 kWh (estimations très variables)	~0,03 g de CO2e pour un prompt texte médian de Gemini (Google, 2025) ; peu d’autres acteurs publient un chiffre, et les méthodologies diffèrent

L’écart énorme entre estimations (de 0,24 Wh selon Gemini à 3 Wh dans des études de 2023) révèle un vrai problème de transparence.

Pourquoi l’IA consomme-t-elle plus ? Une recherche classique interroge un index de pages web déjà construit et renvoie des liens et des extraits : des opérations de base de données optimisées, aux besoins de calcul assez stables. Une IA générative produit du texte original, token par token, avec des modèles de milliards à des milliers de milliards de paramètres. Chaque réponse exige d’énormes calculs matriciels sur GPU, et la consommation augmente avec la longueur et la complexité de la réponse.

Le « 10x » vient d’une estimation de début 2023 d’environ 3 Wh par requête. L’estimation 2025 d’Epoch AI pour une requête GPT-4o typique est d’environ 0,3 Wh, soit à peu près le chiffre de Google pour 2009. Les requêtes longues ou à raisonnement consomment plus.

Entraînement et inférence

Entraînement : processus intensif, ponctuel. GPT-3 : 1 287 MWh d’électricité (environ 120 foyers américains pendant un an), soit environ 552 tonnes de CO2. GPT-4 : environ 50 GWh estimés (OpenAI n’a publié aucun chiffre).
Inférence : la consommation continue à chaque requête, estimée à 80 à 90 % de la puissance de calcul de l’IA (MIT Technology Review, 2025), et proportionnelle au volume d’usage.

Les optimisations récentes ont beaucoup amélioré l’efficacité. Google indique que les émissions de carbone par requête de Gemini ont été divisées par 44 en 12 mois, en combinant une consommation d’énergie divisée par 33 et des sources d’énergie plus propres.

L’eau : le coût caché

Le refroidissement demande aussi d’énormes quantités d’eau. Selon Sam Altman, PDG d’OpenAI, une requête ChatGPT moyenne utilise environ 0,34 Wh d’électricité et environ 0,000085 gallon d’eau, soit à peu près un quinzième de cuillère à café. Négligeable par requête, mais l’échelle compte : multipliée par le volume quotidien, la consommation s’additionne. Le stress hydrique varie beaucoup selon les lieux, et certaines régions en sécheresse accueillent en même temps de nouveaux data centers.

Matériaux et fabrication

La demande en gallium pourrait atteindre 10 % de l’offre mondiale actuelle d’ici 2030 ; la Chine contrôle 99 % de l’offre de gallium raffiné. Ces contraintes pourraient retarder le développement des data centers dans le monde.
NVIDIA, AMD et Intel ont livré 3,85 millions de GPU aux data centers en 2023, nettement plus en 2024. Chaque GPU a un carbone « incorporé » (fabrication, extraction, transport), et génère des déchets électroniques quand de nouvelles générations les remplacent.
Étude sur BLOOM (176 milliards de paramètres) : les émissions incorporées des serveurs et GPU représentent 11,2 tonnes de CO2, moins de la moitié des 24,7 tonnes émises à l’entraînement, mais c’est significatif.

L’impact sur le réseau électrique

En 2024, les énergies fossiles ont fourni près de 60 % de l’électricité américaine (EIA).
La production au gaz pour les data centers devrait plus que doubler dans le monde, de 120 TWh en 2024 à 293 TWh en 2035, surtout aux États-Unis (AIE). Environ 38 GW de centrales à gaz dédiées « en développement » sont prévus (25 % de tous ces projets ; Global Energy Monitor, via Carbon Brief).
De nouvelles lignes de transport prennent 4 à 8 ans dans les économies avancées (AIE). Un data center IA typique consomme autant que 100 000 foyers, le plus grand en construction 20 fois plus.
Faute d’électricité propre assez vite, certaines régions ont repoussé la fermeture de centrales à charbon.
Les distributeurs d’électricité font souvent des remises pour attirer les data centers, et les coûts peuvent être répercutés sur les ménages. Étude de Virginie (JLARC, 2024) : un client résidentiel Dominion typique pourrait voir les coûts de production et de transport augmenter d’environ 14 à 37 $ par mois d’ici 2040 (en dollars réels). Si l’activité IA promise ne vient pas, les abonnés subventionnent quand même l’infrastructure.

Le problème de transparence

Le plus inquiétant est peut-être le manque de données fiables : les estimations pour une seule requête ChatGPT varient de plus de dix fois, de 0,24 à 3 Wh. Les raisons : les entreprises ne publient pas de métriques opérationnelles détaillées, l’efficacité varie selon les modèles, les méthodes de calcul diffèrent (certaines amortissent l’entraînement, d’autres non), l’intensité carbone du réseau change selon la région et l’heure, et la complexité de la requête pèse lourd. La plupart des entreprises d’IA, OpenAI comprise, ne divulguent pas leurs émissions.

Le réseau californien, par exemple, peut passer de moins de 70 g de CO2 par kWh les après-midi ensoleillés à plus de 300 g/kWh la nuit. Une même requête IA peut donc avoir des impacts climatiques très différents selon l’heure et le lieu.

Promesses climatiques et réalité

Google : émissions en hausse de 48 % de 2019 à 2023 (rapport 2024). Son rapport environnemental 2024 note que réduire les émissions sera difficile « due to increasing energy demands from the greater intensity of AI compute ».
Microsoft : engagé à être « carbon negative » d’ici 2030, mais émissions en hausse de 29 % depuis 2020, attribuée à la construction de data centers « designed and optimized to support AI workloads ».

Les entreprises revendiquent souvent la « neutralité carbone » via des crédits d’énergie propre ou des certificats d’énergie renouvelable, alors que leurs émissions locales réelles ne sont pas déclarées ou continuent d’augmenter.

Impact individuel contre impact collectif

À l’échelle individuelle : 10 requêtes ChatGPT par jour pendant un an représentent environ 11 kg de CO2. L’empreinte moyenne d’un Britannique est d’environ 7 tonnes par an, donc +0,16 % ; pour un Américain, dont l’empreinte est plus haute, +0,07 %. Face aux grandes sources personnelles (alimentation, transport, chauffage, avions), l’usage individuel de l’IA est négligeable.

À l’échelle collective : si chaque résident américain (~336 millions) faisait une seule requête IA par jour, on obtiendrait entre ~10 t de CO2 à 0,03 g par requête et ~1 500 t à 4,4 g par requête (nombre de requêtes × grammes par requête). L’échelle transforme des impacts individuels négligeables en émissions agrégées substantielles.

L’IA comme solution climatique ?

Paradoxalement, l’IA peut aussi aider à réduire les émissions. L’AIE estime que l’adoption large des applications d’IA existantes pourrait éviter 1 400 millions de tonnes de CO2 d’ici 2035, soit trois fois les émissions des data centers dans son scénario de forte croissance (Lift-Off), et quatre fois dans son scénario de base. Applications possibles : optimisation énergétique des bâtiments (−10 % de consommation de chauffage et climatisation), détection de fuites de méthane, efficacité des centrales fossiles, gestion de réseaux intelligents, découvertes en science des matériaux.

Mais l’AIE souligne qu’il n’y a « currently no momentum that could ensure the widespread adoption of these AI applications ». Sans conditions favorables, l’impact agrégé peut rester marginal. Les gains d’efficacité peuvent aussi être annulés par des effets rebond : des véhicules autonomes si pratiques qu’on roule plus, ou des bâtiments plus efficaces qui mènent à des logements plus grands.

La réponse politique et réglementaire

États-Unis : l’Artificial Intelligence Environmental Impacts Act, introduit en 2024, demande une étude de l’EPA et des standards de déclaration volontaires du NIST, sur tout le cycle de vie (extraction, fabrication, exploitation, fin de vie), avec des métriques de carbone incorporé, d’eau et de chaleur fatale. Un décret de janvier 2025 (EO 14141) chargeait le DOE de rédiger des exigences de déclaration ; il a été révoqué en juillet 2025 (EO 14318).
Union européenne : avec l’AI Act, les fournisseurs de modèles d’IA à usage général doivent documenter la consommation d’énergie connue ou estimée du modèle et la fournir sur demande à l’AI Office et aux autorités nationales (Article 53 et Annexe XI). La directive efficacité énergétique refondue impose aux data centers significatifs de déclarer leur performance énergétique et leur empreinte eau dans une base de données européenne : consommation totale, part d’énergie renouvelable, eau, chaleur fatale réutilisée. L’ISO prépare des normes d’« IA durable ».
Limites : il n’existe pas de jeu de données mondial complet sur la consommation ou les émissions des data centers, peu de gouvernements imposent la déclaration, tous les chiffres sur l’impact énergétique et climatique de l’IA sont des estimations, et l’auto-déclaration des industriels n’est pas vérifiée de façon indépendante.

Les pistes

Technique : modèles plus efficaces, puces plus efficaces, optimisation des charges de travail, énergies renouvelables, chaleur fatale pour le chauffage urbain, refroidissement liquide.
Politique : déclaration obligatoire de l’énergie et des émissions, standards d’efficacité, meilleure interconnexion pour les renouvelables, prix du carbone, droit à la réparation et allongement de la durée de vie des équipements, restrictions géographiques selon l’intensité carbone du réseau.
Marché : responsabilité sur les émissions Scope 3, pression des investisseurs, choix des consommateurs, étiquetage carbone des services d’IA.

Conclusion

L’IA pollue-t-elle ? Oui, sans ambiguïté. Mais la réponse demande de la nuance. À l’échelle individuelle, l’usage de l’IA pèse très peu dans l’empreinte personnelle, bien moins que les transports, l’alimentation ou l’énergie du logement. En revanche, la croissance explosive du secteur (+12 % par an) à un moment critique pour le climat crée des défis systémiques : des réseaux locaux sous tension, des transitions renouvelables potentiellement retardées, des factures d’électricité qui peuvent grimper.

Le plus préoccupant n’est pas le niveau actuel de consommation, mais les trajectoires de croissance combinées à un manque criant de transparence. Quand les estimations pour une seule requête varient de plus de dix fois, une politique fondée sur les faits devient impossible. La vraie question n’est pas de savoir s’il faut utiliser l’IA, mais à quelle vitesse on peut décarboner son infrastructure pour suivre le rythme de son adoption.

Sources

Pour aller plus loin, lisez la version complète de l’article (en anglais) : Does AI Really Pollute? A Deep Dive Into the Environmental Impact of Artificial Intelligence.

L’IA pollue-t-elle vraiment ? Plongée dans l’impact environnemental de l’intelligence artificielle