L’utilisation de l’IA dans le cadre de la « transition écologique » suscite un intérêt croissant, qu’il s’agisse de permettre un suivi précis des impacts environnementaux ou d’optimiser la consommation d’énergie et de ressources. Cependant, dans le même temps, elle peut aussi amplifier des dynamiques néfastes et créer de nouveaux risques environnementaux. Or, dans un contexte où de plus en plus d’entreprises du Fortune 500 adoptent des objectifs zéro émission, passant de 8 % en 2020 à environ 50 % actuellement, la transition vers la durabilité passe aussi par une meilleure utilisation de l’IA.
Une tribune exclusive de Raphaël Zagury, Managing Director, Sales & Go-To-Market France chez NTT DATA
Cette ambivalence a déclenché un débat critique parmi les chercheurs, les décideurs politiques et les dirigeants du secteur — un débat qui exige la définition et l’intégration d’indicateurs de durabilité, à la croisée des enjeux business, réglementaires et réputationnels.
La Green AI une responsabilité, et non une option
Derrière chaque modèle entraîné, chaque requête traitée se cache une réalité souvent négligée : l’immense consommation de ressources de l’IA. L’empreinte carbone liée à l’entraînement des IA, à elle seule, a explosé, certains modèles consommant plus de 300 000 fois plus de puissance de calcul que leurs prédécesseurs. D’ici 2028, plus de la moitié de l’électricité consommée par les centres de données sera utilisée pour l’IA.
Cette trajectoire non durable va directement à l’encontre du potentiel de l’IA. Contrairement à la “Red IA”, la “Green AI” cherche à définir des indicateurs d’évaluation en remettant en question l’idée selon laquelle le progrès se mesure uniquement à l’aune de gains marginaux en termes de précision, mettant plutôt l’accent sur l’équilibre entre haute performance et consommation minimale de ressources. Cela implique une prise de décision consciente à chaque étape — du traitement des données et de l’entraînement des modèles à l’exploitation et à l’utilisation du matériel.
Mais cette prise de conscience s’accompagne d’un défi : comment mesurer efficacement la durabilité afin que les progrès ne restent pas de simples paroles en l’air ?
Une vue d’ensemble des progrès en matière de développement durable
Face à cet enjeu, la réponse ne peut être que systémique. Elle passe par l’intégration d’indicateurs de durabilité dès la conception et tout au long du cycle de vie des systèmes d’IA.
Quatre grands indicateurs structurants s’imposent progressivement comme des standards émergents : la consommation énergétique, les émissions de gaz à effet de serre, l’empreinte hydrique et l’impact sur les ressources abiotiques. Pris isolément, ces indicateurs restent insuffisants. C’est leur combinaison, dans une approche intégrée, qui permet d’arbitrer efficacement entre performance technologique et impact environnemental.
Néanmoins, mesurer avec précision la durabilité de l’IA est une tâche extrêmement complexe, et l’absence de cadres normalisés pour le reporting en matière de durabilité constitue un obstacle majeur. Contrairement aux secteurs traditionnels, qui bénéficient de cadres établis tels que le Greenhouse Gas Protocol, l’IA ne dispose pas de lignes directrices cohérentes permettant d’évaluer de manière uniforme ces quatre indicateurs.
Les analyses de cycle de vie (ACV) apportent cette vision. En évaluant les systèmes d’IA de bout en bout — de la fabrication du matériel à son utilisation — elles permettent d’identifier les zones critiques et d’orienter les décisions. Couplées à des outils de simulation, elles aident les entreprises à anticiper les compromis et à déployer des actions ciblées, comme l’optimisation des infrastructures ou le recours aux énergies renouvelables.
Enfin, les outils de benchmarking énergétique structurent la prise de décision. Scores, classements et labels permettent de comparer les modèles, d’objectiver les choix technologiques et d’intégrer la durabilité dans la gouvernance et les politiques d’achat. Un exemple phare est l’AI Energy Score, qui introduit une notation d’efficacité relative pour l’ensemble des applications d’IA. En renforçant la transparence, ils contribuent à faire de l’IA durable non plus une exception, mais un standard de marché.
Pour conclure, la durabilité de l’IA ne pourra émerger sans un cadre collectif structuré. Elle repose sur une gouvernance partagée, où entreprises, acteurs publics et écosystèmes technologiques avancent de concert. L’enjeu n’est plus seulement d’innover, mais d’encadrer cette innovation par des politiques et réglementations intégrant pleinement la responsabilité environnementale.
Raphaël Zagury est Managing Director, Sales & Go-To-Market France chez NTT DATA
