Le secrétaire général de l’ONU, António Guterres, a récemment appelé à davantage de transparence concernant l’empreinte environnementale de l’intelligence artificielle. Derrière l’image lisse des algorithmes et des promesses de productivité se cache une infrastructure physique massive qui consomme des quantités importantes d’énergie et d’eau. Les centres de données nécessaires pour entraîner et faire fonctionner les modèles d’IA modernes représentent déjà environ 1 à 2 % de la consommation électrique mondiale, selon diverses estimations, et leur demande énergétique pourrait plus que doubler d’ici 2030 d’après les projections de l’Agence internationale de l’énergie. Pour refroidir ces installations, on parle de milliards de litres d’eau par an — une ressource de plus en plus rare dans plusieurs régions du globe.
Les chiffres, lorsqu’on les met bout à bout, donnent le vertige. Selon les estimations disponibles, une requête à un grand modèle de langage peut consommer plusieurs fois plus d’énergie qu’une recherche web classique, même si cette consommation varie fortement selon les modèles et les infrastructures utilisées. L’entraînement de GPT-3 aurait requis environ 1 287 mégawattheures d’électricité, soit l’équivalent de la consommation annuelle d’environ 120 foyers américains moyens. Et ce n’est qu’un modèle parmi des dizaines développés chaque année. L’essor fulgurant de l’IA générative pousse les géants technologiques à construire de nouveaux centres de données à un rythme inédit, parfois dans des régions où les réseaux électriques demeurent encore fortement dépendants des énergies fossiles. Résultat : une partie des gains environnementaux obtenus ailleurs risque d’être compromise par cette croissance rapide de la demande énergétique.
Ce que Guterres pointe du doigt, c’est un problème économique classique d’externalité négative. Les entreprises empochent les profits de l’innovation en IA — des milliards en valorisation boursière — mais une partie des coûts énergétiques, hydriques et climatiques est assumée par la collectivité. Les réseaux électriques doivent absorber ces nouvelles demandes, certaines municipalités voient leurs ressources en eau davantage sollicitées, et les émissions de GES risquent d’augmenter si l’approvisionnement énergétique repose encore sur des combustibles fossiles. C’est l’exemple même d’un marché qui fonctionne imparfaitement en l’absence de régulation adéquate : le prix payé par les acteurs ne reflète pas nécessairement l’ensemble des coûts pour la société.
Plusieurs pistes de régulation sont désormais sur la table. L’ONU pourrait recommander une déclaration obligatoire de la consommation énergétique et hydrique associée aux modèles d’IA et aux centres de données, à l’image des bilans carbone déjà exigés dans certains secteurs. Des standards minimaux d’efficacité énergétique, comparables à ceux appliqués dans d’autres industries, pourraient également être envisagés. Une tarification du carbone appliquée aux infrastructures numériques les plus énergivores forcerait les entreprises à internaliser une partie des coûts environnementaux. Enfin, des objectifs plus ambitieux en matière d’approvisionnement en énergie renouvelable pourraient accélérer la transition tout en stimulant les investissements verts.
Le débat ne fait que commencer, mais il est crucial. L’IA offre des opportunités réelles — optimisation logistique, recherche médicale, prévisions climatiques — mais elle ne peut pas devenir une nouvelle frontière d’extractivisme énergétique sans limites. La demande de transparence portée par Guterres contribue à mettre les chiffres sur la table et à poser une question essentielle : combien sommes-nous prêts à payer, collectivement, pour des systèmes d’IA toujours plus puissants? La réponse passera par des choix politiques éclairés, des mécanismes de marché corrigés et une exigence citoyenne de transparence. Sans quoi, l’intelligence artificielle risque de devenir un accélérateur involontaire de la crise climatique qu’elle prétend parfois pouvoir aider à résoudre.
