Si l’IA générative consomme autant d’énergie, c’est parce qu’elle repose sur une chaîne industrielle lourde et terriblement énergivore. Une vaste étude publiée en octobre par l’association The Shift Project tire la sonnette d’alarme : la vague IA entraîne un besoin colossal d’infrastructures et de GPU dont la fabrication, l’alimentation et le refroidissement creusent une empreinte carbone exponentielle.
En cause, notamment, les données d’entraînement, le carburant de ces modèles. Car plus elles sont nombreuses, plus le modèle est supposément intelligent, mais plus l’énergie nécessaire pour l’entraîner explose. Les chiffres sont exorbitants : « On travaille sur des données qui dépassent les 100 téraoctets, parfois plus de 1 000 », rappelle Ludovic Moulard, membre du Shift Project et directeur développement durable du cabinet fifty-five, dans un entretien accordé à Presse-citron. À titre de comparaison, les anciens systèmes de machine learning tournaient souvent sur quelques gigas, voire 10 ou 20 téraoctets.
Une fois le modèle déployé, chaque réponse générée, ce qu’on appelle l’inférence, active des processeurs surpuissants qui chauffent et requièrent d’importantes capacités de refroidissement, amplifiant encore la consommation d’électricité. Pire encore, ce matériel se trouve souvent dans des zones où l’énergie reste très carbonée, à l’instar des États-Unis.
Un impact massif, mais presque impossible à mesurer
Et même lorsqu’on veut mesurer l’empreinte carbone exacte de l’IA, on se heurte à un mur. Le rapport du Shift Project consacre d’ailleurs un chapitre entier à ce manque criant de données, qui empêche d’évaluer correctement les émissions réelles de l’IA.
Cela est en partie dû à l’opacité totale des entreprises d’IA. « La plupart des fournisseurs sont privés et ne partagent pas combien de fois un modèle a été entraîné, sur quelles machines, ni avec quel mix électrique », déplore Agathe Gourhannic, consulting manager chez fifty-five.
De même, la phase d’entraînement, qui concentre près de la moitié de l’énergie nécessaire à l’IA générative, est presque entièrement opaque. « Même sur les modèles open source, ce n’est pas simple, parce qu’on ne sait pas forcément combien de versions précédentes ont été entraînées, ni ce qu’elles ont consommé », illustre l’experte. Idem avec l’inférence : lorsqu’un utilisateur envoie une requête à un service comme ChatGPT, personne ne peut réellement mesurer ce qu’il se passe dans le data center.
Des défaillances de transparence qui peuvent aussi toucher les États. « En France, on n’est même pas capables de recenser précisément les data centers qu’on a sur le territoire », pointe Ludovic Moulard. Comment espérer quantifier l’impact de l’IA dans un tel flou ?
Le réseau électrique déjà sous pression
La problématique est d’autant plus accentuée par l’adoption absolument massive de cette technologie. En deux mois seulement, ChatGPT a dépassé les 100 millions d’utilisateurs actifs, devenant l’application grand public à la croissance la plus rapide de l’Histoire, bien avant TikTok qui tenait jusqu’alors le record. « Ça montre bien à quel point ce sujet est un engouement sans précédent du grand public », observe Ludovic Moulard.
Pour les entreprises, il est impossible de rester à l’écart, la peur de « rater le train » s’avérant cruciale dans le milieu professionnel. « Beaucoup ne veulent pas parler de l’impact environnemental, par crainte que cela freine l’adoption de l’IA », confirme Agathe Gourhannic. En conséquence, on déploie massivement, parfois sans même se demander pourquoi.
C’est une dynamique bien connue dans le secteur numérique : l’effet d’offre et l’effet d’usage. Plus les géants de l’IA déploient de nouvelles capacités, plus ils créent mécaniquement de nouveaux usages. Et il faut construire des infrastructures pour y répondre. « C’est un vrai cercle vicieux », remarque l’experte.
Le système électrique, lui, ne suit pas. Le rapport du Shift Project estime que les centres de données pourraient représenter jusqu’à deux fois les émissions annuelles de la France d’ici à 2035. Et certains pays ont déjà atteint leurs limites, à l’image de l’Irlande en 2023. De même, aux États-Unis, la hausse des coûts de l’énergie est attribuable à l’explosion de l’IA.
Autre problème, cette frénésie de calcul siphonne l’électricité bas-carbone indispensable à d’autres secteurs clés de la transition écologique, comme l’industrie, le transport ou la production d’acier décarboné. « Pour sortir des énergies fossiles, on a besoin d’électricité bas-carbone », insiste Ludovic. Si l’IA capte une part croissante de cette ressource, elle risque de ralentir, voire d’entraver, les efforts climatiques mondiaux.
Il faudra sans doute renoncer à certains usages
Le constat du Shift Project est sans appel : il faudra très probablement renoncer à certains usages de l’IA. Car les prompts lancés mécaniquement et la production de contenus à la chaîne, parfois sans réels intérêts derrière, font exploser la consommation d’énergie pour un bénéfice minime. « La vraie question, c’est pourquoi ? Quel problème voulez-vous résoudre ? », rappelle Agathe Gourhannic.
C’est précisément pour aider à faire ce tri que fifty-five, Brandtech Group et Scope3 ont publié un calculateur open source. Il permet de saisir une tâche et d’estimer son empreinte carbone selon le modèle exploité. « Ça peut aider les utilisateurs à comprendre l’impact réel de ce qu’ils font, et à l’utiliser de manière plus raisonnée », explique Agathe.
Il est, malgré tout, bon de rappeler que l’IA peut aussi faire avancer les choses dans des domaines où les bénéfices sociétaux compensent la dépense énergétique, comme la santé, le climat ou la recherche en général. Mais les modèles doivent être calibrés, adaptés, et entraînés dans de bonnes conditions.
Le Shift Projet suggère également de fixer des budgets électriques aux centres de données. « On pourrait définir le niveau d’électricité qu’on met à disposition, et ne pas aller au-delà », résume Ludovic Moulard. Encore faut-il que la question soit sérieusement étudiée par nos décideurs, à l’heure où les investissements colossaux dans les infrastructures se multiplient.
- L’IA générative consomme des quantités d’énergie gigantesques, portées par des modèles entraînés sur des centaines de téraoctets et des GPU très énergivores.
- Le Shift Project alerte : son empreinte carbone pourrait atteindre l’équivalent de deux fois les émissions annuelles de la France d’ici 2035.
- Sans limites claires ni renoncement aux usages inutiles, l’IA risque de devenir un frein direct à la transition écologique.
📍 Pour ne manquer aucune actualité de Presse-citron, suivez-nous sur Google Actualités et WhatsApp.
