Afficher le sommaire Masquer le sommaire
Un rapport de l’ONU publié mercredi dresse un bilan environnemental alarmant de l’intelligence artificielle à l’horizon 2030 et dénonce une sous-estimation systématique de ses coûts réels.
D’ici 2030, la consommation d’eau liée à l’intelligence artificielle sera équivalente à celle de 1,3 milliard d’habitants d’Afrique subsaharienne. L’IA nécessitera près du triple de la puissance énergétique consommée chaque année par le Pakistan, le Bangladesh et le Nigeria réunis, soit 650 millions de personnes. Ses émissions de CO₂ pourraient atteindre 400 millions de tonnes équivalent, un niveau comparable à celles du Royaume-Uni. Et ses infrastructures occuperont 14 500 kilomètres carrés, le double de l’aire métropolitaine de Jakarta.
Ces chiffres figurent dans un rapport publié ce mercredi par l’Institut universitaire des Nations Unies pour l’Eau, l’Environnement et la Santé (UNU-INWEH). Ils reposent sur des projections conservatrices, c’est-à-dire sur les hypothèses de croissance les plus prudentes. Pour la seule situation actuelle, le constat est déjà saisissant : si les centres de données qui font tourner l’IA formaient un pays, leur consommation électrique atteindrait 448 térawattheures, soit un niveau équivalent à celui de la France.
A LIRE AUSSI
Mythos, l’IA trop dangereuse qu’Anthropic refuse de vendre
Une empreinte environnementale largement ignorée
Quand on parle de l’impact environnemental de l’IA, on pense d’abord aux émissions de carbone. Jusqu’ici, les analyses portaient presque exclusivement sur celles générées par l’entraînement des modèles : cette phase préalable à leur mise sur le marché durant laquelle d’immenses quantités de données sont traitées pendant plusieurs semaines, jour et nuit, pour que le système apprenne à répondre correctement. Les auteurs du rapport contestent cette approche partielle. Faire tourner un système d’IA a aussi un coût en eau et en espace, deux dimensions que la grande majorité des bilans publiés par l’industrie continuent d’ignorer.
L’empreinte hydrique désigne l’eau consommée pour refroidir les serveurs, qui chauffent en fonctionnant, ainsi que celle nécessaire à la production d’électricité. L’empreinte territoriale désigne les surfaces occupées par les infrastructures énergétiques et les chaînes d’approvisionnement en matériel informatique. Ces deux réalités physiques restent systématiquement absentes des débats publics sur l’IA.
A LIRE AUSSI
En temps de guerre, l’IA générative devient une arme sans frontières
Le mirage des énergies renouvelables
On pourrait croire que passer aux énergies renouvelables suffit à régler le problème. Ce n’est pas si simple. L’empreinte carbone des centres de données peut effectivement être réduite jusqu’à 70% en substituant la bioénergie au charbon. Mais cette même transition multiplierait par 30 la consommation d’eau et par 100 l’impact sur les terres. Autrement dit, résoudre le problème climatique de l’IA en reviendrait à aggraver ses problèmes hydriques et fonciers, souvent dans des territoires éloignés qui n’ont pas choisi d’accueillir ces infrastructures.
Les auteurs du rapport insistent sur ce point : évaluer l’impact environnemental de l’IA à travers un seul indicateur, le carbone, dissimule une partie de ses effets nocifs et les transfère ailleurs. Aucune métrique unique ne peut rendre compte honnêtement de la réalité.
L’usage quotidien, et non la fabrication, domine la consommation
Le rapport apporte une révélation contre-intuitive. Jusqu’à présent, le consensus voulait que construire un modèle d’IA, c’est-à-dire l’entraîner, soit l’étape la plus gourmande en énergie. Les données des chercheurs l’infirment. C’est en réalité son utilisation au quotidien qui représente entre 80% et 90% de la consommation énergétique totale. A chaque fois qu’un utilisateur pose une question à un chatbot, le système effectue une série de calculs complexes pour formuler une réponse : c’est ce qu’on appelle l’inférence. Multiplié par des centaines de millions d’utilisateurs chaque jour, cet usage continu pèse bien plus lourd que la fabrication initiale du modèle.
Tous les usages ne pèsent cependant pas de la même façon. Une conversation standard avec un chatbot comme ChatGPT ou Gemini consomme 200 fois plus qu’un filtrage automatique de spams. La génération d’une image de synthèse consomme 1 400 fois plus. Une courte vidéo générée par IA peut atteindre 200 000 fois la consommation d’une simple fonction de tri. Ces écarts illustrent à quel point ce que l’on fait avec l’IA détermine son impact environnemental réel, bien plus que la technologie elle-même.
Qui paie la facture ? La géographie des inégalités
Le rapport met en lumière une répartition profondément asymétrique des coûts et des bénéfices. Les nuisances se diffusent à travers le monde, les profits restent concentrés dans un petit nombre de pays.
Deux exemples concrets l’illustrent. En Irlande, dont la fiscalité avantageuse attire les sièges européens des grandes entreprises technologiques, les centres de données représentaient déjà 21% de la consommation électrique nationale en 2023, au point que le pays a dû interdire la construction de nouvelles infrastructures de ce type à Dublin. En Uruguay, des projets d’implantation d’un grand centre de données à forte consommation d’eau ont coïncidé, la même année, avec une sécheresse qui a épuisé les réserves en eau potable de Montevideo, rendant l’eau du robinet impropre à la consommation.
A l’échelle mondiale, seulement 16% des pays disposent d’infrastructures capables de traiter l’IA, et deux d’entre eux, les États-Unis et la Chine, concentrent 90% de la capacité installée. D’ici 2030, les infrastructures de l’IA généreront 2,5 millions de tonnes annuelles de déchets électroniques, principalement des processeurs obsolètes, dont une grande partie s’accumulerait dans des pays pauvres. Les bénéfices, eux, restent l’affaire d’une poignée de nations.
Ce que l’ONU demande à l’industrie
Le rapport formule des recommandations concrètes. Aux gouvernements, il demande d’exiger des opérateurs des bilans standardisés sur leur empreinte environnementale. Aux développeurs, il recommande d’adapter la taille des modèles aux tâches à accomplir : inutile de mobiliser un système très puissant, et donc très consommateur, pour répondre à une question simple. Cette logique d’efficience, couplée à davantage de transparence sur les consommations réelles, constitue le coeur des demandes adressées à l’industrie. L’UNU-INWEH le précise sans ambiguïté : ce rapport n’est pas un réquisitoire contre l’IA, mais un appel à son usage responsable, pour que cette révolution technologique se développe dans les limites que la planète peut supporter.
L’exercice se heurte à une difficulté majeure : le refus des acteurs du secteur de communiquer leurs données. Les conclusions du rapport reposent en grande partie sur des chiffres relatifs à GPT-4, un modèle lancé il y a plus de trois ans, une période considérable dans un secteur qui évolue à cette vitesse. Cette contrainte ne tient pas aux insuffisances des chercheurs, mais à l’impossibilité d’accéder aux données de consommation des systèmes actuels. Ce déficit d’information oblige les scientifiques à travailler sur des chiffres déjà obsolètes au moment de leur publication, ce qui laisse supposer que la réalité est aujourd’hui encore plus exigeante en ressources que ce que le rapport est en mesure de décrire.
