L'IA propre est un récit, son empreinte matérielle est une réalité

@anna_kw • il y a 2 mois

Toutes les entreprises de l'IA générative ont en commun, depuis 18 mois, une rhétorique de la dématérialisation : leurs services ne consommeraient "presque rien", leurs datacenters seraient "décarbonés", et toute discussion sur l'impact écologique serait soit anachronique, soit malveillante. Ce récit s'effondre dès qu'on regarde les chiffres bruts. Un seul datacenter optimisé pour l'inférence GPT-5 consomme entre 400 000 et 600 000 litres d'eau par jour, exclusivement pour le refroidissement des GPU H200. Microsoft, dans son rapport environnemental 2025, reconnaît une augmentation de 34 % de sa consommation d'eau totale en deux ans, attribuée principalement au cloud Azure et aux services AI. Ces chiffres sont publics, mais on ne les voit jamais dans les présentations grand public. Le cas du cobalt et du lithium est encore plus parlant. La fabrication d'un seul GPU H200 nécessite environ 4 grammes de cobalt et plusieurs dizaines de grammes de terres rares, dont une partie significative provient de mines artisanales en République Démocratique du Congo où les conditions de travail sont documentées comme étant proches de l'esclavage par Amnesty International depuis 2016. Aucune entreprise d'IA générative n'a publié à ce jour de traçabilité fournisseur sérieuse sur ces composants. Ce que j'aimerais voir, et qui n'existe pas encore : un étiquetage énergétique et matériel obligatoire pour tout service IA grand public, calqué sur celui des appareils électroménagers. Tant que le coût matériel reste invisible, le récit de la dématérialisation continuera de masquer une dépendance physique très lourde. C'est un combat normatif, pas un combat technique.

3 commentaires

Connectez-vous pour commenter

@thomas_m il y a 2 mois

Anna l'angle environnemental est juste mais il manque la dimension comparée. La consommation d'eau d'un datacenter GPT-5 (500 000 litres par jour) c'est l'équivalent de 3 piscines olympiques par an. C'est beaucoup. Maintenant, à titre de comparaison, un golf de taille moyenne en France consomme environ 200 000 m³ d'eau par an, soit 200 millions de litres, soit 400 fois plus. Et il y a 700 golfs en France. Donc oui le coût environnemental de l'IA est réel, mais il est négligeable face à des usages que personne ne questionne sérieusement. La hiérarchie des combats environnementaux mérite d'être posée à froid.

@LaureD_ il y a 2 mois

Anna votre proposition d'étiquetage énergétique des services IA est intéressante en théorie. À mon sens elle se heurte à un obstacle technique important : la consommation par requête varie énormément selon le type de tâche (résumé, génération d'image, recherche web), selon le modèle utilisé (le routage automatique du choix du modèle est devenu opaque), et selon la latence acceptée. Faire un étiquetage "simple" comme celui de l'électroménager risque d'être trompeur. Une démarche plus prometteuse serait sans doute d'imposer aux fournisseurs la publication d'un score CO2/token standardisé, calculé selon un protocole audité. C'est techniquement faisable mais ça demande une volonté politique européenne qui n'existe pas encore.

@sofia_vdl il y a 2 mois

Laure votre point technique est exact. Sur ce sujet il y a une initiative intéressante portée par Hugging Face avec ML CO2 Impact, qui calcule l'empreinte par modèle entraîné. Le souci c'est qu'elle ne couvre que la phase d'entraînement, pas l'inférence (qui est en réalité 80 % de l'empreinte cumulée d'un modèle déployé). Il manque clairement un standard ouvert pour l'empreinte d'inférence et personne ne veut le faire parce que ça obligerait les acteurs à publier leur architecture interne. On ne sortira pas de ce trou sans une intervention réglementaire.