{"id":26368,"date":"2026-06-12T08:27:34","date_gmt":"2026-06-12T06:27:34","guid":{"rendered":"https:\/\/www.ades-grenoble.org\/wordpress\/?p=26368"},"modified":"2026-06-12T08:27:34","modified_gmt":"2026-06-12T06:27:34","slug":"intelligence-artificielle-generative-quels-defis-environnementaux","status":"publish","type":"post","link":"https:\/\/www.ades-grenoble.org\/wordpress\/2026\/06\/12\/intelligence-artificielle-generative-quels-defis-environnementaux\/","title":{"rendered":"Intelligence artificielle g\u00e9n\u00e9rative : quels d\u00e9fis environnementaux ?"},"content":{"rendered":"
\n
\"\"<\/figure>\n<\/div>\n\n\n

L\u2019Arcep (Autorit\u00e9 de r\u00e9gulation des communications \u00e9lectroniques, des postes et de la distribution de la presse)\u00a0vient de publier une note concernant l\u2019\u00e9valuation de l\u2019empreinte environnementale de l\u2019IA g\u00e9n\u00e9rative<\/a>.<\/p>\n\n\n\n

Les donn\u00e9es disponibles sur l\u2019impact environnemental de l\u2019IA g\u00e9n\u00e9rative restent \u00e0 ce jour tr\u00e8s limit\u00e9es, notamment du fait d\u2019un manque de transparence des acteurs : 84 % des mod\u00e8les d\u2019IA ne font l\u2019objet d\u2019aucune information environnementale. Une meilleure mesure de l\u2019impact environnemental de l\u2019IA sur l\u2019ensemble de la cha\u00eene de valeur n\u00e9cessite d\u2019utiliser des m\u00e9thodologies robustes, fiables (multi-crit\u00e8res, multi-composants, multi-\u00e9tapes) et harmonis\u00e9es, pour permettre la comparabilit\u00e9 des mod\u00e8les et des services. Des m\u00e9thodologies par analyse de cycle de vie (ACV) standardis\u00e9es et reconnues \u00e0 l\u2019international existent d\u00e9j\u00e0 et doivent \u00eatre mobilis\u00e9es et diffus\u00e9es, pour \u00e9viter un foisonnement des m\u00e9thodes et ainsi s\u2019appuyer sur une base commune.<\/p>\n\n\n\n

Pour contribuer \u00e0 l\u2019\u00e9valuation de l\u2019empreinte environnementale de l\u2019IA, l\u2019Arcep s\u2019est appuy\u00e9e sur les r\u00e9sultats issus de la litt\u00e9rature scientifique, compl\u00e9t\u00e9s par des travaux institutionnels ou de l\u2019industrie. Elle a \u00e9galement men\u00e9 des travaux avec le P\u00f4le d\u2019expertise de la r\u00e9gulation num\u00e9rique (PEReN), qui apportent des r\u00e9sultats in\u00e9dits sur l\u2019impact environnemental de la phase d\u2019utilisation.<\/p>\n\n\n\n\n\n\n\n

\u00ab Les \u00e9l\u00e9ments d\u2019appr\u00e9ciation de l\u2019empreinte environnementale de l\u2019IA g\u00e9n\u00e9rative recueillis distinguent les impacts par brique du num\u00e9rique (centres de donn\u00e9es, terminaux, r\u00e9seaux) puis selon les phases d\u2019entra\u00eenement et d\u2019inf\u00e9rence d\u2019un mod\u00e8le.<\/em><\/p>\n\n\n\n

L\u2019analyse par brique montre que les centres de donn\u00e9es sont la composante structurante des impacts environnementaux de l\u2019IA g\u00e9n\u00e9rative. Leur d\u00e9veloppement soul\u00e8ve notamment des questions li\u00e9es \u00e0 la consommation d\u2019\u00e9nergie et par extension aux \u00e9missions de gaz \u00e0 effet de serre qui d\u00e9pendent du mix \u00e9lectrique du pays d\u2019implantation. \u00c0 titre d\u2019illustration, en moyenne en 2024, le mix polonais poss\u00e9dait un contenu carbone 1,65 fois plus \u00e9lev\u00e9 que celui du mix irlandais et 17,6 fois plus \u00e9lev\u00e9 que celui du mix fran\u00e7ais. Il soul\u00e8ve \u00e9galement des questions li\u00e9es \u00e0 la consommation d\u2019eau et \u00e0 l\u2019artificialisation des sols. De fait, le d\u00e9veloppement de l\u2019IA est consid\u00e9r\u00e9 comme le principal facteur de croissance de la consommation \u00e9lectrique des centres de donn\u00e9es, qui pourrait doubler au niveau mondial d\u2019ici \u00e0 2030. Des grands acteurs du num\u00e9rique ont d\u2019ores et d\u00e9j\u00e0 indiqu\u00e9 que l\u2019atteinte de leurs objectifs initiaux de d\u00e9carbonation \u00e9tait compromise \u00e0 cause du d\u00e9veloppement de l\u2019IA g\u00e9n\u00e9rative et ont revu leurs objectifs \u00e0 la baisse. Au-del\u00e0 des strat\u00e9gies des acteurs industriels, la croissance de la consommation \u00e9lectrique des centres de donn\u00e9es soul\u00e8ve des enjeux \u00e0 l\u2019\u00e9chelle des nations et de leurs trajectoires de d\u00e9carbonation.<\/em><\/p>\n\n\n\n

Les effets environnementaux de l\u2019IA g\u00e9n\u00e9rative li\u00e9s aux terminaux (intensit\u00e9 \u00e9nerg\u00e9tique d\u2019utilisation des services d\u2019IA g\u00e9n\u00e9rative potentiellement plus \u00e9lev\u00e9e et risque de renouvellement des terminaux) et aux r\u00e9seaux (capacit\u00e9s a priori suffisantes \u00e0 court terme mais des interrogations \u00e0 moyen terme) sont encore incertains.<\/em><\/p>\n\n\n\n

L\u2019analyse par phase montre que l\u2019impact environnemental de l\u2019entra\u00eenement des mod\u00e8les d\u00e9pend principalement de leur taille (nombre de param\u00e8tres), du mix \u00e9lectrique et du mat\u00e9riel utilis\u00e9 (puces, serveurs). Elle rel\u00e8ve \u00e9galement que le nombre de mod\u00e8les et leur taille n\u2019ont cess\u00e9 de cro\u00eetre.<\/em><\/p>\n\n\n\n

Les impacts environnementaux de la phase d\u2019inf\u00e9rence sont moins document\u00e9s mais pourraient devenir un enjeu significatif en raison de la croissance des usages. Pour enrichir l\u2019analyse, des travaux in\u00e9dits ont \u00e9t\u00e9 r\u00e9alis\u00e9s par le PEReN sur la consommation \u00e9lectrique des prompts (requ\u00eates). Ils montrent qu\u2019en phase d\u2019inf\u00e9rence, les plus grands mod\u00e8les sont toujours les plus consommateurs d\u2019\u00e9nergie mais aussi que des mod\u00e8les de tailles tr\u00e8s diff\u00e9rentes peuvent avoir la m\u00eame consommation \u00e9nerg\u00e9tique. En outre, certains mod\u00e8les qui consomment moins sont capables de fournir des r\u00e9ponses aussi pertinentes que des grands mod\u00e8les. Limiter la consommation \u00e9nerg\u00e9tique ne revient donc pas n\u00e9cessairement \u00e0 faire des compromis sur la performance du mod\u00e8le. Les tests r\u00e9alis\u00e9s mettent \u00e9galement en \u00e9vidence que des techniques d\u2019optimisation et de compression permettent des gains \u00e9nerg\u00e9tiques significatifs en phase d\u2019inf\u00e9rence.<\/em><\/p>\n\n\n\n

Nos recommandations afin de rendre le d\u00e9veloppement de l\u2019IA compatible avec les limites plan\u00e9taires<\/em><\/p>\n\n\n\n

Afin de s\u2019assurer que l\u2019IA et ses infrastructures se d\u00e9ploient dans des conditions compatibles avec les limites plan\u00e9taires et permettant aux g\u00e9n\u00e9rations futures de b\u00e9n\u00e9ficier de son potentiel, l\u2019Arcep formule quatre axes d\u2019actions couvrant neuf recommandations. Ces recommandations s\u2019articulent avec le cadre l\u00e9gislatif europ\u00e9en, en vigueur ou \u00e0 venir<\/em><\/p>\n\n\n\n

Axe 1 : Am\u00e9liorer la mesure et la connaissance de l\u2019impact environnemental de l\u2019IA<\/em><\/p>\n\n\n\n