Pourquoi cet avis
L'ADEME souhaite replacer les impacts environnementaux au centre du débat sur l'intelligence artificielle générative.
L'intelligence artificielle générative s'est installée dans les entreprises, les administrations et les usages quotidiens à une vitesse rarement observée. Mais derrière chaque réponse générée se trouvent des serveurs, des centres de données, des réseaux, de l'eau, de l'énergie et des équipements électroniques. L'ADEME formule plusieurs recommandations pour éviter que l'IA ne devienne un usage automatique sans que son utilité réelle soit questionnée.
La simplicité d'utilisation des outils d'intelligence artificielle masque une infrastructure complexe. Pour produire une réponse, un service d'IA mobilise des centres de données, des processeurs spécialisés, des réseaux, des espaces de stockage, des systèmes de refroidissement et des modèles préalablement entraînés.
L'ADEME souhaite replacer les impacts environnementaux au centre du débat sur l'intelligence artificielle générative.
Mesurer les impacts sur tout le cycle de vie, appliquer les principes de l'IA frugale et vérifier qu'une IA est réellement nécessaire.
Les utilisateurs devraient pouvoir désactiver facilement les fonctionnalités d'IA intégrées par défaut dans les services numériques.
L'Agence ne demande pas d'interdire l'IA. Elle demande que son usage soit justifié, proportionné et mesurable.
L'intelligence artificielle générative n'est pas un service immatériel. Son fonctionnement nécessite la fabrication de serveurs, l'extraction de métaux, l'entraînement de modèles, le stockage de données, leur transfert et l'alimentation électrique de centres de données de plus en plus importants. Une IA plus efficace peut finalement être davantage utilisée : c'est le risque d'effet rebond.
Les impacts ne se limitent donc pas à l'électricité utilisée pendant la génération d'une réponse. Ils commencent dès l'extraction des matières premières nécessaires à la fabrication des équipements et se poursuivent jusqu'à leur renouvellement et leur fin de vie.
Pour mesurer correctement l'impact environnemental d'un modèle, il faudrait connaître sa taille, son architecture, les équipements utilisés, la durée de son entraînement, la localisation des centres de données, le mix électrique mobilisé, les consommations liées à son utilisation, les besoins en eau et le nombre total de requêtes traitées.
Or, la majorité de ces informations reste rarement publique. Les fournisseurs communiquent sur la rapidité, la précision ou les nouvelles fonctionnalités de leurs modèles, mais beaucoup moins sur leur consommation énergétique ou leur empreinte environnementale.
L'ADEME recommande donc une méthodologie commune et standardisée, afin que les entreprises, les collectivités et les particuliers puissent comparer les services sur des bases cohérentes.
Mistral AI s'est engagé dans une analyse du cycle de vie de ses modèles, avec l'objectif de documenter les différentes étapes responsables de leur empreinte environnementale.
Cette démarche montre qu'il est possible de publier des indicateurs et d'ouvrir progressivement la comparaison entre modèles. Mais une étude isolée ne suffit pas à structurer l'ensemble du marché.
Comparer uniquement la consommation nécessaire à la génération d'une réponse. Cette approche oublierait la fabrication des serveurs, l'entraînement du modèle, le stockage des données, les infrastructures réseau, le renouvellement des équipements et les effets indirects liés à la multiplication des usages.
Dans l'attente d'une méthode totalement harmonisée, l'ADEME recommande aux concepteurs de services d'IA de s'appuyer sur les référentiels existants, notamment le référentiel général pour l'IA frugale élaboré par l'AFNOR.
La contribution la plus importante de cette approche se situe avant même le choix du modèle : il faut démontrer que l'intelligence artificielle constitue réellement la meilleure réponse au besoin.
Le recours à l'IA doit répondre à un objectif clairement identifié.
Un moteur de recherche classique, une base documentaire, une automatisation ou un modèle spécialisé peuvent parfois répondre au besoin avec moins de ressources.
Le modèle le plus puissant n'est pas nécessairement le plus pertinent pour une tâche simple ou répétitive.
Toutes les données n'ont pas besoin d'être collectées, stockées, dupliquées ou retraitées indéfiniment.
La performance technique doit être comparée aux impacts environnementaux et aux bénéfices réellement obtenus.
C'est une IA dont le besoin, le dimensionnement, les données et les usages ont été questionnés avant son déploiement.
L'intelligence artificielle peut contribuer à optimiser certaines consommations, détecter des anomalies, améliorer des prévisions, piloter des équipements ou analyser de grandes quantités de données.
Mais l'ADEME appelle à ne pas confondre potentiel technique et bénéfice environnemental démontré. Les applications d'optimisation reposent souvent sur des modèles spécialisés, différents des grands modèles génératifs.
Il faut comparer les impacts directs de la solution, les économies réellement obtenues, les alternatives disponibles, les effets rebonds, la durée de fonctionnement et la situation sans recours à l'intelligence artificielle.
Elle doit économiser davantage de ressources qu'elle n'en mobilise sur l'ensemble de son cycle de vie.
L'ADEME soulève également un enjeu de souveraineté. Une part importante des traitements numériques liés aux usages français est actuellement réalisée à l'étranger.
Une relocalisation de certains centres de données en France peut réduire les émissions liées au fonctionnement lorsque ces traitements remplacent des infrastructures alimentées par un mix électrique plus carboné. Elle peut aussi renforcer la maîtrise des données et des infrastructures.
Mais cette relocalisation doit s'accompagner :
Un centre de données alimenté par une électricité relativement peu carbonée peut présenter un meilleur bilan climatique qu'un centre situé dans un pays très dépendant du charbon. Cela ne signifie pas que son impact devient nul.
Les serveurs consomment de l'électricité et rejettent une part importante de cette énergie sous forme de chaleur.
Cette chaleur peut, dans certaines configurations, être récupérée pour alimenter un réseau de chaleur, des logements, des bureaux, des équipements publics ou certains procédés industriels.
Il faut un débouché compatible, suffisamment proche, régulier et durable. La valorisation doit donc être étudiée dès la conception du projet.
Moteurs de recherche, logiciels bureautiques, messageries, navigateurs et smartphones intègrent progressivement des assistants ou des résumés générés automatiquement.
Le problème est que l'utilisateur n'a pas toujours choisi de mobiliser une intelligence artificielle. Une action auparavant traitée par un service classique peut désormais déclencher une génération de texte, une synthèse, une analyse documentaire ou un traitement supplémentaire dans un centre de données.
Permettre aux utilisateurs de désactiver facilement les fonctionnalités augmentées par l'intelligence artificielle lorsqu'ils ne souhaitent pas les utiliser.
« Comment rendre toutes nos applications compatibles avec l'intelligence artificielle ? »
Pour quels usages précis l'intelligence artificielle apporte-t-elle suffisamment de valeur pour justifier les ressources qu'elle mobilise ?
Identifier les logiciels, moteurs de recherche, outils métiers, services clients et plateformes utilisant déjà une IA.
Distinguer les usages indispensables, réellement créateurs de valeur, expérimentaux, automatiques ou purement accessoires.
Rechercher une automatisation simple, une base documentaire, un moteur classique ou un modèle spécialisé.
Demander la localisation des données, les modèles utilisés, les durées de conservation, les indicateurs environnementaux et les possibilités de désactivation.
Définir les outils autorisés, les données interdites, les règles de validation humaine et les fonctions activées par défaut.
Expliquer comment choisir le bon outil, rédiger une demande précise, éviter les générations répétitives et vérifier les réponses.
Comparer le temps économisé, la qualité produite, les erreurs évitées, le coût, les ressources mobilisées et les usages réellement actifs.
Une politique d'IA responsable ne consiste pas à interdire tous les usages. Elle consiste à instaurer des arbitrages et à éviter que des systèmes particulièrement consommateurs soient mobilisés automatiquement pour des tâches qui pourraient être réalisées autrement.
Elle dépend d'abord des choix de conception, d'achat, de paramétrage et de gouvernance des organisations.
Outil rapide - EcoEvalue 360°Reliez vos usages numériques à votre trajectoire énergétique globale.
Faire le pré-diagnostic
L'avis de l'ADEME ne remet pas en cause toutes les applications de l'intelligence artificielle générative.
Il rappelle cependant qu'une technologie ne peut pas être évaluée uniquement à partir de ce qu'elle permet de faire. Il faut également regarder les infrastructures qu'elle nécessite, les ressources qu'elle consomme, les équipements qu'elle accélère et les nouveaux usages qu'elle crée.
L'intelligence artificielle générative peut apporter une valeur réelle pour certaines tâches complexes, ponctuelles ou à forte valeur ajoutée. Mais son intégration systématique dans chaque logiciel, chaque recherche et chaque interaction numérique risque d'entraîner une augmentation importante des besoins énergétiques et matériels.
Quelle tâche voulons-nous accomplir ? L'intelligence artificielle est-elle nécessaire ? Existe-t-il une solution moins consommatrice ? Quel modèle est réellement adapté ? Pouvons-nous mesurer la valeur créée ? L'utilisateur peut-il choisir de ne pas l'utiliser ?
L'enjeu n'est pas de choisir entre innovation et sobriété. Il est de développer une innovation capable de respecter des limites matérielles, énergétiques et environnementales.
Un échange pour distinguer ce qui crée de la valeur, ce qui peut être désactivé et comment mesurer les impacts réellement.
Remplissez ce formulaire, nous revenons vers vous sous 24 h ouvrées.
