Patrice Geoffron, Université Paris Dauphine – PSL
Menace ou opportunité, telle est la question concernant l’impact de l’intelligence artificielle sur l’environnement. Si cette technologie est terriblement énergivore, elle offre aussi des outils pour mieux utiliser et optimiser la consommation des ressources naturelles. Laquelle de ces deux forces l’emportera ? La stratégie adoptée par les grands ensembles continentaux (États-Unis, Chine et Union européenne) dépend en partie de la réponse apportée à la question. Qui a fait le bon choix ?
Cet article est publié dans le cadre du partenariat les Rencontres économiques d’Aix–The Conversation. L’édition 2025 de cet événement a pour thème « Affronter le choc des réalités ».
L’intelligence artificielle pousse encore d’un cran le dilemme classique des technologies de l’information : alors que s’annonce une explosion de la demande électrique liée à cette famille de technologies, l’IA s’affirme dans le même temps comme une « boîte à outils » pour la lutte contre le changement climatique. La voie est étroite entre la tentation de vouer l’IA aux gémonies (au regard de son empreinte en énergie, eau, matières premières, espaces…) et l’espérance d’un technosolutionnisme en considérant la multiplicité de ses usages climatiques. Tentons d’esquisser un chemin entre ces deux écueils.
Selon l’Agence internationale de l’énergie (AIE), la demande d’électricité des centres de données devrait plus que doubler d’ici à 2030 pour tendre vers les 1000 térawattheures (TWh), l’équivalent de la consommation totale du Japon. Le FMI présente des projections encore plus alarmistes, considérant que les besoins en électricité induits par les usages de l’IA pourraient pousser ces consommations jusqu’à 1500 TWh, surpassant toutes autres sources de demande émergentes (véhicules électriques compris) et avoisinant la demande électrique de l’Inde.
Plus de charbon : un retour vers le futur énérgétique
Cette poussée pourrait ajouter 1,7 Gt aux émissions mondiales de gaz à effet de serre (GES) entre 2025 et 2030. Anticipant cette pression, le président des États-Unis,Donald Trump a signé en avril 2025 une série de quatre décrets destinés à doper les usages du charbon, justifiant cette décision par la nécessité de répondre à l’essor de l’IA (dans le contexte d’un « état d’urgence énergétique », déclaré dès janvier). Alors que les États-Unis avaient franchi pour la première fois en mars 2025 le seuil symbolique de moins de 50 % d’électricité fossile, l’IA risque d’inverser cette tendance.
En outre, si l’adaptation des moyens de production (notamment renouvelables) et des infrastructures de transport et de distribution devait ne pas suivre au bon rythme, une hausse des prix de l’électricité en résulterait mécaniquement, frappant ménages et entreprises. Aux États-Unis, cette hausse pourrait atteindre 10 % en 2030.
Certes, l’émergence de modèles d’IA plus sobres, tels que DeepSeek, fait planer un voile d’incertitude sur ces scénarios prospectifs, car les améliorations algorithmiques tendent à réduire les besoins en calcul et la demande en électricité. Mais, cette incertitude risque aussi de retarder des investissements cruciaux en électricité décarbonée, et de concourir à exploiter les centrales thermiques et à pousser les prix à la hausse.
Une profusion d’expérimentations orientées vers l’action climatique
En contrepoint, un rapide inventaire permet de dévoiler un foisonnement d’applications susceptibles de contribuer à l’action climatique ou de mieux anticiper les dérèglements à venir.
L’IA améliore tout d’abord les prévisions météorologiques et climatiques. Le Centre européen de prévision estime que la précision de ses modèles IA dépasse celle des modèles classiques de 20 %. Météo-France a développé un modèle à échelle régionale, utile également pour simuler les climats futurs. GraphCast de Google DeepMind surpasse les systèmes officiels de 20 à 25 % pour la prévision de trajectoires cycloniques, tandis qu’Aurora, soutenu par Microsoft, améliore le suivi des phénomènes extrêmes.
Dans le secteur de l’énergie, l’IA transforme la gestion des systèmes complexes. L’optimisation des réseaux électriques permet une prévision de la demande et de l’offre énergétiques plus précise, réduit les pertes et détecte les pannes. En Allemagne, des projets pilotes ont démontré que l’IA pouvait diminuer les congestions réseau de 40 %, évitant des investissements en infrastructure. Ce potentiel vaut aussi pour les systèmes de transport, avec une optimisation de la circulation en se basant sur les données issues de capteurs, caméras et systèmes GPS. Les Advanced Traffic Management Systems (ATMS) régulent ainsi les feux de signalisation pour fluidifier le trafic tout en diminuant les émissions de CO2 associées aux arrêts et redémarrages fréquents.
Stratégies de fertilisation adaptées
L’IA en agriculture de précision améliore l’utilisation des ressources en analysant les données de sol, météorologiques et de culture pour recommander des stratégies de fertilisation ciblées. L’analyse des niveaux d’humidité et de la disponibilité des nutriments permet de recommander des stratégies de fertilisation adaptées. Des prévisions météorologiques affinées guident les programmes d’irrigation et de plantation, surveillant également la santé des cultures via l’imagerie satellitaire et des capteurs pour prévenir les maladies ou carences nutritionnelles.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Dans la gestion de l’eau, les algorithmes d’IA analysent les données historiques, intègrent les informations météorologiques en temps réel et les conditions opérationnelles pour optimiser les performances des pompes, vannes et autres équipements critiques. En ajustant dynamiquement les débits, dosages chimiques et cycles de filtration, l’IA minimise la consommation d’énergie, tout en respectant les normes de qualité.
Action en faveur de la biodiversité
L’IA joue aussi un rôle croissant dans la conservation de la biodiversité. Les modèles d’apprentissage automatique entraînés sur l’imagerie satellite et l’ADN environnemental peuvent répertorier la répartition des espèces avec une précision inégalée. Le projet Allen Coral Atlas cartographie ainsi les récifs coralliens et détecte leur blanchissement, augmentant l’efficacité des mesures de conservation. En foresterie, OCELL développe des jumeaux numériques pour améliorer la gestion forestière. Dans la conservation marine, l’IA a permis de réduire significativement le risque de collisions entre navires et baleines, une cause majeure de mortalité des cétacés.
Pour éviter un effet catalogue, on mentionnera simplement les perspectives en économie circulaire, à la fois pour améliorer le tri des déchets et pour développer des produits plus faciles à réparer, recycler et réutiliser.
IA frugale : des perspectives au-delà de l’oxymore ?
Face à cette dualité, des efforts sont déployés pour esquisser le contour d’une IA frugale, soit une approche systémique combinant efficacité matérielle, optimisation algorithmique et questionnement des usages. Les trois principes de l’IA frugale (démontrer la nécessité du recours à l’IA, adopter de bonnes pratiques environnementales et questionner les usages dans les limites planétaires) constituent un cadre pour guider l’action. https://www.youtube.com/embed/zKVVaVoT0QA?wmode=transparent&start=0 France 24 – 2024.
La stratégie nationale française, dans sa troisième phase lancée en 2025, érige l’IA frugale en boussole. Cette approche vise à minimiser les besoins en ressources matérielles et énergétiques tout en garantissant la performance des systèmes d’IA. Le référentiel général pour l’IA frugale (AFNOR Spec 2314), élaboré par Ecolab avec plus d’une centaine d’experts, propose des méthodologies concrètes pour mesurer et réduire l’impact environnemental des projets.
Souverain et durable
L’Union européenne déploie un plan d’action pour devenir “le continent de l’IA”. Cette approche européenne privilégie une régulation fondée sur les risques, classant les systèmes d’IA selon leur niveau de dangerosité. Les futures giga-usines d’IA visent à développer une [infrastructure souveraine],tout en intégrant des critères de durabilité.
De son côté, la Chine coordonne le développement des centres de données avec ses infrastructures d’énergies renouvelables. Le plan d’action publié en juin 2025 par l’Administration nationale de l’énergie prévoit d’implanter les centres de données dans des régions riches en ressources renouvelables comme le Qinghai, le Xinjiang et le Heilongjiang. Cette stratégie s’appuie sur la capacité chinoise à déployer rapidement de nouvelles capacités électriques : en 2024, la Chine a ajouté 429 GW de nouvelles capacités de production, soit plus de 15 fois celles des États-Unis sur la période.
Une déréglementation totale
Ce qui, à l’évidence, ne constitue pas une préoccupation pour les États-Unis qui ont adopté une approche résolument pro-innovation débridée sous l’administration Trump II. Cette dernière a d’ores et déjà abrogé le décret de Joe Biden sur la sécurité de l’IA, qui imposait aux entreprises de communiquer leurs données lorsque leurs programmes présentaient des “risques sérieux”.
Cette décision s’inscrit dans une logique de déréglementation totale et « un développement de l’IA fondé sur la liberté d’expression et l’épanouissement humain ». Aux antipodes, dans ce domaine également, de l’approche de l’UE avec son IA Act.
Patrice Geoffron, Professeur d’Economie, Université Paris Dauphine – PSL
Cet article est republié à partir de The Conversation sous licence Creative Commons. Lire l’article original.
