Utiliser l’IA quand la planète brûle : faut-il culpabiliser ?

Cet été encore, les images de forêts en flammes sont difficiles à regarder.

En juillet 2026, les incendies en Gironde ont entraîné l’évacuation de plus de 200 000 habitants et vacanciers. Des maisons et des biens personnels ont également été détruits.

Ces événements rendent les conséquences du changement climatique beaucoup plus concrètes pour beaucoup d’entre nous.

Il est logique que cela nous interroge aussi sur nos propres usages.

En tant que chef d’entreprise, on vous presse d’utiliser l’intelligence artificielle, et peut-être vous posez-vous désormais cette question :

Est-il raisonnable d’utiliser l’IA alors que les centres de données consomment toujours plus d’énergie et d’eau ?

Pour un dirigeant de TPE ou de PME, le dilemme est réel.

L’IA peut faire gagner du temps, faciliter certaines analyses, améliorer le service client ou réduire des tâches répétitives.

Mais son fonctionnement repose sur une infrastructure bien matérielle : centres de données, serveurs, processeurs, réseaux électriques, systèmes de refroidissement et matières premières.

Oui, l’IA a un impact environnemental

Selon l’Agence internationale de l’énergie (AIE), la consommation électrique mondiale des centres de données pourrait plus que doubler entre 2022 et 2030, pour atteindre environ 945 térawattheures par an.

L’essor de l’IA serait le principal moteur de cette progression.

Les émissions indirectes des centres de données sont aujourd’hui estimées à environ 180 millions de tonnes de CO₂ par an. Elles pourraient atteindre environ 300 millions de tonnes en 2035 dans le scénario central de l’AIE, et jusqu’à 500 millions dans un scénario de développement accéléré.

À cette consommation d’électricité s’ajoute un autre enjeu souvent moins visible : l’utilisation de l’eau. Les centres de données ont besoin de systèmes de refroidissement pour éviter la surchauffe des serveurs. Une partie de ces installations repose sur des procédés dits « évaporatifs », qui consomment directement de l’eau douce.

Selon plusieurs études académiques et rapports d’entreprises du secteur, l’empreinte hydrique des centres de données peut être significative : on parle de centaines de milliers de litres d’eau mobilisés pour l’entraînement de certains grands modèles d’IA, et de volumes importants également pour les usages quotidiens (inférence, requêtes, stockage). Des indicateurs comme le Water Usage Effectiveness (WUE) sont désormais utilisés pour mesurer cette pression.

Dans certains territoires déjà soumis au stress hydrique, les besoins en eau des centres de données soulèvent des inquiétudes concernant la concurrence avec les usages domestiques, agricoles et industriels. Les conséquences dépendent toutefois fortement du système de refroidissement et du contexte local.

Il est donc important de garder en tête que le numérique n’est pas immatériel. Chaque requête mobilise des infrastructures. Chaque contenu généré a un coût pour la nature, même si celui-ci reste invisible pour l’utilisateur.

Faut-il pour autant se passer complètement de l’IA ?

Il est aujourd’hui très difficile de connaître précisément l’empreinte d’une demande adressée à un outil d’IA.

Elle dépend du modèle utilisé, de la longueur de la réponse, du matériel mobilisé, du lieu de traitement et du mix électrique.

Surtout, toutes les requêtes ne produisent pas la même valeur.

Générer trente variantes d’une image qui ne sera jamais utilisée n’a pas la même pertinence qu’analyser un dossier complexe, éviter un déplacement ou réduire des pertes de matières.

La bonne question n’est donc pas seulement : combien consomme cette requête ?

Elle est plutôt : le résultat obtenu justifie-t-il les ressources mobilisées ?

Tous les problèmes n’ont pas besoin d’IA

L’une des meilleures façons de limiter l’impact d’un projet consiste à vérifier si l’intelligence artificielle est réellement nécessaire.

Créer automatiquement une fiche client après la validation d’un formulaire ne demande généralement pas d’IA.

Envoyer une alerte lorsqu’une date approche non plus.

Calculer un montant, déplacer un document ou mettre à jour un statut peuvent être gérés par une automatisation classique.

L’IA devient intéressante lorsqu’il faut interpréter une information, gérer une ambiguïté ou analyser des données complexes.

Par exemple :

• comprendre le contenu d’un e-mail ;
• résumer un document ;
• classer une demande client ;
• extraire des informations dispersées ;
• préparer une réponse personnalisée.

La solution la plus pertinente est donc souvent hybride. L’automatisation classique prend en charge les étapes prévisibles. L’IA intervient uniquement là où sa capacité d’interprétation apporte une véritable valeur.

Cette approche est généralement plus fiable, moins coûteuse et plus sobre qu’un agent autonome chargé de tout le processus.

De la culpabilité au discernement

Si un dirigeant de TPE-PME ne contrôle ni la conception des processeurs ni le mix électrique mondial, il peut en revanche agir sur ses choix :

• limiter les contenus générés sans finalité ;
• éviter de multiplier inutilement les variantes ;
• choisir la solution la plus simple ;
• réserver l’IA aux tâches qui nécessitent réellement une interprétation ;
• mesurer les bénéfices obtenus ;
• arrêter les usages qui ne produisent aucun résultat concret.

Il faut aussi remettre l’empreinte de l’IA dans son contexte.

Pour une entreprise, les principaux postes d’émissions de CO₂ se trouvent souvent dans les déplacements, le chauffage, les achats, le transport des marchandises, les équipements ou les matières premières.

L’IA peut justement aider à mieux les piloter en optimisant les trajets, en réduisant les surstocks ou en améliorant l’efficacité énergétique des bâtiments. Elle peut aussi permettre de mieux anticiper les besoins et donc d’éviter certains gaspillages en amont.

Sept questions avant d’utiliser l’IA

Avant de déployer une solution, un dirigeant doit se demander :

1. Quel problème précis voulons-nous résoudre ?
2. Ce problème mérite-t-il réellement d’être traité ?
3. Peut-on supprimer ou simplifier une étape ?
4. Une automatisation classique serait-elle suffisante ?
5. Où l’IA apporte-t-elle une valeur spécifique ?
6. Quel résultat mesurable attendons-nous ?
7. Comment éviterons-nous la multiplication des usages inutiles ?

Ne pas utiliser plus de technologie que nécessaire

Vous n’avez pas à choisir entre utiliser l’IA sans limites et y renoncer entièrement.

La vraie question est la suivante :

Cet usage apporte-t-il une valeur suffisante pour justifier les ressources financières, humaines et environnementales qu’il mobilise ?

Parfois, la réponse sera oui.

L’IA pourra réduire des pertes, éviter des déplacements, améliorer une décision ou libérer du temps pour une activité plus utile.

Parfois, une règle simple, une meilleure organisation ou une automatisation classique feront aussi bien.

Et parfois, le résultat recherché ne mérite tout simplement pas d’être produit.

La sobriété ne consiste pas à refuser la technologie.

Elle consiste à ne pas utiliser plus de technologie que nécessaire.

Face à l’urgence climatique, nous avons besoin d’innovation.

Mais nous avons tout autant besoin de discernement.

Avant de construire l’outil, clarifions le problème. Avant de généraliser l’usage, vérifions sa valeur.