Quel est l’effet actuel de l’IA sur l’environnement ?

L’IA accroît la demande de centres de données, de puces spécialisées, d’électricité et de refroidissement. Cette expansion peut augmenter les émissions de carbone, consommer de l’eau et accroître la pression sur les réseaux locaux et les chaînes d’approvisionnement. Dans le même temps, l’IA est utilisée pour prévoir les énergies renouvelables, détecter les fuites et optimiser les systèmes énergétiques. Les coûts sont certains ; l’ampleur de la demande future et les avantages nets de nombreuses applications restent incertains.

Les données publiques actuelles mesurent généralement des centres de données ou des opérations d’entreprise dans leur intégralité, et non pas uniquement l’IA. Cela permet de décrire la direction avec confiance mais pas d’attribuer chaque changement à l’IA. Les affirmations selon lesquelles l’IA est déjà soit une catastrophe environnementale, soit une solution climatique automatique sont en avance sur les preuves.

L’électricité des centres de données augmente

Le Agence internationale de l'énergie estime que les centres de données ont utilisé environ 415 térawattheures en 2024, soit environ 1.5% de l’électricité mondiale. Cela inclut le stockage, le streaming, l’informatique d’entreprise et d’autres services ainsi que l’IA.

Dans son scénario de base, l’AIE prévoit environ 945 TWh d’ici 2030. Les serveurs accélérés, principalement grâce à l’adoption de l’IA, représentent près de la moitié de l’augmentation nette. Ses cas de haute efficacité et de croissance plus lente sont plus faibles ; un cas d’expansion rapide de l’IA est plus élevé. La portée est importante car personne ne connaît avec précision l’adoption future, l’efficacité des puces ou les contraintes d’infrastructure.

L’effet immédiat est inégal. Les centres de données se concentrent dans des régions particulières, de sorte qu'une nouvelle demande peut constituer un problème majeur de planification du réseau au niveau local, même si le pourcentage mondial semble modeste.

La nouvelle demande a une offre d’énergie mixte

Le résultat carbone dépend des générateurs qui réagissent. Le scénario de base de l’AIE prévoit que les énergies renouvelables répondront à près de la moitié de la croissance de l’électricité fournie aux centres de données entre 2024 et 2030. Le gaz naturel et le charbon fournissent ensemble plus de 40% de l’approvisionnement supplémentaire sur la même période.

Cela signifie que les investissements liés à l’IA peuvent soutenir les contrats d’énergie propre tout en prolongeant la production d’énergie fossile. Les proportions varient selon les régions : les réseaux, les délais de construction et les politiques diffèrent. Un achat annuel renouvelable ne signifie pas toujours que la demande et l’offre propre correspondent au même endroit et au même moment.

L’AIE prévoit que les émissions des centres de données liées à l’électricité culmineront à environ 320 millions de tonnes de CO2 en 2030 dans son scénario de référence. Il reste inférieur à 1% du CO2 mondial, mais il augmente alors que de nombreux secteurs doivent décliner. Lire L’impact environnemental de l’IA expliqué pour la différence entre l’énergie et le carbone.

La demande en eau devient de plus en plus visible

Le matériel IA crée une chaleur dense. De nombreuses installations utilisent le refroidissement par évaporation, qui consomme de l'eau, bien que la conception et le débit varient. La production d’électricité peut ajouter une consommation indirecte au-delà des limites du site.

Le laboratoire de Berkeley a modélisé l'efficacité de l'utilisation de l'eau d'un centre de données américain à un peu plus 0.36 litre par kWh en 2023. Il projette les changements à mesure que le refroidissement liquide et les types d'installations évoluent. Il s’agit de moyennes nationales modélisées et non de relevés de chaque opérateur.

Certaines entreprises introduisent des conceptions en boucle fermée qui évitent l’évaporation de l’eau pour le refroidissement. Cela peut réduire la consommation locale, mais « zéro refroidissement par eau » n’est pas la même chose que zéro eau dans la fabrication d’électricité et de puces. Notre guide pour comment l'IA utilise l'eau sépare ces couches.

La production et la construction de copeaux se développent

Plus d’informatique nécessite des accélérateurs, de la mémoire, des réseaux, des équipements électriques et des bâtiments. Leurs chaînes d’approvisionnement utilisent des métaux, des produits chimiques, de l’énergie et de l’eau. Le béton et l'acier ajoutent des émissions intrinsèques ; la fabrication de semi-conducteurs nécessite de l’eau ultra pure ; le vieux matériel devient une question de déchets électroniques et de réutilisation.

Cette empreinte est plus difficile à observer que la facture d’électricité d’une installation. Les rapports de développement durable des entreprises fournissent souvent les émissions totales de la chaîne d’approvisionnement, mais isoler la part causée par l’IA nécessite des hypothèses d’allocation. L’expansion rapide des infrastructures est l’une des raisons pour lesquelles l’efficacité opérationnelle ne peut à elle seule décrire l’ensemble de la tendance.

Une durée de vie plus longue du matériel, une utilisation élevée, la réutilisation des composants et des matériaux à faible teneur en carbone peuvent réduire l'impact par unité de travail. Ils doivent être signalés parallèlement aux achats et à la construction absolus, car une nouvelle génération efficace de puces peut encore accompagner une empreinte matérielle totale plus importante.

Les usages environnementaux vont au-delà des démonstrations

L’IA est déjà utilisée pour la prévision météorologique, la prévision de puissance, la maintenance des équipements et la détection des fuites de méthane. Le Avis de l'AIE une gamme d'applications qui peuvent réduire la consommation de carburant, les pertes et les temps d'arrêt.

L’effet net n’est pas automatique. Un modèle a besoin de données, de matériel et d’intégration, et il doit changer une véritable décision. Les avantages doivent être comparés aux logiciels conventionnels ou aux améliorations opérationnelles et mesurés après le déploiement. La mise à l’échelle peut également provoquer un rebond si la baisse des coûts encourage davantage d’activité.

Il est donc raisonnable de dire que l’IA peut aider l’environnement, mais il ne faut pas ajouter toutes les économies théoriques d’un côté du grand livre tout en ignorant les infrastructures de l’autre. Notre article L'IA est-elle bonne pour l'environnement ? propose un test basé sur des contrefactuels et des résultats observés.

Que surveiller dans les prochaines années

Les indicateurs les plus révélateurs seront la demande absolue d’électricité, la production construite pour la desservir, la consommation d’eau dans les bassins hydrographiques soumis à des contraintes et les rapports sur le cycle de vie des puces et de la construction. L'efficacité par requête est importante, mais le volume peut la submerger.

Surveillez les informations spécifiques à la charge de travail. Les totaux « Cloud » brouillent les services IA et non IA ; les estimations au niveau du modèle omettent les bâtiments et les capacités inutilisées. Les deux ont de la valeur s’ils sont clairement délimités. La politique relative aux connexions au réseau, aux permis d’eau et à la déclaration des émissions déterminera ce que les opérateurs doivent révéler.

Au niveau de l'utilisateur, préférez le plus petit modèle qui termine le travail et évitez la génération inutile de contextes ou de médias longs. Treechat Les reçus de suivent un modèle basé sur méthodologie; ce sont des estimations, pas des mesures réelles des installations. La réponse plus large à à quel point l'IA est vraiment mauvaise dépendra moins d’une seule invitation que de l’infrastructure et des normes actuellement choisies.