Cartographier l’empreinte carbone d’une IA, étape par étape

Un modèle d’intelligence artificielle ne se résume pas à une requête envoyée dans le nuage. Pour comprendre son coût climatique, il faut suivre les machines, l’électricité et les usages, puis rendre visibles les incertitudes.

Les chiffres circulant sur l’impact climatique de l’intelligence artificielle sont souvent difficiles à comparer. Certains portent sur l’entraînement d’un modèle, d’autres sur une seule interaction ou sur l’ensemble des centres de données d’un opérateur. Une carte rigoureuse commence donc par une question simple : quelle activité, sur quelle période, et avec quelle frontière de calcul ?

1. Définir ce que l’on veut mesurer

Avant de collecter des données, il faut préciser l’objet de l’enquête. S’agit-il d’un modèle précis, d’un service accessible au public, d’un centre de calcul ou d’une entreprise entière ? La réponse change le périmètre et les résultats. Pour un service d’IA générative, on peut distinguer l’entraînement initial, les ajustements ultérieurs, l’inférence — les réponses produites à la demande — et les équipements nécessaires au fonctionnement.

Cette délimitation évite les comparaisons trompeuses. Une estimation par requête ne représente pas automatiquement l’impact total du service : multipliée par des millions d’usages, elle peut devenir déterminante. À l’inverse, attribuer tout l’impact d’un centre de données à un seul modèle surestime sa part si les serveurs servent aussi à d’autres tâches.

2. Suivre les ressources physiques

La première couche de la carte est matérielle. Elle situe les centres de données et documente, lorsque l’information est disponible, les serveurs GPU ou autres accélérateurs mobilisés, leur nombre, leur durée d’utilisation et leur taux de charge. Les rapports d’entreprise, les études scientifiques, les documents réglementaires et les données d’opérateurs peuvent fournir des indices, mais rarement un inventaire complet.

Il faut aussi tenir compte du refroidissement et des équipements auxiliaires. Un serveur consomme de l’électricité, mais le site en utilise également pour faire circuler l’air ou l’eau, alimenter les systèmes de secours et maintenir les installations. Le ratio entre énergie totale du site et énergie informatique, parfois résumé par un indicateur d’efficacité, aide à estimer cette part. Il ne dit toutefois pas, à lui seul, si l’électricité est bas carbone.

3. Relier les centres à leur électricité

La consommation électrique devient une émission estimée lorsqu’on la croise avec l’intensité carbone de l’électricité. Or cette intensité varie selon le lieu et l’heure : le même calcul peut avoir des conséquences différentes dans deux régions, ou à deux moments d’une même journée. Une moyenne annuelle nationale masque ces variations.

Une cartographie utile associe donc, autant que possible, localisation des infrastructures, consommation estimée et données du réseau électrique. Les facteurs d’émission doivent être explicités : moyenne annuelle, intensité horaire ou contrat d’approvisionnement déclaré par l’entreprise. Un achat de certificats renouvelables ne signifie pas nécessairement que chaque opération a été alimentée à chaque instant par une source renouvelable locale. Il faut distinguer les émissions territoriales de l’électricité et les méthodes comptables revendiquées.

4. Distinguer entraînement et usages

L’entraînement concentre une grande quantité de calcul sur une période donnée. L’inférence, elle, se répète à chaque utilisation et peut finir par représenter une part importante de l’empreinte, selon le volume de demandes, la longueur des réponses et la taille du modèle activé. La carte doit séparer ces phases plutôt que les additionner sans explication.

Pour estimer l’usage, les enquêteurs recherchent des informations sur le nombre de requêtes, le matériel mobilisé et l’énergie consommée par opération. Ces données sont rarement publiées avec assez de détail. Il devient alors nécessaire de construire plusieurs scénarios — bas, central et haut — en indiquant les paramètres retenus. L’objectif n’est pas de transformer une hypothèse en fait, mais de rendre visible ce qui reste inconnu.

5. Ajouter les impacts hors électricité

L’empreinte ne s’arrête pas au compteur. La fabrication des accélérateurs, des serveurs et des bâtiments mobilise des matériaux et génère des émissions en amont. Leur durée de vie, leur taux d’utilisation et leur réemploi influencent la part attribuable à chaque service. L’eau utilisée pour le refroidissement constitue un autre enjeu, particulièrement dans les régions soumises au stress hydrique. Ces impacts doivent être présentés séparément lorsqu’ils ne peuvent pas être ramenés à une mesure comparable en CO₂e.

À ce stade, la qualité des sources compte autant que la sophistication du calcul. Un rapport d’entreprise peut être utile, mais ses frontières et ses méthodes doivent être confrontées à des publications indépendantes, aux données publiques et aux déclarations des fournisseurs d’énergie. Cette mise en perspective aide à repérer les angles morts, sans confondre absence de données et absence d’impact.

Cette logique de mesure dépasse les centres de calcul : dans un jardin comme dans une maison, les choix matériels, l’énergie consommée et la durée de vie des équipements pèsent aussi dans le bilan quotidien. Le Mag Massiac aborde ces questions pratiques à travers des sujets allant de l’entretien domestique à l’aménagement extérieur, où comparer les gestes et les ressources permet de mieux comprendre leurs effets.

6. Construire une carte lisible et vérifiable

Une visualisation éditoriale peut superposer plusieurs couches sans les confondre : emplacement des centres, réseaux électriques, intensité carbone, disponibilité en eau et niveau de confiance des données. Des aplats de couleur indiquent les écarts régionaux ; des symboles différencient les sites confirmés des localisations seulement estimées. Un panneau méthodologique doit permettre au lecteur de comprendre ce qui est observé, calculé ou inconnu.

Pour chaque chiffre, il faut conserver la source, la date de collecte, l’unité et la méthode de conversion. Les résultats gagnent à être testés en faisant varier les hypothèses : facteur d’émission, durée de vie des serveurs ou volume réel de requêtes. Si le classement des impacts change fortement, cette sensibilité est une information en soi et mérite d’apparaître dans le récit.

Des chiffres pour éclairer les arbitrages

Cartographier l’empreinte carbone d’une IA ne consiste pas à produire un verdict définitif, mais à suivre une chaîne de décisions et à montrer où se situent les incertitudes. Des données mieux publiées — consommation par site, calendrier d’entraînement, volumes d’usage et méthodes d’allocation — rendraient les comparaisons plus solides et le débat public plus précis.

Une enquête documentée peut ainsi distinguer les progrès d’efficacité d’une baisse réelle des émissions, qui dépend aussi de la croissance des usages et de l’électricité disponible. Pour découvrir nos autres analyses et visualisations, consultez la page d’accueil de DataVox.