L’intelligence artificielle impressionne, transforme, fascine. Mais dans l’ombre de cette révolution technologique, un déficit d’information persiste : celui de son coût environnemental. Selon un rapport mené par la Montréalaise Sasha Luccioni (Hugging Face) et des chercheurs de Salesforce, Ekimetrics et Carnegie Mellon, le manque de transparence des grands acteurs de l’IA contribue à propager des idées fausses, parfois relayées jusque dans les politiques publiques.

Le constat est clair : plus les modèles sont puissants, plus ils sont énergivores… mais moins leurs concepteurs partagent d’informations. Depuis 2023, avec la montée en puissance de modèles commerciaux comme ChatGPT ou Gemini, la majorité des modèles populaires n’indiquent plus ni les émissions générées lors de leur entraînement, ni leur consommation énergétique en phase d’utilisation. Résultat : 84 % des requêtes faites à des robots conversationnels en mai 2025 ont été traitées par des modèles opaques.

Cette opacité ne nuit pas seulement à la recherche ou à l’information du public : elle affaiblit aussi les stratégies climatiques des entreprises. De nombreuses organisations s’engagent à réduire leur empreinte carbone sans avoir les moyens d’évaluer précisément l’impact environnemental des outils d’IA qu’elles intègrent à leurs opérations. Ce flou brouille les bilans de durabilité et complique la mise en place de politiques crédibles en matière de réduction d’émissions.

Le rapport dénonce plusieurs exemples de désinformation devenue virale. L’une des plus connues : l’idée que « former un modèle d’IA produit autant de CO₂ que cinq voitures durant leur vie ». Une affirmation initialement nuancée dans une étude académique… mais détournée par les médias et les réseaux sociaux. Autre chiffre populaire, mais trompeur : celui selon lequel une requête ChatGPT consommerait dix fois plus d’énergie qu’une recherche Google. Le problème ? Cette comparaison s’appuie sur des données obsolètes (2009) et des hypothèses approximatives.

Le manque de normes partagées alimente cette confusion. Pourtant, plusieurs outils existent, comme CodeCarbon ou Green Algorithms, qui permettent de mesurer l’empreinte carbone des modèles. Mais encore faut-il que les entreprises acceptent de publier ces données. À l’heure actuelle, très peu le font. En mai 2025, seuls 2 % des modèles les plus utilisés avaient publié des données directes sur leur impact environnemental.

Les États pourraient jouer un rôle clé en instaurant des obligations de divulgation spécifiques aux systèmes d’IA, à l’image des exigences prévues dans la directive européenne CSRD ou dans la réglementation climatique américaine. À terme, ces mesures pourraient s’appliquer à l’ensemble de la chaîne de valeur de l’IA, des fournisseurs d’infrastructures aux développeurs de modèles, et permettre un suivi rigoureux des impacts climatiques associés.

Au-delà du constat, les chercheurs formulent des recommandations. Ils appellent les développeurs de modèles à intégrer des métriques environnementales dans leurs fiches techniques et publications scientifiques. Ils demandent également que les normes de divulgation climatique, déjà en vigueur en Europe (CSRD) ou aux États-Unis (SEC), incluent des sections spécifiques sur l’IA. Enfin, ils plaident pour un encadrement réglementaire renforcé, afin que les entreprises soient tenues responsables des émissions générées par leurs systèmes d’IA.

L’enjeu est de taille : sans transparence, difficile d’évaluer, d’optimiser ou même de débattre des coûts environnementaux de l’IA. Comme le soulignent les auteurs, d’autres secteurs à forte concurrence – comme l’alimentation ou le médicament – ont su conjuguer innovation et transparence. L’IA devrait pouvoir en faire autant.

Source : Arxiv

+++

Tous les jours de la semaine, du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de tech.