Quand j’ai commencé à utiliser l’IA, j’avais les mains moites
Pas parce que la technologie me faisait peur. Mais parce que je venais de passer une certification Green IT. Je savais ce que consommait un data center. Je savais que l’entraînement d’un grand modèle de langage émet autant de CO₂ qu’un vol transatlantique aller-retour. Et là, je m’apprêtais à en utiliser un quotidiennement pour accompagner mes clients.
J’avais une vraie tension intérieure. Est-ce qu’une consultante certifiée en écoconception numérique peut utiliser l’IA sans se renier ?
Deux ans plus tard, j’ai une réponse. Elle n’est pas simple. Mais elle est honnête.
Ce que consomme réellement l’IA : les chiffres qu’on ne dit pas assez
Le numérique représente aujourd’hui +4 % des émissions mondiales de CO₂, soit davantage que l’aviation civile. L’IA contribue à cette empreinte de deux façons très différentes : l’entraînement des modèles (coûteux, mais ponctuel) et l’inférence, c’est-à-dire chaque fois qu’on pose une question à ChatGPT ou à un outil similaire (beaucoup moins coûteux à l’usage).
Pour fixer les ordres de grandeur : une requête dans un moteur de recherche classique consomme environ 0,3 Wh. Une requête IA générative, entre 1 et 10 Wh selon le modèle et la longueur de la réponse. C’est significatif. Mais ça reste marginal si l’usage remplace plusieurs recherches successives ou plusieurs heures de travail humain.
La bonne question n’est donc pas « l’IA pollue-t-elle ? » mais « est-ce que mon usage de l’IA consomme plus ou moins que ce qu’il remplace ? »
Trois usages IA qui réduisent vraiment l’impact global
Dans mon travail au quotidien avec des PME et leurs services B2B, j’ai identifié trois types d’usages où l’IA réduit l’empreinte numérique globale plutôt qu’elle ne l’augmente.
1. La rédaction de contenus ciblés plutôt que du volume à tout prix
Avant l’IA, beaucoup de PME publiaient des dizaines d’articles courts et peu pertinents pour « nourrir Google ». Résultat : des pages hébergées, indexées, crawlées en permanence, pour un trafic quasi nul. Avec l’IA utilisée de façon stratégique, on produit moins d’articles, mieux construits, qui répondent précisément aux questions des prospects. Moins de pages inutiles = moins de données stockées et crawlées = moins d’énergie dépensée.
2. La suppression des tâches répétitives à faible valeur
Les briefs de contenu, les premières synthèses d’un audit, la structuration d’un rapport : ces tâches prenaient plusieurs heures et monopolisaient un ordinateur allumé, souvent avec dix onglets ouverts. Aujourd’hui, un outil IA bien paramétré produit une base solide en quelques minutes. Le bilan carbone de l’opération est favorable si le paramétrage évite les allers-retours inutiles.
3. La sobriété dans les choix d’outils
Un outil IA qui remplace trois logiciels SaaS distincts (chacun avec ses serveurs, ses mises à jour, ses données stockées) réduit mécaniquement l’empreinte numérique de l’entreprise. C’est une logique de simplification de la stack technique que j’applique systématiquement chez mes clients.
Ce que dit le MOOC « IA raisonnée » : La démarche d’IA responsable repose sur trois piliers :
- choisir des modèles adaptés à la tâche (pas toujours le plus puissant),
- limiter le nombre de requêtes inutiles,
- privilegier les usages où l’IA augmente la pertinence plutôt que le volume.
C’est précisément la logique que j’applique dans mes missions.
Ce qui reste incompatible : les usages à éviter dans une PME responsable
L’honnêteté s’impose. Certains usages de l’IA sont difficilement défendables sur le plan environnemental, surtout pour une PME qui se revendique d’une démarche RSE.
Générer des images IA en masse pour illustrer des contenus marketing : un modèle de génération d’images consomme 50 fois plus qu’une requête textuelle. Utiliser une IA pour produire 30 articles génériques par mois dans l’espoir de « remplir le blog » : c’est la logique opposée à celle que je viens de décrire. Laisser tourner des automatisations IA en permanence, y compris quand les résultats ne sont pas exploités : c’est une dépense inutile.
La règle que j’applique : chaque usage IA doit remplacer quelque chose qui existait déjà et coûtait de l’énergie, ou produire un résultat qu’il serait impossible d’obtenir autrement à qualité équivalente.
Ma réponse à la tension initiale
Oui, l’IA et la sobriété numérique sont compatibles. Mais c’est une compatibilité qui se construit, qui se choisit, et qui se justifie. Ce n’est pas une compatibilité automatique.
Le numérique responsable ne consiste pas à ne pas utiliser l’IA. Il consiste à ne l’utiliser que quand c’est pertinent, à choisir les bons modèles, à mesurer les résultats, et à réduire le reste.
C’est ce que je fais dans ma pratique. C’est ce que j’aide mes clients à mettre en place. Et je n’ai plus les mains moites en ouvrant mon Super Assistant IA le matin.
