Empreinte de l’IA : les deux leviers qui changent l’ordre de grandeur

Un dirigeant de bureau d’études me demandait il y a quelques jours, en préparant une intervention, où trouver des chiffres fiables sur l’empreinte environnementale de ces outils. Ses mots : « nous avons du mal en général à avoir des infos mais il s’agit d’un frein très fréquent chez nos collaborateurs ». Une partie de ses ingénieurs refuse ces outils pour des raisons environnementales, et personne dans l’entreprise n’a de quoi trancher.

C’est un problème d’entreprise, pas un débat de tribune. Et la personne la mieux armée pour y répondre est précisément celle qui pose la question. Un thermicien sait lire une analyse de cycle de vie : c’est son métier depuis la RE2020. Presque aucun chiffre publié sur l’IA ne résiste à cette lecture, et ce qui résiste tient en deux décisions : le lieu d’hébergement et le choix du modèle.

Le document que vous savez déjà lire

Une analyse de cycle de vie compte les impacts d’un produit de l’extraction des matières à la fin de vie. Vous en manipulez à longueur de dossier. Trois règles la rendent utilisable, et ce sont exactement les trois que les publications sur l’IA ignorent.

L’unité fonctionnelle, d’abord : ramené à quoi. Si un fabricant annonce « cette centrale consomme 3 », vous demandez 3 quoi, par heure, par mètre carré, à quelle température extérieure. Les acteurs de l’IA publient des chiffres « par requête » sans préciser laquelle, ni la longueur de la réponse, ni le modèle.

Le périmètre, ensuite. Une étude peut afficher un résultat flatteur en ne mesurant que les processeurs graphiques, sans la climatisation ni la fabrication des serveurs.

La vérification, enfin : une ACV sérieuse publie sa méthode et passe par un tiers. Sinon, c’est une déclaration commerciale.

Un modèle d’IA a d’ailleurs la même structure de coût qu’un bâtiment. L’entraînement est un coût unique, très lourd, amorti sur toute la durée de vie du modèle : c’est l’Ic construction. L’usage, quand le modèle répond à une question (ce qu’on appelle l’inférence), est un coût répété, faible à l’unité mais multiplié par des milliards : c’est l’Ic énergie.

Le débat sur la part respective des deux phases est ouvert chez les chercheurs. C’est le même débat que sur l’amortissement du carbone de construction en RE2020.

Ce que les producteurs publient, et ce qu’on peut en vérifier

L’Arcep a compté : 84 % des modèles d’IA ne font l’objet d’aucune information environnementale (rapport de mai 2026). Ni OpenAI, ni Anthropic ne publient de chiffres sur leurs modèles.

Un seul acteur a tenté l’exercice complet. Mistral AI a publié en juillet 2025, avec Carbone 4 et le soutien de l’ADEME, ce qu’elle présente comme la première analyse de cycle de vie complète d’un modèle : 20,4 ktCO2e, 281 000 m³ d’eau et 660 kg Sb eq pour l’entraînement de Large 2 sur dix-huit mois.

L’Arcep en dit ceci, en note de bas de page 81 : « seul un communiqué a été mis à disposition sur le site internet de Mistral et aucun rapport détaillé n’a été publié, ce qui ne permet pas de vérifier les informations transmises et notamment les paramètres clés de la modélisation ». Le régulateur ajoute qu’une contre-expertise serait nécessaire, comme pour toute ACV.

Vous savez ce que vaut une donnée environnementale sans rapport ni vérification tierce. La meilleure publication du secteur ne passerait pas votre propre filtre.

Quatre chiffres, quatre unités fonctionnelles

Le tableau ci-dessous rassemble les quatre valeurs les plus citées sur le coût d’une requête, telles que l’Arcep les relève. Elles ne sont pas comparables entre elles, et c’est précisément ce qu’il faut en retenir.

Source, date	Ce qui est mesuré	Résultat	Ce qui manque
Mistral AI, 2025	Une réponse de 400 tokens sur Le Chat, terminal exclu	1,14 gCO2e, 45 mL d’eau	Rapport détaillé non publié, électricité comptée en approche marché
Google, 2025	Une requête textuelle « médiane » Gemini	0,24 Wh, 0,03 gCO2e, 0,26 mL d’eau	La définition de la requête médiane n’est pas donnée
Luccioni et al., 2022	Modèle BLOOM, environ 230 000 requêtes mesurées	4 Wh, 1,5 gCO2e	Un seul modèle, matériel de l’époque
Samsi et al., 2023	LLaMA-65B sur un supercalculateur du MIT	0,3 Wh	Processeurs graphiques seuls

Entre la première et la deuxième ligne, l’eau varie d’un facteur 173, entre deux acteurs qui publient et qui se réclament l’un comme l’autre d’une méthode. L’écart ne dit rien de leurs installations : il dit que 400 tokens et une « requête médiane » ne sont pas la même chose.

C’est la situation d’un lot où deux industriels annoncent des performances sur des bases d’essai différentes. Vous ne tranchez pas, vous exigez la même unité fonctionnelle. L’ADEME le formule en recommandation : l’approche par requête « ne devrait pas être le seul indicateur mesuré et donné ».

Reste une convention de calcul qui mérite d’être nommée. Les émissions liées à l’électricité se comptent de deux façons : soit on retient le contenu carbone réel du réseau qui alimente le site, soit on retient celui du contrat d’achat, garanties d’origine comprises. Un centre de données alimenté au charbon peut ainsi acheter des certificats hydrauliques et déclarer une électricité propre. L’ADEME recommande la première méthode. L’Arcep constate que les industriels retiennent la seconde, « qui minimise leur impact », y compris Mistral sur sa phase d’usage.

Le lieu d’hébergement décide de presque tout

Voilà le chiffre le plus utile du dossier, et il ne vient d’aucun producteur d’IA. Il vient de l’étude prospective que l’ADEME a publiée en janvier 2026 sur les centres de données, réalisée par le groupement CLIK.

Pour l’année 2024, elle sépare ce qui tourne en France de ce qui tourne à l’étranger pour répondre à des usages français. Les serveurs étrangers portaient 58 % de la consommation électrique, et 95 % des émissions.

Le rapport d’intensité n’est pas publié tel quel par l’ADEME : il se déduit en divisant les émissions par les consommations, ligne à ligne, dans les deux tableaux de la synthèse.

Environ 38 grammes de CO2 par kilowattheure en France, environ 500 à l’étranger. La même requête, le même modèle, le même travail rendu, avec un impact carbone divisé par treize selon la prise sur laquelle la machine est branchée.

L’Arcep converge par un autre chemin : en 2024, le mix polonais était 17,6 fois plus carboné que le français, à 581 gCO2e/kWh contre 352 pour l’Irlande et 80 pour la Finlande. Deux sources indépendantes, le même ordre de grandeur.

L’ADEME en tire une position explicite : « la relocalisation de centres de données en France diminue les émissions de gaz à effet de serre et améliore la souveraineté numérique, dès lors qu’ils remplacent des usages hébergés à l’étranger ». Deux réserves accompagnent la phrase, et elles comptent. La substitution n’est pas acquise, l’installation de nouveaux centres risquant de s’ajouter aux anciens plutôt que de les remplacer. Et la souveraineté ne se réduit pas à une adresse : elle suppose aussi des garanties juridiques et organisationnelles.

L’eau, une affaire de tour de refroidissement

Les estimations publiques vont du millilitre au demi-litre par requête, et cet écart nourrit l’essentiel des discussions. Il n’a rien d’énigmatique pour qui fait du génie climatique.

Un centre de données refroidi par tour à évaporation évapore entre 1 et 9 litres d’eau par kilowattheure informatique, selon l’étude de Li et al. citée par l’ADEME. Un litre correspond à la moyenne du parc de Google, neuf litres à un grand centre commercial pendant un été en Arizona. Même principe, même technologie, facteur neuf dû au climat et au dimensionnement.

OVH annonce de son côté un WUE de 0,2 L/kWh à Strasbourg en immersion, contre 1,8 L/kWh de moyenne pour le cloud selon le département de l’Énergie américain : donnée déclarative, non auditée. L’ADEME précise que la tour ouverte, la configuration la plus gourmande, n’est pas utilisée en France.

Échangeur à plaques et vanne d’isolement sur un circuit primaire. Un centre de données à récupération de chaleur se raccorde par un organe de ce type, pas par sa salle serveur. Illustration générée par IA.

L’écart entre les chiffres publiés n’est donc pas d’abord méthodologique. Il est physique et géographique, et vous n’avez aucune raison d’être impressionné par un rapport de 1 à 45 entre deux installations que tout sépare.

Par rapport à quoi

Reste la question que personne ne tranche : une tâche faite avec ces outils coûte-t-elle plus ou moins qu’une tâche faite autrement.

L’Arcep y consacre un encadré et conclut à l’absence de consensus. Elle donne les deux bornes. D’un côté, une revue de 2024 estime qu’une requête sur un service conversationnel serait 50 à 90 fois plus énergivore qu’une recherche classique. De l’autre, un travail de 2026 montre que la comparaison s’inverse si l’on raisonne en service rendu, les enchères publicitaires absorbant 15 à 44 % de l’énergie d’une requête de moteur de recherche sans rien apporter à l’utilisateur, et plusieurs recherches étant souvent nécessaires là où une seule question suffit.

L’ADEME est plus tranchante : « il n’existe pas d’études démontrant à ce jour des gains environnementaux quantifiables attribués à l’utilisation d’IA génératives ».

À la question « est-ce que ça pollue plus que ce que ça remplace », la réponse honnête est donc qu’on ne sait pas, et que ceux qui affirment le contraire, dans un sens comme dans l’autre, extrapolent. Réponse frustrante, mais défendable en réunion.

Ce qui marche, et ce que je ferais ce trimestre

Le matériau le plus solide du dossier est aussi le moins commenté. L’Arcep a confié au PEReN, le pôle d’expertise de la régulation numérique, une mesure directe sur le supercalculateur public Jean Zay : 22 modèles à poids ouverts, de 3 à 123 milliards de paramètres, instrumentés en conditions contrôlées.

Les mesures ne portent que sur les processeurs graphiques. Le PEReN précise qu’inclure les processeurs classiques augmenterait la consommation d’environ un tiers.

Une architecture dite en mélange d’experts, qui n’active qu’une partie du réseau à chaque question, consomme 45 % de moins qu’un modèle classique de taille comparable. Compresser le modèle fait gagner 39 %. Activer le mode raisonnement coûte 92 % de plus en moyenne, et jusqu’à 849 % sur une tâche de génération de code.

La conclusion du PEReN est celle qui change la conversation dans une entreprise : limiter la consommation n’impose pas de compromis sur la performance. Les modèles les plus performants ne sont pas les plus énergivores, et l’inverse est vrai aussi.

Pour un bureau d’études de quinze à trente personnes qui utilise déjà ces outils sur des mémoires techniques, voilà ce que je ferais d’ici la fin du trimestre, en une demi-journée environ.

• Demander à chaque fournisseur où sont physiquement les serveurs, et faire écrire la réponse dans le contrat. C’est le seul levier à facteur 13 de ce dossier.
• Vérifier si l’offre souscrite active un mode raisonnement par défaut, et le désactiver là où la tâche ne le justifie pas : une reformulation de compte rendu n’en a pas besoin.
• Choisir un modèle plus petit pour les tâches répétitives de mise en forme, et garder les gros modèles pour l’analyse.
• Former les équipes à poser des questions précises et groupées. C’est gratuit, immédiat, et ça vaut environ la moitié de la consommation d’une question.

Ce ne sont pas des gestes d’écologie de posture : ce sont des clauses d’achat et des réglages, qui font au passage baisser la facture.

Le seul sujet où vous avez la main

Un centre de données transforme presque toute son électricité en chaleur, et cette chaleur part aujourd’hui dans l’air. L’étude ADEME chiffre le potentiel net récupérable en France à 1,77 TWh en 2024, et jusqu’à 12,94 TWh en 2035 dans le scénario tendanciel. La part techniquement récupérable passerait de 18,8 % à 38 %, portée notamment par le refroidissement liquide, qui restitue la chaleur à température plus élevée, donc plus facilement valorisable.

Ce n’est pas seulement un gisement, c’est une obligation. La directive européenne sur l’efficacité énergétique impose aux centres de données d’au moins 1 MW de valoriser leur chaleur fatale, sauf si l’opération n’est pas viable techniquement ou économiquement. En droit français, l’obligation est portée par l’article L. 236-2 du code de l’énergie, issu de la loi n° 2025-391 du 30 avril 2025 qui transpose cette directive.

Correction du 19 août 2026. Ce paragraphe attribuait l’exigence à l’article 28 de la loi du 15 novembre 2021 sur l’empreinte environnementale du numérique, et indiquait que son texte d’application restait attendu. Le fondement applicable est celui cité ci-dessus, le seuil est fixé à 1 MW et non au-delà de 1 MW, et le texte d’application existe : le décret n° 2025-1382 du 29 décembre 2025 fixe le niveau de réutilisation à atteindre, en vigueur depuis le 1er janvier 2026. Une phrase sur les objectifs de la stratégie française énergie-climat a par ailleurs été retirée du même paragraphe, faute de source citée à l’appui de ses chiffres.

Vient le constat qui vous concerne directement. Les services de la préfecture d’Île-de-France et la mission régionale d’autorité environnementale observent qu’aucun projet déposé à ce jour n’assure avec certitude la récupération de sa chaleur. Et l’étude ADEME ajoute que les justifications techniques et économiques avancées par les promoteurs pour expliquer cette rareté « sont rarement démontrées », s’expliquant plutôt par le fait que le projet n’a pas été conçu dans un écosystème pensé pour cela.

L’obligation existe, la dérogation est facile à invoquer, et personne ne vérifie sérieusement qu’elle est justifiée. Ce vide se comble par une étude de faisabilité menée avant que l’implantation ne soit figée.

Les obstacles que l’ADEME identifie sont les vôtres, pas ceux d’un informaticien : obtenir l’accord d’un gestionnaire de réseau de chaleur, gérer des écarts de température importants entre la source et le réseau, absorber la longueur du raccordement. À quoi s’ajoutent la courbe de charge estivale d’un réseau qui n’a plus besoin de chaleur quand le centre en produit le plus, et un montage contractuel sur quinze ans entre deux exploitants qui ne se connaissent pas.

Sur ce sujet, un bureau d’études fluides n’est pas un spectateur qui juge les chiffres des autres. Il est celui qu’on devrait venir chercher, et qu’on ne vient pas chercher assez tôt.

Ce qu’on ne sait pas encore

Trois questions restent ouvertes.

Personne ne sait ce que coûtera l’usage à grande échelle des systèmes qui enchaînent les actions seuls. Une première estimation citée par l’Arcep avance un facteur 60 par rapport à un service conversationnel simple, et l’Autorité appelle elle-même à la prudence sur ce chiffre.

Personne ne dispose d’un comparatif publié entre une tâche assistée et la même tâche faite autrement. Tant qu’il n’existe pas, tout raisonnement sur le sujet reste un raisonnement, y compris le mien.

Enfin, Mistral annonçait un dépôt de ses résultats dans la base Empreinte de l’ADEME. Un an plus tard, la vérifiabilité de la seule ACV complète du secteur reste suspendue à cette publication. Le jour où elle arrive, ce dossier mérite une mise à jour.

Lire aussi : la part de l’algorithme et celle des travaux dans une économie d’énergie, pourquoi la liste officielle prime sur le nom de l’éditeur en ACV RE2020 et le hub réglementation RE2020.