Impact environnemental de l'IA générative : ce qui compte

Le sujet arrive rarement par la porte de la stratégie. Il arrive en réunion, quand quelqu'un a lu qu'une requête à un modèle de langage consommait l'équivalent d'une bouteille d'eau, et que personne autour de la table ne sait si c'est vrai. La discussion devient une affaire d'opinion, ce qui est dommage : la structure du problème est connue, et elle se raisonne bien.

L'empreinte de l'IA générative se divise en deux postes de nature différente : l'entraînement d'un modèle, coût ponctuel et considérable supporté par l'éditeur puis amorti sur des milliards d'appels, et l'inférence, coût unitaire minuscule mais multiplié par chaque usage. Seule l'inférence dépend de vous, et elle se pilote par des décisions de conception bien plus que par de la bonne volonté.

Entraînement et inférence ne sont pas le même problème

L'entraînement, c'est la phase où le modèle est construit : des semaines de calcul sur des milliers de processeurs spécialisés, une facture énergétique énorme, et une seule fois. Ce coût n'est pas le vôtre : il est payé par l'éditeur avant que vous n'ouvriez un compte, puis réparti sur la durée de vie du modèle. En juillet 2025, Mistral a publié avec Carbone 4 et l'ADEME la première analyse de cycle de vie complète d'un grand modèle de langage, revue par deux cabinets tiers. Elle chiffre Mistral Large 2 à 20 400 tonnes équivalent CO2 et 281 000 mètres cubes d'eau. Lisez bien le périmètre : ce total couvre l'entraînement et dix-huit mois d'usage, arrêtés en janvier 2025. C'est déjà la démonstration du problème que pose ce sujet. Même la publication la plus sérieuse du secteur ne sépare pas proprement les deux postes, et quiconque cite ces 20 400 tonnes comme un coût d'entraînement, ce que j'ai lu plusieurs fois, se trompe de grandeur.

L'inférence fonctionne à l'inverse : chaque appel coûte très peu, et il y en a des milliards. La même analyse chiffre la part marginale d'une réponse de 400 tokens sur Le Chat à 1,14 gramme équivalent CO2 et 45 millilitres d'eau. Ce sont deux grandeurs de nature différente : l'une est un cumul historique, l'autre le coût d'un appel de plus. Et c'est la seconde qui vous concerne, parce que c'est la seule que vos décisions font varier. Chez les grands éditeurs, l'inférence est devenue le poste dominant par simple effet de volume, et c'est aussi le seul sur lequel une entreprise utilisatrice a une prise.

Les deux publications sérieuses du secteur diffèrent d'un facteur quarante

Les éditeurs publient très peu de mesures, et c'est le cœur du problème. Deux sorties de 2025 font exception, et les mettre côte à côte est plus instructif qu'un chiffre isolé.

	Google, rapport technique (août 2025)	Mistral, cycle de vie (juillet 2025)
Unité mesurée	prompt texte médian, Gemini	réponse de 400 tokens, Le Chat
Émissions	0,03 g CO2e	1,14 g CO2e
Eau	0,26 mL	45 mL
Entraînement, fabrication du matériel	exclus	inclus
Méthode carbone	comptabilité market-based	cycle de vie revu par deux tiers

Un facteur quarante sur le carbone, cent soixante-dix sur l'eau. Ça ne veut pas dire que l'un des deux ment. Les modèles n'ont ni la même taille ni la même architecture, les centres de données ne tournent pas sur le même mix électrique, et surtout les périmètres diffèrent : Google exclut l'entraînement et ne mesure que ses propres prompts texte, Mistral couvre un cycle de vie complet, fabrication du matériel comprise. D'où la seule règle utile. Quand on vous cite « une requête IA consomme X », demandez quel modèle, quel périmètre, quelle méthode. Sans ces trois réponses, le chiffre ne dit rien.

Un dernier chiffre contredit le fatalisme ambiant : d'après ce même rapport de Google, l'énergie du prompt texte médian de Gemini a été divisée par trente-trois entre mai 2024 et mai 2025, par des optimisations de modèle et de logiciel. Les ordres de grandeur du secteur, eux, continuent de monter. L'Agence internationale de l'énergie, dans son rapport « Energy and AI » d'avril 2025, projette un doublement de la consommation électrique des centres de données d'ici 2030, autour de 945 TWh, un peu plus que la consommation totale du Japon aujourd'hui. Les deux mouvements sont vrais ensemble : le coût unitaire baisse vite, le volume monte plus vite encore.

La question que personne ne pose : combien de fois l'agent tourne

Tout ce qui précède raisonne sur une requête. Or ce que les entreprises déploient n'est plus un chatbot, c'est un agent, et la différence est précisément celle qui compte ici. Un agent reçoit un objectif, agit, lit le résultat, ajuste, et recommence jusqu'à aboutir. Une seule tâche peut représenter trente, cinquante, deux cents appels au modèle, et comme chaque itération renvoie un contexte qui grossit à mesure que l'agent avance, le coût de la dixième étape n'est pas celui de la première. Si vous voulez le détail, j'ai décrit ce qu'il y a dans le capot d'un agent.

Combien de fois il va tourner par jour, et qu'est-ce qui l'arrête ?

Dans la grande majorité des cas, personne n'a la réponse, ni à la première question ni à la seconde. C'est une bonne nouvelle : le poste le plus lourd de votre usage de l'IA est aussi celui que vous maîtrisez le mieux, à savoir le nombre d'itérations, la taille du contexte renvoyé à chaque tour, le modèle choisi, la condition d'arrêt. Ce sont des paramètres de conception, pas une fatalité du secteur. Un agent mal borné consomme bien plus qu'un agent bien borné, pour un résultat souvent moins bon : une boucle sans critère d'arrêt ne converge pas, elle s'égare.

Quatre leviers, et ils tirent dans le même sens que votre facture

Choisir la taille du modèle selon la tâche. Le réflexe par défaut consiste à brancher le modèle le plus puissant sur tout, parce que c'est le plus simple. Classer un ticket, extraire trois champs d'un document, reformuler un message : un petit modèle le fait aussi bien, beaucoup plus vite, pour une fraction de l'énergie. Gardez le gros modèle pour ce qui demande vraiment du raisonnement.

Borner les boucles. Un nombre maximum d'itérations, un budget de tokens par tâche, une condition d'arrêt explicite, et un comportement défini quand elle est atteinte : remonter à un humain plutôt que réessayer indéfiniment. C'est la première chose que je mets en place sur un agent.

Mettre en cache ce qui se répète. Une bonne partie du contexte envoyé est identique d'un appel au suivant, et les mêmes questions reviennent souvent. Le cache de prompt et la mémorisation des résultats intermédiaires enlèvent du calcul sans rien enlever au résultat.

Mesurer son propre usage. Les API facturent au token : la donnée existe déjà, elle est rarement regardée. Sur les 945 TWh projetés pour 2030, vous n'avez aucune prise ; sur ce que votre entreprise consomme chaque mois et sa répartition par cas d'usage, vous en avez une totale. C'est la seule discussion qui mène à une décision, et elle règle deux sujets d'un coup, puisque le retour sur investissement d'un déploiement IA se calcule sur la même donnée.

Ce que je réponds quand la question tombe en réunion

Que l'incertitude est réelle, et qu'il faut le dire. Les éditeurs publient peu, les deux publications sérieuses de 2025 ne sont pas comparables entre elles, et la plupart des estimations qui circulent sont des recopies dont plus personne ne connaît la source. Annoncer « je ne sais pas à un facteur dix près » est plus solide qu'un chiffre indéfendable. Ce qui n'empêche pas d'agir : la question actionnable n'est pas « combien consomme une requête », c'est « qu'est-ce qu'on a autorisé notre agent à faire, combien de fois par jour, et qui l'arrête ». Celle-là, vous pouvez y répondre cette semaine, et sa réponse tient même si les ordres de grandeur du secteur bougent encore.

Si le sujet se pose chez vous dans un déploiement, c'est ce qu'on cadre en accompagnement IA agentique : les bornes et la mesure appartiennent à la conception, pas à un nettoyage ultérieur. Si vos équipes doivent d'abord comprendre la mécanique avant de la borner, la formation IA agentique tient sur deux ou trois jours, sur vos propres cas. Le panorama complet est dans le guide de l'IA agentique.