· GO4IT · IA · 6 min read
IA et RSE : le grand écart entre innovation et responsabilité environnementale
L'empreinte carbone des modèles d'IA devient un sujet de préoccupation majeur pour les directions RSE. Entre nécessité d'innover et impératif de durabilité, les entreprises françaises cherchent un équilibre.
En avril 2026, le think tank The Shift Project a publié une étude qui a secoué les directions RSE des entreprises françaises. Selon leurs calculs, l’entraînement d’un modèle de langage de dernière génération comme GPT-5 ou Gemini 3 émet environ 12 000 tonnes de CO2, soit l’équivalent des émissions annuelles de 8 000 Français. L’inférence de ces modèles, une fois en production, émet chaque mois l’équivalent de 2 000 tonnes de CO2 supplémentaires pour les applications les plus utilisées. Le choc a été d’autant plus violent que beaucoup d’entreprises pensaient que l’IA était un secteur “propre”.
L’empreinte carbone cachée de l’IA
Le coût environnemental de l’IA est longtemps resté sous les radars. Les fournisseurs de modèles communiquaient peu sur leur consommation énergétique, et les entreprises clientes ne pensaient pas à la mesurer. La donne change rapidement.
“Nous avons commencé à mesurer l’empreinte carbone de nos déploiements IA en 2025, et les chiffres nous ont surpris. Un cluster de 100 GPU utilisé 24h/24 pour l’inférence consomme autant qu’un immeuble de 50 logements. Multiplié par le nombre de modèles que nous déployons, l’impact est significatif”, témoigne Pierre-Emmanuel Ferrand, directeur IA d’OVHcloud.
La consommation d’eau est un autre aspect préoccupant. Les data centers qui hébergent les GPU utilisent d’immenses quantités d’eau pour le refroidissement. Une étude menée par l’INRIA en mars 2026 estime qu’un data center IA moyen consomme 5 à 10 millions de litres d’eau par an pour le refroidissement, soit l’équivalent de la consommation annuelle de 50 à 100 foyers français.
“Le grand public imagine l’IA comme une technologie immatérielle, mais elle a un impact physique très concret. Chaque requête vers un LLM consomme de l’électricité et de l’eau quelque part dans le monde. C’est une réalité que nous devons assumer”, commente Jean-Marc Jancovici, président de The Shift Project.
Les initiatives des acteurs français
Face à ce constat, plusieurs initiatives émergent dans l’écosystème français. OVHcloud a annoncé en janvier 2026 un objectif de neutralité carbone pour ses activités IA d’ici 2028, avec un plan de réduction de 50% des émissions par unité de calcul d’ici fin 2027.
“Nous misons sur trois leviers : le choix de localisations à faible intensité carbone (la France est déjà bien placée avec son mix nucléaire), l’efficacité énergétique de nos data centers, et le recours aux énergies renouvelables pour le reste”, détaille Michel Paulin.
Hugging Face a lancé en février 2026 un “carbon score” pour les modèles d’IA hébergés sur sa plateforme. Chaque modèle affiche désormais une estimation de son empreinte carbone, calculée en fonction de sa taille, de son architecture et des conditions d’entraînement déclarées par son créateur.
“Nous voulons que les entreprises puissent comparer l’impact environnemental des modèles au même titre qu’elles comparent leur précision. Le carbon score devient un critère de choix au même titre que le benchmark”, explique Thomas Wolf.
Mistral AI a annoncé en mars 2026 que son modèle Mistral Large 2 avait été entraîné avec une empreinte carbone réduite de 40% par rapport à des modèles de taille équivalente, grâce à des optimisations architecturales et un choix délibéré de ne pas surdimensionner le modèle.
“La course à la taille des modèles est une course à l’échalote environnementale. Nous avons fait le choix d’un modèle plus efficient, qui consomme moins tout en offrant des performances compétitives”, affirme Arthur Mensch.
Le concept d’IA frugale
Le concept d‘“IA frugale” gagne du terrain dans la recherche française. Porté par des laboratoires comme le LIP6 à Sorbonne Université et le laboratoire d’informatique de l’École Polytechnique, ce courant de recherche vise à développer des modèles d’IA performants avec une fraction des ressources habituellement nécessaires.
“On peut réduire la consommation d’un modèle d’un facteur 10 à 100 sans perte significative de performance, à condition de repenser entièrement l’architecture. La quantification, la distillation et l’architecture efficiente sont les trois piliers de l’IA frugale”, explique le professeur Patrick Gallinari.
La startup française GreenWaves Technologies applique ces principes au matériel. Sa puce GAP9, qui consomme 50 milliwatts, permet d’exécuter des modèles d’IA en embarqué avec une fraction de l’énergie nécessaire à un GPU classique.
“L’IA frugale n’est pas un retour en arrière. C’est une ingénierie plus intelligente, qui optimise chaque wattheure. C’est aussi un avantage compétitif : un modèle qui consomme moins coûte moins cher à faire fonctionner”, souligne Loïc Lietar, CEO de GreenWaves.
L’intégration de la RSE dans les projets IA
Les directions RSE des entreprises françaises commencent à s’emparer du sujet. Chez Schneider Electric, chaque projet IA doit désormais inclure une évaluation de son impact environnemental dans son business case. Le groupe a mis en place un “coût carbone interne” de 100 euros par tonne de CO2, qui s’ajoute au budget des projets.
“Cela change radicalement les choix d’architecture. Un projet qui utilisait un gros modèle généraliste en continu a été redirigé vers un modèle plus petit fine-tuné, qui consomme 5 fois moins pour des résultats équivalents sur notre cas d’usage spécifique”, explique un responsable RSE de Schneider Electric.
Chez Sanofi, la démarche est similaire. Le laboratoire a intégré des critères environnementaux dans sa sélection de fournisseurs d’IA. “Nous demandons à nos fournisseurs de nous communiquer l’empreinte carbone estimée de leurs modèles, et nous en tenons compte dans nos décisions”, indique le Dr. Karim Benyahia.
Le paradoxe de l’IA verte
L’IA peut aussi être un levier de réduction d’émissions dans d’autres secteurs. Une étude du cabinet BCG publiée en février 2026 estime que l’IA pourrait permettre de réduire les émissions mondiales de CO2 de 5 à 10% d’ici 2030, grâce à l’optimisation des processus industriels, des transports et de la consommation énergétique.
“C’est le paradoxe de l’IA : elle consomme de l’énergie, mais elle peut en faire économer bien davantage ailleurs. La question n’est pas de savoir si l’IA est bonne ou mauvaise pour le climat, mais comment on l’utilise et à quelles fins”, analyse Jean-Marc Jancovici.
Une application concrète en France : l’optimisation des réseaux de chaleur par l’IA. La start-up française Deepki, spécialisée dans la performance énergétique des bâtiments, a développé un modèle d’IA qui optimise en temps réel le fonctionnement des chaufferies collectives, avec des réductions de consommation de 15 à 25% chez ses clients.
Vers un label IA responsable
Plusieurs initiatives de labellisation émergent. L’association France IA, en partenariat avec l’ADEME, travaille sur un “Label IA Responsable” qui prendrait en compte à la fois les critères environnementaux, éthiques et sociaux. Le label devrait être opérationnel fin 2026.
“C’est une initiative nécessaire pour donner des repères aux entreprises. Elles sont submergées d’offres et ne savent pas toujours comment évaluer la responsabilité d’un fournisseur d’IA. Un label reconnu serait un guide précieux”, estime une porte-parole de France IA.
Comme nous l’évoquions dans notre article sur l’IA en entreprise, l’année de la vérité, la dimension RSE est devenue un critère de décision incontournable dans les projets IA. Les entreprises qui intègrent ces préoccupations dès la conception de leurs systèmes d’IA construisent non seulement une technologie plus durable, mais aussi une marque employeur plus attractive et une relation de confiance avec leurs parties prenantes.
