Selon une étude présentée par l’association Green IT à Produrable Paris 2026, l’empreinte environnementale de l’intelligence artificielle pourrait fortement s’aggraver d’ici 2030. Les émissions de gaz à effet de serre associées aux infrastructures mondiales dédiées à l’IA passeraient de 99 à 636 millions de tonnes équivalent CO₂, tandis que les effets sur l’eau, les ressources naturelles et la santé resteraient également importants. Le rapport appelle à mieux encadrer les usages et à développer des modèles plus sobres.
La croissance rapide de l’intelligence artificielle s’accompagne d’une demande accrue en serveurs, en puissance de calcul et en électricité. À l’occasion du salon Produrable Paris 2026, Green IT a publié une étude qui compare les impacts environnementaux et sanitaires des infrastructures d’IA dans le monde en 2025 et à l’horizon 2030. Ses projections décrivent une hausse marquée de plusieurs pressions écologiques, et pas seulement des émissions de carbone.
Les auteurs estiment que, si les tendances actuelles se poursuivent, les émissions annuelles de gaz à effet de serre liées à l’IA mondiale pourraient être multipliées par environ sept en cinq ans. Cette évolution s’inscrirait dans un contexte de déploiement accéléré des centres de données et de montée en puissance des équipements informatiques. Green IT avertit que les conséquences pourraient toucher à la fois les écosystèmes et les populations.
Une évaluation qui dépasse les seules émissions de carbone
Le rapport examine quatre grands types d’impacts. Le premier concerne le réchauffement climatique, alimenté notamment par la fabrication des serveurs et l’électricité consommée lors de leur fonctionnement. Le deuxième porte sur l’eutrophisation des milieux aquatiques, un phénomène qui peut perturber les écosystèmes et contribuer à leur asphyxie.
Les deux autres catégories étudiées sont l’épuisement des ressources abiotiques — notamment les ressources minérales, métalliques et fossiles — et les émissions de particules fines. Ces dernières constituent un enjeu sanitaire important : en France, elles sont associées à des dizaines de milliers de décès prématurés chaque année. Le rapport estime que la pollution particulaire liée à l’IA pourrait encore augmenter d’ici 2030.
Pour ces différents indicateurs, l’étude attribue à l’IA une part importante des pressions mesurées à l’échelle mondiale. Elle estime notamment que sa contribution au réchauffement global passerait de 35 % en 2025 à 36 % en 2030, et que sa part dans l’eutrophisation progresserait de 23 % à 25 %. Pour l’épuisement des ressources naturelles, le chiffre avancé reste proche de 19 % sur la période. Ces évaluations rappellent que l’empreinte de l’IA ne se résume pas à l’électricité consommée ou aux émissions de CO₂.
Cette diversité d’impacts invite à examiner tout le cycle de vie du numérique : extraction des matériaux, fabrication des composants, transport des équipements, fonctionnement des centres de données et fin de vie. Les effets peuvent varier fortement selon les étapes. La production du matériel peut, par exemple, peser lourd dans l’épuisement des ressources, tandis que l’électricité utilisée durant l’exploitation peut devenir le principal facteur de plusieurs autres impacts.
Pourquoi l’empreinte pourrait-elle augmenter aussi rapidement ?
La projection de Green IT repose notamment sur la croissance du parc mondial de serveurs dédiés à l’intelligence artificielle. L’étude considère environ 13 millions de serveurs en activité en 2025, contre près de 25 millions en 2030. Cette hausse s’accompagnerait d’une augmentation de la puissance des équipements et d’une extension importante des surfaces nécessaires pour les héberger.
Les processeurs graphiques, ou GPU, sont au cœur de cette évolution. Ils exécutent les calculs nécessaires à l’entraînement et à l’utilisation de nombreux modèles. D’après le rapport, leur nombre pourrait doubler, tandis que la puissance moyenne appelée par chaque GPU passerait d’environ 700 watts à près de 2 000 watts. La combinaison d’un parc plus vaste et d’équipements plus énergivores contribuerait ainsi à la croissance des besoins électriques.
Le développement de nouveaux centres de données entraîne également des besoins en bâtiments, en équipements de refroidissement et en raccordements énergétiques. Green IT projette une multiplication par six des surfaces occupées par ces infrastructures. Cette expansion soulève des questions relatives à l’artificialisation des sols, à la disponibilité de l’eau et à la répartition de l’électricité entre les usages numériques et les autres activités.
La hausse des usages peut aussi annuler une partie des gains d’efficacité obtenus grâce à des équipements plus performants. Lorsqu’une technologie devient moins coûteuse ou plus facile à utiliser, elle peut être sollicitée davantage et pour un plus grand nombre de tâches : c’est l’effet rebond. Ce mécanisme, souvent évoqué dans les discussions sur le numérique, est expliqué plus en détail dans cet article consacré à la manière d’éviter le piège de l’effet rebond lié à l’intelligence artificielle.
Des émissions de gaz à effet de serre en forte progression
Le rapport estime que les émissions annuelles de gaz à effet de serre imputables à l’IA mondiale pourraient passer de 99 millions de tonnes équivalent CO₂ en 2025 à 636 millions en 2030. Les auteurs comparent ce niveau projeté à environ 1,4 fois le budget annuel soutenable de l’Union européenne. Cette notion désigne la quantité d’impacts qu’un individu peut générer sur une année sans dépasser les limites écologiques retenues par l’étude.
Rapportée à une personne, l’empreinte de l’IA représenterait en 2030 environ 16 % de ce budget annuel soutenable. Cette estimation ne couvre pas l’ensemble des usages numériques : les autres équipements et services en ligne pèseraient eux aussi sur le budget écologique. Green IT évalue ainsi que l’ensemble du numérique pourrait en mobiliser une part bien supérieure.
Ces chiffres sont des projections, et non le bilan définitif d’une situation future. Ils dépendent des hypothèses sur le nombre de serveurs, leur performance, leur durée de vie, leur taux d’utilisation et la composition du mix électrique. Ils soulignent toutefois l’importance de suivre l’évolution des infrastructures et de ne pas mesurer les progrès uniquement à l’aune de la performance des modèles ou de leur coût d’usage.
Les besoins énergétiques de l’IA suscitent déjà des interrogations sur les ressources nécessaires à son fonctionnement. Pour approfondir cette question, un article revient sur l’impact énergétique de la dépendance croissante à l’intelligence artificielle. La demande d’électricité des centres de données peut aussi entrer en concurrence avec les besoins d’autres secteurs, y compris ceux qui doivent eux-mêmes se décarboner.
La fabrication et l’électricité, deux étapes déterminantes
Les impacts ne se répartissent pas de la même manière tout au long du cycle de vie des équipements. La fabrication des serveurs mobilise des métaux, des minéraux et des ressources fossiles. Pour certains indicateurs, cette étape pourrait représenter jusqu’à 45 % de l’impact associé, notamment en matière d’épuisement des ressources. L’extraction et la transformation des matériaux interviennent avant même que les machines ne commencent à traiter des requêtes.
Une fois les serveurs installés, la production de l’électricité nécessaire à leur fonctionnement devient un facteur déterminant. Selon l’étude, elle pourrait représenter jusqu’à 96 % de certains impacts liés à l’utilisation des équipements. Le choix de l’approvisionnement énergétique est donc essentiel : une électricité moins carbonée réduit une partie de l’empreinte, sans supprimer les pressions liées à la fabrication, à l’occupation des sols, à l’eau ou aux ressources matérielles.
Verdissement de l’électricité et sobriété doivent ainsi être considérés ensemble. Alimenter davantage de centres de données avec des sources décarbonées peut limiter les émissions associées à leur fonctionnement, mais cette électricité demeure une ressource à répartir. Son utilisation pour les infrastructures d’IA peut retarder ou compliquer d’autres besoins de transition énergétique si la demande totale croît trop vite.
Ce que mesure l’étude de Green IT
Pour établir ses estimations, Green IT s’intéresse aux infrastructures physiques dédiées à l’intelligence artificielle : serveurs, rangées d’équipements et surfaces de centres de données. Le rapport ne distingue pas les systèmes selon leur fonction — IA générative, prédictive ou agentique — et ne prétend donc pas établir un bilan séparé pour chaque catégorie d’algorithme.
L’analyse suit plusieurs familles de serveurs, allant des équipements d’entrée de gamme et de gamme intermédiaire aux machines les plus performantes. Elle prend en compte différentes étapes de leur existence, de la fabrication et de la distribution à l’utilisation, puis à la fin de vie. Cette approche permet de rendre visibles des effets qui restent souvent éloignés de l’utilisateur final, comme l’extraction des matériaux ou la construction des infrastructures.
La méthode implique néanmoins de poser des hypothèses sur le parc de serveurs et son évolution. Les résultats doivent donc être lus comme une estimation des impacts liés aux infrastructures physiques, dans le cadre défini par l’étude. Ils ne constituent pas une mesure exhaustive de tous les usages, ni une comparaison directe entre chaque modèle d’IA disponible.
Des usages à questionner et des modèles plus sobres
Green IT invite les particuliers et les organisations à réfléchir à la nécessité de chaque usage. Lorsqu’une tâche peut être réalisée simplement sans IA, cette option peut éviter une consommation de ressources supplémentaire. Lorsque l’intelligence artificielle apporte une réelle valeur, le rapport recommande de privilégier, lorsque c’est possible, des modèles frugaux, adaptés à la tâche plutôt que systématiquement les systèmes les plus puissants.
Cette réflexion porte aussi sur la façon dont les outils sont proposés et intégrés aux services. La présence automatique de fonctions d’IA peut entraîner leur utilisation dans des situations où elles ne sont pas indispensables. Des choix de conception plus sobres, une information claire sur les systèmes utilisés et une évaluation de leur utilité réelle peuvent contribuer à limiter les sollicitations inutiles.
Les échanges publics sur l’IA vont des bénéfices attendus aux risques qu’elle soulève. Pour disposer de repères dans ces discussions, certains sujets sont présentés dans ce guide consacré aux questions essentielles à connaître lors d’un débat sur l’intelligence artificielle. La dimension écologique mérite d’y occuper une place centrale, au même titre que les enjeux économiques, sociaux et démocratiques.
Les leviers proposés aux pouvoirs publics
Pour Green IT, les décisions individuelles ne peuvent suffire à infléchir seules la trajectoire. L’association demande aux pouvoirs publics de définir un plan de sobriété de l’IA afin de mieux encadrer les usages et les incitations à déployer cette technologie dans tous les domaines. L’objectif serait de faire porter l’attention sur les besoins réels, plutôt que sur la seule disponibilité de nouveaux outils.
Parmi les pistes avancées figure la création d’un marquage permettant d’identifier clairement les systèmes d’IA. Une information accessible pourrait aider les utilisateurs à comprendre quand une technologie intervient et à mieux apprécier les ressources mobilisées. L’association recommande également de soutenir une filière d’IA frugale et responsable, fondée sur des modèles plus légers pour les tâches courantes.
Le rapport propose en outre de rendre obligatoire l’écoconception des systèmes d’IA hébergés en France. Cette démarche pourrait intégrer des critères touchant à la consommation de ressources, à la durée de vie des équipements et à l’efficacité des modèles. Une autre recommandation consiste à taxer les centres de données consacrés à l’IA lorsqu’ils fonctionnent avec des énergies fossiles, afin de réduire l’avantage de solutions fortement émettrices.
Ces sujets s’inscrivent dans les réflexions plus larges sur la transition numérique et les solutions technologiques présentées comme favorables à l’environnement. Un article propose notamment d’examiner avec attention les promesses de l’intelligence artificielle pour l’avenir climatique, en tenant compte à la fois de ses applications potentielles et de son coût matériel.
Faire dialoguer innovation numérique et transition écologique
La recherche de réponses passe également par les échanges entre entreprises, collectivités, spécialistes du numérique et acteurs de l’environnement. Les événements consacrés à la greentech donnent l’occasion de confronter les solutions avancées aux contraintes de leur mise en œuvre, notamment en matière d’énergie, de ressources et de gouvernance. Le compte rendu du Meet-up Greentech d’octobre 2024 illustre ces discussions autour des technologies et des démarches de transition.
Pour les organisations, l’enjeu consiste à évaluer les bénéfices d’un système d’IA au regard des ressources qu’il mobilise, puis à choisir une solution proportionnée au besoin. Cela peut passer par la réduction des requêtes inutiles, la sélection de modèles moins gourmands, la prolongation de la durée de vie du matériel et une meilleure connaissance de l’origine de l’électricité consommée.
Les projections de Green IT mettent ainsi en évidence une question centrale pour les prochaines années : comment développer des usages utiles sans laisser croître sans limite les infrastructures qui les soutiennent ? La réponse dépendra notamment des choix techniques, des pratiques des utilisateurs, des stratégies des entreprises et des règles adoptées par les pouvoirs publics.
