Une étude récente de l’association Green IT, publiée le 30 septembre, met en garde contre une multiplication par sept de l’impact environnemental et sanitaire de l’intelligence artificielle (IA) entre 2025 et 2030. Selon cette recherche, la consommation électrique de l’IA et ses émissions de dioxyde de carbone pourraient connaître une hausse significative durant cette période. L’étude s’appuie sur des méthodes scientifiques reconnues, comme l’analyse multicritère du cycle de vie, l’empreinte environnementale des produits de la Commission européenne et les lignes directrices d’Ademe sur les services numériques. Elle prend en compte tous les types d’IA – générative, agentive et prédictive – ainsi que leur infrastructure, incluant serveurs, systèmes de refroidissement et centres de données. D’ici 2030, l’IA pourrait consommer l’équivalent du budget annuel durable de 645 millions de personnes, soit 1,4 fois la population de l’Union européenne. Ce budget annuel durable représente l’impact environnemental et sanitaire qu’un individu peut générer en un an sans dépasser les limites de la planète. L’IA contribue à quatre grands enjeux environnementaux et sanitaires : le réchauffement climatique, l’eutrophisation des milieux aquatiques, l’épuisement des ressources non renouvelables et les émissions de particules fines. L’association Green IT plaide pour des politiques publiques plus strictes, incluant une législation favorisant une utilisation responsable de l’IA, un étiquetage « IA » similaire à celui des organismes génétiquement modifiés, et des exigences d’éco-conception pour les systèmes d’IA en France. Selon l’étude, l’IA pourrait représenter 15 % des émissions mondiales de gaz à effet de serre (GES), passant de 99 millions à 636 millions de tonnes équivalent CO₂ entre 2025 et 2030. En 2030, l’IA consommerait 16 % du budget annuel durable d’un individu, hors autres usages numériques, qui pourraient représenter 56 % du budget d’un Européen. Cette progression s’explique par le doublement des unités de traitement graphique (GPU) et le triplement de la puissance électrique utilisée par chaque GPU, passant d’environ 700 à 2 000 watts. Le rapport prévoit également que la surface des centres de données sera multipliée par six d’ici 2030, la majorité étant situés aux États-Unis et en Chine, où l’électricité est plus carbonée. L’empreinte environnementale de l’infrastructure de l’IA pourrait augmenter de 6,9 fois entre 2025 et 2030. L’étude estime que le nombre de GPU utilisés dans l’IA passera de 13 millions en 2025 à 25 millions en 2030, avec une consommation électrique qui devrait bondir de 174 térawattheures (TWh) par an en 2025 à 1 169 TWh en 2030. La densité des serveurs augmente également, leur nombre devant tripler, passant de 1,9 à 6,2 millions. Le rapport souligne que 92 % des impacts environnementaux en 2025 et 96 % en 2030 proviennent de la consommation électrique, la fabrication contribuant à moins de 5 %. L’étude indique aussi que l’IA pourrait entraîner 20 639 décès supplémentaires en France d’ici 2030 en raison de la pollution et de l’épuisement des ressources. L’association Green IT recommande cinq mesures aux pouvoirs publics, dont la promotion de la sobriété dans l’IA par la législation, la mise en place d’un système d’étiquetage « IA », la création d’un parcours d’excellence en IA sobre, l’obligation d’éco-conception pour les systèmes d’IA en France, et l’instauration d’un système bonus-malus pour les centres d’IA utilisant des énergies fossiles. En France, un plan de 109 milliards d’euros annoncé début 2025 prévoit la construction de 35 nouveaux centres de données dédiés à l’IA, comme le projet de Google à Châteauroux. Cependant, il n’existe actuellement aucune réglementation environnementale spécifique à l’IA au niveau national ou européen. Aux États-Unis, l’État de New York a imposé un moratoire temporaire sur les nouveaux centres de données de 50 mégawatts ou plus. L’étude a été menée indépendamment par cinq membres de l’association Green IT, à l’aide des bases de données NegaOctet et Ecoinvent, et inclut une relecture interne, mais pas d’évaluation par des pairs externe.