Une meilleure compréhension du fonctionnement des outils d’IA constitue un préalable à leur appropriation raisonnée. Les grandes familles de systèmes d’IA générative, les principes qui les structurent et les implications techniques de leur utilisation permettent également de mieux appréhender les enjeux environnementaux liés à leur entraînement et à leur déploiement.
L’intelligence artificielle (IA) est une branche de l’informatique qui vise à créer des systèmes capables de reproduire des compétences humaines à partir de modèles statistiques entraînés sur de grandes quantités de données, basés sur des règles fournies par des expertes et experts ou extraites des données d'entrainement 1.
Les technologies fondamentales de l'intelligence artificielle comprennent principalement le Machine Learning (apprentissage automatique), dont un sous-domaine majeur est le Deep Learning. Ces deux types d'apprentissage reposent sur des réseaux de neurones artificiels inspirés du fonctionnement du cerveau humain et servent de fondation à de nombreux domaines applicatifs, tels que le traitement du langage naturel (NLP) ou la vision par ordinateur. Ces derniers permettent de réaliser des tâches spécifiques comme dans des voitures autonomes (via la vision par ordinateur pour détecter les obstacles), pour la reconnaissance optique de caractères, ou encore dans des robots aspirateurs équipés de caméras capables d'interpréter leur environnement 2.
L’IA se divise en différents types 3 : l’IA faible (ou étroite), la plus courante et spécialisée dans l’automatisation de tâches (incluant l’IA prédictive, l’IA conversationnelle, l’IA générative comme ChatGPT, Mistral et Gemini, ou encore l'IA agentique capable d'agir de manière autonome afin de prendre des décisions ou d'atteindre un but), tandis que l’IA générale (AGI), capable d’apprendre et de s’adapter comme un humain, et la Super IA, qui surpasserait l’intelligence humaine, restent pour l’instant théorique. Certains spécialistes parlent déjà d'applications dites « pré-AGI », ce qui témoigne de la rapidité des développements en matière d'IA.
Par rapport aux outils d'IA générative, une multimodalité s'est généralisée. L'IA multimodale, capable de traiter simultanément texte, images, audio et vidéo, est devenue la norme avec des modèles d'IAg de tailles modestes en regard des géants du marché. Des modèles chinois, français ou indiens sont capables de rivaliser avec eux.
À partir de 2025, des développements majeurs ont lieu dans le domaine de l'IA agentique (Agents IA ou agents autonomes). Les outils d'IA agentique se diffusent de plus en plus. Des entreprises comme OpenAI et Microsoft ont lancé leurs « navigateurs intelligents » (ou extensions d’IA) capables d’exécuter des tâches sur simple demande vocale ou écrite de l’utilisateur ou de l’utilisatrice (remplir un formulaire en ligne, réserver un voyage, effectuer un achat 4,5). Cette nouvelle capacité à interagir directement avec notre ordinateur soulève des questions importantes en matière de délégation des tâches, de vie privée et de sécurité des données6.
Au-delà de l'IA agentique, la plupart des moteurs de recherche intègrent aujourd'hui des suggestions de réponses générés par l'IA, difficiles voire impossibles à désactiver. Ces nouvelles possibilités ou fonctionnalités de plus en plus intégrés dans les applications de base demandent une plus grande puissance, et ont pour conséquence de pousser au développement d'appareils (smartphones et ordinateurs par exemple) plus performants ce qui entraine de facto un cout d'achat plus élevé.
L'IA n'est désormais plus une technologie émergente, c'est une infrastructure en cours de déploiement à l'échelle mondiale, dont la consommation énergétique et la demande en ressources de calcul suscitent une attention croissante.
Quelques ressources
1 RTS Découverte. L’intelligence artificielle, comment ça marche. (2023/01/12). La semaine des médias à l'école.
2Charlie Hebdo (2024). Entretien. « Il faut se méfier des discours colportés par les géants de l’IA ».
3Emery, E. (2026/01/26). État des lieux de l'Intelligence Artificielle Générale (IAG ou AGI) en janvier 2026. Natural-Net.
4ArpeJe. (2026/06/10). Microsoft Scout : l'agent IA autonome qui travaille pour vous. ArpeJe. https://arpeje.fr/microsoft-scout-agent-autonome-copilot/
5Les Numériques. (2026/05/19). Google I/O 2026 : Gemini Spark, l'IA qui gère toute votre vie sans surveillance, même quand vous dormez. Les Numériques.
6Le temps (2025/10/28). Les navigateurs dopés à l’IA pourraient mettre les utilisateurs face à de sérieux risques
Énergie et ressources naturelles
Les récentes réflexions sur les impacts environnementaux des systèmes d'IA et notamment d'IA générative se concentrent sur la consommation énergétique, le besoin d’eau, la gestion des déchets électroniques et aussi l'exploitation des terres rares pour leurs minerais nécessaires à la fabrication des composants électroniques de ces systèmes. Les modèles d’IA générative nécessitent en effet une puissance de calcul massive impliquant une consommation énergétique considérable, ainsi qu’un besoin d’eau pour le refroidissement des centres de données1.
Un rapport publié par l’Institut de l’Université des Nations unies pour l’eau, l’environnement et la santé (UNU-INWEH2), en collaboration avec le gouvernement du Canada, met en lumière à quel point l’IA est incompatible avec les limites de la planète. La consommation en énergie et en eau des centres de données devrait doubler d’ici 2030, ce qui menace les ressources naturelles de populations entières. Les conclusions du rapport préconisent un écosystème d’IA responsable, misant sur des principes de durabilité, d’équité et de transparence tout au long du cycle de vie des systèmes d’IA.
Les réflexions actuelles sur la durabilité portent sur le développement d’une IA plus verte, en optimisant ses algorithmes et en utilisant des infrastructures à plus faible empreinte carbone. Cependant, dans différentes régions du monde, l’expansion rapide des centres de données provoque des tensions avec la population sur les risques de pollution et les ressources en eau3, bien que des initiatives intéressantes de récupération d'énergie émergent comme en Suisse, en Finlande ou en France. En parallèle, des solutions d'IA installées en local se développent, permettant de minimiser les impacts sur l'environnement, mais exigeant aussi des appareils toujours plus performants.
Si l’impact environnemental est considérable, l’IA peut tout de même être aussi un outil en faveur de la durabilité. Elle pourrait servir à optimiser la consommation énergétique des bâtiments, à améliorer la gestion des réseaux électriques, à aider à prédire les impacts du changement climatique tout en contribuant à la conception de nouveaux matériaux écologiques. Parallèlement à cela, les utilisateurs et utilisatrices sont poussés à utiliser les outils d'IA générative dans des cadres bien plus ludiques et, parfois, sans même s’en rendre compte ; ces pratiques sont souvent induites par des intérêts économiques des prestataires d’outils d’IA générative.
Quelques ressources
1Goff, T. (2026). Centres de données : pourquoi leur refroidissement consomme autant d’eau (et pourquoi cela pose problème). The Conversation.
2ONU Info (2026/06/04). L’IA menace les ressources en eau et en énergie.
3Charlie Hebdo. (2026/06/04). Campus IA : un méga data center pour pourrir les sols et faire disjoncter l'Île-de-France.