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. Dans ses formes les plus récentes, elle se base sur des modèles statistiques qui analysent de grandes quantités de données pour apprendre et prendre des décisions. D’autres formes d’IA peuvent se baser sur des règles données par des expertes ou experts, ou extraites aussi de données d’entrainement.
Les technologies clés de l’IA comprennent le Machine Learning, une approche de l’IA où des algorithmes sont entraînés pour détecter des modèles dans les données. Le Deep Learning, une méthode spécifique de Machine Learning, s’applique sur des réseaux de neurones artificiels inspirés du cerveau humain. Le traitement du langage naturel (NLP) permet à l’IA de comprendre et de générer du langage humain, tandis que la vision par ordinateur lui permet d’interpréter des informations visuelles. Ces derniers systèmes sont désormais largement utilisés, par exemple sur des voitures autonomes, pour la reconnaissance de caractères ou encore dans des robots aspirateurs équipés de caméra.
L’IA se divise en différents types : l’IA faible (ou étroite), la plus courante et spécialisée dans l’automatisation de tâches (incluant l’IA prédictive, l’IA conversationnelle et l’IA générative comme ChatGPT, Midjourney, Mistral et Gemini), tandis que l’IA générale, capable d’apprendre et de s’adapter comme un humain, et la Super IA, qui surpasserait l’intelligence humaine, restent pour l’instant théorique.
Actuellement, des développements majeurs ont lieu dans le domaine des Agents IA (ou agents autonomes), qui sont désormais intégrés directement dans les navigateurs web. 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).
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 données.
Quelques ressources
Le temps (2025/10/28). Les navigateurs dopés à l’IA pourraient mettre les utilisateurs face à de sérieux risques.
Charlie Hebdo (2024). Entretien. « Il faut se méfier des discours colportés par les géants de l’IA ».
IBM (2024). Qu’est-ce que l’IA générative ?
IBM. (2024/10/31). Qu’est-ce qu’un petit modèle de langage ? Thot Cursus (2025/01/17 mise à jour 2025/01/17). Quelles sont les I.A. les plus utilisées ?
Barraud, T. Petersen, J. Overney, S. Aubort et A.-M. Brouet. (2023). Intelligence artificielle : amie ou concurrente ? Dimensions — Le magazine de l’EPFL, N.8.
Énergie et ressources naturelles
Les récentes réflexions sur les impacts environnementaux de l’IA se concentrent sur la consommation énergétique, le besoin d’eau et la gestion des déchets électroniques.
Les modèles d’IA nécessitent en effet une puissance de calcul massive impliquant une consommation électrique considérable, ainsi qu’un besoin d’eau pour le refroidissement des centres de données. Par ailleurs, des études comme Global E-waste Monitor (GEM) observent la forte augmentation des déchets électroniques (e-waste).
Cependant, l’IA peut être un outil en faveur de la durabilité. Elle permet d’optimiser la consommation énergétique des bâtiments, d’améliorer la gestion des réseaux électriques, d’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 l’IA dans des cadres bien plus ludiques et parfois sans même s’en rendre compte, pratiques souvent induites par des intérêts économiques des prestataires d’outils d’IA générative.
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 faible empreinte carbone. À noter, par exemple, que la société Mistral a collaboré avec ADEME et Carbone 4 pour mesurer le coût environnemental de son modèle L2 (20,4 ktCO₂ et 281 000 m³ d’eau sur 18 mois de fonctionnement), mais les critères et méthodes de calcul font débat. Dans certaines régions du monde, par exemple en Californie, l’expansion rapide des centres de données provoque des tensions avec les habitants sur les risques de pollution et les ressources en eau.
Quelques ressources
Courrier international (2024). Eau, énergie… Le coût caché des chatbots.
Garcia, F. & Schbath, S. (2025) Les impacts de l’IA sur l’environnement. Annales des Mines — Enjeux Numériques, 29. Pour une IA responsable et éthique. hal-05020408.
Herji. (2025). Utop'IA. Centre LEARN EPFL, EPFL Press.
Le Temps (2025/07/27). Quel est l’impact environnemental d’un grand modèle de langage ? Mistral AI lève (partiellement) le voile.
Los Angeles Time (2024/08/12). Power-hungry AI data centers are raising electric bills and blackout risk.
Mistral AI (2025/07/22). Notre contribution pour la création d’un standard environnemental mondial pour l’IA.
UNITAR (2024). Global e-Waste Monitor 2024.