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’IA est une branche de l’informatique qui vise à créer des systèmes capables de reproduire des compétences humaines comme le raisonnement et la créativité. Elle fonctionne grâce à des modèles statistiques qui analysent de grandes quantités de données pour apprendre et prendre des décisions.
Les technologies clés de l’IA comprennent le « Machine Learning », une sous-catégorie de l’IA où des algorithmes sont entraînés pour détecter des modèles dans les données. Le « Deep Learning », une méthode plus avancée, utilise des réseaux de neurones 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.
Il existe différents types d’IA. L’« IA faible » (ou « IA étroite ») est la plus courante, automatisant des tâches spécifiques. Elle inclut l’IA prédictive, qui analyse des données historiques pour anticiper des résultats, l’IA conversationnelle (agents IA), qui alimente les assistants virtuels et les chatbots et l’IA générative multimodale, qui crée du contenu (textes, images, etc.) comme ChatGPT, Midjourney, Bard, Mistral.
L’« IA générale » (ou « IA forte »), capable d’apprendre, de comprendre et de s’adapter à de nouvelles tâches comme un être humain, n’existe pas encore de même que la « Super IA », qui surpasserait l’intelligence humaine, restent purement théorique.
Quelques ressources
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.