Climat et IA
Il y a des moments où le climat cesse d’être une abstraction. La canicule qui vient de frapper la France en fait partie. En juin 2026, Météo-France a relevé les journées les plus chaudes jamais enregistrées en France métropolitaine.
Dans les hôpitaux, la chaleur n’était plus une donnée météorologique, mais une pression clinique : urgences saturées, hyperthermies sévères, hausse brutale des appels au SAMU.
C’est dans cette France suffocante que l’intelligence artificielle prend une dimension nouvelle. Elle promet une partie de ce dont nos sociétés auront besoin dans un monde plus chaud : mieux prévoir, mieux répartir l’énergie, mieux piloter les bâtiments, mieux anticiper les risques. Mais elle porte aussi une contradiction profonde : les modèles qui aident à comprendre le climat reposent eux-mêmes sur des centres de données, des processeurs spécialisés, des systèmes de refroidissement, de l’eau, du foncier et des chaînes industrielles mondialisées.
Une alliée possible de la résilience
Il serait trop simple de faire de l’IA le nouveau bouc émissaire climatique. Dans certains domaines, elle produit déjà des gains tangibles. En 2016, Google DeepMind annonçait avoir réduit jusqu’à 40 % l’énergie utilisée pour le refroidissement de certains data centers Google, grâce à des réseaux de neurones entraînés sur des milliers de capteurs. Le gain représentait aussi environ 15 % de réduction du surcoût global de PUE, indicateur d’efficacité énergétique des centres de données.
La météo est un autre terrain décisif. GraphCast, présenté par Google DeepMind, produit des prévisions mondiales à dix jours en moins d’une minute et aide à anticiper des événements extrêmes. Le Centre européen pour les prévisions météorologiques à moyen terme a, de son côté, rendu opérationnel en février 2025 son système AIFS. L’ECMWF indique que ce modèle améliore certains indicateurs, notamment les trajectoires de cyclones tropicaux, avec jusqu’à 20 % de gain, tout en réduisant d’environ mille fois l’énergie nécessaire pour produire une prévision.
Voilà le versant utile de l’IA : non pas une machine magique, mais un outil d’anticipation. Dans un système électrique traversé par l’intermittence du solaire, les variations du vent, les pics de climatisation et la montée des véhicules électriques, cette capacité peut devenir précieuse : éviter des moyens thermiques de secours, mieux gérer les réseaux, ajuster les bâtiments, organiser plus tôt les réponses d’urgence.
Derrière le cloud, la matière
Le mot « cloud » a longtemps entretenu une illusion commode : celle d’un numérique sans poids. Mais l’IA n’habite pas un nuage.
Elle repose sur des machines, des racks de serveurs, des processeurs graphiques qui chauffent, des circuits imprimés, des systèmes de refroidissement, des lignes électriques, des bâtiments spécialisés, des sols mobilisés et des ressources minières extraites, transportées, assemblées puis remplacées. Pour comprendre ce que coûte vraiment l’IA, il faut quitter l’écran et regarder l’infrastructure qui rend possible chaque calcul.
Cette réalité ne disqualifie pas les bénéfices de l’IA. Elle oblige à les regarder sans naïveté. Un modèle de langage, un système de vision par ordinateur, un outil d’aide à la décision ou un assistant génératif ne sont jamais de simples lignes de code : ce sont des opérations de calcul répétées, servies à grande échelle, adossées à de l’électricité, à du matériel, parfois à de l’eau, et à des territoires bien concrets.
L’innovation n’est pas moins nécessaire parce qu’elle a une empreinte ; elle devient plus exigeante, parce qu’elle doit apprendre à compter ce qu’elle mobilise.
Le fantôme de Jevons ou le piège de l’effet rebond
La réponse dominante de l’industrie technologique est connue : l’efficacité des puces, l’optimisation logicielle et la “Green AI” compenseraient la croissance des usages.
Les modèles d’IA s’allègent, les puces spécialisées consomment moins par opération. C’est techniquement exact. Google documente ainsi les gains d’efficacité carbone de ses processeurs TPU et les réductions possibles de l’empreinte par tâche. Mais cette vision reste économiquement incomplète.
C’est ici que surgit le paradoxe de Jevons. Au XIXe siècle, William Stanley Jevons observait que plus les machines à vapeur devenaient économes en charbon, plus la consommation globale de charbon augmentait. L’efficacité faisait baisser les coûts, rendait la technologie accessible et multipliait les usages. L’IA pourrait suivre la même pente : chaque requête coûte moins cher, mais les requêtes se généralisent partout.
Compter pour choisir
La sobriété numérique commence rarement par un grand discours. Elle commence par un compteur. C’est précisément le rôle de CodeCarbon : rendre visible ce que l’usage ordinaire du numérique tend à dissimuler. Cet outil open source, disponible sous forme de bibliothèque Python, permet d’estimer les émissions de CO₂ liées à l’exécution d’un programme informatique. Il mesure ou évalue la consommation des principaux composants sollicités ( processeur, carte graphique et mémoire vive ) puis la rapporte à l’intensité carbone de la région où le calcul est effectué.
Son intérêt n’est pas de prétendre « verdir » automatiquement l’intelligence artificielle, mais d’introduire une discipline simple : avant d’optimiser, il faut mesurer ; avant de promettre la sobriété, il faut savoir ce que l’on consomme.
Pour une IA responsable
L’intelligence artificielle ne sauvera pas le climat. Elle peut, dans certains cas, aider à mieux vivre avec un climat déjà déréglé et réduire certains gaspillages. Mais elle peut aussi aggraver la pression sur les réseaux, l’eau, les territoires et les matières premières si elle se déploie sans discernement.
C’est là que La Maison de l’IA peut jouer un rôle utile : non pas promettre une technologie rédemptrice, mais former un regard critique. Faire comprendre que le numérique a une matérialité. Montrer qu’une requête n’est jamais seulement une requête. Installer des outils de mesure et les montrer comme CodeCarbon.
Sensibiliser aux modèles sobres. Relier citoyens, chercheurs, collectivités et entreprises autour d’une culture commune de la responsabilité.
La canicule de juin 2026 a rappelé que le temps des abstractions est terminé. Face à la chaleur du monde, l’IA doit cesser de se croire immatérielle. Elle ne sera crédible comme alliée climatique qu’à une condition : accepter de compter ce qu’elle consomme et de justifier ce qu’elle promet.
Alexandre GENETTE – Responsable Médiation Scientifique à La Maison de l’IA