Sasha Luccioni : pas d'IA durable sans données sur les émissions et l'usage réel

Sasha Luccioni, chercheuse spécialisée dans l'IA durable, affirme que l'industrie débat de l'empreinte environnementale de la technologie presque à l'aveugle. Sans données sur la consommation d'énergie et d'eau ni sur les usages réels, les entreprises ne peuvent pas savoir où l'IA apporte vraiment de la valeur et où elle ne fait qu'alourdir la charge sur l'infrastructure.

L'industrie avance à l'aveugle

Selon Luccioni, le principal échec du marché ne tient pas seulement à la croissance des centres de données, mais au manque de reporting de base. Les entreprises subissent déjà la pression des salariés, des conseils d'administration et des équipes ESG : une société qui déploie Copilot, des chatbots ou de la génération de médias doit comprendre l'effet sur ses objectifs climatiques. Or de nombreux clients de services d'IA ignorent où les modèles tournent physiquement, à quels réseaux électriques les centres de données sont raccordés et quelle est leur empreinte carbone indirecte.

Le problème ne concerne pas que les entreprises privées. Les États et les agences de l'énergie manquent eux aussi de chiffres pour planifier de nouvelles capacités et évaluer les conséquences de la prochaine vague de constructions. En Europe, le sujet est déjà intégré à l'agenda réglementaire autour de l'IA, et certains pays commencent à regarder de plus près les nouveaux opérateurs de centres de données. Si la charge liée à l'IA ne peut pas être isolée du reste de l'infrastructure cloud, tout discours sur une croissance « verte » tourne vite à la conjecture.

Toutes les tâches n'exigent pas de l'IA

Luccioni reproche aussi au marché son habitude de vendre de grands modèles généralistes comme réponse à toute tâche. En pratique, beaucoup d'entreprises n'ont pas besoin d'un LLM lourd pour chaque requête. Pour la recherche dans des documents internes, la classification, le filtrage, la transcription de la parole en texte ou des tâches analytiques ciblées, des modèles plus simples suffisent souvent. Ils sont moins chers, plus rapides et demandent moins de calcul, ce qui réduit aussi la charge énergétique sans perte de qualité notable dans le cas d'usage concerné.

La télémétrie est un bon repère. Si le fournisseur montre combien de tokens entrent et sortent, l'entreprise peut voir quelles requêtes dominent : texte simple, génération d'images ou recherche approfondie. Le choix du modèle devient alors une décision d'ingénierie, et non l'achat du « plus gros, au cas où ». Dans cette logique, la durabilité ne commence pas par l'interdiction de l'IA, mais par une mise en regard honnête de la tâche, du coût et de la consommation de ressources de chaque outil.

«

Nous avons encore besoin de données sur l'énergie et l'eau pour prendre des décisions éclairées », dit Luccioni.

• des modèles légers pour la recherche, la classification et les tâches courantes
• des LLM plus puissants uniquement pour les analyses complexes
• une comptabilité distincte de la génération d'images et de vidéo
• le choix de sites alimentés par une énergie plus propre

La transparence comme levier

Luccioni dit regretter l'absence d'une solution d'interface très simple : un compteur dans ChatGPT ou Claude qui afficherait, après chaque requête, la dépense d'énergie, les émissions et la source de cette énergie. Un tel indicateur rendrait le coût environnemental de l'IA visible pour l'utilisateur et donnerait aux entreprises une base claire pour leurs décisions d'achat. Tant qu'il n'existe pas, la durabilité reste un sujet de slides de communication plutôt que de gestion quotidienne des produits et de l'infrastructure.

Dans ce contexte, elle lance Sustainable AI Group avec Boris Gamazaychikov, ancien responsable du développement durable chez Salesforce. Leur objectif : aider les entreprises à comprendre quels leviers réduisent réellement les dégâts : choix du modèle, de la région d'exécution, du fournisseur de calcul, du type de tâche et de la source d'électricité. Si un grand acteur est le premier à publier honnêtement de telles métriques et à miser sur les énergies renouvelables, cela peut devenir un avantage concurrentiel plutôt qu'une faiblesse.

Ce que cela signifie

Le débat environnemental autour de l'IA passe peu à peu des craintes générales à des questions mesurables : combien d'énergie est consommée, où tournent exactement les modèles, quelle eau et quel réseau ils utilisent, et si cette classe de modèles est même nécessaire, en pratique, pour une tâche donnée. La prochaine étape pour le marché consiste à rendre ces données visibles pour les clients et les régulateurs. Sans cela, l'IA durable restera une belle promesse impossible à vérifier.