Comprendre les trois sources d'émissions
L'empreinte carbone d'un système d'IA se décompose en trois grandes phases. La première est l'entraînement du modèle, qui concentre une part significative de l'empreinte initiale. L'entraînement d'un grand modèle de langage peut émettre l'équivalent de plusieurs centaines de tonnes de CO2, comparable à plusieurs vols transatlantiques. Pour la majorité des entreprises qui consomment des modèles existants, cette phase est portée par le fournisseur du modèle, mais elle entre dans le scope 3 si l'on suit la doctrine GHG Protocol. La deuxième phase est l'inférence, c'est-à-dire l'usage quotidien des modèles. Une requête simple sur un grand modèle consomme environ dix fois plus d'énergie qu'une recherche web classique, et cette énergie cumulée peut, à grande échelle, dépasser le coût de l'entraînement. Une étude de l'ADEME publiée en 2025 estime qu'une instruction générative complexe consomme jusqu'à 210 fois plus d'énergie qu'une recherche Google standard, et la création d'une vidéo IA de trois secondes 15 000 fois plus d'énergie. Ces chiffres varient selon le modèle, mais l'ordre de grandeur est documenté. La troisième phase est la fabrication et le maintien des infrastructures : production des cartes GPU, refroidissement des datacenters, fabrication des terminaux utilisateurs. Cette empreinte « grise » représente entre 20 % et 40 % du total selon la durée d'amortissement retenue. Elle est souvent négligée dans les calculs simplifiés, mais elle pèse lourd quand on remplace une flotte de GPU tous les trois à quatre ans.Les méthodes de mesure disponibles
Plusieurs cadres méthodologiques existent pour quantifier ces émissions. Le plus opérationnel à ce stade est CodeCarbon, un outil open source développé par Mila et BCG GAMMA, qui s'intègre aux scripts d'entraînement et d'inférence Python pour mesurer en temps réel la consommation énergétique et la convertir en équivalents CO2 selon le mix électrique du pays. Pour les entreprises qui consomment des API tierces, plusieurs fournisseurs publient désormais une estimation de l'empreinte par requête. Boavizta, association française qui édite des standards ouverts, propose un calculateur sectoriel utilisable pour les évaluations RSE. La méthode du « Bilan Carbone numérique » de l'ADEME couvre désormais explicitement les usages d'IA générative depuis sa mise à jour de 2025. Pour une entreprise qui veut produire un chiffrage défendable, la démarche minimale comporte quatre étapes : inventaire des cas d'usage IA déployés, estimation du volume de requêtes ou d'heures GPU consommées, application des facteurs d'émission par modèle et par mix énergétique, agrégation et reporting selon la nomenclature retenue (GHG Protocol, ISO 14064, CSRD).Vidéo : décrypter l'impact climatique de l'IA
Cette vidéo de vulgarisation présente les ordres de grandeur, les contre-arguments — l'IA peut aussi aider à la décarbonation d'autres secteurs — et les chantiers en cours côté fabricants pour réduire la consommation. Une bonne porte d'entrée pour acculturer un comité de direction ou une équipe RSE.Cinq leviers d'action concrets pour les entreprises
Le premier levier est le choix de l'hébergement. Un même modèle hébergé en France émet environ huit fois moins de CO2 qu'hébergé dans une région nord-américaine ou allemande dépendant encore largement du charbon. Le mix électrique français, dominé par le nucléaire et l'hydroélectricité, présente une intensité carbone très basse. Choisir un fournisseur disposant de datacenters localisés en France ou en Scandinavie est l'arbitrage à plus fort impact, et il s'aligne souvent avec les exigences de souveraineté. Le deuxième levier est le dimensionnement du modèle. La tendance observée en 2026 est à l'usage de modèles plus petits, spécialisés sur la tâche et entraînés à frugalité. Un modèle de 7 milliards de paramètres affiné sur le métier peut produire une qualité supérieure pour un dixième de la consommation par rapport à un grand modèle généraliste. Cette logique de « right-sizing » mérite d'être appliquée systématiquement à chaque cas d'usage : la requête est-elle simple ? Faut-il vraiment un raisonnement complexe ? Peut-on précalculer la réponse ? Le troisième levier est l'optimisation des prompts et des chaînes d'agents. Un prompt verbeux ou redondant double inutilement la facture énergétique. Les pratiques d'ingénierie de prompts — concision, mise en cache des éléments stables, segmentation des appels — relèvent autant de la performance économique que de la performance environnementale. La même rigueur s'applique aux architectures multi-agents, où les boucles de raisonnement peuvent rapidement multiplier la consommation. Le quatrième levier est la rationalisation des cas d'usage. Toutes les entreprises matures procèdent à une revue annuelle de leurs déploiements IA pour identifier ceux qui n'apportent pas de valeur prouvée. Désactiver une fonctionnalité IA peu utilisée, fusionner deux assistants redondants, plafonner les appels par utilisateur sont des décisions banales qui réduisent l'empreinte sans dégrader le service. Le cinquième levier est la formation des utilisateurs. Une part importante des requêtes IA en entreprise sont superflues — relancer le même prompt parce que la première réponse n'a pas été lue, demander à l'IA une information disponible dans un référentiel interne. Acculturer les équipes à un usage discerné — demander d'abord, automatiser ensuite — divise la consommation par deux à trois dans les pilotes documentés par l'ADEME.Anticiper les obligations réglementaires
Trois cadres réglementaires européens montent en puissance. Le règlement CSRD impose depuis 2024 aux grandes entreprises de publier leur empreinte carbone selon les standards ESRS, et l'IA y devient un poste identifié à compter des exercices 2025 et 2026. La taxonomie verte européenne ajoute des critères sur la sobriété numérique pour qualifier une activité comme alignée. L'AI Act, lui, n'impose pas directement de seuils carbone, mais sa documentation technique sur les systèmes à haut risque inclut une section sur la consommation énergétique. Au niveau français, la loi REEN (Réduire l'Empreinte Environnementale du Numérique) de 2021 a posé les bases d'une obligation pour les acteurs du numérique. L'ARCEP et l'ADEME co-pilotent une évolution de la méthodologie qui inclura explicitement l'IA générative. Pour les achats publics, le RGAA et la circulaire « Services numériques économes » imposent un volet sobriété qui s'étend désormais à l'IA.Spécificités pour les PME et ETI des Hauts-de-France
Les PME et ETI de la région disposent de ressources spécifiques pour avancer. Le CD2E, centre régional de compétences en éco-transition, accompagne les entreprises sur le bilan carbone élargi au numérique. La Région Hauts-de-France cofinance via le dispositif Rev3 des projets de sobriété numérique. La CCI Hauts-de-France propose des diagnostics flash et des formations adaptées aux PME industrielles. Plusieurs hébergeurs régionaux ou à forte présence régionale — OVHcloud à Roubaix, Cloud Temple, Outscale — proposent des offres GPU souveraines avec un mix électrique français. Pour une PME qui déploie un assistant interne, choisir un hébergement régional plutôt qu'un cloud public extra-européen peut diviser l'empreinte carbone du projet par cinq à dix, tout en sécurisant la conformité RGPD et l'application de l'AI Act.Foire aux questions
Quelle part du bilan carbone d'une PME numérique l'IA représente-t-elle aujourd'hui ?Les premiers retours d'expérience publiés par l'ADEME et Boavizta situent la part de l'IA entre 5 % et 15 % du scope 3 numérique d'une PME tertiaire qui a généralisé les copilotes en 2025. Ce ratio varie fortement selon les usages : il est marginal sur de la classification simple, dominant sur de la génération vidéo. Comment intégrer l'IA dans un bilan GES existant ?
La démarche pragmatique consiste à créer une sous-catégorie « usages IA » dans le poste 8 (achats de biens et services) ou 11 (utilisation des produits vendus selon les cas) du Bilan Carbone. La méthodologie ADEME publiée en 2025 fournit des facteurs d'émission par famille d'usage. Quels indicateurs reporter en interne ?
Quatre indicateurs forment un tableau de bord exploitable : volume de requêtes par cas d'usage, consommation énergétique estimée, intensité carbone du mix de l'hébergeur, ratio valeur métier sur émission. Ce dernier ratio aide à prioriser les déploiements à fort impact environnemental qui n'apportent pas de valeur démontrée. Existe-t-il des labels qui valorisent une démarche IA sobre ?
Le label Numérique Responsable, porté par l'INR et l'ADEME, intègre depuis 2025 des critères spécifiques sur l'IA. Le label Confiance Numérique, plus orienté souveraineté, comporte un volet sobriété. Les deux sont reconnus dans les marchés publics et de plus en plus exigés par les grands donneurs d'ordre. Que penser des engagements net zéro des grands fournisseurs IA ?
Microsoft a annoncé fin avril 2026 la suspension de ses achats de crédits carbone, déclenchant un débat public sur la crédibilité des trajectoires net zéro affichées par les hyperscalers. Les engagements doivent être lus avec recul : seuls comptent en pratique le mix électrique réel des datacenters et la transparence des chiffres publiés.
