L’IA peut-elle réduire les émissions sans accélérer la production fossile ?

Une étude publiée dans npj Climate Action élargit précisément l’analyse au-delà de l’empreinte directe des data centers. Elle évalue les conséquences climatiques des gains de productivité permis par l’IA dans l’ensemble du système énergétique. Le modèle distingue notamment les émissions évitées lorsque l’IA améliore les performances des énergies renouvelables et les émissions supplémentaires susceptibles d’apparaître lorsque ces mêmes technologies renforcent la productivité de l’exploitation des énergies fossiles.

Cette approche modifie considérablement les ordres de grandeur. Dans les scénarios où l’adoption de l’IA progresse parallèlement dans les filières fossiles et renouvelables, le modèle aboutit à une augmentation nette annuelle comprise entre 0,47 et 1,8 gigatonne de CO₂, soit entre 1,2 et 4,8 % des émissions mondiales de CO₂ liées à l’énergie en 2024. Les seules émissions supplémentaires associées aux gains de productivité dans les activités fossiles atteignent entre 0,6 et 2,4 Gt de CO₂ par an dans les scénarios étudiés.

Ces valeurs dépassent largement les émissions actuellement attribuées au fonctionnement des infrastructures numériques. L’Agence internationale de l’énergie estime à environ 180 millions de tonnes de CO₂ les émissions annuelles liées à l’électricité consommée par l’ensemble des data centers et envisage un niveau compris entre environ 300 et 500 millions de tonnes en 2035 selon les scénarios. Ces données ne peuvent toutefois pas être directement additionnées aux résultats de l’étude, car les périmètres et les méthodes de calcul diffèrent.

Quand l’efficacité permet aussi de produire davantage

Le mécanisme le plus important identifié se situe en amont de la production énergétique. L’IA peut améliorer la caractérisation des gisements, l’efficacité des opérations d’extraction, l’utilisation du capital et du travail ou encore réduire certains coûts et risques opérationnels. Elle peut ainsi rendre économiquement viable une production supplémentaire de pétrole, de gaz ou de charbon. Dans le modèle, les gains de productivité obtenus dans l’extraction des combustibles fossiles expliquent l’essentiel de l’augmentation des émissions. À l’inverse, l’amélioration de l’efficacité des centrales utilisant des combustibles fossiles tend légèrement à réduire les émissions par unité d’énergie produite.

Deux mécanismes permettent de comprendre ce résultat. Le premier est l’effet rebond. Une amélioration de l’efficacité réduit les ressources nécessaires pour produire un bien ou un service, mais la baisse des coûts qui en résulte peut également stimuler la production ou la consommation. Le second est l’effet d’induction, qui correspond à l’apparition de nouvelles possibilités économiques rendues accessibles par une technologie. Ces effets sont aujourd’hui intégrés à l’analyse des conséquences environnementales des technologies numériques.

L’IA peut parallèlement contribuer à diminuer certaines émissions. L’Agence internationale de l’énergie identifie des applications dans la détection des fuites de méthane, l’optimisation des procédés industriels, les transports, les bâtiments et les réseaux électriques. Dans les renouvelables, les prévisions de production, la maintenance prédictive ou l’optimisation des installations peuvent améliorer l’exploitation des capacités existantes.

Mais le modèle met en évidence une forte asymétrie entre les gains obtenus dans les renouvelables et ceux réalisés dans les activités fossiles. Pour compenser un gain marginal de productivité de 1 % dans les énergies fossiles, il faudrait environ 4 à 5 % de gains de productivité dans les renouvelables.

Les améliorations plus générales apportées à l’industrie, aux réseaux électriques ou au transport maritime peuvent également réduire les émissions. Dans un scénario de forte adoption de ces usages considérés comme neutres vis-à-vis du combustible utilisé, la diminution atteint environ 0,1 Gt de CO₂ par an lorsqu’ils sont analysés isolément. Dès que les gains de productivité de l’extraction fossile sont intégrés, leur effet redevient cependant dominant.

L’empreinte climatique dépend surtout des usages de l’IA

Cette analyse déplace donc la question environnementale bien au-delà de la seule consommation électrique des modèles d’IA. Une technologie capable d’accroître l’efficacité d’une économie encore fortement dépendante des combustibles fossiles peut simultanément améliorer la productivité des activités carbonées. Dans certains scénarios étudiés, les émissions augmentent même plus rapidement que le produit intérieur brut généré par les gains de productivité, ce qui conduit à une hausse de l’intensité carbone de la croissance considérée.

Ces résultats ne constituent toutefois pas une prévision des futures émissions imputables à l’IA. Le modèle repose sur une analyse en équilibre comparatif statique destinée à isoler les effets des gains de productivité. Il utilise une base économique de 2017 dont le mix électrique a été adapté pour se rapprocher de celui de 2024. Le périmètre couvre par ailleurs le CO₂ issu de la combustion des énergies fossiles et n’intègre pas l’ensemble des gaz à effet de serre ou des émissions industrielles. Les valeurs obtenues doivent donc être interprétées comme des résultats de scénarios et non comme une mesure des émissions actuellement provoquées par l’IA.

L’intérêt principal de cette étude est finalement méthodologique. Évaluer l’empreinte climatique de l’IA uniquement à travers les puces, les serveurs et leur consommation électrique risque de laisser de côté une partie potentiellement beaucoup plus importante de ses conséquences. L’impact global dépend également de ce que l’IA permet de produire plus efficacement et en plus grande quantité. Une technologie utilisée pour optimiser un réseau électrique et la même technologie employée pour accroître la rentabilité d’un gisement pétrolier reposent sur des outils comparables, mais leurs conséquences sur les émissions de CO₂ peuvent évoluer dans des directions radicalement différentes.