Empreinte environnementale de l'IA : la grille pour arbitrer

L'article en 30 secondes

• La consommation d'eau des centres de données pourrait atteindre 9 300 milliards de litres par année d'ici 2030, l'IA étant le principal moteur de cette croissance (UNU-INWEH, Environmental Cost of AI's Energy Use , juin 2026).
• L'empreinte environnementale de l'IA se mesure sur trois axes distincts : carbone, eau et occupation des sols. Les confondre mène à de mauvais arbitrages.
• Le boycott intégral et le déni technologique sont deux postures symétriques : aucune des deux ne produit de décision applicable dans une PME ou un OBNL.
• Une grille en cinq questions permet d'arbitrer usage par usage, plutôt que de trancher pour ou contre l'IA en bloc.
• Une équipe de Polytechnique Montréal a publié dans Science une avancée sur les puces photoniques organiques qui pourrait réduire la consommation énergétique des centres de données. Le professeur Stéphane Kéna-Cohen estime qu'environ 1 % du potentiel de cette technologie est exploité aujourd'hui.

Deux camps, zéro décision opérationnelle

La question revient dans presque tous mes mandats depuis un an, souvent en fin de rencontre, souvent par la personne responsable du développement durable : « On vient d'adopter une politique environnementale, et là on déploie un outil d'IA générative. On fait quoi avec cette contradiction? » Bonne question. Le débat public, lui, n'aide pas beaucoup. D'un côté, une tribune collective publiée dans Le Monde en juin 2026 appelle au boycott des IA génératives grand public. De l'autre, Jeff Bezos explique que l'IA créera une pénurie de main-d'œuvre et que les solutions environnementales se trouveront en partie dans l'espace. Entre les deux, une directrice générale d'OBNL qui doit trancher un budget de licences pour l'an prochain n'a rien à se mettre sous la dent.

Que mesure-t-on exactement quand on parle d'empreinte environnementale de l'IA

L'empreinte environnementale de l'intelligence artificielle désigne l'ensemble des ressources physiques mobilisées par l'entraînement et l'utilisation des modèles. Elle se décompose en trois axes. Le carbone correspond aux émissions liées à l'électricité consommée par les serveurs et à la fabrication du matériel. L'eau correspond aux volumes prélevés pour refroidir les centres de données et pour produire l'électricité qui les alimente. Le sol correspond aux surfaces occupées par les installations et par les infrastructures de raccordement. Ces trois axes ne varient pas ensemble : un centre de données alimenté par de l'hydroélectricité affiche un profil carbone faible et un profil eau qui dépend du mode de refroidissement retenu.

9 300 milliards de litres d'eau d'ici 2030, et ce que ce chiffre dit vraiment

Le rapport Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints , publié par l'Institut de l'Université des Nations Unies pour l'eau, l'environnement et la santé (UNU-INWEH) en juin 2026, projette une consommation d'environ 9 300 milliards de litres d'eau par année pour les centres de données à l'horizon 2030. Le rapport présente cette projection comme comparable aux besoins annuels en eau de l'Afrique subsaharienne, et identifie l'intelligence artificielle comme principal moteur de la croissance attendue.

Une projection reste une projection. Elle repose sur des hypothèses de croissance de la demande, de mix énergétique et de technologies de refroidissement qui peuvent évoluer d'ici cinq ans. Le chiffre doit donc être lu comme un ordre de grandeur d'un scénario tendanciel, pas comme une prévision certaine.

Pour une organisation québécoise, la traduction est double. Premièrement, la consommation ne se produit pas ici : la très grande majorité des requêtes envoyées aux modèles commerciaux transitent par des infrastructures situées à l'extérieur du Québec, dans des régions où la pression sur la ressource en eau et l'intensité carbone de l'électricité diffèrent radicalement des nôtres. Deuxièmement, le raisonnement « notre électricité est propre, donc notre IA est propre » ne tient pas tant que l'hébergement des modèles utilisés n'a pas été vérifié. C'est une question à poser au fournisseur, au même titre que la localisation des données pour la conformité.

Cinq questions à poser avant d'automatiser un processus

Voici la grille que j'utilise en atelier. Elle ne calcule pas une empreinte en litres ou en kilogrammes, ce qui serait illusoire avec les données publiques disponibles aujourd'hui. Elle sert à classer les usages selon le rapport entre la valeur produite et la ressource mobilisée, puis à décider lesquels conserver, réduire ou abandonner.

Une organisation qui applique cette grille à ses dix principaux usages découvre presque toujours la même chose : deux ou trois usages concentrent la majorité du volume, et l'un d'entre eux n'avait jamais été validé par personne. La sobriété commence par là, pas par une déclaration de principe.

Quatre gestes qui réduisent la consommation sans réduire la valeur

1. Plafonner les usages automatisés. Une intégration qui génère un résumé pour chaque courriel entrant consomme sans arbitrage humain. Fixer un seuil de déclenchement réduit le volume de façon immédiate.
2. Adapter le modèle à la tâche. Réserver les modèles de raisonnement avancé à l'analyse complexe et utiliser des modèles plus légers pour la reformulation, la classification et l'extraction.
3. Réutiliser au lieu de regénérer. Une bibliothèque de gabarits validés remplace des centaines de générations quasi identiques par année.
4. Documenter le volume. Suivre le nombre de requêtes par service et par mois. Sans donnée d'usage, aucune cible de réduction n'est crédible.

Ce que la réglementation encadre déjà, et ce qu'elle laisse ouvert

Aucune loi québécoise n'impose aujourd'hui de mesurer l'empreinte environnementale d'un système d'IA. Deux exigences existantes produisent toutefois des effets convergents. La Loi 25 impose la minimisation des renseignements personnels collectés et traités : moins de données traitées signifie moins de calcul. Elle impose aussi une évaluation des facteurs relatifs à la vie privée pour certains projets, ce qui oblige à documenter la localisation des traitements, information qui sert directement à l'analyse environnementale.

Au fédéral, l'encadrement des systèmes d'IA demeure en construction et n'impose pas de reddition de comptes environnementale. Du côté européen, le règlement sur l'intelligence artificielle prévoit des obligations de documentation technique pour les modèles à usage général, incluant des éléments relatifs à la consommation de ressources, exigences qui influencent déjà ce que les grands fournisseurs publient et donc ce qu'une organisation québécoise peut leur demander par contrat. Ce texte n'est pas un avis juridique.

Ce qui reste ouvert : la clause. Rien n'empêche une organisation d'exiger dès maintenant de son fournisseur la région d'hébergement, la politique de refroidissement et les engagements publiés de réduction. Une clause vaut mieux qu'une position de principe.

Ce que j'en pense

Le boycott intégral déplace le problème sans le régler. Il retire l'outil aux organisations qui l'auraient utilisé avec discernement et le laisse à celles qui ne se posent aucune question. Il prive aussi les OBNL et les petites équipes d'un levier de productivité qu'elles n'ont pas les moyens d'acheter autrement. La posture inverse, celle qui remet la solution à une innovation future ou à une exploitation spatiale, revient à ne rien décider aujourd'hui.

La position défendable se situe ailleurs : elle consiste à mesurer, à arbitrer usage par usage et à financer la recherche appliquée. La publication de l'équipe de Polytechnique Montréal dans Science , rapportée par La Presse en juin 2026, illustre exactement ce troisième chemin. Un matériau organique déposable sur les puces photoniques existantes, permettant de traiter l'information avec la lumière plutôt qu'avec l'électricité, réduirait la chaleur dissipée et donc l'énergie de refroidissement des centres de données. Le professeur Stéphane Kéna-Cohen évalue qu'on exploite à peine 1 % du potentiel de cette technologie. C'est une piste, pas une garantie. Elle se travaille ici, et ça compte.

Les limites de cette approche

La grille présentée ici classe des usages, elle ne quantifie pas une empreinte. Les données publiques permettant de calculer la consommation réelle d'une requête donnée restent partielles et rarement vérifiables de façon indépendante. Les projections de l'UNU-INWEH portent sur l'ensemble des centres de données mondiaux et ne se déclinent pas à l'échelle d'une organisation. Enfin, l'avancée en photonique organique se situe au stade de la recherche : rien n'assure aujourd'hui son déploiement industriel ni son calendrier. Une organisation qui souhaite une mesure chiffrée doit passer par une analyse de cycle de vie menée avec un spécialiste, ce qui dépasse le cadre d'un arbitrage d'usage.

Reste une question que je pose maintenant à chaque comité de direction : parmi vos usages actuels de l'IA, lequel accepteriez-vous de défendre publiquement, chiffres à l'appui, devant votre conseil d'administration?

À propos de l'auteure

Annie Daigneault est fondatrice et présidente d'extensio.ai, firme-conseil québécoise spécialisée en gouvernance et en adoption responsable de l'intelligence artificielle. Elle accompagne les PME, les OBNL, les ordres professionnels et les institutions publiques du Québec. extensio.ai est un organisme formateur agréé par la Commission des partenaires du marché du travail (agrément no 0061225).

Sources

1. UNU-INWEH, Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints , juin 2026 : https://lnkd.in/gG5GYDDe
2. MacGeneration, « L'IA générative déchire le monde entre deux futurs irréconciliables », 21 juin 2026 : https://lnkd.in/gZy--Yrf
3. Le Monde , tribune collective, 18 juin 2026 : https://lnkd.in/gmQYRhR3
4. La Presse , « Une découverte de Polytechnique pourrait réduire la consommation d'énergie de l'IA », 9 juin 2026 : https://lnkd.in/gSg7Ai_F

Passez de la réflexion à l'action

Nos services visent à vous donner les clés pour agir. Découvrez comment nous pouvons accompagner votre organisation :

• Évaluez votre niveau de préparation avec le diagnostic de maturité IA, Posture IA™.
• Structurez votre démarche avec un accompagnement en développement d'un plan d'adoption de l'IA.
• Assurez un déploiement éthique grâce à notre expertise en gouvernance IA responsable.
• Renforcez les compétences de vos équipes via nos ateliers de formation et de vulgarisation en IA.

Questions fréquemment posées

Combien d'eau consomment les centres de données à cause de l'IA?

Le rapport Environmental Cost of AI's Energy Use de l'UNU-INWEH, publié en juin 2026, projette environ 9 300 milliards de litres d'eau par année pour les centres de données d'ici 2030, un volume que le rapport compare aux besoins annuels en eau de l'Afrique subsaharienne. L'intelligence artificielle y est identifiée comme le principal moteur de cette croissance. Il s'agit d'une projection fondée sur un scénario tendanciel, pas d'une prévision certaine.

L'électricité hydroélectrique du Québec rend-elle l'IA plus écologique?

Pas automatiquement. La très grande majorité des requêtes envoyées aux modèles commerciaux sont traitées dans des centres de données situés hors du Québec, où le mix énergétique et la pression sur l'eau diffèrent des nôtres. Le profil environnemental d'un usage dépend donc de la région d'hébergement du fournisseur, pas de celle de l'utilisateur. C'est une information à exiger au contrat.

Faut-il boycotter les IA génératives pour des raisons environnementales?

Une tribune collective publiée dans Le Monde en juin 2026 appelle à ce boycott. La position défendue dans cet article est différente : le boycott intégral retire l'outil aux organisations qui l'utiliseraient avec discernement sans réduire l'usage de celles qui ne se posent aucune question. L'arbitrage usage par usage, appuyé sur des données de volume, produit des réductions concrètes plus rapidement.

Comment réduire la consommation énergétique liée à l'IA dans une PME?

Quatre gestes donnent des résultats rapides : plafonner les usages automatisés qui se déclenchent sans arbitrage humain, choisir un modèle proportionné à la tâche plutôt que le plus puissant par défaut, réutiliser des gabarits validés au lieu de regénérer du contenu quasi identique, et suivre le nombre de requêtes par service chaque mois. Sans donnée d'usage, aucune cible de réduction n'est crédible.

La Loi 25 oblige-t-elle à mesurer l'empreinte environnementale de l'IA?

Non. Aucune loi québécoise n'impose aujourd'hui de mesurer l'empreinte environnementale d'un système d'intelligence artificielle. La Loi 25 impose toutefois la minimisation des renseignements personnels traités et, pour certains projets, une évaluation des facteurs relatifs à la vie privée qui documente la localisation des traitements. Ces exigences réduisent indirectement le volume de calcul et éclairent l'analyse environnementale.

Qu'a découvert Polytechnique Montréal sur la consommation d'énergie de l'IA?

Une équipe de Polytechnique Montréal a publié dans Science, en juin 2026, des travaux sur un matériau organique déposable sur les puces photoniques existantes. Ce matériau permettrait de traiter l'information avec la lumière plutôt qu'avec l'électricité, réduisant la chaleur dissipée et l'énergie de refroidissement des centres de données. Le professeur Stéphane Kéna-Cohen estime qu'environ 1 % du potentiel de cette technologie est exploité.

Comment arbitrer entre politique environnementale et déploiement de l'IA dans un OBNL?

En cessant de trancher pour ou contre l'IA en bloc. Une grille en cinq questions permet de classer chaque usage : quel problème réel il règle, si une solution non générative suffit, quelle taille de modèle est nécessaire, quel volume mensuel est prévu et où le traitement a lieu. Deux ou trois usages concentrent généralement la majorité du volume et méritent l'attention prioritaire.