L'empreinte environnementale de l'IA : un défi pour la planète, une opportunité pour la France et l'Europe

D. L'IA AU SERVICE DE L'ENVIRONNEMENT : UN POTENTIEL À CONCRÉTISER

Il n'est pas possible d'évoquer l'empreinte environnementale de l'IA sans aborder ses bénéfices possibles en matière d'environnement. Ces derniers ont été mis en avant dès 2018 par Cédric Villani qui soulignait que l'IA allait « permettre de comprendre la dynamique et l'évolution des écosystèmes en se basant sur la réalité de leur complexité biologique, d'optimiser la gestion de nos ressources, notamment énergétiques, de préserver notre environnement et d'encourager la biodiversité »^76(*).

La délégation sénatoriale à la prospective, dont les rapporteurs ont entendu la présidente Christine Lavarde, a rendu en février 2025 un rapport d'information sur « IA et environnement » qui a notamment relevé que « ce potentiel de l'IA au service de l'environnement n'a cessé de trouver des applications concrètes et [que] les innovations se poursuivent »^77(*), mettant en exergue de nombreux exemples de solutions fondées sur l'IA en matière d'environnement.

10 exemples parmi d'autres
où l'IA change la donne en matière d'environnement

Secteur	Objectif	Exemple de solution fondée sur l'IA
Énergie	Réduction des consommations énergétiques dans le bâtiment	Le dispositif « Advizeo » utilise l'IA pour automatiser le suivi et le pilotage des bâtiments à distance, pour plus de flexibilité dans la gestion énergétique.
Agriculture	Aide à la décision pour les exploitants agricoles	L'outil Pixagri développé par TerraNIS permet d'évaluer la biomasse des cultures intermédiaires pour aider les agriculteurs à réduire l'apport d'engrais tout en optimisant leurs pratiques.
Gestion des déchets	Amélioration du tri des déchets	Avec Max AI, l'entreprise Veolia utilise des caméras optiques et l'IA pour améliorer les performances du tri.
Gestion de l'eau	Amélioration de la maintenance prédictive pour une gestion durable des ressources hydriques	« Mission 90 + » s'appuie sur l'IA pour la détection acoustique de fuites dans le réseau d'eau potable.
Mobilité	Mesure de l'impact de la mobilité sur l'air et le climat	Le projet « Predict AI'r » a permis la création d'un dispositif prédictif des impacts de la mobilité grâce à l'IA, en analysant les données de bornage téléphonique et en quantifiant l'empreinte climatique quotidienne des trajets.
Biodiversité	Connaissance et préservation des habitats naturels	Le projet « CarHab » a pour objectif de cartographier d'ici 2026 la végétation de tout le territoire français pour établir une carte nationale des habitats naturels et semi-naturels.
Lutte contre les incendies	Estimer le risque d'incendie	Le projet Goliat utilise l'IA pour représenter le risque de survenue d'incendie par commune en Corse.
Prévisionde phénomènes extrêmes	Alerte sur le risque de canicule	Utilisation du machine learning sur des données du modèle de simulation « PlaSim » par une équipe du CNRS de Lyon pour démontrer la capacité de l'IA à prédire les canicules jusqu'à un mois à l'avance.
Forêts	Mesurer le stock de carbone contenu dans la biomasse végétale	L'entreprise Kanop utilise des techniques d'apprentissage profond pour mettre en évidence le stock de carbone contenu dans la biomasse végétale et qualifier la capacité des forêts à séquestrer le carbone atmosphérique.
Urbanisme et aménagement du territoire	Urbanisme durable	Avec « Urba AI », l'IA est utilisée pour prendre en compte les enjeux écologiques dans les PLU et suivre les objectifs environnementaux du schéma directeur francilien.

Source : délégation à la prospective, rapport d'information n° 379 (2024-2025)

Les constats de la délégation à la prospective rejoignent ceux dressés en septembre 2024 par le Conseil économique, social et environnemental, qui soulignait que « l'IA peut directement contribuer à réduire l'empreinte environnementale par des systèmes créés spécifiquement pour leur utilité écologique. Par exemple, l'IA contribue à la mesure et à la gestion de la qualité de l'air, en prévoyant plusieurs heures à l'avance la concentration de particules fines à tel ou tel endroit et en conseillant d'adapter en conséquence les déplacements. L'IA peut aussi indirectement contribuer à réduire l'empreinte environnementale par une amélioration de l'efficacité énergétique de l'ensemble des activités. Cette optimisation de l'usage des ressources prend des formes multiples dans de nombreux secteurs : pilotage des flux de circulation routière, chauffage des bâtiments, gestion des déchets, etc. »^78(*)

L'apport de l'intelligence artificielle en matière d'environnement, l'AI for Green, a été souligné par de nombreux interlocuteurs de la mission d'information.

L'Afnum estime ainsi que « l'IA constitue (...) un levier majeur de décarbonation et de réponse aux enjeux de la transition écologique pour l'ensemble de l'économie : agriculture de précision, optimisation énergétique des bâtiments et de l'industrie, mobilité intelligente, télémédecine »^79(*). Numeum souligne que « l'IA contribue à l'optimisation des opérations et au renforcement de l'efficacité environnementale »^80(*) ; le syndicat énumère, dans un rapport publié en avril 2024^81(*), plusieurs cas d'usages prometteurs, comme l'optimisation logistique, la gestion des pièces détachées, le recyclage des matériaux, la détection des anomalies dans l'utilisation des ressources, la maintenance prédictive ou encore la simulation numérique. Google affirme que « l'IA n'est pas seulement un consommateur d'énergie, c'est un catalyseur essentiel pour l'action climatique »^82(*), mettant en avant plusieurs projets lancés par l'entreprise. Bpifrance souligne que « l'IA peut contribuer à des réductions d'émissions significatives (optimisation industrielle, logistique, énergie) »^83(*).

Lors de son audition par la commission, Philippe Aghion, prix Nobel d'économie, a cité en exemple l'entreprise Veolia : « Veolia utilise l'IA pour gérer ses systèmes d'aération destinés à la purification de l'eau. Les flux d'eau varient en fonction des précipitations. Désormais, grâce à l'IA, l'entreprise peut déterminer précisément quand activer ou arrêter ces systèmes. Veolia a ainsi réussi à économiser dix fois plus d'énergie que l'IA n'en a consommé pour cette tâche »^84(*). Entendu par la mission d'information, le groupe Veolia a confirmé que l'IA était un élément clé de son programme stratégique 2024-2027.

Un exemple : l'intelligence artificielle
au coeur de la stratégie environnementale de Veolia

Le programme AI for GreenUp, au coeur du programme stratégique 2024-2027 du groupe Veolia, place l'IA au service des trois objectifs environnementaux du groupe : la décarbonation, la dépollution et la régénération des ressources.

Dans ce cadre, plusieurs initiatives ont été lancées par le groupe :

- le partenariat stratégique avec Mistral AI (février 2025) : il vise à alimenter la plateforme Veolia Secure GPT avec des modèles de langage frugaux, agiles et souverains. Ce partenariat soutient le programme Talk To My Plant (TTMP) qui a pour objectif de permettre aux opérateurs de l'eau, de l'énergie, du dessalement ou de la gestion des déchets de co-piloter les installations industrielles en langage naturel, pour optimiser la maintenance, prévenir les incidents et réduire les consommations en temps réel ;

- la création d'une start-up avec Alcom (juin 2025) : cette start-up est dédiée au développement de solutions basées sur l'IA pour la détection de fuites et l'amélioration de la performance des services de gestion de l'eau des collectivités territoriales. Il s'agit d'une réponse à l'enjeu majeur que constituent les pertes en réseau, qui ont un impact sur les consommations d'énergie, les ressources en eau et les coûts de service public. Une solution s'appuyant sur l'analyse de données de réseau en temps réel a été développée et elle a commencé à être déployée ;

- le déploiement d'une solution IA pour le tri et le recyclage des déchets (octobre 2025) : cette solution s'inscrit dans l'offre Hubgrade Waste Quality Monitoring qui s'appuie sur un système intégré de vision par ordinateur pour analyser en temps réel la pureté des flux de déchets. Par exemple, l'offre BOM DIA a été lancée pour les déchets industriels : elle permet de limiter le taux de polluants dans les flux recyclables à 5 %.

Source : Veolia, réponse écrite au questionnaire des rapporteurs

Le point de vue des différentes entreprises et fédérations professionnelles, ainsi que les initiatives évoquées supra, sont pleinement cohérents avec le diagnostic établi par la Stratégie nationale bas-carbone n° 3 publiée en juillet 2026 qui indique que, au-delà de son empreinte carbone, « le numérique peut (...) contribuer à la transition écologique »^85(*).

La mission constate cependant que, si les apports potentiels de l'IA en matière d'environnement font consensus, l'objectivation et la quantification de leur impact sont complexes.

Les entreprises concernées mettent certes en avant l'impact positif de certains cas d'usage :

- Google affirme ainsi, d'une part, que les itinéraires économes en carburant proposé par l'IA dans Google Maps ont permis de réduire les émissions de 2,7 millions de tonnes métriques en 2024, soit l'équivalent du retrait de la circulation de 630 000 voitures thermiques pendant un an, et, d'autre part, que le projet d'IA « Green Light » optimise les feux de signalisation urbaine, réduisant les arrêts aux intersections jusqu'à 30 % et les émissions aux carrefours de plus de 10 % en moyenne^86(*) ;

- Veolia estime que la solution Hubgrade Wastewater Plant Performance, déployée sur plus de 120 stations d'épuration dans le monde, permet de réduire les émissions de protoxyde d'azote jusqu'à 90 %, la consommation d'énergie jusque 40 % et l'empreinte carbone jusque 60 % et que la solution Hubgrade Energy Optimization génère jusqu'à 30 % d'économies d'énergie sur plus de 2 000 projets dans 38 pays^87(*).

Les estimations portant sur l'impact de ces cas d'usage restent cependant peu nombreuses et s'appuient sur une évolution potentielle.

L'Académie des technologiques souligne que, selon l'AIE, l'utilisation de l'IA dans l'industrie et les services devrait permettre d'économiser entre 2 et 4 fois ses propres émissions et consommations, en compensation de la consommation des centres de données^88(*). Les gains documentés sont de l'ordre de 20 à 30 % dans l'industrie, via des jumeaux numériques et la maintenance prédictive, jusque 50 % pour la gestion énergétique du bâti, ou encore de 10 à 25 % pour les réseaux d'énergie intelligents. Google souligne de son côté que, selon un rapport publié dans la revue Nature et le World Energy Outlook de l'AIE, l'organisation de l'énergie, de l'alimentation et de la mobilité grâce à l'IA pourrait réduire les gaz à effet de serre de 3,2 à 5,4 gigatonnes par an d'ici à 2035^89(*).

Le cabinet Deloitte a quant à lui réalisé une étude sur les gains potentiels de l'IA dans le secteur de la production d'énergie. Dans le meilleur des cas (cf. graphique ci-après), d'ici 2030, les économies d'énergie pourraient atteindre entre 2 700 et 3 700 TWh, dépassant la consommation énergétique projetée par la technologie (environ 1000 TWh) et même entre 9 500 et 11 800 TWh à l'horizon 2050. Il s'agit cependant, comme le souligne le cabinet Deloitte, d'un potentiel théorique, supposant une diffusion large et effective des cas d'usage les plus vertueux et qui ne préjuge pas des effets rebonds possibles, ni des arbitrages réels dans chaque secteur.

Source : cabinet Deloitte

D'autres interlocuteurs de la mission d'information se sont montrés plus prudents sur la quantification de l'impact des cas d'usage de l'IA. Lors de son audition par la commission, Baptiste Perrissin Fabert, directeur général délégué de l'Ademe, a ainsi souligné qu'« il y a manifestement des gains à l'utilisation [des] IA plus classiques sur l'impact environnemental. En revanche, s'agissant des IA génératives, les usages se cherchent encore un peu aujourd'hui.^90(*) » L'Ademe estime même qu'« il n'y a pas de projet d'IA générative avec des gains environnementaux mesurables, uniquement des concepts non mis en oeuvre »^91(*). Bpifrance souligne de son côté que l'impact réel de l'IA en faveur de l'environnement « reste difficile à quantifier : les estimations varient entre - 1,5 % et - 24 % d'émissions par rapport à un scénario de référence. Il demeure complexe d'évaluer si les réductions d'émissions permises par l'IA compensent pleinement les émissions générées par son fonctionnement »^92(*).

La possibilité d'une compensation de l'empreinte de l'IA par ses cas d'usage favorables à l'environnement fait l'objet de positions très divergentes. Si Microsoft, optimiste, souligne que « l'IA a également le potentiel de permettre des économies d'énergie supérieures à l'énergie qu'elle consomme, en identifiant des gains d'efficacité et des réductions d'usage dans de nombreux secteurs »^93(*), Numeum, plus prudente, estime que « la compensation de l'empreinte environnementale en matière d'IA est à ce stade difficilement quantifiable, les bénéfices environnementaux étant parfois indirects et dispersés »^94(*), tandis que l'Ademe considère de la même manière, de façon plus générale, qu'« il n'est pas certain que les bénéfices environnementaux soient toujours supérieurs aux impacts générés par les services numériques et il reste aujourd'hui très compliqué de le mesurer »^95(*). Le cabinet Deloitte souligne quant à lui que « le terme de compensation, qui implique de pouvoir faire un bilan net entre l'ensemble de ces impacts, est donc très délicat à définir, et encore plus délicat à mesurer » et que « l'impact net est impossible à évaluer puisqu'il dépend de multiples paramètres quant à l'usage de l'IA elle-même, mais aussi de ce qui se serait passé sans l'IA. »^96(*)

Certains acteurs, notamment associatifs, entendus par la mission d'information sont même bien plus critiques sur le caractère réaliste d'une compensation. L'Atelier d'écologie politique souligne que « plusieurs publications scientifiques montrent que la « compensation » de l'empreinte en forte croissance des IAg grand public par des réductions d'empreinte dans d'autres domaines, très souvent promise, n'a pas de réalité »^97(*). The Shift Projet estime quant à lui que la compensation est un mythe, relevant que, « dans 95 % des cas d'usage de l'IA où l'impact environnemental net de la solution numérique est positif, il s'agit en fait d'une IA spécialisée, souvent non générative » et qu'« il faut être prudent sur le pouvoir (et non le potentiel) de décarbonation du numérique et de l'IA en particulier ; toutes les études ne provenant pas d'industriels du secteur montrent que les cas d'usage sont limités, le gain environnemental est de l'ordre de 0 à 7-8 % et dépend étroitement des caractéristiques contextuelles. (...) On n'y trouvera pas la solution pour diviser par deux nos émissions de [gaz à effet de serre] »^98(*). Data for Good souligne également que des effets rebonds, même marginaux, suffisent souvent à effacer les gains permis par les solutions numériques : une augmentation de seulement 1 % des kilomètres parcourus par les transporteurs efface ainsi tous les gains apportés par la maintenance prédictive des pneus grâce à des capteurs connectés. Pour le AI et Society Institute « l'argument de la compensation (selon lequel les bénéfices environnementaux de l'IA compenseraient ses coûts) est méthodologiquement indéfendable : il postule une commensurabilité entre catégories d'impacts (carbone, eau, biodiversité) qui n'existe pas, et ignore l'hétérogénéité des usages ^99(*) » : la réduction de l'empreinte peut s'accompagner d'effets accrus sur d'autres catégories d'impact, comme une augmentation de la consommation d'eau.

S'ils appellent à concrétiser le potentiel de l'IA au service de l'environnement, les rapporteurs soulignent que cela n'exonérera pas de poursuivre la réflexion sur la décarbonation ou sur l'inscription de l'usage de l'IA dans une démarche plus générale.

Pour l'Ademe, « le numérique apporte certes un bénéfice environnemental, mais il ne doit pas se substituer à des efforts de décarbonation plus profonds »^100(*) dans certains secteurs, comme l'industrie lourde, et les solutions numériques doivent intervenir « lorsqu'elles constituent un levier substantiel, conjointement aux autres leviers nécessaires pour mener les efforts de décarbonation à hauteur nécessaire » ^101(*). Veolia souligne elle-même que « la question pertinente n'est (...) pas tant de savoir si l'IA " compense " son empreinte mais de déterminer si, déployée de manière rigoureuse et sélective, elle permet d'accélérer suffisamment la transition écologique pour que son déploiement soit justifié »^102(*).

---

* ⁷⁶ Donner un sens à l'intelligence artificielle. Pour une stratégie européenne, Cédric Villani, mars 2018.

* ⁷⁷ Rapport d'information n° 379 (2024-2025) fait au nom de la délégation sénatoriale à la prospective sur « IA et environnement », Jean-Baptiste Blanc, Nadège Havet, Christine Lavarde.

* ⁷⁸ Impacts de l'intelligence artificielle : risques et opportunité pour l'environnement, Conseil économique, social et environnemental, Avis, Fabienne Tatot et Gilles Vermont Desroches, septembre 2024.

* ⁷⁹ Réponse écrite au questionnaire des rapporteurs.

* ⁸⁰ Réponse écrite au questionnaire des rapporteurs.

* ⁸¹ AI for Green & Green AI, Numeum, avril 2024.

* ⁸² Réponse écrite au questionnaire des rapporteurs.

* ⁸³ Réponse écrite au questionnaire des rapporteurs.

* ⁸⁴  Audition plénière par la commission, le mercredi 20 mai 2026.

* ⁸⁵ Stratégie nationale bas-carbone n° 3, partie 2, juillet 2026, p. 91.

* ⁸⁶ Réponse écrite au questionnaire des rapporteurs.

* ⁸⁷ Réponse écrite au questionnaire des rapporteurs.

* ⁸⁸ Réponse écrite au questionnaire des rapporteurs.

* ⁸⁹ Réponse écrite au questionnaire des rapporteurs.

* ⁹⁰  Audition plénière par la commission, le mercredi 4 février 2026.

* ⁹¹ Réponse écrite au questionnaire des rapporteurs.

* ⁹² Réponse écrite au questionnaire des rapporteurs.

* ⁹³ Réponse écrite au questionnaire des rapporteurs.

* ⁹⁴ Réponse écrite au questionnaire des rapporteurs.

* ⁹⁵ Numérique et environnement : entre opportunités et nécessaire sobriété, Ademe, janvier 2025

* ⁹⁶ Réponse écrite au questionnaire des rapporteurs.

* ⁹⁷ Réponse écrite au questionnaire des rapporteurs.

* ⁹⁸ Réponse écrite au questionnaire des rapporteurs.

* ⁹⁹ Réponse écrite au questionnaire des rapporteurs.

* ¹⁰⁰ Numérique et environnement : entre opportunités et nécessaire sobriété, Ademe, janvier 2025

* ¹⁰¹ L'intelligence artificielle générative : des impacts environnementaux importants, Ademe, juillet 2026.

* ¹⁰² Réponse écrite au questionnaire des rapporteurs.