Quel est le vrai impact environnemental de l’IA ? - Actu IA
Au programme : IA et environnement, tensions OpenAI / Microsoft, Apple et Perplexity, MiniMax M1, Tesla Robotaxi, Alpha Genome, détection des tumeurs cérébrales, etc.
Salut à toutes et à tous,
Comme chaque semaine, je me suis plongé dans l’actualité de l’IA et de la robotique pour vous proposer une synthèse claire à lire tranquillement le dimanche matin.
Cette fois-ci, un article publié sur l’Usine Digitale sur l’impact environnemental de l’intelligence artificielle a particulièrement retenu mon attention et j’ai choisi d’en faire un grand format que vous retrouverez juste en dessous.
Ensuite, je vous partage comme toujours un tour d’horizon des actualités les plus marquantes de la semaine, pour que vous puissiez rester informé(e)s sans y passer des heures. N’hésitez pas à me dire ce que vous en pensez en commentaire, vos retours m’aident à améliorer cette newsletter !
Et bien sûr, bienvenue aux nouvelles et nouveaux abonné(e)s !
Bonne lecture et à très vite !
🌍 L’impact environnemental de l’IA ?
L’adoption fulgurante de l’IA générative s’accompagne d’une explosion bien réelle de la consommation énergétique : selon l’Agence internationale de l’énergie, les data centers mondiaux ont consommé plus de 415 TWh en 2024, contre environ 300 TWh l’année précédente, et pourraient dépasser les 900 TWh d’ici 2030.
Les grandes plateformes comme Microsoft ou Google voient déjà leurs émissions de CO₂ grimper de 30 à 48 % en quelques années. Pourtant, ce sujet reste quasi absent du débat public : à peine 0,6 % des discussions sur X ou LinkedIn évoquent l’empreinte carbone de l’IA.
C'est une question qui revient de plus en plus lors de mes formations. Et c'est également un sujet qui m'intéresse tout particulièrement car je crois au potentiel de cette technologie mais je suis également sensible aux enjeux environnementaux qu'elle pose. Il est temps de lever le voile.
Un débat public trop souvent brouillé et polarisé
Aujourd’hui, le débat autour de l’IA et du climat reste coincé entre deux extrêmes : certains la présentent comme une solution universelle, d’autres comme une menace absolue. Cette polarisation nourrit un véritable « brouillard informationnel », où la science est parfois instrumentalisée et la désinformation se diffuse vite.
L’exemple des fameuses images IA « starter pack », qui ont déclenché une polémique non fondée sur leur coût énergétique (jusqu’à 0,4 kWh par image), illustre bien cette méfiance. Début 2025, l’Observatoire EDMO recense déjà plus de 120 intox mêlant IA et climat.
Des méthodes de calcul encore trop incomplètes
Aujourd’hui, l’empreinte environnementale du numérique représente déjà 3 à 4 % des émissions mondiales et continue de croître à un rythme soutenu. L’IA générative accentue cette dynamique. Problème : la plupart des estimations se limitent aux émissions de gaz à effet de serre, sans prendre en compte l’eau consommée pour le refroidissement, l’extraction de métaux rares ou l’effet rebond. Sans indicateurs partagés et transparents, impossible d’agir efficacement.
Des outils existent, mais restent à généraliser
La bonne nouvelle, c’est qu’un écosystème d’outils et de standards commence à émerger. On peut citer AI Energy Score (Hugging Face) pour comparer l’efficacité énergétique des modèles, Code Carbon ou Ecologits pour mesurer les émissions en temps réel, ou encore le futur Passeport Numérique Produit européen pour tracer tout le cycle de vie. Sopra Steria développe aussi des solutions comme EcoMind AI pour évaluer l’empreinte dès la conception.
Des effets positifs à valoriser dans l’industrie et l’énergie
Quand on parle de ce sujet, il est également important de voir les effets positifs de l'IA. Elle joue déjà un rôle crucial dans la réduction de l’empreinte carbone d’industries à forte intensité.
Dans la logistique, elle permet de réduire jusqu’à 35 % des trajets à vide, grâce au routage intelligent, au matching des transports et à l’anticipation de la demande — Uber Freight cite par exemple une baisse des « empty miles » de 10 à 15 % . Des études montrent que certaines plateformes IA diminuent même ces kilomètres à vide jusqu’à 64 %. Les gains sont nets : moins de carburant consommé, moins de coûts et moins d’émissions.
Dans l’industrie de l’emballage, l’intelligence artificielle permet de concevoir des boîtes sur-mesure, ce qui réduit les déchets, améliore l’efficacité logistique et diminue le volume transporté .
Dans le secteur énergétique, l’IA est utilisée pour optimiser la distribution d’électricité, piloter les réseaux intelligents et accélérer le développement de solutions de stockage, comme l’atteste un rapport montrant qu’elle peut réduire les émissions de transport de 30 % dans les chaînes d’approvisionnement circulaires . Ces exemples concrets illustrent que, bien déployée, l’IA peut générer un bénéfice net environnemental, à condition d’évaluer rigoureusement les impacts pour garantir un véritable ROI d’impact.
📌 En résumé : partager pour mieux agir
Si je partage cette information aujourd’hui, c’est pour rappeler que l’IA ne doit plus être pensée sans intégrer sa dimension environnementale. Concevoir des modèles plus frugaux, mesurer leur cycle de vie, renforcer la transparence : tout cela devient indispensable pour éviter que l’IA ne creuse le fossé qu’elle pourrait, à l’inverse, nous aider à combler. À nous tous de faire circuler ces connaissances, pour exiger des choix plus éclairés et plus responsables.
Source : Usine Digitale
Entreprises
💥 Tensions OpenAI / Microsoft : la fracture se creuse - Les relations entre OpenAI et Microsoft s’enveniment : OpenAI veut limiter l’influence de Microsoft, élargir ses partenaires cloud et lever 20 milliards de dollars. La bataille tourne autour de l’accès à la propriété intellectuelle et aux futures versions post-AGI, avec un risque de rupture stratégique.
💼 Apple lorgne sur Perplexity AI - Apple envisagerait de racheter Perplexity AI pour renforcer son écosystème IA et réduire sa dépendance à Google Search. Un rachat qui pourrait rebattre les cartes dans la bataille des assistants conversationnels.
📄 Les recruteurs saturés de CV générés par IA - Les candidatures automatiques explosent : les recruteurs croulent sous les CV rédigés par IA, forçant entreprises et cabinets RH à repenser leurs filtres et leurs processus pour détecter les doublons et évaluer plus finement les compétences réelles.
Modèles
🇨🇳 MiniMax M1 : un LLM chinois vraiment open source - L’entreprise MiniMax dévoile M1, un modèle de raisonnement open source qui rivalise avec DeepSeek et Anthropic. Avec un contexte de 1 million de tokens et une « Lightning Attention » optimisée, M1 veut démontrer qu’un LLM performant peut rester 100 % ouvert — contrairement à Llama ou DeepSeek.
🔊 ChatGPT Record : l’enregistrement audio en direct - OpenAI lance ChatGPT Record sur macOS, une fonction qui enregistre, transcrit et résume des conversations audio en temps réel, avec suppression automatique après usage. Une solution pratique pour prendre des notes de réunions sans alimenter les données d’entraînement de l’IA.
🎼 Udio peaufine l’édition musicale générative - La plateforme musicale Udio dévoile « Sessions » : un outil pour identifier couplets et refrains dans une piste IA et les modifier visuellement. L’interface reste confuse, mais marque une étape pour rendre la production musicale assistée par IA plus accessible.
🏛️ OpenAI signe un contrat de défense de 200 M$ - OpenAI décroche un contrat de 200 millions de dollars avec le Département américain de la Défense pour développer des outils IA pour la sécurité nationale. C’est le premier projet sous l’étiquette « OpenAI for Government ».
Vidéo
🎞️ Midjourney V1 : cap sur la vidéo générée par IA - Midjourney franchit un cap en dévoilant V1, son premier modèle de génération vidéo à partir d’images. L’entreprise se positionne face à Runway ou Pika Labs, tout en devant gérer les défis juridiques liés aux droits d’auteur et à la création audiovisuelle assistée par IA.
Robotique
🚕 Tesla teste ses premiers Robotaxi à Austin - Tesla lance en petit comité son service de robotaxi à Austin, Texas, avec des véhicules autonomes sous supervision humaine. Ces premiers trajets, limités en zone et en météo, ouvrent la voie à une ambition d’envergure : démocratiser le transport sans conducteur à grande échelle.
🚖 Waymo confirme les lois de l’échelle pour la conduite autonome - Waymo démontre que la conduite autonome obéit aux mêmes logiques d’échelle que les LLM : plus de données et de calcul = meilleure performance. Une preuve que l’entraînement massif reste clé pour fiabiliser les véhicules sans chauffeur.
🤖 Google Gemini Robotics : l’IA embarquée dans les robots - Google teste Gemini Robotics On-Device, un modèle IA qui permet à des robots d’exécuter des tâches complexes localement sans connexion Internet. Dézipper un sac, plier du linge, suivre des instructions en langage naturel : une avancée pour rendre les robots plus autonomes et polyvalents.
Médecine
🧬 Alpha Genome : DeepMind décrypte l’ADN à grande échelle - Google DeepMind dévoile Alpha Genome, un modèle d’IA capable de lire et prédire l’impact de mutations sur un million de lettres d’ADN d’un coup. Ce système s’annonce comme un catalyseur majeur pour la recherche biomédicale : il aide à identifier rapidement les variations génétiques liées à des maladies, à mieux comprendre les mécanismes sous-jacents de certains cancers ou à optimiser la biologie de synthèse. Alpha Genome est déjà accessible via API pour la recherche académique non commerciale, ce qui devrait accélérer la mise au point de traitements ciblés et de nouvelles thérapies.
🧠 L’IA qui détecte les tumeurs cérébrales sans chirurgie invasive - Développé à la Charité de Berlin avec le German Cancer Consortium et le Berlin Institute of Health, le modèle crossNN atteint 99,1 % de précision pour les tumeurs cérébrales, et 97,8 % pour plus de 170 types de tumeurs, en analysant les profils épigénétiques issus de liquide céphalorachidien ou d’autres échantillons. Testé sur plus de 5 000 échantillons, crossNN se distingue par sa capacité à fonctionner sur différentes plateformes de séquençage tout en restant pleinement explicable, comme l’explique Philipp Euskirchen dans Nature Cancer. Le modèle entre actuellement en phase de validation clinique en Allemagne, ouvrant la voie à un diagnostic médical rapide, sûr et moins invasif.
Vous avez aimé cette lecture ? Partagez et soutenez mon travail (c’est gratuit et ça peut aider un(e) ami(e) à rester à jour dans l’IA !)
Et voilà ! C’est terminé pour ce numéro. J’espère que ça vous a plu !
N’hésitez pas à me faire un retour en commentaire avec ce que vous aimeriez recevoir dans cette newsletter.
En attendant, suivez-moi sur Youtube et vous pouvez gratuitement vous abonner à cette newsletter pour recevoir de nouveaux posts et soutenir mon travail.
On se retrouve très vite !
Amicalement Djouz