IA et durabilité : enjeux, opportunités et bonnes pratiques pour les entreprises

‍

En 2023, seulement 10 % des entreprises d’au moins 10 salariés avaient adopté au moins une technologie d’IA (rapport INSEE). Ce chiffre est bien plus important en 2026. Une étude 2025 de Capgemini révèlent ainsi qu'aujourd'hui 93 % des entreprises explorent ou mettent en place des capacités d’IA générative.

Mais cette nouvelle dynamique a un vrai impact environnemental, que les entreprises et les particuliers commencent tout juste à entrevoir. Peut-on mesurer l'empreinte carbone d’une IA générative ? Existe-t-il des solutions concrètes pour s’inscrire dans une démarche de durabilité, tout en bénéficiant de la puissance de l’IA ? Les experts IA et Durabilité Toovalu répondent à vos questions. 

Qu’est-ce que l’intelligence artificielle ?

Intelligence artificielle : définition 

L’intelligence artificielle (IA) désigne l’ensemble des technologies capables de reproduire certaines capacités cognitives humaines, notamment : apprendre, raisonner, analyser, générer du contenu ou prendre des décisions à partir de données.

En entreprise, l’IA repose principalement sur des algorithmes statistiques et des modèles d’apprentissage automatique (machine learning), entraînés sur de grands volumes de données pour automatiser ou optimiser des tâches à forte valeur ajoutée.

Quels types d’IA sont utilisés en entreprise ?

Voici les principaux modèles d’IA utilisés en entreprise : 

• IA analytique : analyse de données, détection d’anomalies, prévisions (finance, supply chain, énergie).
• IA prédictive : anticipation de comportements ou d’événements futurs (demande, risques, maintenance).
• IA générative : création de texte, d’images, de code ou de scénarios (LLM, copilotes, agents IA).
• IA embarquée / industrielle : optimisation de processus physiques (industrie, énergie, mobilité).

‍

Quelle place pour l’IA en entreprise ? 

L'IA : déjà utilisée massivement par les entreprises

Les solutions d’IA font véritablement partie des outils couramment utilisés en entreprise. De la tâche la plus simple (rédiger un mail), à la plus complexe (industrialiser un processus, agent IA autonome), l’IA est déployée à tous les niveaux. 

Plus l’entreprise est grande, plus elle se tourne vers ces solutions, et en devient dépendante. En France, 33 % des entreprises de plus de 250 salariés ont intégré l’IA dans leurs process. En tête de liste, on retrouve le secteur de l’information et de la communication au sein duquel 42 % des entreprises utilisent l’IA. Les ETI et les PME sont de vrais acteurs de cette transition : plus de ⅔ des dirigeants considèrent même que l'intelligence artificielle est un enjeu de survie à moyen terme pour leur société. 

En clair, l’IA est aujourd’hui un véritable levier de croissance qui pourrait contribuer à augmenter le PIB national de 1,3 point par an d’ici 2034. 

Des usages divers en 2026

Et concrètement, qu’est-ce que cela change sur le quotidien des salariés ? Selon les dernières données, ¼ des Français l'utilisent de façon quotidienne au travail (enquête EY, 2025). Parmi les tâches les plus courantes : 

• rechercher des informations, 
• résumer des documents, 
• rédiger un écrit. 

Et ce n’est qu’un début : à l’échelle mondiale, moins de 5 % des entreprises exploitent vraiment tout le potentiel de l’IA pour améliorer leur productivité (State Of Ai In Business 2025, Project Nanda, MIT). 

L’IA se généralise rapidement dans les entreprises. Or, on entend de plus en plus souvent qu’elle nécessite d’importantes ressources énergétiques, matérielles et hydriques. Cette tension entre performance économique et impact environnemental pose une question centrale : peut-on concilier IA et durabilité ?

IA : menace ou opportunité face au changement climatique ? 

À mesure que l’IA se généralise dans les entreprises, une question revient de plus en plus souvent : celle de son impact environnemental.

D’un côté, l’IA promet des gains d’efficacité majeurs, une meilleure allocation des ressources et de nouveaux outils pour piloter la transition. De l’autre, son développement repose sur des infrastructures énergivores et des usages parfois peu maîtrisés.

Pour les experts Toovalu, la réponse est claire : l’IA est à la fois une opportunité et un risque. Tout dépend de la manière dont elle est conçue, déployée et utilisée par les entreprises.

Comment fonctionnent les data centers ? 

Toutes les solutions d'intelligence artificielle sont alimentées et entraînées pendant des mois par une quantité colossale de données. L’objectif ? Leur fournir toutes les informations pour couvrir un maximum de demandes en un temps record. 

Ces données doivent être traitées et stockées dans des endroits spécifiques : les data centers. Pour vous faire une idée, en 2021, les data centers de Google consommaient déjà 16 milliards de litres d’eau. C’est assez pour irriguer et entretenir 29 terrains de golf chaque année. 

Et ce n’est que le début. 

Les entreprises sont de plus en plus nombreuses à dépendre de logiciels ou de solutions basées sur des algorithmes d’IA. 

En 2023, ils représentaient déjà plus d’1 % de la consommation électrique mondiale : une part conséquente pour une industrie encore jeune.

L’empreinte environnementale de l’IA ne se limite cependant pas aux data centers. Elle s’explique par plusieurs facteurs, répartis sur l’ensemble de son cycle de vie.

Entraînement des IA : quelle consommation énergétique ? 

Nous vous l’expliquions plus tôt, la performance des modèles d’IA dépend de la qualité de leur entraînement. Cela consiste à fournir à l’intelligence artificielle des milliards de contenus, textes, vidéos et audios pour nourrir sa connaissance et sa capacité de traitement. 

Selon une étude menée par le MIT, la seule phase de pré-entraînement de GPT-3 (modèle d’Open AI) a généré près de 626 000 kg de CO2, soit plus de 71 tours de la terre en voiture. Et il ne s’agit que de la phase de pré-entraînement.

Empreinte liée à l’usage des IA

L’impact environnemental de l’IA ne se limite pas à sa phase de conception ou d’entraînement : l’utilisation quotidienne des modèles génère elle aussi des émissions significatives. Chaque requête adressée à une IA mobilise des ressources de calcul hébergées dans des data centers, consomme de l’électricité et sollicite des infrastructures réseau.

Plus les modèles sont complexes et les usages intensifs (requêtes longues, génération de contenus volumineux, agents autonomes en continu), plus l’empreinte associée augmente. À l’échelle d’une entreprise ou d’un grand nombre d’utilisateurs, la multiplication des usages peut rapidement devenir un facteur d’émissions non négligeable, en particulier lorsque les IA sont intégrées dans des outils métiers utilisés au quotidien.

Empreinte eau et ressources matérielles

Au-delà de l’électricité, le développement et l’exploitation des IA reposent sur des ressources matérielles et hydriques importantes. Les data centers nécessitent de grandes quantités d’eau pour le refroidissement des serveurs, notamment dans les régions où les infrastructures utilisent des systèmes de refroidissement par évaporation.

Si 10 % des travailleurs américains utilisent l’IA une fois par semaine pendant un an, ne serait-ce que pour rédiger un mail, cela représenterait une consommation de 435 millions de litres d’eau (étude Shaolein Ren, 2025). Cette énergie est mobilisée pour refroidir les serveurs en surchauffe permanente. La situation est d’autant plus préoccupante que la pénurie d’eau douce fait partie des enjeux climatiques prioritaires à l’échelle mondiale. 

Par ailleurs, les équipements nécessaires au calcul intensif (serveurs, GPU, puces spécialisées) mobilisent des métaux critiques tels que le lithium, le cobalt ou les terres rares. L’extraction, la transformation et le transport de ces matériaux ont eux-mêmes des impacts environnementaux et sociaux significatifs.

Ces enjeux sont encore peu visibles pour les entreprises utilisatrices, mais ils posent une question centrale de soutenabilité à long terme : comment concilier le déploiement massif de l’IA avec la raréfaction des ressources naturelles et les tensions sur l’eau et les matériaux ?

Effet rebond technologique

Comme toute innovation technologique, l’IA est sujette à un effet rebond : les gains d’efficacité qu’elle permet peuvent conduire à une augmentation globale des usages, et donc des impacts environnementaux.

En rendant certaines tâches plus rapides, moins coûteuses ou plus accessibles, l’IA incite à multiplier les requêtes, les traitements et les applications. Ce phénomène peut annuler, voire dépasser, les bénéfices environnementaux initiaux liés à l’optimisation des processus.

Dans le cas de l’IA générative, cet effet est particulièrement marqué : la facilité d’accès et la rapidité d’exécution encouragent des usages intensifs, parfois peu nécessaires, mais fortement consommateurs de ressources. Sans cadre clair ni stratégie d’usage raisonnée, l’IA risque ainsi de devenir un facteur d’augmentation nette des émissions, malgré ses promesses d’efficacité.

C’est pourquoi la question de la gouvernance et des usages de l’IA est aussi importante que celle de la performance technologique elle-même.

‍

Peut-on mesurer l’empreinte carbone de l’intelligence artificielle ? 

Dans les faits, il est encore difficile de mesurer précisément l’impact carbone de l’intelligence artificielle. Pour mieux l’appréhender, les chercheurs comparent l'empreinte numérique avant IA et depuis l’arrivée de l’IA.  

Aujourd’hui, le numérique représente 4 % des émissions de gaz à effet de serre dans le monde, 2,5 % des émissions en France. Selon une étude menée par l’ADEME, ces émissions pourraient augmenter de 60 % d’ici à 2040, en grande partie à cause du déploiement massif de l'intelligence artificielle. 

Dans les faits, les émissions dépendent de 4 facteurs : 

1. La complexité des modèles de LLM utilisés 
2. La complexité et la longueur de la demande formulée à l’IA 
3. Le nombre d’utilisateurs 
4. Les infrastructures et matériels utilisés

Sur cette base, les experts et chercheurs Toovalu et leurs partenaires spécialisés sur les sujets IA & Durabilité mènent des recherches poussées pour mieux mesurer l’impact d’une IA générative.

IA et durabilité sont-ils incompatibles ?

Attention aux conclusions hâtives : l'IA et ses nombreuses possibilités peuvent aussi être très utiles pour les démarches ESG et Climat des entreprises, et participer aux efforts de décarbonation.

IA pour le reporting ESG

L’IA permet d’automatiser la collecte, le traitement et la fiabilisation des données extra-financières. Elle facilite la production de reportings ESG plus robustes, conformes aux exigences de la CSRD, tout en réduisant la charge opérationnelle des équipes.

Au sein du logiciel Toovalu, nous utilisons l’intelligence artificielle de manière intelligente, quand cela permet des gains de productivité et d’efficacité importants. Par exemple, pour synthètiser d'importants volumes de données narrative, pour fiabiliser la mesure carbone d'une entreprise (notamment le scope 3) en la comparant avec la moyenne des entreprises de son secteur.

IA pour accélérer la transition

Prévision énergétique, modélisation de scénarios climatiques, optimisation des chaînes logistiques ou des trajectoires bas carbone : bien utilisée, l’IA permet de gagner beaucoup de temps et devient un outil d’aide à la décision et à l’action, au service de stratégies climat plus ambitieuses.

Depuis le sommet français sur l’IA de février 2025, le développement de modèles plus durables est une priorité. PDG, universitaires et artistes se sont engagés au sein de la Coalition pour une IA écologiquement durable. 

IA et durabilité : risques et limites à anticiper

Si l’IA offre de réelles opportunités, son déploiement sans cadre clair comporte plusieurs risques environnementaux, stratégiques et organisationnels.

Ecoconception des IA

D’un point de vue environnemental, une IA mal maîtrisée peut accroître l’empreinte carbone du numérique, notamment via : 

• la multiplication des usages
• le recours à des modèles surdimensionnés
• l’hébergement dans des infrastructures peu décarbonées. 

Piloter le déploiement des IA

Sans pilotage précis, les gains d’efficacité promis peuvent être annulés par un effet rebond important.

Sur le plan stratégique, l’IA peut aussi créer une forte dépendance technologique : dépendance à des fournisseurs externes, à des modèles propriétaires ou à des infrastructures cloud difficiles à auditer d’un point de vue environnemental. Les entreprises sont alors moins libres de piloter réellement leurs impacts et d’aligner leurs choix technologiques avec leurs objectifs climat.

Enfin, l’IA comporte un risque plus diffus mais tout aussi critique : masquer des décisions peu soutenables derrière des outils perçus comme “performants” ou “neutres”. Un reporting automatisé, une optimisation logistique ou une aide à la décision basée sur l’IA ne sont pas nécessairement alignés avec une trajectoire bas carbone s’ils ne reposent pas sur des hypothèses, des données et des arbitrages clairement définis.

‍

Si vous souhaitez intégrer l’IA dans vos processus, cela ne peut être décorrélé de vos engagements RSE et de vos objectifs de durabilité. Google, qui avait par exemple promis la neutralité carbone pour 2030, revoit ses ambitions à la baisse depuis que les modèles d’IA ont fait exploser ses émissions de GES. 

Vous avez besoin d’être accompagné pour définir une stratégie climat réaliste et cohérente ? N’hésitez pas à contacter nos experts IA et durabilité pour découvrir notre logiciel et nos prestations de conseil sur l'IA. 

‍

Questions Fréquentes IA et durabilité

Quel est l’impact environnemental de l’intelligence artificielle ?

L’IA consomme beaucoup d’énergie et d’eau, surtout lors de l’entraînement des modèles et du fonctionnement des data centers. La mesure de son empreinte environnementale est un sujet complexe et multi factoriel, qui doit être réalisée par de véritables experts du sujet.

Comment réduire l’empreinte carbone de l’IA en entreprise ?

Notamment en optimisant les usages, en formant les équipes, en choisissant des modèles plus sobres et en intégrant l’IA dans une stratégie RSE.

L’IA peut-elle aider les entreprises à être plus durables ?

Oui. Elle peut aider à mesurer les émissions GES de manière précise, à analyser les données environnementales et à définir des trajectoires climat plus cohérentes.

Peut-on mesurer l’empreinte carbone de l’IA ?

La mesure précise reste complexe, mais des estimations existent en analysant les infrastructures, l’entraînement et l’usage des modèles. Selon l’ADEME, le numérique pourrait voir ses émissions augmenter fortement d’ici 2040, en partie à cause de l’IA.

L’IA est-elle une opportunité ou un risque pour la transition écologique ?

L’IA peut devenir un puissant levier pour optimiser les ressources, améliorer le reporting ESG et accélérer la transition bas carbone. Elle représente toutefois un risque si ses usages ne sont pas maîtrisés, en raison de l’effet rebond et de la dépendance technologique.

Comment concilier IA et durabilité en entreprise ?

Cela suppose de définir une gouvernance claire des usages, de privilégier des modèles et infrastructures plus sobres, et d’aligner l’IA avec la stratégie RSE. Des acteurs comme Toovalu accompagnent les entreprises pour intégrer l’IA de manière cohérente avec leurs objectifs climatiques