Il y a quinze ans, Jeremy Rifkin publiait La Civilisation de l’empathie et promettait, entre autres choses, que les smart grids allaient refonder le système énergétique mondial. Les réseaux intelligents étaient « prêts ». La technologie accomplirait ce que la politique n’avait pas su faire. On sait comment l’histoire s’est terminée.
Aujourd’hui, il suffit que certains découvrent le mot « IA » pour que la promesse semble inédite. L’argument, lui, n’a pas bougé d’un iota.
Un récit recyclé
Le raisonnement se déroule ainsi : il existe un problème considérable, le dérèglement climatique ; il existe une technologie prometteuse, l’IA ; partant, la technologie résoudra le problème. Optimisation énergétique, prévision de la demande, détection des fuites sur les réseaux électriques, modèles climatiques à haute résolution : la liste des applications s’allonge chaque semaine.
Le problème ne tient pas à la fausseté de ces applications. Il tient à la conclusion qu’on en tire.
Prédire n’est pas maîtriser. Gagner en efficience n’est pas réduire. Et numériser sans limites ne relève pas de la durabilité ; c’est dévaler plus vite la pente qui nous a menés jusqu’ici.
Qu’un système d’IA anticipe avec plus de finesse les pics de demande électrique n’implique en rien que la consommation totale baissera. Si le gain d’efficience sert à produire davantage, l’effet net sur les émissions peut être nul, voire défavorable. Les économistes ont un nom pour cela : l’effet rebond, ou paradoxe de Jevons. Ce n’est pas une hypothèse d’école ; c’est une régularité documentée chaque fois que l’efficacité énergétique progresse sans qu’aucune contrainte de volume l’accompagne.
La part d’ombre des centres de données
S’y ajoute une ironie que les discours sur l’« IA verte » évoquent rarement : ces systèmes consomment eux-mêmes des ressources à une échelle croissante. Centres de données, eau de refroidissement, minerais critiques pour les puces. Chaque requête adressée à un grand modèle de langage a un coût énergétique bien réel, quoique invisible pour celui qui la formule.
Il ne s’ensuit pas que l’IA soit intrinsèquement insoutenable. Il s’ensuit que l’équation ne se réduit pas à « IA = moins de carbone ». Tout dépend de ce qu’on en fait, à quelle échelle, avec quelles sources d’énergie et sous quels contrepoids réglementaires.
La COP30 et la tentation technologique
Cette logique irrigue désormais des enceintes comme la COP30. La tentation se comprend : face à l’ampleur de la crise, la technologie offre l’illusion d’une issue qui dispenserait de toucher aux modèles de production et de consommation. Il suffirait d’optimiser, de prédire, de numériser.
Or, si l’on veut parler sérieusement de durabilité, la première tâche consiste à poser des limites. À défaut, le récit de « l’IA qui sauvera le climat » n’est qu’un cheval de Troie de plus : il détourne l’attention de l’essentiel, qui est de réduire, de réparer et de freiner là où il le faut.
Les effets de l’effondrement écologique n’attendront pas que le récit technologique arrive à maturité. Et lorsqu’ils se manifesteront, la question ne sera pas de savoir si nous disposions des outils, mais si nous avons pris les décisions qui s’imposaient.