Pourquoi l’impact environnemental de l’IA devient-il un enjeu majeur ?
L’empreinte environnementale de l’IA reste difficile à isoler. Néanmoins les estimations de l’IEA (Agence internationale de l’énergie) prévoient que la consommation mondiale d'électricité des centres de données atteindra entre 700 et 1700 TWh de consommation électrique en 2035 selon le scénario retenu.
À titre de comparaison, la France consomme aujourd’hui 451 TWh par an (bilan RTE pour l’année 2025). Cette hausse potentielle s’explique par l’adoption rapide de l’IA et par les usages intensifs, notamment en temps réel ou pour générer des vidéos, qui sont les plus énergivores.
Le sujet devient critique car les capacités de calculs se concentrent chez quelques fournisseurs et dans certains data centers, créant des points de tension énergétique.
Comment définir l'IA frugale et pourquoi devient-elle indispensable ?
On parle parfois d’IA durable ou d’IA responsable, mais la notion d’IA frugale, telle que définie dans le référentiel AFNOR auquel j’ai contribué, vise à réduire l’empreinte environnementale de l’intelligence artificielle au strict minimum, tout en poursuivant une finalité positive pour l’environnement. Cela concerne à la fois la conception même des systèmes, qui doivent être sobres par essence, et la finalité des usages. Car lorsqu’on évoque les impacts environnementaux, la question des effets rebonds est centrale : il s’agit de s’assurer que la mise à disposition de l’IA ne génère pas, en réalité, de nouveaux impacts supplémentaires.
L’étymologie du mot rappelle l’idée de ne pas prélever plus que ce que la terre peut régénérer, une philosophie qui éclaire la démarche.
Quelles questions se poser pour faire les meilleurs choix en termes d’IA ?
La première question à se poser est simple : pouvons-nous faire sans IA ? Beaucoup d’usages peuvent s’appuyer sur des solutions plus légères, comme des applications qui ont déjà démontré leur efficacité : nul besoin de prendre un modèle d'IA GPT 5 ou Claude Sonnet 4.5 pour faire une traduction par exemple. C'est surdimensionné.
Ensuite c’est une question de compromis : mettre en parallèle gains d’efficacité et de performance, les choix sociaux, les choix sociétaux et les choix environnementaux. Et lorsqu’un recours à l’IA nous semble justifié, il faut privilégier le plus petit modèle possible, souvent suffisant et bien moins énergivore. La frugalité repose donc sur un questionnement et des compromis éclairés. Il s’agit vraiment de choisir le bon outil pour le bon usage.
Comment Orange déploie concrètement une IA plus responsable ?
Notre Groupe s’appuie sur l’outil open source EcoLogits pour mesurer l’impact carbone des requêtes d’IA. Car tous les modèles d’IA générative n’ont pas les mêmes impacts. Cette ressource rend les modèles comparables et permet aux salariés d’évaluer l’empreinte de chaque usage. Notre outil d’IA interne Dinootoo (Live Intelligence) affiche l’impact carbone de chaque requête et le cumul mensuel, responsabilisant les utilisateurs et facilitant les arbitrages. L’entreprise a également défini des principes d’écoconception pour guider les data scientists dans la conception de systèmes d’IA plus sobres.
Autre initiative clé : l’AI Carbon Value Navigator, un outil de gestion dédié pour guider la prise de décision concernant l’intégration de l’IA dans nos produits et services. Il met en regard les gains financiers potentiels et les émissions de carbone générées et permet, in fine, de vérifier si une solution d’IA s’inscrit dans la trajectoire net zéro carbone d’Orange à horizon 2040. Cela permet de faire un reporting de l’échelle du projet jusqu’à celle du Comex. Une manière rationnelle d’évaluer l’impact carbone par rapport au choix business.
Comment fait-on la promotion de pratiques plus frugales en matière d'IA au sein du Groupe ?
En fait, la transformation autour de l’IA frugale a d’abord été rendue possible grâce à l’implication de nos leaders, qui se sont saisi du sujet et l’ont porté partout dans l’entreprise. Après, évidemment, un levier essentiel, comme toujours sur ces thématiques, c’est la formation : certains choisissent une formation spécifique à l’IA frugale par exemple, d’autres se forment à Dinootoo, l’outil interne d’IA générative, qui inclut un volet sur son impact environnemental.
À cela s’ajoutent les principes d’écoconception à destination de ceux qui font de la data, qui développent des modèles d'intelligence artificielle. Nous organisons aussi de grands temps forts, comme l’AI Boost Camp, deux journées entièrement consacrées à l’intelligence artificielle, avec keynotes, conférences et formations. La frugalité devient ainsi un réflexe partagé, du Comex aux équipes opérationnelles.
Quels réflexes adopter pour une IA plus frugale au quotidien ?
Celui d’utiliser toujours les plus petits modèles quand c'est possible d’abord. Pour les décideurs, je conseille d’intégrer le carbone dans leurs prises de décision. Sachant que l’IA peut aussi contribuer à réduire l’impact carbone d’un produit, d’un service, d’une organisation. C’est le cas pour le réseau Orange par exemple. Les différents modèles LLM que nous utilisons permettent de développer des solutions d’IA qui optimisent l’efficacité opérationnelle et ouvrent la voie à des innovations dans l’expérience client et les réseaux intelligents.
Néanmoins, il faut avoir en tête que l'IA générative, dans certains cas d'usage intensif, ne peut être alignée avec les enjeux de transition écologique. Ainsi, si vous êtes dans la conception d'un produit, il ne faut pas considérer l'IA générative comme l'unique option. Les IA traditionnelles (les IA dites « experts systèmes » ou fondées sur le machine learning) peuvent apporter de meilleurs résultats et sont beaucoup plus frugales et moins chères à long terme. En réalité, la frugalité peut être synonyme aussi d'impact business positif.
