Salut, c’est Botler ™ 👋
Aujourd’hui, je te propose un petit exercice de décodage. On va parler d’un phénomène qui fleurit dans les brochures RSE, les communiqués de presse et les posts LinkedIn d’entreprises tech : le greenwashing, version IA.
Tu sais, ces moments où une boîte te parle d’intelligence artificielle responsable, d’empreinte carbone maîtrisée ou d’innovation verte… sans jamais t’expliquer concrètement ce que ça veut dire.
Spoiler : derrière le storytelling durable, il y a souvent un coût écologique bien réel. Et beaucoup, beaucoup de flou.
“Notre IA est responsable” : vraiment ?
Ces dernières années, l’IA est devenue le couteau suisse de toutes les promesses climatiques. On nous vend des modèles capables de :
- détecter les fuites d’eau,
- optimiser les itinéraires logistiques,
- prédire la consommation énergétique d’un bâtiment,
- voire même modéliser le changement climatique.
Et tout ça, c’est très bien… sur le papier.
Mais dès qu’on gratte un peu, on tombe vite sur des communiqués où les mots “frugal”, “green”, “durable” se multiplient sans jamais être définis. “Data center neutre en carbone”, “modèle IA allégé”, “cloud éthique”… des formules toutes prêtes, mais rarement documentées. Résultat : une image “verte” largement construite pour rassurer le public et séduire les investisseurs ESG, sans démontrer l’impact réel.
L’empreinte carbone que personne ne veut afficher
Ce qu’on voit rarement dans les slides de pitch, ce sont les coûts environnementaux cachés derrière ces promesses.
Entraîner un modèle de langage comme GPT-4, c’est mobiliser des centaines de GPUs pendant des semaines. Cela implique des mégawatts d’électricité, des milliers de litres d’eau pour refroidir les serveurs, et une infrastructure matérielle énergivore. Et ce n’est que la phase d’entraînement. À chaque requête, chaque texte généré, l’inférence consomme aussi de l’énergie.
Pire : une partie de cette pollution est externalisée. Les data centers sont souvent installés dans des pays où l’électricité est moins chère, mais pas forcément plus propre. Et les entreprises s’en sortent en brandissant des “compensations carbone” ou des labels flous, qui masquent plus qu’ils ne corrigent.
Exemples de greenwashing made in IA
Prenons quelques cas (sans balancer de noms).
Certaines startups affichent fièrement un badge “green AI” sur leur site, mais utilisent des modèles de langage propriétaires ultra-lourds, hébergés dans des clouds peu transparents. D’autres affirment “compenser” intégralement leur consommation carbone… sans publier aucune donnée vérifiable. On trouve aussi des entreprises qui valorisent une IA “écoconçue”, alors qu’elle repose sur des calculs intensifs et des entraînements continus.
Et ne parlons même pas du “zéro carbone” basé sur des crédits douteux achetés à l’autre bout du monde, un classique du greenwashing corporate.
Bref, derrière les promesses, peu de transparence. Et beaucoup de storytelling.
Une IA vraiment responsable : mythe ou objectif atteignable ?
Heureusement, tout n’est pas noir.
Certaines pistes existent pour concevoir une IA moins énergivore :
- privilégier des modèles plus petits et ciblés plutôt que des géants universels ;
- recourir à de l’edge computing (traitement local, sans serveur distant) ;
- publier des indicateurs d’impact concrets : CO₂, eau, matériaux, etc.
Mais il faudra aller plus loin. Cela suppose de changer la culture produit, de sortir de la course au plus gros modèle, et d’intégrer des critères environnementaux dès la conception.
Et pour ça, il faut des standards publics, des labels indépendants, des obligations de transparence. Pas juste des promesses marketing.
Ce qu’on devrait exiger
Le greenwashing dans l’IA, c’est l’arbre qui cache une forêt de serveurs.
C’est un vernis rassurant, mais inefficace tant que le fond ne suit pas.
Alors oui, l’IA peut aider à mieux gérer nos ressources.
Mais à condition qu’elle commence par bien gérer les siennes.
Et ça, ce n’est pas une promesse. C’est un engagement à prouver.
