On parle beaucoup de ce que l’IA sait faire. Beaucoup moins de ce qu’elle consomme pour le faire. C’est précisément ce vide que l’Arcep vient de décider de combler, avec un rapport publié en mai 2026 sur l’impact environnemental de l’IA générative. Et la conclusion tient en une phrase : les outils de mesure existent, les acteurs du secteur choisissent de ne pas les utiliser.
L'impact environnemental de l'IA, c'est d'abord une histoire de data centers.
Derrière chaque requête à ChatGPT, chaque image générée, chaque résumé produit par un assistant IA, il y a un datacenter qui tourne. Des serveurs, de l’électricité, de l’eau pour le refroidissement, du terrain. Selon l’Agence internationale de l’énergie, la consommation électrique mondiale des data centers devrait doubler d’ici 2030. Une trajectoire qui ne prend pas en compte l’accélération récente de l’adoption des outils d’IA générative.
Ce qui change la donne, c’est que l’essentiel de la discussion a longtemps porté sur la phase d’entraînement des modèles — l’épisode fondateur, celui où l’on fait ingurgiter des milliards de données à une architecture pendant des semaines. Mais l’inférence, c’est-à-dire le moment où vous posez une question au modèle et où il vous répond, devient un enjeu tout aussi lourd. Multipliez une requête par des centaines de millions d’utilisateurs quotidiens et la facture énergétique prend une autre dimension.
Mesurer l'impact environnemental de l'IA : un paradoxe bien pratique.
Voilà où le rapport de l’Arcep devient franchement irritant — dans le bon sens du terme. Les méthodologies pour mesurer cet impact existent. Elles sont standardisées. Des organismes internationaux les ont formalisées. Et pourtant, les concepteurs de modèles et les fournisseurs de services d’IA ne les appliquent pas, ou s’abstiennent soigneusement de publier les résultats.
Ce n’est pas une question de moyens ou de complexité technique. C’est un choix. On sait comment peser l’empreinte carbone d’une requête. On décide de ne pas le faire. Dans tout autre secteur, cette posture s’appellerait de l’opacité organisée. L’impact environnemental de l’IA devient alors une boîte noire entretenue délibérément.
L’Arcep formule neuf recommandations regroupées en quatre axes. Primo, mesurer pour de vrai : collecter et publier les données environnementales via des autorités publiques, avec des méthodologies communes pour que les comparaisons aient un sens. Secundo, intégrer l’écoconception dans la régulation européenne — les fournisseurs d’IA soumis à des exigences de sobriété, la commande publique conditionnée à des critères écologiques. Tertio, donner aux utilisateurs les moyens de comparer l’empreinte carbone d’un service par rapport à un autre. Et enfin, construire une vraie stratégie européenne d’implantation des data centers, qui articule souveraineté numérique et soutenabilité.
Ce dernier point mérite qu’on s’y arrête. La question de la gouvernance de l’IA ne peut pas se limiter aux dimensions éthiques ou de sécurité. Elle doit intégrer l’infrastructure physique : où sont les serveurs, qui les alimente, avec quelle énergie, dans quels territoires. Laisser chaque pays improviser dans son coin n’est pas une stratégie.
Ce que ça change pour les organisations qui déploient de l'IA.
Pour les entreprises qui sont en train d’intégrer des outils d’IA dans leurs processus, ce rapport pose une question concrète : quelle est l’empreinte de ce que vous déployez ? La transformation IA en entreprise se fait souvent dans l’urgence de la performance — automatiser, accélérer, réduire les coûts. L’impact environnemental de l’IA est rarement dans l’équation.
Ce n’est pas une critique morale. C’est un angle mort qui va devenir un angle chaud dès lors que la régulation européenne avancera sur ces questions. L’Arcep ne légifère pas directement, mais ses recommandations alimentent les décideurs qui, eux, le font. Les exigences de reporting environnemental pourraient très bien s’étendre aux usages intensifs de l’IA dans les organisations.
Côté transparence, le régulateur demande aussi que les données environnementales des fournisseurs soient accessibles au public — fabricants de puces et éditeurs de modèles compris. L’enjeu : permettre une vraie comparaison entre services et casser les effets de verrouillage. Si vous ne savez pas combien consomme l’outil que vous utilisez, vous ne pouvez pas choisir autrement.
On en est où, vraiment ?
Honnêtement, on en est au stade où le problème est nommé, documenté, et où les solutions techniques existent. Ce qui manque, c’est la volonté des acteurs dominants de jouer le jeu, et la contrainte réglementaire pour les y forcer.
L’Arcep a lancé en septembre 2025 une consultation publique sur la collecte de données environnementales dans le secteur du numérique. C’est un premier pas. Mais entre une consultation et une obligation contraignante, il y a souvent plusieurs années — et beaucoup de kilowattheures.
La vraie question n’est pas de savoir si l’IA a un impact environnemental. Tout le monde le sait. La vraie question, c’est de savoir combien exactement — et d’en faire un critère de choix concret. Pour l’instant, personne ne répond.
