En bref
Une politique d'IA verte précise quand votre organisation utilise l'IA, comment elle la choisit et l'exploite efficacement, comment elle en mesure et en déclare l'impact, et ce qu'elle affirmera ou non. Gardez-la courte, pratique et rattachée aux processus existants, comme les achats, la protection des données et le reporting de durabilité, et révisez-la chaque année.
Points clés
- Une bonne politique couvre à la fois l'efficacité (bien utiliser l'IA) et la sobriété (ne l'utiliser que là où elle apporte une valeur).
- Faites travailler les réglages par défaut : le plus petit modèle adéquat, les fonctionnalités d'IA désactivées sauf besoin, des limites de sortie activées.
- Rattachez la politique aux processus qui existent déjà : achats, protection des données, reporting de durabilité, formation.
- Mesurez avec une méthode déclarée et rendez compte par unité de travail utile, pour que la croissance des usages reste visible.
- Donnez à la politique un responsable, une date de révision et une courte liste d'engagements mesurables.
À quoi sert une politique d'IA verte ?
Elle transforme de bonnes intentions sur l'impact environnemental de l'IA en réglages par défaut, en décisions et en contrôles que les gens appliquent réellement. Sans elle, chaque équipe choisit ses modèles, ses outils et ses fournisseurs sur les seules capacités et le seul prix, et personne ne peut dire ce que l'usage de l'IA par l'organisation coûte en énergie, en carbone ou en eau.
Une bonne politique fait deux choses. Elle rend l'usage de l'IA efficace : le bon modèle, bien exploité, avec une électricité propre. Et elle le rend sobre : de l'IA là où elle apporte une valeur, pas par réflexe. Lors d'un « sandpit » britannique de 2026 sur l'IA verte, réunissant mathématiciens, informaticiens et industriels, la plupart des participants interrogés souhaitaient que l'IA verte porte autant sur l'une que sur l'autre, plutôt que sur une seule. Le sandpit a aussi mis en garde contre les politiques qui se lisent comme « n'utilisez pas l'IA » : elles ont tendance à être ignorées. Visez un usage de l'IA responsable et bien maîtrisé.
Qui associer ?
Réunissez les personnes qui pilotent déjà les processus que la politique touche. Un petit groupe de travail suffit :
- une personne responsable de la politique, qui en rend compte (souvent côté durabilité, numérique ou opérations)
- l'informatique ou l'ingénierie, qui choisit et exploite les modèles et les outils
- les achats, qui acquièrent les services d'IA
- la protection des données et le juridique, car la minimisation des données et les allégations environnementales recoupent leur travail
- la communication, qui fait les déclarations publiques
- quelques utilisateurs au quotidien, qui savent où l'IA est réellement utilisée
Comment la rédiger, étape par étape ?
Partez de ce que vous utilisez aujourd'hui, fixez un petit nombre de réglages par défaut et d'engagements, et prévoyez la mesure et la révision.
- Cartographiez les usages actuels de l'IA. Dressez la liste des outils, fonctionnalités, modèles et fournisseurs, y compris l'IA intégrée aux logiciels que vous avez déjà. Notez des volumes approximatifs.
- Mettez-vous d'accord sur vos principes. Trois à cinq énoncés simples, par exemple « nous utilisons l'outil le plus petit qui fait bien le travail ».
- Fixez des réglages par défaut. Les réglages par défaut changent davantage les comportements que les recommandations. Décidez quelles fonctionnalités d'IA sont activées ou désactivées par défaut, la taille de modèle par défaut, et les limites de sortie et d'historique dans les outils que vous développez.
- Définissez quand un usage plus lourd doit être justifié. Par exemple : un grand modèle de pointe, la génération d'images ou de vidéos à grande échelle, l'entraînement ou l'affinage, ou des agents actifs en permanence.
- Choisissez comment vous allez mesurer. Convenez d'une méthode, d'un périmètre et d'une unité fonctionnelle ; voir mesurer l'énergie de l'IA. Acceptez des estimations au début, signalées comme telles.
- Rédigez des règles d'achat. Ajoutez des questions et une notation de durabilité aux achats d'IA ; voir achats d'IA durables.
- Fixez des règles pour les allégations. Rien n'est présenté comme vert sans preuve ; voir des allégations vertes honnêtes.
- Prévoyez la formation. Une séance courte et pratique pour tout le personnel, et des contenus plus approfondis pour celles et ceux qui développent ou achètent de l'IA.
- Choisissez quelques engagements mesurables, avec des dates.
- Désignez un responsable et une date de révision, et publiez la politique en interne.
Que doit contenir la politique ? Un plan type
Utilisez ce plan comme point de départ et supprimez ce qui ne s'applique pas.
1. Objet et champ d'application
- Pourquoi l'organisation se dote de cette politique, en deux ou trois phrases.
- Ce qu'elle couvre : les outils d'IA utilisés par le personnel, l'IA intégrée aux produits et services, l'IA achetée à des fournisseurs, et tout entraînement ou affinage.
- Ce que « IA » signifie ici (uniquement l'IA générative, ou tout l'apprentissage automatique).
2. Principes
- Utiliser l'IA là où elle apporte une valeur claire ; envisager d'abord des méthodes plus simples.
- Utiliser le plus petit modèle ou outil qui atteint le niveau de qualité.
- Éviter le gaspillage : régénérations répétées, entrées et sorties surdimensionnées, agents inactifs.
- Privilégier un hébergement bas carbone et les heures les plus propres pour le travail flexible.
- Mesurer honnêtement et n'affirmer que ce que nous pouvons démontrer.
3. Usage au quotidien
- Habitudes attendues du personnel (voir utiliser l'IA efficacement).
- Fonctionnalités d'IA désactivées par défaut, sauf si une équipe en a besoin.
- Recommandations sur la génération d'images et de vidéos.
4. Développer et exploiter l'IA
- Choix du modèle : le plus petit modèle adéquat, routage pour les charges mixtes (choisir le bon modèle).
- Pratiques d'efficacité : mise en cache, limites de sortie, traitement par lots, quantification lorsque la qualité tient (entraînement et inférence efficaces).
- Quand l'entraînement ou l'affinage est autorisé, et ce qui doit être consigné (énergie, matériel, localisation).
- Choix de l'hébergement et de la région (hébergement et centres de données) ; périphérie ou cloud (périphérie ou cloud).
5. Acheter de l'IA
- Questions de durabilité types et notation des appels d'offres.
- Clauses contractuelles types sur le reporting, la localisation et les possibilités de désactivation.
6. Mesure et reporting
- Méthode, périmètre et unité fonctionnelle, par exemple l'approche Software Carbon Intensity de l'ISO/IEC 21031:2024.
- Ce qui est déclaré, à quelle fréquence et à qui ; si les chiffres sont mesurés ou estimés.
- Comment l'IA s'intègre au reporting existant sur la durabilité ou les émissions.
7. Allégations et communication
- Qui approuve les allégations environnementales publiques sur l'IA, et quelles preuves sont nécessaires.
8. Formation et sensibilisation
- Qui reçoit quelle formation, et à quelle fréquence.
9. Rôles et gouvernance
- Responsable de la politique, groupe de travail, et lien entre la politique et la gouvernance de l'IA (par exemple un système de management de l'IA ISO/IEC 42001, si vous en avez un).
10. Engagements et révision
- Trois à cinq engagements mesurables, avec des dates.
- Date de révision annuelle, et ce qui déclenche une révision anticipée (un nouvel outil d'IA majeur, une nouvelle réglementation).
Comment la faire vivre ?
Intégrez la politique aux moments où les décisions se prennent déjà.
- Ajoutez des questions de durabilité au formulaire d'approbation existant pour les nouveaux outils.
- Placez l'énergie par requête à côté du coût et de la latence dans les revues techniques.
- Ajoutez l'IA au rapport de durabilité que vous produisez déjà.
- Rendez la formation courte, pratique et intégrée à l'accueil des nouveaux arrivants. Le sandpit a entendu parler d'une université qui a rendu obligatoire pour tout son personnel une formation à la culture de l'IA, y compris à ses conséquences environnementales, traitée comme la formation à la protection des données.
- Surveillez l'effet rebond : si les gains d'efficacité sont absorbés par un usage accru, les totaux le montreront. Déclarez les totaux en plus des chiffres par unité.
Liste de vérification
- [ ] Usages actuels de l'IA cartographiés, y compris les fonctionnalités intégrées et les fournisseurs
- [ ] Principes couvrant à la fois l'efficacité et la sobriété
- [ ] Réglages par défaut fixés pour les fonctionnalités, la taille de modèle et les limites de sortie
- [ ] Usages plus lourds soumis à une justification
- [ ] Méthode de mesure convenue et placée en annexe
- [ ] Questions d'achat et clauses contractuelles incluses
- [ ] Règles sur les allégations environnementales incluses
- [ ] Formation prévue pour tout le personnel et pour celles et ceux qui développent ou achètent
- [ ] Responsable, engagements et date de révision désignés
Que faire ensuite
- Cartographiez les usages de l'IA dans votre organisation ce mois-ci, y compris l'IA activée dans les logiciels existants.
- Rédigez des principes et des réglages par défaut à partir du plan type ci-dessus, et testez-les auprès de quelques utilisateurs.
- Convenez d'une méthode de mesure et établissez une première base de référence, estimée.
- Ajoutez les questions de durabilité à votre prochain achat d'IA.
- Fixez trois engagements mesurables et une date de révision, et publiez la politique en interne.
- Consultez le guide pour les entreprises, le guide pour les associations ou, pour les établissements scolaires, la page des enseignants ; trouvez de l'aide dans l'annuaire des consultants et des formations dans la rubrique formations.
Questions fréquentes
Avons-nous besoin d'une politique d'IA verte distincte ?
Pas forcément. Beaucoup d'organisations ajoutent une section sur l'IA verte à une politique existante sur l'usage de l'IA, l'informatique ou la durabilité. L'essentiel est que les engagements soient écrits, portés par quelqu'un et vérifiés.
Quelle longueur doit faire une politique d'IA verte ?
Deux à quatre pages suffisent généralement. Placez les méthodes détaillées, comme la façon de mesurer l'énergie, dans une annexe distincte que l'on peut mettre à jour sans faire réapprouver la politique.
Une politique d'IA verte doit-elle interdire certains usages de l'IA ?
Les interdictions pures et simples sont difficiles à faire respecter, et l'usage futile des uns est le travail créatif des autres. Il vaut généralement mieux fixer des réglages par défaut, exiger une justification pour les usages lourds et rendre les coûts visibles.
À quelles normes une politique peut-elle se référer ?
Les références courantes incluent la spécification Software Carbon Intensity (ISO/IEC 21031:2024) pour la mesure, l'ISO/IEC 42001 pour les systèmes de management de l'IA, et les Web Sustainability Guidelines du W3C pour les services numériques.
Sources
- ISO/IEC 42001:2023 Information technology – Artificial intelligence – Management system, ISO (2023)
- Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
- Web Sustainability Guidelines, W3C (2025)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
- Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact, Green Web Foundation (2024)
- Green Claims Code: making environmental claims, Competition and Markets Authority (2021)
Voir aussi
Achat d'IA durable
Quoi demander aux fournisseurs d'IA sur l'énergie, le carbone et l'eau, quelles preuves exiger, et quelles clauses rendent les engagements opposables.
Comment mesurer l'énergie et le carbone de l'IA
Guide pratique pour mesurer ou estimer l'énergie et le carbone de l'IA : outils, périmètre du système, indicateurs par tâche et incertitude assumée.
Des allégations vertes honnêtes sur l'IA
Éviter l'écoblanchiment sur l'IA : ce que l'on peut affirmer ou non, effets rebond, reporting honnête, et règles britanniques, européennes et américaines.
L'IA verte pour les entreprises
Un guide pratique pour réduire l'énergie, le coût et le carbone de l'IA en entreprise : choix du modèle, fournisseurs, mesure, achats et allégations honnêtes.