greenai.guide

Accueil › Guides › L'IA verte pour les entreprises

Guide

L'IA verte pour les entreprises

Mis à jour · 11 min de lecture

En bref

Pour une entreprise, l'IA verte consiste à obtenir de l'IA les résultats dont vous avez besoin avec moins d'énergie, d'argent et de carbone. L'essentiel des économies vient de quelques décisions : n'utiliser l'IA que là où elle apporte de la valeur, choisir le plus petit modèle qui fait bien le travail, retenir des fournisseurs qui publient leurs données énergétiques, et mesurer avant de faire la moindre allégation.

Points clés

  • Dans la plupart des entreprises, l'IA la moins chère, la plus rapide et la plus verte est généralement la même : des modèles plus petits, moins de tokens, moins de travail refait.
  • L'Agence internationale de l'énergie estime que les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % du total mondial, et prévoit environ 945 TWh d'ici 2030.
  • Pour une même tâche, des modèles spécialisés peuvent coûter des ordres de grandeur de moins à faire tourner que des modèles génératifs généralistes.
  • Demandez aux fournisseurs l'énergie par requête, les centres de données qu'ils utilisent et leur méthode de mesure, et inscrivez les réponses dans les contrats.
  • Ne faites aucune allégation écologique que vous ne pouvez pas étayer par des chiffres mesurés ou clairement sourcés.

Pourquoi une entreprise devrait-elle s'intéresser à l'IA verte ?

Parce que ce qui rend l'IA plus verte est surtout ce qui la rend moins chère, plus rapide et plus fiable. Moins de calcul, c'est des factures plus basses, des réponses plus rapides et moins d'attente. Et les habitudes qui gaspillent de l'énergie, comme les prompts longs, les tentatives répétées et les modèles surdimensionnés, gaspillent aussi de l'argent et du temps de travail.

Un « sandpit » britannique sur l'IA verte, réunissant en 2026 des mathématiciens, des informaticiens et des industriels, est parvenu à une conclusion proche : les acheteurs choisissent selon le coût, la vitesse et la qualité, donc l'IA verte doit les apporter, et non les concurrencer. C'est une bonne nouvelle pour une entreprise. Vous avez rarement à sacrifier les résultats pour réduire votre empreinte.

Quatre autres raisons méritent votre attention :

  • L'échelle. L'Agence internationale de l'énergie (AIE) estime que les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % de l'électricité mondiale, et prévoit que ce chiffre fera plus que doubler pour atteindre environ 945 TWh d'ici 2030, l'IA étant le principal moteur de cette croissance. Votre usage de l'IA fait partie de cette demande.
  • Le reporting. Si vous rendez compte de votre énergie et de vos émissions, l'IA fait désormais partie du chiffre, que vous la comptiez ou non.
  • La réglementation. Les règles commencent à exiger des données énergétiques de la part des fournisseurs d'IA et de centres de données (voir plus bas), ce qui met à votre disposition de meilleures informations sur vos fournisseurs.
  • La confiance. Clients, salariés et investisseurs demandent de plus en plus comment vous utilisez l'IA. Des réponses claires et honnêtes vous aident.

Où va l'énergie de l'IA ?

Dans une entreprise type, l'essentiel de l'énergie liée à l'IA sert à l'inférence, c'est-à-dire à faire tourner un modèle pour répondre aux requêtes, et non à l'entraîner. Vous n'entraînez presque jamais vous-même un grand modèle, mais chaque prompt, chaque flux de travail automatisé et chaque fonction d'IA de vos logiciels exécute une inférence sur le matériel de quelqu'un.

Les principaux postes de consommation :

Étape Ce qui se passe Qui la maîtrise
Entraînement Un modèle apprend à partir de données, une fois ou de temps en temps Surtout le fournisseur du modèle
Affinage (fine-tuning) Un modèle existant est adapté à votre tâche Vous ou votre fournisseur
Inférence Le modèle répond à chaque requête Partagé : vous choisissez combien et quel modèle
Centre de données Refroidissement, conversion électrique, réseau L'hébergeur
Matériel Fabrication des puces et des serveurs (carbone incorporé) Le fournisseur, selon la durée de conservation du matériel

Pour une entreprise, l'inférence est la partie sur laquelle vous pouvez le plus agir. La quantité dépend :

  • de la taille et du type du modèle. Une étude de Luccioni, Jernite et Strubell a montré que les modèles génératifs généralistes coûtaient des ordres de grandeur de plus à faire tourner que des systèmes spécialisés pour la même tâche. Dans leurs tests, générer des images consommait en moyenne environ 2,9 kWh pour 1 000 requêtes, contre environ 0,002 kWh pour classer du texte ;
  • du nombre de tokens (les fragments de texte qu'un modèle lit et écrit). Les prompts longs, les documents collés et les réponses verbeuses s'additionnent ;
  • du nombre d'appels qu'effectue un flux de travail. Des agents qui planifient, vérifient et réessaient peuvent faire des dizaines d'appels pour une seule tâche ; et
  • du lieu et du moment de l'exécution, car le carbone contenu dans un kilowattheure dépend du réseau électrique local.

Pour donner un ordre de grandeur par requête, Google indique qu'un prompt textuel médian envoyé à ses applications Gemini consommait 0,24 Wh d'énergie, et que ce chiffre a été divisé par 33 en un an. Les fournisseurs ne mesurent pas de la même façon : considérez ces chiffres comme indicatifs, et consultez mesurer l'énergie de l'IA pour comprendre pourquoi les détails comptent.

Comment choisir le bon modèle ?

Utilisez le plus petit modèle qui fait le travail de façon fiable, et vérifiez-le sur vos propres tâches. Pour de nombreuses tâches d'entreprise, comme trier des e-mails, extraire des champs de factures, résumer ou traduire, un modèle petit ou spécialisé suffit.

L'UNESCO et l'University College London ont constaté que l'utilisation de modèles plus petits et spécialisés pouvait réduire la consommation d'énergie jusqu'à 90 % sans perte de performance sur des tâches adaptées, et que des prompts et des réponses plus courts pouvaient la réduire de plus de moitié.

Étapes pratiques :

  1. Listez vos tâches d'IA et ce que « suffisamment bon » signifie pour chacune, par exemple 98 % des champs de facture corrects.
  2. Essayez des modèles du plus petit au plus grand sur un échantillon de cas réels. Arrêtez-vous au premier qui atteint le niveau requis.
  3. Routez les requêtes. Envoyez les requêtes courantes à un petit modèle et seulement les difficiles à un grand modèle. On parle souvent de routage de modèles.
  4. Méfiez-vous des fausses économies. Un modèle trop petit qui échoue et oblige à relancer sur un grand modèle peut consommer plus d'énergie que de passer directement par le grand. Mesurez la réussite du premier coup, pas le coût par appel.
  5. Réutilisez au lieu de régénérer. Lorsque la même réponse, le même modèle de document ou le même morceau de code resservent, stockez-les et réutilisez-les plutôt que de solliciter le modèle à chaque fois. GreenCode, un projet de recherche ITEA, décrit comment il recourt à la recherche d'informations, au routage vers le composant capable le moins coûteux et à la planification pour limiter sa propre utilisation de l'IA.

Des évaluations indépendantes peuvent vous aider à comparer des modèles ouverts. L'AI Energy Score, lancé par Hugging Face et ses partenaires, note les modèles de une à cinq étoiles pour leur efficacité énergétique sur des tâches courantes. Pour en savoir plus, consultez choisir le bon modèle et l'orchestration plutôt que la génération.

Que demander aux fournisseurs d'IA ?

Demandez des chiffres, des méthodes et des lieux, et inscrivez les réponses dans le contrat. Beaucoup de fournisseurs ne peuvent pas encore répondre complètement, mais poser la question montre qu'il existe une demande et révèle qui prend le sujet au sérieux.

Questions à inclure dans les appels d'offres et les renouvellements :

  • Énergie par requête. Quelle est l'énergie (Wh) par requête type ou pour 1 000 tokens pour les modèles que nous utiliserons ? Est-elle mesurée ou estimée, et comment ?
  • Périmètre du système. Le chiffre inclut-il la capacité inactive, le refroidissement et le réseau, ou seulement les puces ?
  • Lieu d'exécution. Quels centres de données et quelles régions hébergent notre charge de travail ? Quelle est leur efficacité énergétique (PUE, le rapport entre l'énergie totale du site et l'énergie consommée par le calcul) et leur consommation d'eau ?
  • Électricité. Quelle part est couverte heure par heure par de l'électricité propre, plutôt que par des certificats annuels ?
  • Choix de modèles. Pouvons-nous choisir des modèles plus petits, ou router les requêtes entre modèles ? Pouvons-nous fonctionner sur notre propre matériel lorsque les données doivent rester sur place ?
  • Reporting. Nous fournirez-vous chaque mois des données d'énergie et d'émissions pour notre compte, sous une forme utilisable dans notre propre reporting ?
  • Durée de vie du matériel. Combien de temps gardez-vous les serveurs en service, et que deviennent-ils ensuite ?
  • Notification des changements. Nous informerez-vous si vous changez le modèle qui sous-tend notre service ?

Deux textes de droit européen méritent d'être connus, même hors de l'UE, car les grands fournisseurs les appliquent largement :

  • L'AI Act de l'UE impose aux fournisseurs de modèles d'IA à usage général de documenter la consommation d'énergie connue ou estimée du modèle (annexe XI).
  • La directive relative à l'efficacité énergétique impose aux exploitants de centres de données d'une puissance informatique d'au moins 500 kW de déclarer leur performance énergétique, notamment leur consommation d'énergie et d'eau, dans une base de données européenne (règlement délégué 2024/1364).

Notre guide achats d'IA durables propose une liste de questions plus complète, et hébergement et centres de données explique ce que signifient les réponses. Vous trouverez des fournisseurs dans l'annuaire des produits et une aide indépendante dans l'annuaire des consultants.

Comment mesurer l'énergie et les émissions de l'IA ?

Mesurez ce que vous pouvez, estimez le reste de façon transparente, et suivez ce que vous maîtrisez. Des chiffres parfaits sont rarement disponibles, mais une méthode cohérente vous permet de voir si vous progressez.

  • Votre propre matériel ou vos machines dans le cloud. Des outils open source comme CodeCarbon estiment les émissions à partir de la puissance consommée par les processeurs et la mémoire et de l'intensité carbone du réseau local.
  • Services d'IA tiers. Notez les tokens, les appels et les modèles utilisés. Multipliez par le chiffre d'énergie par requête du fournisseur s'il en donne un. Sinon, utilisez une estimation publiée et indiquez-le.
  • Unités. Exprimez l'énergie en kWh et les émissions en kg CO₂e (équivalent dioxyde de carbone), et précisez le facteur d'émission du réseau utilisé.
  • Par résultat. Suivez l'énergie par résultat utile, par exemple par facture traitée, et pas seulement en total. Cela fait apparaître l'effet du travail refait et des nouvelles tentatives.

Consultez comment mesurer l'énergie de l'IA et pourquoi la mesure est le goulet d'étranglement.

Quelle place pour l'IA dans le reporting CSRD et ESG ?

L'électricité de l'IA fait partie de votre consommation d'énergie ; elle a donc sa place dans votre reporting d'émissions existant plutôt que dans un rapport à part. Dans la plupart des référentiels, elle relève de l'électricité achetée (Scope 2) lorsque vous exploitez le matériel, et des services achetés (Scope 3) lorsque vous utilisez des services cloud ou d'IA.

Dans l'UE, le champ de la directive sur la publication d'informations en matière de durabilité (CSRD) a été réduit en 2026. L'approbation finale du Conseil de l'UE, en février 2026, la limite aux entreprises de plus de 1 000 salariés réalisant plus de 450 millions d'euros de chiffre d'affaires net annuel. Si vous êtes en dessous, de plus grands clients concernés peuvent tout de même vous demander des données, ou vous pouvez choisir de publier volontairement. Hors de l'UE, vérifiez vos règles nationales et les référentiels volontaires que vous suivez.

Quelle que soit votre obligation, traitez l'IA comme toute autre consommation d'énergie significative : indiquez la méthode, le périmètre et l'incertitude.

Comment instaurer de bonnes habitudes chez les salariés ?

Donnez quelques règles simples et les bons outils par défaut, plutôt que de demander à chacun de penser à l'énergie à chaque fois. Les habitudes comptent surtout là où beaucoup de personnes utilisent l'IA plusieurs fois par jour.

  • Choisir le bon outil. Moteurs de recherche, modèles de documents, tableurs et logiciels existants suffisent souvent. Utilisez l'IA là où elle fait vraiment gagner du temps ou améliore la qualité.
  • Être concis. Posez des questions claires, demandez des réponses courtes, et ne collez pas des documents entiers quand une section suffit.
  • Éviter l'usage « machine à sous ». Régénérer une image ou une réponse de nombreuses fois coûte cher. Affinez plutôt la demande.
  • Utiliser par défaut des modèles plus petits dans les outils de l'entreprise, avec des modèles plus grands disponibles au besoin.
  • Désactiver ce qui ne sert pas. Les fonctions d'IA activées par défaut dans les logiciels et les machines de test inactives consomment toutes de l'énergie.
  • Planifier les tâches lourdes. Les traitements par lots qui peuvent attendre, comme le traitement de documents pendant la nuit, peuvent tourner quand le réseau est moins carboné.

Rassemblez ces règles dans une courte politique ; notre guide politique d'IA verte comprend un modèle, et utiliser l'IA efficacement donne d'autres conseils du quotidien.

Comment en parler honnêtement ?

Ne formulez d'allégations que sur ce que vous avez mesuré, par rapport à une référence indiquée, et précisez les limites. Des allégations vagues comme « IA durable » ou « IA neutre en carbone » attirent l'attention des régulateurs et des clients.

Bonnes pratiques :

  • Indiquez la référence (« par rapport à notre modèle précédent ») et la méthode de mesure.
  • Distinguez l'efficacité (moins d'énergie par tâche) de la consommation totale (qui peut tout de même augmenter). Une IA moins chère entraîne souvent davantage d'usage de l'IA : c'est ce qu'on appelle l'effet rebond.
  • Ne vous appuyez pas uniquement sur la compensation ou sur des certificats annuels d'énergie renouvelable pour qualifier un service de vert.
  • Rappelez-vous qu'un chiffre déclaré par un fournisseur n'est pas forcément comparable à celui d'un autre.

Pour en savoir plus, consultez allégations écologiques honnêtes et l'efficacité ne suffit pas.

Que faire ensuite ?

  1. Cartographiez votre usage de l'IA. Listez les outils, les modèles et les flux de travail automatisés en service, et à peu près à quelle fréquence chacun tourne.
  2. Choisissez une tâche à fort volume et vérifiez si un modèle plus petit atteint votre niveau de qualité.
  3. Commencez à suivre les tokens et les appels de vos principaux services d'IA, et l'énergie là où vous exploitez votre propre matériel.
  4. Ajoutez les questions aux fournisseurs ci-dessus à votre prochain appel d'offres ou renouvellement de contrat.
  5. Publiez une courte politique interne sur le moment et la manière d'utiliser l'IA, à l'aide de notre guide de politique.
  6. Revoyez les allégations de votre marketing et de vos rapports à la lumière du guide des allégations honnêtes.
  7. Faites-vous aider si besoin grâce à l'annuaire des consultants, et cherchez des outils dans l'annuaire des produits.

Questions fréquentes

L'IA verte coûte-t-elle plus cher ?

En général, non. Les principaux leviers, comme des modèles plus petits, des prompts plus courts et moins d'exécutions répétées, réduisent aussi les factures d'API et les temps de réponse. Le surcoût correspond surtout au temps du personnel pour mesurer et pour mettre en place le routage entre modèles.

Devons-nous déclarer la consommation d'énergie de notre IA ?

Pas comme un poste distinct dans la plupart des pays. Mais l'électricité de l'IA fait partie de votre consommation d'énergie et de vos émissions ; elle entre donc dans des déclarations plus larges, comme la CSRD de l'UE pour les entreprises concernées, ou un reporting ESG volontaire.

Un modèle plus petit est-il toujours plus vert ?

Non. Un modèle trop petit peut échouer et obliger à recommencer, ou à relancer la tâche sur un modèle plus grand. Testez sur votre tâche réelle : le modèle le plus vert est le plus petit qui réussit du premier coup.

Comment mesurer l'énergie d'un service d'IA dans le cloud que nous n'exploitons pas nous-mêmes ?

Demandez au fournisseur l'énergie par requête et la méthode qui la sous-tend. S'il ne la communique pas, utilisez des estimations publiées par prompt, avec des réserves claires, et suivez ce que vous maîtrisez, comme les tokens et le nombre d'appels.

Sources

  1. Energy and AI, International Energy Agency (2025)
  2. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
  3. Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
  4. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  5. Council signs off simplification of sustainability reporting and due diligence requirements, Council of the European Union (2026)
  6. AI Act, Annex XI: technical documentation for providers of general-purpose AI models, European Commission AI Act Service Desk (2024)
  7. Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres, EUR-Lex (2024)
  8. CodeCarbon, CodeCarbon (2026)
  9. Announcing AI Energy Score ratings, Hugging Face (2025)
  10. Green AI and energy-aware computing, GreenCode (ITEA) (2026)

Rejoignez-nous

Aidez à réduire l’impact de l’IA sur la planète

Recevez par e-mail, environ une fois par mois, les nouveaux guides, appels à financement et fiches des annuaires. Ou ajoutez votre produit, cours, thèse ou recherche aux annuaires.

Aucun suivi. Désinscription en un clic. Autres façons de participer · Confidentialité