Comment et pourquoi l'IA pollue-t-elle ? De la puce à la réponse

Comment et pourquoi l'IA pollue-t-elle ? De la puce à la réponse

Par Guillaume Pakula · Publié le 5 octobre 2026

Derrière une réponse à l'écran, il y a une usine de puces, un bâtiment, des mois de calcul, puis de l'électricité et de l'eau à chaque question. Une analyse de cycle de vie publiée par Mistral AI permet de dire ce qui pèse : l'entraînement et les réponses pour le climat (85,5 % des gaz à effet de serre), le matériel des serveurs pour les ressources minérales (61 %).

L'intelligence artificielle (IA) pollue parce qu'elle repose sur une industrie bien matérielle : des puces à fabriquer, des centres de données à construire, des modèles à entraîner, puis de l'électricité et de l'eau à chaque réponse. Dans les résultats publiés par Mistral AI pour l'un de ses modèles, l'entraînement et les réponses pèsent 85,5 % des émissions de gaz à effet de serre, et le matériel des serveurs 61 % de l'épuisement des ressources minérales.

Cette étude est une analyse de cycle de vie : elle compte les impacts d'un produit depuis l'extraction des matières jusqu'à la fin de vie des équipements. Elle montre que l'étape qui pèse le plus change selon l'impact regardé : le fonctionnement des serveurs pour le climat et l'eau, leur matériel pour les ressources minérales.

Pourquoi l'IA pollue-t-elle ?

Derrière l'écran, des serveurs dans un centre de données

Une réponse d'IA est calculée par des cartes graphiques, des puces spécialisées dans ce type de calcul, montées dans des serveurs alignés par milliers dans des centres de données, ces bâtiments que l'on appelle le « cloud ». Notre article sur l'impact environnemental de l'IA chiffre ces impacts à l'échelle du monde ; celui-ci explique d'où ils viennent.

4 étapes, de la puce à la réponse

La vie d'un modèle d'IA compte 4 étapes : fabriquer les puces et les serveurs, construire le centre de données, entraîner le modèle, c'est-à-dire le régler sur d'immenses quantités de textes, puis répondre aux questions (l'« inférence », dans le vocabulaire du secteur). Les 3 premières ont lieu, pour l'essentiel, avant la première question. La 4e se répète à chaque utilisation.

Une analyse de cycle de vie publiée par étape, celle de Mistral AI

En juillet 2025, Mistral AI a publié les résultats de l'analyse de cycle de vie de son modèle Large 2. L'étude a été menée avec le cabinet Carbone 4 et l'ADEME (Agence de la transition écologique), puis relue par 2 bureaux d'études. Elle suit le référentiel de l'AFNOR sur l'IA frugale, l'AFNOR Spec 2314.

À janvier 2025, « après 18 mois d'utilisation » selon l'entreprise, le modèle avait émis 20 400 tCO2e (tonnes d'équivalent CO2) et consommé 281 000 m³ d'eau, l'eau domestique annuelle d'environ 5 400 personnes en France. L'étude compte aussi les minerais et les métaux prélevés, ramenés à un métal de référence comme les gaz à effet de serre le sont au CO2 : 660 kg d'antimoine équivalent. Selon l'ADEME, 20 000 tCO2e représentent l'empreinte annuelle de plus de 2 400 personnes en France.

Ces chiffres valent pour un seul modèle, chez un éditeur, à une date. Nous n'avons pas trouvé de résultats équivalents, par étape et sur plusieurs impacts, publiés par un autre éditeur.

Avant la première question : fabriquer, construire, entraîner

Des puces gravées en Asie de l'Est, un bâtiment à construire

Selon Greenpeace Asie de l'Est, les puces d'IA de Nvidia et d'AMD que l'organisation a étudiées sont gravées à Taïwan, et leurs puces de mémoire produites en Corée du Sud et au Japon. L'électricité de cette fabrication a été multipliée par 4,5 en un an, pour atteindre 984 GWh (gigawattheures) en 2024. Nvidia vend ses cartes graphiques montées par 8 sur une carte mère, la plaque qui les relie : en fabriquer une émet 1 312 kgCO2e, et 2 274 kgCO2e pour la génération suivante. La mémoire compte pour 42 % du total, puis 49 %.

Dans l'analyse de Mistral AI, le matériel des serveurs (fabrication, transport et fin de vie) pèse 11 % des gaz à effet de serre et 5 % de l'eau consommée, mais 61 % de l'épuisement des ressources minérales. La construction du centre de données reste sous 1 % des émissions et représente 1,5 % des ressources minérales.

Entraîner : des millions d'heures de calcul

Meta déclare 39 millions d'heures de carte graphique et 11 390 tCO2e pour entraîner ses 3 modèles Llama 3.1, en 2024 : l'équivalent de 4 500 cartes graphiques pendant un an. L'entraînement de GPT-3, le modèle d'OpenAI sorti en 2020, a été estimé à 552 tCO2e par des chercheurs de Google : environ 16 fois moins que le plus grand des 3 modèles de Meta (8 930 tCO2e).

Ces chiffres portent sur l'entraînement des modèles publiés. Pour une famille de modèles dont les auteurs ont aussi compté les essais, le développement a ajouté 50 % aux émissions de l'entraînement final, selon une étude de 2025. Les éditeurs ne publient généralement pas cette part.

À chaque réponse : de l'électricité et de l'eau

1,14 gCO2e et 45 mL d'eau pour une réponse d'environ 320 mots

Une fois le modèle entraîné, chaque question déclenche un calcul. Mistral AI chiffre une réponse d'environ 320 mots de son assistant à 1,14 gCO2e, soit 8 mètres en voiture, et à 45 mL d'eau, pour la réponse seule et sans compter l'appareil de l'utilisateur. Notre article sur ce que consomme une question à ChatGPT détaille l'électricité de cette étape, et celui sur la consommation électrique de l'IA ce qu'elle représente à l'échelle des centres de données.

Le pays du serveur change le résultat

En France, 1 kWh d'électricité consommé émet 51,9 gCO2e selon l'ADEME, amont et pertes du réseau compris. En moyenne dans le monde, 1 kWh produit émet 435 g de CO2 selon l'Agence internationale de l'énergie (AIE), à la centrale seulement. L'électricité française émet donc au moins 8 fois moins. La page de Mistral AI ne précise pas le pays de ses serveurs ; elle indique que l'électricité est comptée avec l'intensité carbone du réseau local, sans tenir compte de contrats d'achat d'électricité renouvelable.

L'eau sert à refroidir les serveurs, et surtout à produire leur électricité

Les serveurs chauffent et doivent être refroidis, souvent avec de l'eau. Selon l'AIE, ce refroidissement direct ne compte pourtant que pour un quart de l'eau consommée par les centres de données : les 2 tiers servent à produire leur électricité, et le reste à fabriquer les puces. Notre article sur l'eau consommée par l'IA détaille ces périmètres.

Quelle étape pèse le plus ?

Pour le climat et l'eau : l'entraînement et les réponses

Dans l'analyse de Mistral AI, l'entraînement et les réponses, c'est-à-dire l'électricité des serveurs et leur refroidissement, pèsent 85,5 % des gaz à effet de serre et 91 % de l'eau. La page publiée ne sépare pas les 2 : elle ne permet pas de dire lequel pèse le plus. À l'échelle mondiale, l'association GreenIT trouve le même ordre avec une autre méthode et un autre périmètre (serveurs et centres de données) : la phase d'utilisation pèse 92 % d'un score qui agrège 15 impacts, la fabrication 7 %.

Pour les ressources minérales : le matériel des serveurs

Pour les ressources minérales, l'ordre s'inverse : le matériel des serveurs pèse 61 %, l'entraînement et les réponses 29 %, les appareils des utilisateurs 7 %. Ce résultat désigne la durée de vie des serveurs et des puces comme premier levier pour cet impact. En fin de vie, ces équipements deviennent des déchets électroniques : 1,2 à 5 millions de tonnes cumulées entre 2020 et 2030 pour l'IA générative, selon une étude de 2024.

Ce que cette analyse ne dit pas

Mistral AI présente son étude comme une première approximation : en 2025, il n'existait pas encore d'inventaire fiable de la fabrication des cartes graphiques (l'ADEME a publié en mai 2026 une analyse de cycle de vie de 8 cartes), ce qui rend la part du matériel moins solide que les autres. Le rapport complet n'est pas public, et les résultats portent sur 3 impacts, sans détailler quels métaux sont en cause. Les parts d'un autre modèle, entraîné ailleurs ou utilisé par davantage de personnes, seraient différentes. L'étude n'évalue pas non plus les effets indirects de l'IA, par exemple ce que ses utilisateurs en font.

Ce qu'il faut retenir

Savoir quelle étape pèse permet de trier les gestes qui comptent pour réduire l'impact de l'IA, et de lire ce que publient les éditeurs avant de choisir une IA plus écologique. Notre comparatif de ChatGPT, Claude et Gemini rassemble les mesures disponibles par assistant, et notre guide sur l'IA dans le Bilan Carbone® explique comment une entreprise les compte.

Pourquoi ChatGPT pollue-t-il ?

Comme tous les assistants d'IA, ChatGPT tourne sur des serveurs équipés de cartes graphiques, dans des centres de données. Il a fallu fabriquer ces puces, construire les bâtiments et entraîner les modèles ; chaque réponse consomme ensuite de l'électricité et de l'eau. Nous n'avons pas trouvé d'analyse de cycle de vie publiée par OpenAI : les ordres de grandeur connus viennent d'autres éditeurs et de mesures indépendantes.

Est-ce l'entraînement ou l'utilisation de l'IA qui pollue le plus ?

Les résultats publiés par Mistral AI ne les séparent pas : ensemble, ils pèsent 85,5 % des gaz à effet de serre. L'entraînement a lieu une fois, les réponses s'accumulent avec l'usage : mécaniquement, plus un modèle est utilisé longtemps, plus leur part grandit. Les essais qui précèdent l'entraînement, rarement publiés, lui ont ajouté 50 % dans une étude qui les a mesurés.

Pourquoi l'IA consomme-t-elle de l'eau ?

Pour 2 raisons principales : refroidir les serveurs, et produire l'électricité qu'ils consomment. Selon l'Agence internationale de l'énergie, les 2 tiers de l'eau des centres de données servent à la production d'électricité, un quart au refroidissement direct, et le reste à la fabrication des puces. Mistral AI compte 45 mL d'eau pour une réponse d'environ 320 mots.

Fabriquer une carte graphique d'IA pollue-t-il beaucoup ?

Nvidia chiffre à 1 312 kgCO2e la fabrication d'une carte mère de 8 cartes graphiques, soit environ 160 kgCO2e par carte, plaque et refroidissement compris, et à 2 274 kgCO2e celle de la génération suivante. À titre de repère, l'ADEME compte environ 193 kgCO2e pour un ordinateur portable. Sur le cycle de vie d'un modèle, le matériel des serveurs reste minoritaire pour le climat (11 % chez Mistral AI) mais domine pour les ressources minérales (61 %).

Une IA hébergée en France pollue-t-elle moins ?

Pour le climat, oui, à serveur égal : l'électricité française émet au moins 8 fois moins de CO2 par kWh que la moyenne mondiale, et le fonctionnement des serveurs représente l'essentiel des émissions. Pour les ressources minérales, presque pas : 61 % viennent du matériel des serveurs, identique quel que soit le pays où il est installé.