- 1L'IA pollue à 4 moments, de la fabrication des puces aux réponses.
- 2Chez Mistral AI, l'entraînement et les réponses pèsent 85,5 % des gaz à effet de serre.
- 3Le matériel des serveurs pèse 61 % de l'épuisement des ressources minérales.
- 4Dans une étude qui les a mesurés, les essais ont ajouté 50 % aux émissions de l'entraînement.
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.
L'IA pollue à 4 moments, de la mine à la réponse
Le cycle de vie d'un modèle d'IA. Choisissez une étape pour voir où elle se passe et ce qu'elle pèse.
1. Fabriquer les puces et les serveurs
- Où :
- Dans les mines, puis dans les usines de puces d'Asie de l'Est (Taïwan, Corée du Sud, Japon).
- Ce qui se passe :
- Extraire les métaux, graver les puces, assembler les serveurs et les transporter.
- Ce que ça pèse :
- 1 312 à 2 274 kgCO2e pour fabriquer une carte mère de 8 cartes graphiques, selon la génération.
Part du matériel des serveurs (fabrication, transport et fin de vie), dans l'analyse de Mistral AI
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.
1Pourquoi 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. En octobre 2026, aucun autre éditeur n'a publié de résultats équivalents, par étape et sur plusieurs impacts.
2Avant 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.
Entraîner un modèle émet des centaines à des milliers de tonnes de CO2e, et les essais s'y ajoutent
L'entraînement de 2 grands modèles en empreintes carbone annuelles d'une personne en France, puis une famille de modèles dont les essais ont été comptés.
L'entraînement publié
Ce que le chiffre publié laisse de côté
+50 %d'essais et de développement, rarement publiés
Famille de modèles OLMo (2025) : 493 tCO2e au total, sur une autre échelle.
- entraînements finaux, publiés
- essais et développement
- fabrication du matériel, 22
3À 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 produit a émis 41 gCO2e en 2025, construction des centrales et extraction des combustibles comprises, contre 458 g en moyenne dans le monde, selon les données d'Ember, un groupe de réflexion sur l'énergie. L'électricité française émet donc 11 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'Agence internationale de l'énergie, 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.
4Quelle 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 %.
L'entraînement et les réponses pèsent 85,5 % des émissions, le matériel des serveurs 61 % des ressources minérales
Le modèle Mistral Large 2 sur son cycle de vie, à janvier 2025. Les résultats publiés ne séparent pas l'entraînement des réponses.
85,5 %entraînement et réponses
91 %entraînement et réponses
61 %matériel des serveurs
- Le reste : conception, construction du centre, réseau
- Appareils des utilisateurs
- Entraînement et réponses (électricité, refroidissement)
- Matériel des serveurs (fabrication, transport, fin de vie)
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.
5Ce qu'il faut retenir
- L'IA pollue à 4 moments, de la fabrication des puces aux réponses, en passant par la construction du centre de données et l'entraînement du modèle.
- L'entraînement et les réponses pèsent 85,5 % des gaz à effet de serre et 91 % de l'eau dans l'analyse de Mistral AI.
- Le matériel des serveurs pèse 61 % de l'épuisement des ressources minérales, contre 11 % des émissions.
- Ces parts sont celles d'un seul modèle, les seules publiées par étape : elles ne valent pas pour toute l'IA.
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.




