Comment l'IA pourrait-elle amplifier la crise climatique ?

L'IA va-t-elle faire monter les émissions mondiales, ou les faire baisser ? Depuis 3 ans, la question oppose les térawattheures des centres de données aux promesses d'optimisation. En février 2026, 11 chercheurs, d'Imperial College, d'Oxford et de l'institut de Potsdam notamment, ont mis en ligne une étude qui chiffre les 2 à la fois↗.

Ce chiffre de 11 % demande 3 précautions. Il porte sur le CO2 seul, cumulé de 2025 à 2040, et se lit comme un écart avec un scénario de référence où l'IA n'aurait aucun effet : il ne dit ni ce qui va arriver, ni la part de l'IA dans les émissions de 2040. C'est le plus défavorable de 4 scénarios, construits à partir des estimations de 17 experts. Enfin l'étude est une prépublication, que d'autres chercheurs n'ont pas encore relue, et ses auteurs demandent de la traiter comme un travail exploratoire.

Son intérêt est d'additionner ce que l'IA consomme et ce qu'elle fait faire. Les auteurs en tirent une suggestion : les effets indirects pourraient peser plus lourd que l'électricité, sur laquelle porte presque toute l'attention.

Les scénarios se distinguent surtout par les règles qui encadrent l'IA. Dans 3 des 4, elle est puissante et présente partout. Varient la gouvernance de l'IA, la place laissée à la politique climatique et l'origine de l'électricité.

Dans le scénario le plus défavorable, les émissions de 2030 dépassent de 8 % celles du scénario de référence, et elles ne baissent ensuite que de 4 % en 10 ans, quand la référence baisse de 12 %. Selon les auteurs, ces résultats suggèrent que, dans la plage explorée, les risques de hausse l'emportent sur les chances de baisse.

La demande d'électricité de l'IA est l'effet le plus étudié. Les experts interrogés la situent à 1 395 TWh en 2030 et à 3 224 TWh en 2040, en valeur médiane. Cela fait 4,5 % puis 10,4 % de ce que le monde consommait d'électricité en 2024.

L'effet sur le climat dépend ensuite de l'origine de cette électricité. Si les politiques climatiques ne sont pas prolongées après 2030, une demande élevée fournie par des centrales fossiles dédiées ajoute 6 % aux émissions cumulées. Tirée du réseau au moindre coût, elle ajoute 2,7 %, parce que les capacités nouvelles les moins chères sont renouvelables. Fournie par du nucléaire ou des renouvelables, elle n'ajoute rien dans le modèle.

Selon le Shift Project↗, plus de la moitié de l'électricité consommée par les centres de données dans le monde venait de sources fossiles en 2024, et leur empreinte pourrait atteindre 920 millions de tonnes de CO2e par an en 2030.

La climatologue Valérie Masson-Delmotte, qui a coprésidé le groupe de travail I du GIEC de 2015 à 2023, fait le même constat dans un état des lieux sur les centres de données↗ présenté le 30 mai 2026. Elle y voit un « enjeu pour l'utilisation de l'électricité bas carbone en substitution aux énergies fossiles », relève la « relance massive d'infrastructures gaz » aux États-Unis, et note que les objectifs de décarbonation de Google et de Microsoft pour 2030 sont « compromis » par l'IA générative.

L'origine de l'électricité pèse donc autant que sa quantité. C'est pourquoi le hub publie l'intensité carbone de l'électricité pays par pays, et pourquoi une même question posée à une IA n'a pas le même poids selon le réseau qui l'alimente.

Une IA qui aide à trouver un gisement, à forer plus vite ou à mieux exploiter un puits rend le pétrole et le gaz moins chers à produire, et une baisse des coûts peut faire monter la production. Ce mécanisme, signalé dès 2024 dans un commentaire de la revue Nature↗, a été chiffré en août 2026 par une étude parue dans npj Climate Action↗.

Ses auteurs font entrer dans un modèle de l'économie mondiale les gains de productivité que l'IA apporterait aux secteurs de l'énergie, fossiles et renouvelables. Les émissions permises par les gains du secteur fossile, avant déduction des émissions évitées, vont de 0,6 à 2,4 milliards de tonnes de CO2 par an. C'est 3,3 à 13,3 fois l'estimation de l'Agence internationale de l'énergie pour les centres de données, 0,18 milliard de tonnes, que citent les auteurs. Une fois déduites les émissions évitées, il reste une hausse nette de 0,47 à 1,8 milliard de tonnes par an, soit 1,2 à 4,8 % des émissions mondiales de CO2 liées à l'énergie en 2024.

La fourchette est large parce qu'elle dépend d'hypothèses sur l'ampleur des gains. Le modèle décrit un équilibre économique, sans date, et il est calé sur l'économie de 2017, avec un mix électrique ajusté à celui de 2024. Dans tous les cas étudiés, dès que l'IA fait gagner quelque chose au secteur fossile, les émissions qu'elle permet dépassent celles qu'elle évite dans les renouvelables. Pour obtenir une baisse nette, il faudrait que les renouvelables en tirent des gains 4 à 5 fois plus grands que ceux du secteur fossile. 2 des auteurs déclarent un lien avec l'Enabled Emissions Campaign, un projet associatif de recherche et de plaidoyer.

Ces émissions sont mal couvertes par les bilans. Elles figurent dans celui du producteur de pétrole, noyées dans ses volumes vendus. Elles ne figurent pas dans celui de l'entreprise qui lui vend l'outil : un éditeur d'IA compte ses serveurs, leur électricité et leur fabrication, et aucune catégorie obligatoire du GHG Protocol ne lui demande de compter ce que ses clients produisent avec ses modèles. Les auteurs demandent que les politiques publiques en fassent une catégorie à part, celle des émissions permises.

Notre lecture : le cas ressemble à celui des banques, qui comptent les émissions des entreprises et des projets qu'elles financent↗. La différence est qu'une émission financée se calcule au prorata d'un financement, quand une émission permise est un supplément estimé par un modèle. La question rejoint celle de la place de l'IA dans un Bilan Carbone®↗.

Les experts interrogés citent aussi la voiture autonome. Ils estiment qu'elle ferait baisser le coût du transport de personnes de 27,1 % en 2040 et monter la demande de 21,8 %, en valeurs médianes. Testé avec une demande d'électricité moyenne de l'IA, cet effet porte les émissions cumulées de 2025 à 2040 à plus de 6 % au-dessus de la référence. C'est le plus fort des effets indirects testés un par un.

Les économistes appellent ce mécanisme l'effet rebond : ce qui devient moins cher se consomme davantage. Les auteurs citent un autre exemple, la consommation de biens stimulée par la publicité et la communication en ligne, et précisent qu'ils ne l'ont pas modélisé. Le chiffre de 11 % ne le contient donc pas.

Ces effets sont les moins bien connus. Dans le même état des lieux, Valérie Masson-Delmotte écrit que les effets indirects du numérique, effets d'induction et effets rebond compris, sont « difficiles à évaluer », en s'appuyant sur l'Arcep.

Le scénario à 11 % contient un ingrédient qui n'est pas une quantité d'énergie. L'IA y tient une grande place dans la circulation de l'information ; la désinformation et la polarisation y affaiblissent le consensus sur les objectifs climatiques, que les gouvernements laissent de côté. Les auteurs ne chiffrent pas ce mécanisme directement : il oriente les hypothèses du scénario, et ils le jugent difficile à représenter dans un modèle.

Ils relèvent un second frein, politique lui aussi. Les normes d'efficacité et les règles sur l'électricité bas carbone peuvent être contestées au nom de la compétitivité des entreprises et des pays. Les auteurs ajoutent qu'elles poussent aussi vers des systèmes plus sobres.

D'autres travaux chiffrent les baisses possibles. Le Grantham Research Institute↗, avec l'économiste Nicholas Stern, estime que l'IA pourrait réduire les émissions mondiales de 3,2 à 5,4 milliards de tonnes de CO2e par an d'ici 2035, dans 3 secteurs seulement : l'électricité, les transports et l'alimentation. Ce serait plus que la hausse due aux centres de données et à l'IA.

Les 2 études ne mesurent pas la même chose. Celle du Grantham additionne des potentiels, secteur par secteur. Celle de février 2026 fait tourner un modèle où les gains d'efficacité déclenchent des rebonds, et ne trouve que 1,4 % de baisse dans son meilleur scénario. Elles posent la même condition : le Grantham donne aux gouvernements un rôle décisif et parle d'un « État actif », l'étude de février d'une gouvernance forte et d'une coopération internationale.

Les travaux cités ici désignent 4 décisions, chacune attachée à l'un des mécanismes.

Le hub compte l'électricité, l'eau et le CO2e d'une question posée à une IA. Ces travaux invitent à compter les effets directs et indirects ensemble. Notre lecture est que l'empreinte de l'IA a 3 étages : ce qu'elle consomme, ce qu'elle permet de faire, ce qu'elle change au débat public. Le hub mesure le premier ; le deuxième pourrait peser davantage selon ces études, et le troisième n'est pas chiffré.

L'IA peut donc amplifier la crise climatique : dans le plus défavorable des scénarios étudiés, de 11 % des émissions de CO2 cumulées de 2025 à 2040. Une partie de ce risque tient à ses usages, en plus de sa consommation d'électricité.