Climat13 novembre 2026Peut-on décarboner l'IA ?
Les leviers classés par ce qu'ils retirent
Une carte de TPU v4 de Google, puce d'IA mise en service en 2020, avec ses 4 puces refroidies par liquide. Photo Jouppi et al. (Google), arXiv, CC BY 4.0, recadrée, via Wikimedia Commons.
Pour une puce d'IA de 2024 alimentée au facteur moyen du réseau de Google, 366 gCO2e par kWh, une électricité comme celle de la France diviserait par près de 5 les émissions d'un même calcul, fabrication comprise, et par près de 7 avec le plus petit modèle suffisant pour chaque tâche ; le passage au réseau moyen de l'Union européenne n'en retirerait que 38 %. L'efficacité des modèles pourrait retirer davantage : des chercheurs de Microsoft estiment possible un facteur 8 à 20, sans dire depuis quel point de départ, et Google a divisé par 33 en un an l'énergie de la question médiane posée à Gemini. Aucun levier ne ramène l'IA à zéro, et ces gains n'ont pas empêché la consommation d'électricité des centres de données de monter.
Sommaire
Décarboner l'IA peut vouloir dire 2 choses : retirer des émissions à chaque service qu'elle rend (une réponse, une image, un modèle entraîné), ou faire baisser ses émissions totales. Les 2 peuvent évoluer en sens contraire. Chez Google, l'énergie de la question écrite médiane posée à l'application Gemini a été divisée par 33 entre mai 2024 et mai 2025 ; la demande d'électricité de l'entreprise a augmenté de 37 % en 2025.
Nous avons classé les leviers par ce qu'ils retirent aux émissions d'un même service, à partir d'une seule référence : une puce d'IA de Google mise en service en 2024, gardée 6 ans, alimentée par le réseau électrique au facteur moyen de l'entreprise, 366 gCO2e par kWh. Les émissions comptent la fabrication et l'électricité, toujours selon le réseau, sans les achats d'électricité décarbonée, qui relèvent d'un autre compte. Les leviers ne s'additionnent pas.
Sur le réseau de Google, l'électricité fait 9 dixièmes des émissions d'une puce d'IA
En février 2025, des ingénieurs de Google ont publié l'analyse du cycle de vie de 5 modèles de ses puces d'IA, les TPU, de l'extraction des matières à la fin de vie, avec la part de la construction des centres de données. C'est une prépublication sur les données internes de l'entreprise, que d'autres chercheurs n'ont pas relue, et, selon ses auteurs, la première à publier la fabrication d'un accélérateur d'IA. Elle compte, pour une même puce, la fabrication et l'électricité.
Pour la puce mise en service en 2024, Trillium, les auteurs comptent sur 6 ans 692 kgCO2e pour la fabrication, dont 109 pour la part des bâtiments, et 5 759 kgCO2e pour l'électricité, avec le facteur moyen de Google en 2023 selon le réseau. La fabrication fait 10,7 % du total, l'électricité près de 9 dixièmes.
La proportion dépend du réseau. Le modèle ouvert BLOOM a été entraîné en 2022 sur un supercalculateur français alimenté à 57 gCO2e par kWh. La fabrication du matériel y fait 22 % des émissions, avec une valeur de fabrication des cartes graphiques que ses auteurs donnaient pour une borne basse.
Les leviers qui réduisent la quantité de calcul se mesurent dans d'autres études. Pour les ramener à la référence, nous supposons que le parc de serveurs suit la demande : moins de calcul, c'est moins d'électricité et moins de machines à fabriquer. Google fait le même choix pour Gemini : il répartit la fabrication par heure de machine, et ses émissions hors électricité par question (scopes 1 et 3) ont été divisées par 36 en un an, avec le nombre d'heures de machine par question.
Les plus grands gains viennent des modèles et du logiciel de service
Sur la division par 33 de l'énergie d'une question à Gemini, Google attribue un facteur 23 à ses modèles et un facteur 1,4 à une meilleure utilisation de ses machines. L'entreprise rattache ces gains à des architectures qui n'activent qu'une partie du modèle, à la quantification et à la distillation vers des modèles plus petits comme Gemini Flash. C'est la mesure, publiée par l'entreprise, d'un service qui change d'une année à l'autre.
Des chercheurs de Microsoft estiment que les progrès récents des modèles, du logiciel de service et du matériel pourraient ensemble diviser l'énergie par 8 à 20 ; le résumé publié ne dit pas à partir de quel point de départ. Appliqué à la référence, ce facteur retirerait 88 à 95 % des émissions d'un même service, si le parc suit la demande. Une partie de ce gain peut être déjà acquise sur une puce de 2024 et chez Google, qui applique ces techniques à Gemini. Ce levier recoupe le choix du modèle et l'efficacité des puces, et leurs gains ne se multiplient pas.
Ces gains dépendent des éditeurs : Hugging Face a trouvé que 8 modèles récents sur 14 consomment autant ou plus que des modèles de taille voisine évalués en février 2025.
Les puces ont progressé moins vite. De 2020 à 2024, en 2 générations, celles de Google ont divisé par 3 les émissions d'un même calcul, fabrication comprise : de 1 043 à 354 gCO2e pour un milliard de milliards d'opérations, ou de 788 à 354 g depuis l'autre puce de 2020. Ce gain est acquis : la puce de référence en bénéficie déjà. Pour les cartes graphiques conçues pour l'IA, Epoch AI relevait en 2023 que le calcul par watt double tous les 3 ans, d'après les performances de pointe et la puissance nominale annoncées par les fabricants.
Ces gains n'ont pas empêché la hausse. La demande d'électricité de Google a augmenté de 37 % en 2025, sans part publiée pour l'IA. L'Agence internationale de l'énergie prévoit que les centres de données du monde passent de 485 TWh en 2025 à 945 TWh en 2030. Dans son cas « haute efficacité », qui suppose des modèles plus efficaces et ajustés à leurs tâches, et plus de calcul sur les appareils, ils consommeraient encore 868 TWh, 8 % de moins que dans son cas de base.
ÉlectricitéConsommation d'électricité des centres de données en 2030, selon 3 études
Consommation d'électricité des centres de données en 2030, en TWh par an, projection publiée par chaque étude · 2023 à 2030
Source : AIE, 2026 ; The Shift Project, 2025 ; GreenIT, 2026 · projetcelsius.com/ia · CC BY 4.0
Une électricité bas carbone retire 8 dixièmes des émissions
Le deuxième levier est l'électricité du réseau qui alimente les serveurs. À achats d'électricité inchangés, la puce de référence branchée sur un réseau comme celui de la France, 41 gCO2e par kWh selon les données d'Ember que retient la Base du hub, émettrait sur 6 ans environ 650 kgCO2e pour son électricité au lieu de 5 759. Son total passerait de 6 451 à 1 344 kgCO2e, soit 79 % de moins. Sur le réseau moyen de l'Union européenne, 210 g, le gain serait de 38 %. Sur la moyenne mondiale, 458 g, les émissions augmenteraient de 23 %. La carte du hub donne chaque pays.
Ce levier passe par 2 voies. La première est le choix du site, par les hébergeurs, les éditeurs et les organisations qui inscrivent une région d'hébergement dans leurs contrats. La seconde est la décarbonation du réseau, qui dépend des États et des gestionnaires de réseau. Aux États-Unis, plus de 2 000 GW de projets d'électricité décarbonée attendent leur raccordement, selon le rapport environnemental de Google.
Ce levier a une limite à l'échelle d'un pays. Une électricité bas carbone consommée par un centre de données ne sert plus à d'autres usages, et l'effet sur le climat dépend alors de la production ajoutée pour répondre à cette demande. C'est l'un des mécanismes décrits dans notre analyse sur l'IA et la crise climatique.
Les contrats d'électricité relèvent d'un autre compte
Une électricité « 100 % renouvelable » se compte autrement, en déduisant les contrats d'achat et les certificats. Pour Google en 2023, le même courant vaut 366 gCO2e par kWh selon le réseau, 212 g quand les achats ne comptent que s'ils sont produits à la même heure et sur le même réseau, et 135 g selon les contrats de l'année. En 2025, Google a acheté l'équivalent de 100 % de sa consommation en électricité renouvelable sur l'année ; environ 65 % de la consommation de ses centres de données et de ses bureaux était couverte heure par heure par une électricité décarbonée, du réseau ou de ses contrats.
La fiche du modèle Llama 3.1 donne pour son entraînement 11 390 tCO2e selon le réseau, et 0 selon les contrats de l'entreprise.
ClimatÉmissions de l'électricité, selon les contrats ou le réseau
Émissions de l'électricité achetée (scope 2), 2 méthodes, en tCO2e, échelle logarithmique · 2024 et 2025
Source : Meta, 2025 ; Google, 2026 ; Microsoft, 2026 · projetcelsius.com/ia · CC BY 4.0
Le scope 2 de Meta en 2024 : 1 358 tCO2e selon les contrats, près de 6 millions selon le réseau.
Dans son compte heure par heure, Google calcule qu'une électricité décarbonée à 90 % sur chaque réseau, production du réseau et contrats appariés réunis, diviserait par 3,3 les émissions de sa puce de 2024. Ce compte n'est pas celui du classement, qui part du réseau.
Un contrat signé avec une centrale nouvelle peut ajouter au réseau une production décarbonée ; aux États-Unis, la livraison arrive souvent 4 à 5 ans après la signature, selon Google. La pratique actuelle permet aussi de déduire des certificats achetés n'importe où sur un continent et à n'importe quel moment de l'année, une pratique « de plus en plus critiquée », écrivent les auteurs de Google (notre traduction). Ni les uns ni les autres ne rendent décarbonée l'électricité que les serveurs tirent du réseau à chaque heure ; seule une production ajoutée sur ce réseau en abaisse le facteur, pour tous ses consommateurs. Notre note sur les 1 358 tonnes de Meta et notre analyse sur les estimations qui divergent détaillent les 2 comptes.
Le plus petit modèle suffisant retire plus d'un quart des émissions
Le troisième levier est le choix du modèle parmi ceux qui existent. L'impact d'une réponse croît à peu près en proportion de la taille du modèle qui la produit, selon Mistral AI. Une étude de 2025 estime que choisir pour chaque tâche le plus petit modèle qui la fait bien réduirait de 27,8 % l'électricité de l'inférence de l'IA dans le monde, soit 31,9 TWh en 2025. Le calcul est pondéré par les téléchargements de modèles ouverts, et la qualité des réponses n'y baisse pas en moyenne.
Si le parc suit la demande, ce levier retire 28 % des émissions de la référence ; sur un parc déjà acheté, il ne retire que sur l'électricité, soit 25 %. Il est entre les mains des éditeurs, qui choisissent le modèle servi par défaut, des organisations, qui peuvent le fixer dans une charte, et des utilisateurs. Mistral AI propose aussi que les acheteurs publics fassent entrer la taille et l'efficacité des modèles dans leurs critères.
Le raisonnement n'a pas de valeur sur la même base. Un modèle qui raisonne écrit un brouillon avant sa réponse, et les modèles à raisonnement consomment en moyenne 30 fois plus d'énergie que les autres, selon les mesures de Hugging Face sur des modèles ouverts. Des chercheurs de Microsoft en donnent un exemple : une part modeste de demandes à raisonnement long, 10 % par exemple, peut plus que doubler l'électricité totale. Aucune source ne mesure la part des demandes qui passent par un raisonnement sans en avoir besoin, et ce levier reste hors du classement.
UsagesLe mode raisonnement multiplie l'énergie
Énergie avec raisonnement, rapportée à la même demande sans, en multiple · Mesures de 2025 et 2026
Source : Arcep et PEReN, 2026 ; Hugging Face, 2025 · projetcelsius.com/ia · CC BY 4.0
Les gestes d'une personne sont chiffrés dans notre article sur la réduction de l'impact de l'IA, le choix d'un service dans celui sur l'IA écologique.
Sur un réseau bas carbone, la fabrication fait la moitié du reste
Sur un réseau comme celui de la France, la puce de référence n'émettrait plus que 1 344 kgCO2e sur 6 ans, dont 692 pour sa fabrication, soit 51 %. Les auteurs de Google le notent : réduire la fabrication devient plus important à mesure que l'électricité se décarbone, et c'est plus difficile, parce qu'il faut agir sur toute la chaîne d'approvisionnement.
Le levier qui agit sur cette part est la durée de vie du matériel. Google répartit la fabrication de ses puces sur 6 ans. GreenIT retient 3 ans pour les serveurs d'IA, parce que l'usage est de mettre au rebut l'unité entière plutôt que de remplacer les composants en panne, les cartes graphiques faisant l'essentiel de son coût. Garder la puce 6 ans plutôt que 3 retire 8 % des émissions d'un même calcul sur le réseau de référence, et 30 % sur un réseau comme celui de la France. La construction des bâtiments reste hors de ce calcul, puisqu'un centre de données sert à plusieurs générations de machines.
Sur un réseau bas carbone, la durée de vie retire donc autant que le choix du plus petit modèle, 30 % contre 28 %. Sur un parc déjà acheté, elle passe devant, le choix du modèle ne retirant plus que 13 %. Garder une puce 6 ans plutôt que 5 ne retire que 2 % sur le réseau de référence, et 8 % sur un réseau comme celui de la France.
Les durées comptables vont dans les 2 sens. Alphabet a porté celle de ses serveurs de 4 à 6 ans en 2023. Amazon a ramené celle d'une partie de ses serveurs et de ses équipements de réseau de 6 à 5 ans en 2025, et l'explique ainsi : « Les durées d'utilité plus courtes sont dues au rythme accru du développement technologique, en particulier dans le domaine de l'intelligence artificielle et de l'apprentissage automatique » (notre traduction). Ce sont des durées d'amortissement comptable, pas des mesures de la vie réelle du matériel.
Ces 2 leviers se contrarient. Garder une puce plus longtemps, c'est attendre la suivante, plus efficace mais plus lourde à fabriquer. Sur le réseau de référence, où l'électricité domine, le renouvellement peut l'emporter ; sur un réseau bas carbone, chaque renouvellement anticipé pèse davantage.
Sur un réseau bas carbone, la fabrication fait la moitié des émissions d'une puce d'IA, et garder le matériel 6 ans plutôt que 3 retire autant que le choix du plus petit modèle.
Les leviers les plus forts se décident chez les éditeurs, les hébergeurs et dans les réseaux
| Levier | Réseau de référence, 366 g | Réseau comme celui de la France, 41 g | Qui le tient |
|---|---|---|---|
| Efficacité des modèles et du service, potentiel de 8 à 20 fois | 88 à 95 % | 88 à 95 % | Éditeurs (architecture, distillation, logiciel de service) |
| Électricité du réseau, à achats inchangés | 79 % | déjà pris | Hébergeurs et éditeurs (choix des sites) ; États et gestionnaires de réseau ; acheteurs (région d'hébergement au contrat) |
| Plus petit modèle suffisant pour chaque tâche | 28 % | 28 % | Éditeurs (modèle par défaut) ; organisations et acheteurs publics ; utilisateurs |
| Durée de vie, 6 ans plutôt que 3 | 8 % | 30 % | Hébergeurs (renouvellement, réparation des composants) |
| Raisonnement réservé aux demandes qui en ont besoin | non chiffré | non chiffré | Éditeurs (réglages par défaut) ; organisations ; utilisateurs |
Part retirée des émissions d'un même service par rapport à la référence : une puce d'IA de Google de 2024, gardée 6 ans, fabrication comprise, électricité selon le réseau, sans les achats d'électricité décarbonée. L'efficacité des modèles et le choix du modèle supposent que le parc de serveurs suit la demande, et se recoupent. La durée de vie se mesure depuis la même puce gardée 3 ans. Les leviers ne s'additionnent pas. Calcul du hub sur Schneider et al. (Google, 2025), Oviedo et al. (Microsoft, 2026), Barros et al. (2025) et GreenIT (2026).
L'utilisateur tient 2 leviers, le choix du modèle et l'usage du raisonnement. Les États tiennent la production d'électricité bas carbone, les raccordements et les règles de déclaration qu'ils imposent, ou non, aux centres de données et aux éditeurs.
Depuis une puce de 2024, une électricité bas carbone et le plus petit modèle diviseraient les émissions par près de 7
Réunis, les effets de leviers indépendants se multiplient. Depuis la puce de référence, une électricité comme celle de la France diviserait les émissions d'un même service par 4,8, et le plus petit modèle suffisant par 1,4 : ensemble, ils les diviseraient par près de 7, dans notre calcul. L'efficacité des modèles pourrait retirer bien plus si les estimations de Microsoft se réalisent, mais elle recoupe le choix du modèle et ne se multiplie pas avec lui.
Aucun levier ne ramène les émissions à zéro. Sur un réseau comme celui de la France, la puce de référence émet encore 1 344 kgCO2e sur sa vie, dont 692 pour sa fabrication. Aucun de ces leviers ne touche non plus à ce que l'IA permet de faire, qui pourrait peser davantage selon notre analyse sur l'IA et la crise climatique.
Pour nous, au Projet Celsius, une IA ne peut pas se dire neutre en carbone. La neutralité est un équilibre mondial entre émissions et absorptions, comme l'explique notre article sur la neutralité carbone ; la fabrication des puces et la part fossile des réseaux restent, et un contrat d'électricité ne fait baisser les émissions comptées selon le réseau que s'il ajoute une production décarbonée à ce réseau. Décarboner l'IA reste possible service par service. Les questions utiles à poser à un fournisseur portent sur le modèle et le mode de raisonnement servis par défaut, sur l'électricité du réseau qui alimente ses serveurs et sur la durée de vie de son matériel.
La référence du classement est l'analyse de cycle de vie des puces de Google, une prépublication d'auteurs de l'entreprise sur ses données internes. L'efficacité des modèles et le choix du modèle viennent d'estimations, ramenées à cette référence par une hypothèse : le parc de serveurs suit la demande. Le réseau de référence est compté avec le facteur publié par Google, le réseau français avec les données d'Ember ; avec le seul rapport des réseaux des États-Unis et de la France chez Ember, le levier de l'électricité vaut 80 % au lieu de 79 %. Les pourcentages du classement et le facteur 7 sont notre calcul.
Sources
15 documents
- Schneider, Xu, Benecke, Patterson et al. (Google), Life-Cycle Emissions of AI Hardware: A Cradle-To-Grave Approach and Generational Trends, prépublication arXiv2025fiche 195
- Elsworth et al. (Google), Measuring the environmental impact of delivering AI at Google scale2025fiche 14
- Luccioni, Viguier et Ligozat, Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model, prépublication arXiv de novembre 2022, publiée dans le Journal of Machine Learning Research en 20232022fiche 196
- Google, 2026 Environmental Report2026fiche 13
- Oviedo, Kazhamiaka, Choukse et al. (Microsoft), Energy use of AI inference, efficiency pathways, and test-time scaling, Joule2026fiche 197
- Hugging Face, AI Energy Score v22025fiche 26
- Hobbhahn, Heim et Aydos, Trends in Machine Learning Hardware, Epoch AI2023fiche 198
- AIE, Key Questions on Energy and AI2026fiche 2
- Our World in Data, d'après Ember, Lifecycle carbon intensity of electricity2026fiche 34
- Meta, fiche du modèle Llama 3.12024fiche 46
- Barros et al., Small is Sufficient: Reducing the World AI Energy Consumption Through Model Selection2025fiche 29
- Mistral AI, avec Carbone 4 et l'ADEME, Our contribution to a global environmental standard for AI2025fiche 17
- GreenIT, Impacts environnementaux et sanitaires de l'intelligence artificielle dans le monde en 2025 et 20302026fiche 6
- Alphabet, résultats du quatrième trimestre 2023, annexe 99.1, changement de durée d'utilité des serveurs2024fiche 199
- Amazon, rapport annuel 10-K pour l'exercice 2025, note 1 (Use of Estimates)2026fiche 200
Chaque chiffre a été lu dans sa source ; la méthode du hub est décrite dans Méthode et sources.
Impact de l'IA, Projet Celsius, « Peut-on décarboner l'IA ? », 13 novembre 2026. https://projetcelsius.com/ia/analyses/peut-on-decarboner-l-ia/
