MIT Tech Review : les promesses climatiques de l'IA manquent de preuves concrètes dans les secteurs clés

Selon la MIT Technology Review, la promesse selon laquelle l'IA réduira considérablement les émissions mondiales de gaz à effet de serre reste largement théorique. Une analyse récente des leaders du marché dans les secteurs de l'énergie, de la viande et du transport a révélé que très peu d'entreprises déploient les applications d'IA spécifiques nécessaires pour atteindre les objectifs climatiques de 2035, alors même que l'infrastructure de l'IA elle-même entraîne une augmentation de la consommation d'énergie.

Ce qu'il s'est passé

L'article de la MIT Tech Review, rédigé par Mary Nichols et Jeremy Tamanini, oppose les projections optimistes à la réalité actuelle du marché. Une étude évaluée par des pairs de la London School of Economics et de Systemiq estimait que l'IA pourrait réduire les émissions mondiales de 3,2 à 5,4 milliards de tonnes de CO2 par an d'ici 2035. Cependant, un examen assisté par IA des informations publiques des principaux acteurs de l'industrie a révélé un fossé frappant entre ces projections et la mise en œuvre sur le terrain.

Dans le secteur de l'énergie, les prévisions par IA pourraient augmenter l'intégration des réseaux renouvelables jusqu'à 20 %, évitant ainsi 1,8 milliard de tonnes d'émissions par an. Pourtant, parmi les gestionnaires de réseau en Chine, aux États-Unis et en Europe, un seul programme opérationnel connu a été identifié : un partenariat entre le National Grid ESO britannique et Open Climate Fix, qui a réduit de moitié les erreurs de prévision solaire. Dans le secteur alimentaire, bien que NotCo se soit associé à Kraft Heinz pour utiliser l'IA dans le développement de produits végétaux, l'industrie dans son ensemble fait face à une baisse du capital-risque, le financement de la viande cultivée étant passé d'un pic de 989 millions de dollars en 2021 à environ 83 millions de dollars l'an dernier. Dans le transport, CATL a utilisé l'IA pour réduire le temps de sélection des matériaux de batterie de deux ordres de grandeur, et Didi Chuxing a réduit les émissions par trajet de 16 % grâce à une optimisation des itinéraires. Parallèlement, l'article note que les émissions mondiales des centres de données pourraient dépasser 300 millions de tonnes par an d'ici 2035, compliquant le bénéfice climatique net de l'adoption de l'IA.

Pourquoi c'est important pour les propriétaires de petites et moyennes entreprises

Pour les chefs d'entreprise, ce rapport est une mise en garde contre l'adoption de l'IA uniquement à des fins de marketing durable sans vérification de l'impact opérationnel. De nombreuses petites entreprises subissent des pressions pour revendiquer des initiatives d'« IA verte » afin de satisfaire leurs clients ou investisseurs, mais les preuves suggèrent qu'une intégration générique de l'IA ne se traduit pas automatiquement par des réductions de carbone mesurables. Les données soulignent que seules des applications d'IA hautement spécifiques et adaptées au secteur — comme la prévision des réseaux ou la sélection de matériaux de batterie — donnent des résultats tangibles. Si vous présentez une stratégie de durabilité basée sur l'IA aux parties prenantes, le niveau d'exigence en matière de preuves est plus élevé que jamais. Les affirmations vagues sur « l'utilisation de l'IA pour l'efficacité » sont de plus en plus scrutées à l'aune de données concrètes, et l'industrie évolue vers une réalité où les allégations écologiques non vérifiées comportent un risque de réputation. De plus, la hausse des coûts énergétiques de l'infrastructure IA signifie que les petites entreprises doivent calculer avec soin le coût total de possession, y compris l'empreinte carbone des modèles qu'elles déploient, plutôt que de supposer que l'IA est intrinsèquement une mise à niveau « verte ».

Que faire cette semaine

1. Auditez vos outils d'IA actuels pour identifier les flux de travail spécifiques qu'ils optimisent, et documentez les gains d'efficacité opérationnelle mesurables plutôt que de supposer une réduction directe des émissions de carbone.
2. Examinez les divulgations sur la consommation d'énergie et l'empreinte carbone de vos fournisseurs d'IA, en privilégiant les partenaires qui fournissent des données transparentes sur l'impact environnemental de leur infrastructure.
3. Remplacez toute allégation marketing interne d'« IA verte » par des mesures spécifiques et vérifiables issues de vos propres opérations, en évitant les affirmations générales sur l'impact climatique qui manquent de validation par des tiers.

Sources

• The climate case for AI has not been made — MIT Tech Review