Combien coûte ce que l’IA calcule ? Entre 0,47 et 1,8 gigatonne de CO2 par an, et ce n’est pas la consommation des serveurs

Une étude évaluée par les pairs, publiée le 11 août 2026, chiffre pour la première fois les émissions que l’intelligence artificielle rend possibles, et non celles qu’elle consomme. La différence entre les deux est tout le sujet. Le conditionnel est celui des auteurs, pas le nôtre.

Le débat public sur l’IA et le climat s’arrête presque toujours au compteur électrique des centres de données. L’étude signée par Will Alpine et Holly Alpine, de l’Enabled Emissions Campaign, par le chercheur indépendant Nathan Geldner et par Maksym Chepeliev, professeur associé de recherche au Center for Global Trade Analysis de l’université Purdue, mesure autre chose · les émissions que l’IA rend économiquement viables ailleurs (E and T Magazine, Top Africa News).

Les nombres, sans commentaire.

Émissions supplémentaires annuelles estimées · 0,47 à 1,8 gigatonne de CO2, dans les scénarios où l’adoption de l’IA progresse à des rythmes comparables dans les énergies fossiles et dans les renouvelables. Part des émissions mondiales liées à l’énergie enregistrées en 2024 · 1,2 % à 4,8 %. Rapport avec les émissions actuelles des centres de données, telles qu’estimées par l’Agence internationale de l’énergie · les applications fossiles de l’IA rendraient possibles 3,3 à 13,3 fois plus d’émissions. Nombre de scénarios d’adoption examinés · 64. Modèle utilisé · GTAP-E-Power, un modèle d’équilibre général calculable mondial.

Le mécanisme décrit par les auteurs est simple et n’a rien de spéculatif. L’IA abaisse le coût d’extraction et de production des hydrocarbures. Des gisements jusqu’ici jugés insuffisamment rentables redeviennent attractifs. La production augmente, les prix de l’énergie s’ajustent, la demande supplémentaire suit, et les émissions avec elle. Les auteurs appellent ce phénomène les « émissions rendues possibles », enabled emissions. Elles ne viennent pas de l’électricité consommée par les modèles. Elles viennent de ce que les modèles rendent rentable.

Le résultat le plus dur à contourner est celui ci · sur 64 scénarios, les réductions nettes d’émissions n’apparaissent que dans les cas où l’IA ne produit aucun gain de productivité dans le secteur fossile. Aucun. Les auteurs jugent cette hypothèse improbable, au motif que les applications fossiles de l’IA sont déjà déployées en exploitation quand une grande partie des applications destinées à accélérer les renouvelables restent au stade pilote ou du laboratoire.

Deuxième résultat, du même ordre · pour atteindre le simple point d’équilibre, il faudrait que les gains de productivité obtenus dans les renouvelables dépassent de quatre à cinq fois ceux obtenus dans le fossile. Le déséquilibre demeure, selon les auteurs, même en intégrant au modèle une tarification carbone substantielle. Autrement dit, un progrès marginal de l’efficacité de forage suffit à annuler des progrès bien plus importants réalisés dans la production électrique renouvelable.

Les auteurs prennent soin de préciser que les deux effets ne s’additionnent pas mécaniquement, mais qu’ils se renforcent. Les centres de données augmentent la demande électrique, donc la pression sur un système énergétique encore largement fossile. Dans le même mouvement, les modèles qu’ils font tourner améliorent la productivité de l’extraction. La boucle n’a pas besoin d’être dénoncée. Il suffit de la poser à plat.

Ce que cette étude déplace, méthodologiquement, c’est le périmètre de la question. Tant qu’on mesure l’IA à son compteur, on mesure un outil. Dès qu’on la mesure à ses usages, on mesure un levier économique. Les auteurs emploient d’ailleurs une formule qui vaut définition · l’IA comme « amplificateur de productivité bidirectionnel », capable d’accélérer aussi bien la transition vers une énergie propre que l’expansion continue des hydrocarbures. Bidirectionnel ne veut pas dire symétrique. C’est toute la démonstration.

Une dépêche s’arrête ici. Les nombres sont dans le texte, la fourchette est large parce que les scénarios sont nombreux, et le conditionnel appartient aux chercheurs. Nous n’en ajoutons pas.