En bref : L'empreinte environnementale de l'IA en entreprise repose principalement sur la consommation électrique et en eau des centres de données, une requête générative consommant environ 10 fois plus d'énergie qu'une recherche web classique. Pour la maîtriser, les TPE et PME doivent questionner le besoin réel, privilégier des modèles spécialisés (jusqu'à 90 % d'énergie économisée) et héberger leurs données en Europe.

L'IA se déploie dans les entreprises plus vite que les organisations ne structurent la maîtrise de son empreinte.

Claude, ChatGPT, Gemini : l'intelligence artificielle est entrée dans les TPE et PME françaises, peu à peu, outil par outil, abonnement par abonnement, souvent sans décision formelle ou prise tardivement.

Le rapport d'information du Sénat concernant les impacts de l'IA, publié en septembre 2026, documente ce basculement silencieux. Ce qui en ressort, c'est que l'essentiel de l'empreinte environnementale du numérique se déplace désormais des écrans vers les centres de données.

Pour les organisations, ce déplacement échappe encore aux bilans carbone, aux politiques d'achats et aux chartes internes. C'est un angle mort.

Un renversement que peu d'organisations ont enregistré

En 2020, une mission d'information du Sénat établissait un constat à l'origine de la loi « Reen » du 15 novembre 2021 : l'empreinte carbone non négligeable du numérique reposait massivement sur le matériel, les terminaux, ordinateurs, smartphones et écrans. Ils concentraient alors 81 % des émissions de gaz à effet de serre du numérique en France.

Six ans plus tard, la situation a changé. Sous l'effet de l'intelligence artificielle, les centres de données prennent le dessus sur les terminaux. Les ordres de grandeur en témoignent :

  • la consommation électrique mondiale des centres de données est passée de 145 TWh en 2014 à 600 TWh en 2024, et pourrait atteindre 1 250 à 1 500 TWh en 2030 (The Shift Project);
  • l'IA, qui en représente aujourd'hui moins de 100 TWh, pourrait en mobiliser environ 500 TWh en 2030, avec une croissance d'environ 30 % par an jusqu'en 2035;
  • les émissions mondiales des centres de données pourraient atteindre 630 à 950 millions de tonnes d'équivalent CO₂ en 2030, soit jusqu'à deux fois les émissions annuelles totales de la France.

Pour une entreprise, ces chiffres ne relèvent pas de l'abstraction : chaque requête adressée à un modèle génératif, chaque fonctionnalité « IA » activée dans un outil bureautique, chaque document analysé par un assistant IA entraîne des impacts.

Le dernier rapport du Sénat publié en septembre 2026 rappelle qu'une requête à une IA générative consomme environ dix fois plus d'énergie qu'une recherche web classique. Seuls 46 % des Français en auraient conscience (Crédoc, Baromètre du numérique 2026).

L'angle mort : une adoption trop rapide

Ce que pointe le rapport sénatorial n'est pas seulement l'ampleur des chiffres, c'est surtout le décalage entre la vitesse d'adoption de l'IA et la vitesse de structuration de cette question dans les organisations.

Selon les experts entendus par la mission, l'IA est « l'adoption technologique la plus rapide de l'histoire » : ChatGPT a atteint 100 millions d'utilisateurs en deux mois. En France, le taux d'usage de la population est passé de 20 % à 48 % entre 2023 et 2025, avec 100 millions de requêtes quotidiennes.

Dans les entreprises, cette adoption s'est faite majoritairement par la base. Un collaborateur teste un outil. On s'abonne à un service. Une fonctionnalité IA s'active par défaut dans une suite logicielle.

Conséquence : la plupart des TPE, PME et ETI ne disposent pas d'un inventaire de leurs usages d'IA. Elles n'ont pas non plus de critères de choix des modèles, ni de clauses environnementales dans leurs contrats fournisseurs.

Dans ce contexte, le risque n'est pas uniquement environnemental ; il est aussi juridique (règlement européen sur l'intelligence artificielle, AI Act), financier, voire réputationnel.

S'ajoute à cela l'opacité des opérateurs. À l'été 2025, seuls deux acteurs, Mistral AI et Google, avaient publié une analyse de cycle de vie (ACV) de leurs modèles, avec des méthodologies si différentes que leurs résultats étaient, selon le rapport, impossibles à comparer. Ni OpenAI (ChatGPT) ni Anthropic (Claude) n'avaient publié d'évaluation comparable. Dans ces conditions, l'entreprise utilisatrice ne peut pas choisir ses outils en se basant sur des données fiables. Elle doit donc rester vigilante.

Trois décisions où se joue la maîtrise des risques

Le référentiel pour l'IA frugale, publié par l'Afnor en juin 2024, formule une exigence simple : un service d'IA n'est frugal que si la nécessité d'y recourir, plutôt qu'à une solution moins consommatrice, a été démontrée. C'est le bon point de départ, car pour une entreprise, la marge de manœuvre ne se situe pas dans la conception des modèles, mais dans trois décisions concrètes.

Faut-il de l'IA pour ce besoin ?

Les usages actuels de l'IA relèvent parfois de l'automatisation classique, d'un modèle pré-entraîné ou d'un simple moteur de recherche. Le référentiel général d'écoconception des services numériques (RGESN, Arcep-Arcom, 2024) recommande de ne pas proposer l'IA par défaut là où elle n'est pas le service principal.

Une règle que les entreprises peuvent s'appliquer à elles-mêmes : désactiver les fonctionnalités IA non utilisées et auditer les abonnements existants.

Opter pour quel modèle et pour quel usage ?

C'est le levier le plus documenté du rapport du Sénat. Un modèle spécialisé émet 0,3 g de CO₂eq pour 1 000 inférences, contre 10 g pour un modèle polyvalent pour la même tâche. Il peut ainsi économiser jusqu'à 90 % d'énergie à précision comparable.

À l'inverse, un modèle inadapté peut consommer 10 à 15 fois plus d'électricité pour un résultat identique. Choisir « la bonne technologie pour le bon cas d'usage », comme le formule l'Ademe dans sa doctrine de sobriété, est à la fois un geste environnemental et une décision économique rationnelle.

Quel fournisseur choisir, avec quelles garanties ?

La localisation des infrastructures est le premier facteur d'empreinte carbone : le mix électrique français, décarboné à 95 % (contre 47 % aux États-Unis et 39 % en Chine), offre l'une des plus faibles intensités carbone au monde.

En pratique, il convient de privilégier les fournisseurs hébergés en Europe, de demander leurs données de consommation d'énergie et d'eau, et de préférer les comptabilités « localisation » aux comptabilités « marché ».

Au-delà de l'environnement : les volets social et gouvernance

Une lecture ESG complète nécessite d'élargir le point de vue. L'IA interroge également la robustesse sociale et la solidité organisationnelle.

Volet social. L'adoption par la base crée des usages non encadrés : données clients ou RH transmises à des outils grand public, contenus générés non vérifiés, charge mentale liée à la relecture systématique.

Les sujets à traiter en priorité sont la formation de l'ensemble des collaborateurs aux usages raisonnés, l'anticipation de l'impact sur les métiers (redéploiement plutôt que remplacement) et le maintien de l'humain dans la boucle pour les décisions affectant les personnes.

La vigilance doit aussi s'étendre à la chaîne de valeur : les processeurs qui font tourner l'IA sont remplacés en moyenne tous les trois ans et reposent sur des minéraux critiques. De plus, seuls 17 % des déchets électroniques mondiaux sont correctement traités, un argument pour intégrer ces critères dans le choix des fournisseurs.

Volet gouvernance. Le socle tient en trois outils, tous inspirés de pratiques existantes : une charte d'usage de l'IA, un registre des outils et cas d'usage (finalité, modèle, fournisseur, hébergement, données transmises), et un référent IA, souvent le référent numérique ou RSE existant.

S'y ajoute la mise en conformité avec le règlement européen sur l'IA (AI Act) : transparence des contenus générés, interdiction des usages à risque, vérification des fournisseurs.

Le rapport du Sénat souligne toutefois une limite : l'environnement est « le grand oublié » de ce règlement. La conformité juridique ne garantit donc pas la sobriété. Les deux chantiers doivent être menés en parallèle.

Enfin, la commande publique et les appels d'offres imposent désormais des critères environnementaux : depuis le 22 août 2026, 100 % des marchés publics doivent en intégrer. Une fiche pratique pour l'achat responsable de solutions d'IA (novembre 2025) fournit des questions à poser aux fournisseurs et des clauses types. Les entreprises qui structureront ces critères en interne seront en avance sur celles qui attendront de les intégrer sous contrainte.

Par où commencer : une trajectoire en trois temps

La maîtrise des risques ne constitue pas un projet lourd : elle suppose une trajectoire progressive.

  • De 0 à 3 mois. Inventorier les outils IA réellement utilisés, désactiver les fonctionnalités par défaut inutiles, adopter une charte d'usage et sensibiliser les équipes en commençant par l'ordre de grandeur essentiel : une requête IA générative équivaut environ à dix recherches web.
  • De 3 à 6 mois. Choisir avec méthode. Passer chaque cas d'usage au test du référentiel Afnor (l'IA est-elle nécessaire ?). Basculer vers des modèles plus petits et spécialisés là où c'est pertinent. Intégrer des critères environnementaux dans les nouveaux contrats fournisseurs.
  • De 6 à 12 mois. Piloter dans la durée. Suivre quelques indicateurs (requêtes par collaborateur, part des petits modèles, garanties des fournisseurs), documenter la conformité à l'AI Act, intégrer les consommations liées à l'IA dans le bilan carbone et la démarche RSE. Enfin, faire un point annuel, car tout évolue très vite dans ce domaine.

Conclusion : de l'angle mort à la maîtrise

Les conclusions du rapport sénatorial de septembre 2026 doivent être prises en compte par les directions.

L'IA constitue un défi environnemental pour la planète, mais le développement d'une IA frugale est une opportunité pour la France et pour l'Europe. Une opportunité de compétitivité (coûts d'usage réduits, moindre dépendance), de différenciation commerciale (critères environnementaux exigés par les donneurs d'ordre) et de cohérence pour les démarches RSE.

Attention tout de même à ne pas laisser ces usages se déployer sans contrôle. La question n'est donc plus « faut-il utiliser l'IA ? », mais « avec quelle méthode, quels garde-fous, quelle traçabilité ? ».

Se poser ce type de question, c'est anticiper, avant que la réglementation, un client ou un appel d'offres ne l'impose.

Savez-vous quels usages d'IA circulent aujourd'hui dans votre organisation, et avec quelles garanties ?

Ettik vous aide à y voir plus clair et à structurer une démarche adaptée à vos enjeux RSE.

👉 Échangeons sur vos usages de l'IA.

Questions fréquentes sur l'impact environnemental de l'IA en entreprise

Combien consomme une requête d'IA générative par rapport à une recherche web ?

Selon le rapport d'information du Sénat (septembre 2026), une requête adressée à une intelligence artificielle générative consomme environ dix fois plus d'énergie qu'une recherche web classique.

Comment réduire l'empreinte carbone de l'IA dans une TPE ou PME ?

Trois leviers principaux permettent de limiter l'impact : désactiver les fonctionnalités IA inutilisées par défaut, remplacer les grands modèles polyvalents par des modèles spécialisés (qui économisent jusqu'à 90 % d'énergie à précision égale) et privilégier des fournisseurs hébergés en Europe où le mix électrique est fortement décarboné.

L'AI Act européen impose-t-il des règles environnementales aux entreprises ?

Non, le règlement européen sur l'intelligence artificielle (AI Act) encadre avant tout la transparence et les risques liés aux droits fondamentaux, laissant l'impact environnemental de côté. En revanche, depuis le 22 août 2026, 100 % des marchés publics doivent intégrer des critères environnementaux, incluant les achats de solutions d'IA.

Sources et références

  • Rapport d'information n° 949 (2025-2026) du Sénat, commission de l'aménagement du territoire et du développement durable — L'empreinte environnementale de l'intelligence artificielle (G. Chevrollier, D. Michallet, S. Uzenat), 16 septembre 2026. Sources mobilisées : Ademe, Arcep, Agence internationale de l'énergie, The Shift Project, Numeum, Crédoc et Autorité de la concurrence.
  • Loi n° 2021-1485 du 15 novembre 2021 (« loi Reen ») ; loi n° 2021-1104 du 22 août 2021 (« Climat et Résilience »).
  • Afnor, Référentiel général pour l'IA frugale, juin 2024 ; Arcep-Arcom, Référentiel général de l'écoconception des services numériques (RGESN), mai 2024.
  • Règlement (UE) 2024/1689 sur l'intelligence artificielle (« AI Act »).
  • Fiche pratique « Achat responsable de solutions d'IA », MiNumEco / Ecolab du CGDD / direction des achats de l'État, novembre 2025.