Peut-on concilier intelligence artificielle et réduction de l’impact environnemental ?

Chez DRI et EasyVirt, nous en sommes convaincus : oui, c’est possible — et surtout, c’est nécessaire.

Dans cette vidéo, nos experts de DRI et EasyVirt expliquent comment mettre en œuvre une IA plus sobre et plus vertueuse.

DRI, hébergeur français éco-responsable, et EasyVirt, éditeur du logiciel de mesure d’impact CO₂ Scope®, partagent une même conviction :
👉 L’essor de l’intelligence artificielle ne doit pas se faire au détriment de la planète.

Nous défendons une approche fondée sur trois piliers :

1. Optimiser les infrastructures IT

2. Adopter des modèles d’IA frugaux et adaptés

3. Mesurer l’impact environnemental en continu

Voici les bonnes pratiques concrètes que nous recommandons à toute organisation qui souhaite réduire l’impact de ses projets IA :

• Privilégier l’hébergement local et bas-carbone, proche des utilisateurs.

• Choisir des modèles open source optimisés (Mistral, LLaMA 3, TinyLlama…).

• Limiter l’usage des grands modèles aux cas réellement justifiés.

• Éviter les traitements IA superflus dans les workflows automatisés.

• Analyser en continu l’impact de chaque étape (collecte, entraînement, inférence).

• Sensibiliser les équipes sur les coûts environnementaux cachés de l’IA.

L’intelligence artificielle mérite son nom uniquement si elle prend en compte l’ensemble de son impact, et pas seulement la performance technique.

Il est temps de passer d’une logique de performance brute à une logique de pertinence, d’efficience, et de responsabilité.

Sources :
Patterson et al., 2021 — "Carbon Emissions and Large Neural Network Training", Google Research.

The Shift Project, "Lean ICT – Pour une sobriété numérique" (2019)