L’intelligence artificielle peut-elle réellement accélérer la transition écologique ? – Partie 1 – Titouan Martel

Je plaide coupable : je suis un cliché sur pattes. Fraîchement diplômé, j’entame une carrière dans le conseil. Comme si cela ne suffisait pas, j’appartiens aussi à cette génération qu’on dit « écolo » – et je le revendique sans détour. Ces deux étiquettes, solidement accrochées à mon veston influence ma vie et les questions que je me pose.

Premier cliché : je suis consultant.

À l’instar de tout bon consultant, je m’adonne chaque jour à un rituel quasi kantien : une promenade mentale suivant un itinéraire immuable. D’abord WhatsApp, pour répondre à aux différents groupes de travail. Ensuite Instagram, pour m’abrutir joyeusement de contenus savamment calibrés par les algorithmes. Et pour terminer, telle une touche sucrée en fin de balade, je me rends sur LinkedIn.

C’est édifiant de voir le nombre de publications consacrées à l’IA. Terrifiant aussi. J’y découvre une armée de « tartuffes du digital », pour reprendre l’expression de Gaspard K., 100 % orientés problem solving mais avec 0 % de knowledge sourcing. Peut-être suis-je déjà, du haut de mes 26 ans, une relique d’un autre temps : celui où l’on prenait le temps d’apprendre, de comprendre, et où l’on ne surfait pas allègrement sur des connaissances à peine effleurées.

Deuxième cliché : je suis plutôt écolo

J’utilise Ecosia – ça me donne l’agréable impression de reboiser la planète tout en scrollant. Une forêt numérique, façonnée par mes requêtes, que j’imagine luxuriante. Mais derrière cette végétation fantasmée se cache une réalité nettement moins verte : un enchevêtrement de câbles, de serveurs, et une industrie numérique toujours plus énergivore.

Selon The Shift Project et Green IT, le numérique représente aujourd’hui 3 à 4 % des émissions mondiales de gaz à effet de serre, et environ 4 % de l’empreinte carbone nationale en 2022, d’après l’ADEME.

Et pourtant, à en croire la majorité des publications, l’IA serait la solution miracle à tous nos maux. Un second cerveau prêt à révolutionner nos pratiques et à transformer la face du monde. J’aimerais y croire. Vraiment. Mais tout ça ressemble furieusement à un miroir aux alouettes (j’aime bien l’expression, pour rester dans le champ lexical de la biodiversité).

Dans les faits, l’IA, c’est aussi pas mal de bobos pour la planète : des data centers qui tournent à plein régime, parfois plus vite que la danseuse en rotation de Nobuyuki Kayahara. Et ça, c’est moins poétique.

La problématique qui ressort de mon propos liminaire est la suivante : L’IA est-elle un levier de transformation durable… ou un mirage de plus dans un désert de promesses non tenues ?

Prenons le sens inverse de la logique qui voudrait que l’on commence toujours par la mauvaise nouvelle et explorons le potentiel de l’IA pour bâtir une société durable.

I- L’IA au service de la planète et de l’environnement

Cet article restitue les travaux de Arnault Pachaut et Céline Patissier lesquels identifient des thèmes « étant les cibles majeures à date de l’AI for Green » : Les smart cities et la mobilité durable (a), l’efficacité énergétique (b), l’économie locale et durable (c) l’agriculture connectée (d), la modélisation des changements climatiques et la protection de l’environnement (e) et la préservation de la biodiversité (f).

a) Les smart cities et la mobilité durable

Les villes ne couvrent que 3 % de la surface de la planète, mais elles génèrent à elles seules 72 % des émissions mondiales de gaz à effet de serre. Face à cette disproportion flagrante, la nécessité de repenser l’urbanisme devient urgente, pour faire de la ville un espace plus durable et résilient.

C’est dans ce contexte que le concept des smart cities, ou villes intelligentes prend tout son sens : des environnements urbains qui s’appuient sur les technologies numériques – capteurs, données, intelligence artificielle – afin d’optimiser la gestion des services publics, améliorer l’efficacité énergétique, fluidifier les mobilités ou encore renforcer la sécurité. L’objectif : mettre la donnée au service d’une gouvernance plus réactive et, en théorie, plus durable.

Dans les smart cities, l’intelligence artificielle ne se limite pas à un vernis technologique : elle devient un levier opérationnel pour répondre aux grands défis urbains. L’un de ses bénéfices majeurs réside dans la gestion énergétique et l’optimisation de l’aménagement urbain. Grâce à des algorithmes capables de modéliser les besoins en énergie d’une ville, il devient possible de mieux anticiper la consommation, d’éviter les gaspillages et de concevoir des plans d’aménagement plus durables. À ce titre, l’IA est perçue comme un outil incontournable pour rendre les villes plus résilientes face aux crises climatiques.

L’exemple du programme Tree Canopy Lab lancé à Los Angeles en partenariat avec Google illustre parfaitement ce potentiel. En analysant des données issues de Google Maps/Earth, de capteurs urbains et d’indicateurs publics (densité de population, risque de chaleur, etc.), l’IA permet d’identifier les zones où la canopée végétale est insuffisante. Résultat : plus de la moitié de la ville vit dans des zones où moins de 10 % de la surface est ombragée, exposant 44 % des habitants à des risques élevés de chaleur. En croisant ces données avec des modèles 3D, le système propose des emplacements précis pour planter des arbres et ainsi réduire les îlots de chaleur. Ce type d’approche basée sur les données permet d’agir de façon ciblée et mesurable.

Les bénéfices de l’IA s’étendent à la mobilité durable. Les véhicules autonomes, comme la navette e.Go Mover, optimisent les déplacements urbains en adaptant leur itinéraire en temps réel et en réduisant les émissions liées aux transports individuels. Ce type de solution devient particulièrement pertinente pour compléter les réseaux de transport public. Dans les zones rurales, des projets innovants comme Taxirail, un train autonome léger, utilisent l’IA pour ajuster les horaires en fonction des flux de passagers, réduisant ainsi les trajets à vide et revitalisant les petites lignes ferroviaires.

b) L’efficacité énergétique

L’un des apports les plus concrets de l’intelligence artificielle dans la transition écologique réside dans sa capacité à réduire significativement la dépense énergétique, que ce soit dans la production, la distribution ou la consommation d’énergie. L’IA n’est pas seulement consommatrice d’électricité – elle peut, lorsqu’elle est bien conçue et bien déployée, devenir un levier puissant de sobriété.

Premier domaine d’application : la production d’énergie renouvelable. Pour que les énergies vertes deviennent de véritables alternatives aux sources fossiles, leur rendement et leur prévisibilité doivent être renforcés. L’IA joue ici un rôle fondamental. En croisant des données météorologiques, satellitaires et techniques, elle permet d’optimiser la production des parcs éoliens, en ajustant par exemple l’orientation des hélices à la vitesse et à la direction du vent. Cette logique s’étend également au photovoltaïque : la société Réuniwatt, à La Réunion, utilise des modèles prédictifs pour estimer avec précision l’ensoleillement au-dessus des panneaux, améliorant ainsi l’anticipation et la gestion des flux d’énergie.

L’efficacité énergétique ne concerne pas que les producteurs : les entreprises aussi peuvent bénéficier des algorithmes d’optimisation. Une étude du Capgemini Research Institute montre qu’avec l’appui de l’IA, les grandes structures pourraient réduire de 16 % leurs émissions de gaz à effet de serre d’ici 2025. L’exemple de la start-up BeeBryte est parlant : elle propose un système de pilotage prédictif des infrastructures de chauffage, ventilation et climatisation, capable d’adapter la consommation d’un bâtiment aux conditions météorologiques ou à l’usage réel des locaux. Résultat : jusqu’à 40 % d’économies sur la facture énergétique.

Dans l’industrie lourde, particulièrement énergivore, des solutions similaires se développent. La société Braincube, par exemple, utilise des technologies IoT couplées à l’IA pour analyser les chaînes de valeur en temps réel. Cela permet d’identifier les pertes énergétiques, d’optimiser les réglages des machines, et d’encourager l’usage de matériaux recyclés plutôt que de nouveaux additifs, réduisant à la fois les coûts et l’empreinte carbone. Ici, l’écologie devient une alliée directe de la performance économique.

Enfin, l’IA permet aussi de rationaliser les usages numériques eux-mêmes, qui représentent une part croissante des émissions mondiales. Le visionnage de vidéos en ligne constitue à lui seul 60 % des flux de données mondiaux, soit 1 % des émissions globales de GES. Des plateformes comme Netflix utilisent l’IA pour réduire la bande passante nécessaire, tandis que Google ajuste la charge de ses data centers en fonction des pics d’usage anticipés, économisant jusqu’à 40 % d’énergie.

c) L’IA, catalyseur d’une économie plus locale, circulaire et sobre

Alors que les limites du modèle économique actuel deviennent de plus en plus visibles – épuisement des ressources, dérèglement climatique, surproduction – une nouvelle voie s’impose progressivement : celle d’une économie plus frugale, locale et circulaire. Une économie qui ne repose plus sur l’accumulation et l’extraction, mais sur la réutilisation, l’optimisation et la proximité. Loin d’être en contradiction avec cette logique, l’intelligence artificielle peut en devenir un véritable moteur.

En permettant de mieux prévoir, de réduire les pertes, de moduler les ressources selon les besoins réels, l’IA favorise une gestion fine et efficace des flux économiques. Dans l’industrie, par exemple, des plateformes comme celle développée par Braincube associent intelligence artificielle et capteurs connectés pour optimiser en temps réel les paramètres de production. Moins d’énergie consommée, moins de matières premières utilisées, moins de rebuts produits : on entre dans une logique où performance rime avec sobriété. Et lorsque la consommation diminue sans sacrifier la qualité, c’est toute la chaîne de valeur qui devient plus durable.

À une autre échelle, l’intelligence artificielle joue aussi un rôle dans la relocation et la circularisation des économies locales. Elle permet aux collectivités de cartographier précisément les besoins, les ressources et les opportunités de mutualisation sur un territoire donné. Grâce à cela, il devient plus simple de créer des circuits courts, de connecter producteurs et consommateurs locaux, ou encore de coordonner la gestion de l’énergie, de l’eau ou des déchets à l’échelle d’un quartier, d’une ville ou d’une région.

Même dans le secteur de la consommation, l’IA peut aider à réduire les excès. Elle optimise les chaînes logistiques, anticipe les comportements d’achat pour éviter les invendus, aide à mieux calibrer la production en fonction de la demande réelle. Elle peut même encourager des pratiques d’achat plus responsables en personnalisant les recommandations ou en allongeant la durée de vie des produits grâce à la maintenance prédictive ou à la revalorisation.

Cette nouvelle économie, plus sobre et mieux ancrée dans les réalités locales, ne tourne pas le dos à l’innovation. Bien au contraire. L’intelligence artificielle y joue un rôle discret mais décisif : elle rend possible ce que l’humain seul ne pourrait anticiper ni coordonner, en traitant une masse de données trop complexe pour être gérée manuellement. Elle offre ainsi un appui technologique pour accélérer la transition vers un modèle plus respectueux des limites planétaires.

d) L’agriculture durable

L’agriculture, souvent pointée du doigt pour son impact environnemental, se trouve aujourd’hui à un tournant. Face à l’urgence climatique, à l’épuisement des sols et à la crise de la biodiversité, le modèle productiviste hérité du XXe siècle atteint ses limites. Or, une part de la solution pourrait bien venir de l’intelligence artificielle. Loin de remplacer le savoir-faire des agriculteurs, l’IA s’impose comme un outil d’aide à la décision capable d’intégrer une masse de données complexes et changeantes – météorologiques, agronomiques, biologiques – afin d’optimiser les pratiques agricoles, tout en limitant leur impact écologique.

Aujourd’hui encore, de nombreux agriculteurs s’appuient sur des normes agronomiques fondées sur des recherches des années 70 à 90. Mais ces standards sont devenus obsolètes dans un contexte de dérèglement climatique accéléré. Grâce à l’IA, il est désormais possible de réactualiser ces connaissances et de les croiser avec les réalités du terrain en temps réel. Des modèles intelligents permettent par exemple d’anticiper les besoins en eau ou en nutriments selon la météo, l’état du sol ou la génétique de la plante. Résultat : des traitements ciblés, moins de gaspillage, et une réduction significative de l’usage de pesticides ou d’engrais.

Cette même logique s’applique à l’irrigation, domaine dans lequel les pertes sont colossales. La moitié de l’eau utilisée dans l’agriculture ruisselle ou s’évapore, sans profiter aux cultures. Grâce à l’IA, on peut désormais moduler les quantités d’eau en fonction du climat, de la date de plantation, du type de sol ou du stade de croissance de la plante. Cela permet de passer d’une logique de gestion par habitude à une agriculture pilotée par la donnée, plus économique et plus respectueuse de la ressource.

e) L’adaptation au changement climatique

Les effets du dérèglement climatique sont déjà visibles : sécheresses accrues, incendies plus fréquents, tempêtes dévastatrices, montée du niveau des mers, déplacement d’espèces, fragilisation des cultures et multiplication des catastrophes naturelles. Le réchauffement de +1 °C depuis l’ère préindustrielle pourrait atteindre +1,5 °C d’ici 2030 selon le GIEC, et +2 °C ou plus à l’horizon 2100 si rien n’est fait. Ce bouleversement du climat, aux conséquences économiques, sociales et écologiques majeures, exige des capacités accrues de prévision, d’adaptation et de résilience. C’est dans cette optique que l’intelligence artificielle (IA) devient un allié stratégique.

L’IA est d’abord un outil de prédiction, capable de modéliser des phénomènes complexes en croisant des milliards de données : météo, topographie, usage des sols, niveaux de pollution, comportement humain… Des chercheurs de l’université Columbia, par exemple, se sont appuyés sur le machine learning pour comprendre les effets différenciés de l’ouragan Maria sur la forêt d’El Yunque à Porto Rico. En distinguant les espèces d’arbres les plus vulnérables, ils ont pu dresser des recommandations pour restaurer plus efficacement les forêts. De même, dans les Alpes, le deep learning est mobilisé pour modéliser la fonte des glaciers selon différents scénarios climatiques, un enjeu clé pour la gestion de l’eau.

Dans une logique préventive, l’IA permet aussi d’anticiper les risques avant qu’ils ne surviennent. Au Chili, des capteurs intelligents installés dans les arbres détectent les signaux faibles d’un départ de feu. Des modèles nourris par des données météorologiques passées sont capables de prédire les zones et les périodes les plus sensibles aux incendies. Cette capacité d’alerte rapide est essentielle dans un monde où les événements extrêmes se multiplient et s’intensifient.

Au-delà des milieux naturels, l’IA permet aussi de protéger les populations humaines. La montée des eaux, la désertification ou la salinisation des sols menacent d’ici 2050 jusqu’à 143 millions de réfugiés climatiques, selon la Banque mondiale. En anticipant ces déplacements et en identifiant les zones les plus à risque, les États pourraient mieux organiser l’adaptation : aménagement urbain, sécurité alimentaire, accès à l’eau, etc. En parallèle, l’IA peut aider à gérer plus efficacement les infrastructures critiques – énergie, santé, transport – dans des contextes instables.

Les dégâts matériels et humains liés au climat – déjà chiffrés à des centaines de milliards d’euros – imposent un changement d’échelle dans notre capacité de réaction. Entre 1980 et 2011, les inondations à elles seules ont touché 5,5 millions de personnes en Europe. Le croisement des données climatiques avec les bases de données urbaines et sociales permet de bâtir des systèmes d’alerte plus fiables, d’adapter les bâtiments et de guider les secours en temps réel.

f) Lutter contre l’érosion de la biodiversité

Selon le Forum économique mondial, plus de 50 % de l’économie mondiale dépend directement de la biodiversité. De la pollinisation agricole à la régulation des cycles de l’eau, en passant par la fertilité des sols ou la santé des océans, les services écosystémiques sont indispensables à notre prospérité. Pourtant, l’érosion accélérée de la biodiversité met aujourd’hui en péril cet équilibre : plus d’un million d’espèces animales et végétales sont menacées d’extinction selon l’ONU. Les conséquences économiques pourraient être dramatiques, si rien n’est fait pour inverser la tendance.

C’est dans ce contexte que l’intelligence artificielle émerge comme un outil puissant pour préserver, restaurer et mieux comprendre les écosystèmes. À travers des projets comme AI for Earth lancé par Microsoft, l’IA est déjà mobilisée pour cartographier les zones sensibles, modéliser les effets du changement climatique sur les milieux naturels et identifier les actions à prioriser. Dans la baie de Chesapeake, par exemple, des images satellites couplées à des algorithmes permettent une surveillance fine des habitats marins, facilitant ainsi leur protection sans perturber la faune.

D’autres innovations vont encore plus loin. Le projet Soft Robotic Fish met au point des poissons-robots capables d’observer discrètement la vie marine sans l’altérer, contribuant à documenter les comportements des espèces et à mesurer les effets de la pollution. De manière plus globale, l’IA permet de mieux comprendre les interactions complexes entre les espèces, de détecter les espèces invasives, de contrôler la surpêche ou d’anticiper les impacts humains sur les écosystèmes.

La biodiversité terrestre bénéficie elle aussi de ces avancées. L’ONG NatureServe, en partenariat avec SAS, utilise des outils d’IA pour tenir à jour des inventaires d’espèces menacées, aidant les décideurs à cibler les zones à préserver en priorité. Dans les forêts, des plateformes comme Global Forest Watch exploitent la détection par satellite, le traitement de données environnementales et des tableaux de bord interactifs pour lutter contre la déforestation et surveiller les incendies.

L’IA s’impose également comme un rempart contre le braconnage, grâce à des projets comme PAWS (Protection Assistant for Wildlife Security), mis en œuvre par l’Université de Californie du Sud. En analysant les comportements passés des braconniers et les données des patrouilles forestières, l’algorithme anticipe les lieux et moments les plus à risque, permettant une réactivité accrue pour protéger les espèces les plus menacées.

Mais au-delà des capteurs et des algorithmes, ce que révèle l’ensemble de ces initiatives, c’est une nouvelle manière d’articuler technologie et écologie. L’IA, en traitant des masses d’informations invisibles à l’œil humain, ne remplace pas l’action politique ou citoyenne -elle la soutient. Elle ne sauvera pas seule la biodiversité, mais elle augmente notre capacité collective à voir, comprendre et agir à temps.

 

 

Après ce tour d’horizon, difficile de ne pas reconnaître que l’intelligence artificielle a quelque chose à offrir à la planète. Prévoir une sécheresse, ajuster une consommation d’énergie, surveiller la santé des forêts… elle sait faire, et parfois mieux que nous.

Mais le vrai sujet n’est peut-être pas là. L’enjeu n’est pas tant ce que l’IA peut accomplir que ce que nous choisissons d’en faire. Car elle n’a ni convictions, ni scrupules, ni vision du bien commun. Elle ne sauvera pas le monde, pas plus qu’elle ne le condamnera : tout dépendra du regard que nous portons sur elle, et de la place que nous lui accordons.

En somme, le risque n’est pas dans la machine, mais dans notre manière de nous y attacher. Dans cette foi tranquille qui voudrait qu’un algorithme répare ce que nos choix, eux, continuent d’abîmer.

C’est ce rapport, justement, que la suite de cet article tentera de questionner : comment utiliser l’IA sans s’y abandonner, comment en faire un outil de discernement plutôt qu’un réflexe de facilité.