---
title: "L'IA pollue. L'IA optimise. Et si la vraie question était ailleurs ?"
excerpt: "En une seule matinée, une IA nous a aidés à économiser l'équivalent du tour de la Terre en trajets de camions. On répète partout que l'IA pollue. C'est vrai. Mais alors, comment on tient les deux bouts ?"
publishDate: 2026-06-10T00:00:00.000Z
tags: ["ia", "ecologie", "opinion", "logistique", "reflexion", "empreinte-carbone"]
canonical: "https://yoandev.co/ia-pollue-ia-optimise"
---

## Ce matin, le tour de la Terre

Il y a des matinées où un chiffre tombe sur l'écran et où, l'espace d'une seconde, tout le channel se tait. On travaille en équipe distribuée : la « pièce » est virtuelle, c'est un salon de chat. Mais le silence, lui, était bien réel.

Ce matin, c'était ça. On regardait la comparaison entre deux versions d'un même plan. Un plan, ici, c'est l'optimisation des flux sur tout un **exercice annuel** : où stocker, quoi déplacer, quand, pour couvrir une campagne entière. L'ancien plan d'un côté, le nouveau de l'autre. Même périmètre, mêmes contraintes, mêmes tonnages à déplacer. Et entre les deux, l'écart faisait à peu près **le tour de la Terre**.

Les ordres de grandeur, pour situer : autour de **38 000 kilomètres de camion économisés**, à peu près **1 400 voyages en moins**, soit **près d'un tiers** des trajets supprimés. Ce gain, c'est l'écart entre l'ancienne version de l'algorithme et la nouvelle, sur un exercice annuel complet : une bascule structurelle dans la façon dont on planifie les flux.

La circonférence de la Terre, c'est 40 075 km. Autrement dit, sur ce plan-là, on venait d'éviter un tour de planète en camions qui, autrement, auraient roulé pour de vrai. Avec du gazole pour de vrai, sur des routes pour de vrai.

Je précise tout de suite, parce que c'est important pour la suite : ces chiffres sont des ordres de grandeur, et ils dépendent d'hypothèses (la charge moyenne par camion, par exemple). Je ne vais pas vendre une décimale que je ne tiens pas. Mais l'ordre de grandeur, lui, est solide. Et elle suffit largement à poser le vertige.

## Un an de travail, une matinée de bascule

Ce chiffre, il n'est pas sorti de nulle part ce matin. Il est l'aboutissement de **plus d'un an** de travail.

L'objet, sans rentrer dans les détails : un algorithme qui décide **où stocker quoi, et quand**, entre différents sites, sous un paquet de contraintes. L'objectif central est simple à énoncer et redoutable à résoudre : **limiter le nombre de transports**. Stocker la bonne chose au bon endroit *tout de suite*, pour éviter les déplacements multiples, les reprises, les camions qui font des allers-retours qu'on aurait pu ne jamais déclencher. On parle de milliers de transports et de centaines de milliers de tonnes. À cette échelle, chaque pour cent compte.

Pendant un an, le travail a avancé comme avance ce genre de chantier : par itérations lentes. Notre Product Owner a fait un travail remarquable avec les métiers : d'innombrables allers-retours entre elle, les équipes terrain et les développeurs. Chaque atelier affinait la compréhension du problème, chaque retour métier nourrissait une nouvelle version de l'algo. C'est du bon boulot, du boulot sérieux. Mais c'est lent. Entre une idée d'amélioration et sa mise en œuvre mesurable, il pouvait se passer du temps.

Ce qui a changé ce matin, ce n'est pas le problème. C'est le **temps de cycle**.

J'ai travaillé avec Fable 5, le dernier modèle d'Anthropic, sorti hier. On a fait ça ensemble, dans l'ordre : du brainstorming sur les pistes d'amélioration, une analyse de l'algorithme existant **et** des vraies données en base sur les itérations précédentes, du code pour implémenter les pistes retenues, puis une analyse avant/après sur le résultat. Le genre de boucle qui, d'habitude, s'étale sur plusieurs ateliers et plusieurs jours. Là, elle s'est repliée sur une matinée.

Et ce n'est pas une impression. D'un atelier à l'autre ces derniers mois, l'accélération apportée par l'IA était déjà réelle et palpable. Avec Fable, elle devient quasi immédiate : on pense une amélioration, on la teste, on la mesure, presque dans le même mouvement. Anthropic raconte que Stripe a « compressé des mois d'ingénierie en jours » avec ce modèle. Je n'ai pas de raison d'en douter : c'est exactement ce que j'ai ressenti à mon échelle ce matin.

Je le note parce que ça compte pour la réflexion qui suit : ce qui s'est passé, ce n'est pas « l'IA a remplacé un an de travail ». C'est « l'IA a transformé un an de travail patient en levier qu'on peut enfin actionner vite ». Sans ce qui a été construit avant (la compréhension métier, les données des runs passés, l'algo déjà mûr), Fable n'aurait rien sorti d'utile. C'est un accélérateur, pas un magicien.

## Oui, l'IA a un coût. Et non, je ne m'exonère pas

Maintenant qu'on a posé le gain, il faut être honnête sur le revers. Sinon, autant écrire une brochure publicitaire, et ce n'est pas le sujet.

L'IA a un coût environnemental réel. Pas un coût symbolique : un coût en énergie, en eau, en matériaux. Il y a le coût de l'**entraînement** des modèles, qui est massif et concentré. Et il y a surtout, aujourd'hui, le coût de l'**inférence** : chaque fois qu'on pose une question, le modèle « réfléchit » sur des machines qui consomment de l'électricité, et qu'il faut refroidir, à grand renfort d'eau. À l'échelle de centaines de millions de requêtes par jour, ça s'additionne. Les data centers représentent déjà une part non négligeable de la consommation électrique mondiale, et cette part grimpe vite.

Je reste volontairement à grandes mailles, et c'est un choix assumé. Parce que dès qu'on veut planter des chiffres précis, on découvre qu'il n'existe **aucun consensus** : selon qui mesure et comment, l'eau consommée par requête va de quelques gouttes à un demi-litre, l'énergie varie d'un ordre de grandeur d'un modèle à l'autre. Aligner des chiffres qui se contredisent n'aiderait personne à réfléchir. Ce qui est solide, c'est la direction : **ce n'est pas gratuit, et ce n'est pas anodin.**

Et je ne vais pas faire celui qui regarde ça de loin. Je consomme **énormément** de tokens. J'en parlais déjà dans [*Le mirage de la productivité IA*](/mirage-productivite-ia) : l'IA fait partie de mon quotidien de travail, intensément. Plus parlant encore : en ce moment, le modèle que j'utilise est **inclus dans mon forfait jusqu'au 22 juin**. Après, ce sera au prix du token. Et ce simple fait dit quelque chose d'important : un usage aussi intensif que celui de ce matin a un prix, même quand je ne le vois pas passer. Quand le compteur tournera vraiment, on ne le sortira probablement pas tous les jours : on le réservera à des cas comme celui-ci, où le jeu en vaut clairement la chandelle.

Donc, posons-le clairement : **oui, mon outil pollue, et oui, j'en suis un gros utilisateur.** Garder ça en tête est la condition pour que la suite ne soit pas du greenwashing.

## Pourquoi, ici, le paradoxe de Jevons ne s'applique pas

C'est là que ça devient intéressant. Parce que normalement, à ce stade de l'article, il y a un réflexe, et c'est un bon réflexe.

Le réflexe, c'est le **paradoxe de Jevons**, ou effet rebond. L'idée : quand on rend une ressource plus efficace, on n'économise pas, on en consomme *plus*. Des moteurs plus sobres ? On roule davantage. Des entrepôts mieux optimisés ? On en profite pour faire transiter plus de marchandises. L'efficacité libère de la capacité, et la capacité, on la remplit. C'est l'argument massue contre l'optimisme technologique, et c'est aussi celui que je mobilisais moi-même dans *Le mirage*, à propos du temps gagné par l'IA qui n'est jamais vraiment à nous.

Sauf qu'ici, il y a un grain de sable, et il est de taille : **une contrainte physique dure.**

Nos capacités de stockage ne vont pas grossir parce qu'on a optimisé les flux. Le territoire ne s'agrandit pas. Les volumes à déplacer sont ce qu'ils sont : ils dépendent de réalités physiques de terrain, pas de notre algorithme. On ne va pas se dire « génial, on optimise, donc déplaçons plus de tonnes ». Il n'y a pas de « plus » à aller chercher : la demande physique est bornée par le réel.

Résultat : les trajets qu'on supprime ne sont pas « libérés pour autre chose ». Ils sont **supprimés, point.** Ces camions ne rouleront pas. Ce gazole ne sera pas brûlé. Pas de rebond, parce que le réel ne le permet pas. C'est une optimisation **nette**.

Et il y a un deuxième point, à condition de ne pas le surinterpréter. Un plan couvre un exercice annuel complet. L'algorithme tourne régulièrement pour se réajuster aux données qui évoluent, mais le relancer vingt-cinq fois dans l'année ne multiplie pas par vingt-cinq le tour de la Terre : chaque run **affine la même optimisation annuelle**, il ne l'empile pas. Le tour de la Terre, c'est le gain d'un exercice, pas d'une journée. Soyons clairs là-dessus, sinon on retombe dans le travers qu'on dénonçait plus haut : gonfler un chiffre pour faire joli.

Ce qui est durable, en revanche, c'est **l'amélioration de l'algorithme elle-même**. Le coût IA de ce matin était **ponctuel** (un brainstorming, une analyse, du code). Mais le meilleur algorithme, lui, resservira sur les prochains exercices, campagne après campagne. On a payé une fois, en tokens, pour une optimisation qui continuera de produire ses effets sur les années à venir.

Coût ponctuel, gain durable, sans rebond possible. Dans le débat habituel sur l'IA et l'écologie, c'est une configuration suffisamment rare pour qu'on s'y arrête.

## Le rapport d'échelle que personne ne sait vraiment poser

Et pourtant. Si j'arrêtais l'article ici, je serais malhonnête. Parce qu'il reste une question, et elle est énorme.

Tout ce que je viens de décrire, c'est **mon** bout de la lorgnette : un cas concret, local, mesurable. 38 000 km d'un côté, une matinée de tokens de l'autre. À cette échelle-là, le calcul est limpide.

Mais prenons du recul. Le modèle que j'ai utilisé ce matin a coûté, pour exister, un entraînement gigantesque : de l'énergie, de l'eau, des infrastructures que je ne sais même pas chiffrer. Et il sert à des centaines de millions d'usages par jour, dont une immense majorité n'a rien à voir avec l'optimisation d'un flux de camions. Combien de plans logistiques comme le mien faudrait-il pour « rembourser » le coût d'un seul modèle de cette taille ? Cent ? Cent mille ? Je n'en sais **rien.** Et je crois qu'il faut avoir l'honnêteté de le dire frontalement : **ce rapport d'échelle, je ne sais pas le mesurer.**

Je pourrais bricoler un calcul. Convertir mes kilomètres en litres de gazole, en kilos de CO₂, et les comparer à une estimation de consommation par requête. Mais ce serait un calcul bancal, fondé sur des chiffres qui ne font pas consensus, et il donnerait une fausse impression de rigueur. Je préfère poser la chose **de manière systémique** plutôt que comptable : il y a, d'un côté, un coût **diffus, global, difficile à attribuer** ; et de l'autre, un gain **local, net, facile à mesurer**. Et comparer les deux dépasse ce que je sais faire, et, j'en ai l'impression, ce que la plupart des gens savent faire aujourd'hui.

C'est d'ailleurs pour ça que le débat public sur le sujet est si **polarisé**. Un camp ne regarde que le coût global et conclut que l'IA est une catastrophe écologique. L'autre ne regarde que les gains locaux et conclut que l'IA sauvera la planète. Les deux ont des chiffres. Les deux ont raison sur leur moitié de l'équation. Et les deux ignorent superbement l'autre moitié. La littérature académique elle-même reproche aux deux côtés de ne regarder que les effets directs et de laisser de côté les effets indirects, les plus difficiles à modéliser.

Je n'ai pas de quoi réconcilier les deux moitiés. Personne, je crois, ne l'a vraiment aujourd'hui.

## La vraie question est ailleurs

Alors, l'IA, c'est l'œuf ou la poule ? Est-ce qu'elle pollue plus qu'elle n'économise, ou l'inverse ?

Honnêtement : je ne sais pas. Et je me méfie de plus en plus de celles et ceux qui prétendent le savoir, dans un sens comme dans l'autre.

Ce dont je suis sûr, en revanche, c'est que **la question est mal posée**. « L'IA, pour ou contre l'écologie ? », c'est une question de tribune, pas une question utile. Elle force un camp, elle interdit la nuance, elle transforme un sujet d'ingénierie en sujet d'opinion.

La question qui m'intéresse, après cette matinée, est plus modeste et plus exigeante à la fois : **où** l'IA produit-elle un gain physique net, mesurable, idéalement durable et à l'abri de l'effet rebond, et **où** n'est-elle qu'un confort énergivore qu'on s'offre parce que c'est inclus dans le forfait ?

Parce que ces deux usages existent, et ils ne se valent pas. Optimiser un flux de transport sous contrainte physique dure, ça enlève des camions des routes pour de bon. Demander à un modèle de me résumer un e-mail que j'aurais lu en trente secondes, c'est probablement du gaspillage pur. Le même outil, deux usages, deux bilans radicalement différents. Et c'est *ça*, le levier qu'on a vraiment entre les mains : pas « utiliser l'IA ou pas », mais **choisir où on la pointe**.

Je n'ai pas de morale à servir. Je n'ai même pas de réponse. J'ai juste un chiffre (le tour de la Terre, sur un seul plan) et une gêne honnête face au rapport d'échelle que je ne sais pas calculer.

Le reste, je le laisse à l'appréciation de chacun.

---

## Pour aller plus loin

- **Le débat polarisé et l'effet rebond** : Luccioni et al., *From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate*, [arXiv 2501.16548](https://arxiv.org/abs/2501.16548). Le papier qui décrit exactement le piège dans lequel tombent les deux camps.
- **Énergie, eau et carbone de l'inférence** : *How Hungry is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference*, [arXiv 2505.09598](https://arxiv.org/html/2505.09598v1).
- **L'eau d'une requête, expliquée simplement** : *From Cloud to Cup: How Much Water Does Your ChatGPT Drink?*, [IE Insights](https://www.ie.edu/insights/articles/from-cloud-to-cup-how-much-water-does-your-chatgpt-drink/).
- **L'IA qui décarbone vraiment la logistique** : le cas ProvisionAI (88 000 trajets de camions supprimés en 2023, [provisionai.com](https://provisionai.com/the-impact-of-ai-on-reducing-co%E2%82%82-emissions-in-transportation-planning/)) et le système ORION d'UPS, ~100 000 t de CO₂ évitées par an.
- **Le modèle utilisé ce matin** : annonce officielle de [Claude Fable 5 et Mythos 5](https://www.anthropic.com/news/claude-fable-5-mythos-5) (Anthropic, 9 juin 2026).
- **Mon angle voisin sur le sujet** : [*Le mirage de la productivité IA : et si on en faisait moins ?*](/mirage-productivite-ia)

---

<small>*Oui : cet article, qui s'interroge sur le coût de l'IA, a lui-même été structuré et relu avec son aide. Quelques tokens de plus, dépensés à en discuter. La cohérence, on en reparle.*</small>