Webinaire « IA, énergie et environnement : la nouvelle équation concurrentielle »

Introduction par Benoît Cœuré :

Bonjour à tous.

Je suis très heureux de vous accueillir aujourd'hui pour ce webinaire consacré aux conséquences énergétiques et environnementales de l'intelligence artificielle.

L'essor de l'intelligence artificielle est porteur d'immenses promesses. Il ouvre des perspectives inédites en matière d'innovation, de production et de transformation des secteurs économiques.

Mais cet essor s'accompagne de défis nouveaux et parmi eux figure désormais un enjeu incontournable : celui de la soutenabilité énergétique et environnementale de ces technologies.

C'est précisément l'objet de l'étude que l'Autorité de la concurrence a publiée le 17 décembre dernier, qui met en lumière une idée simple mais essentielle : la compétition autour de l'intelligence artificielle ne se joue plus uniquement sur les algorithmes ou les données, mais aussi sur l'accès aux ressources, en particulier énergétiques, et sur la capacité des acteurs à inscrire leur développement dans une trajectoire durable.

Trois grands enseignements peuvent être tirés de ces travaux.

Le premier concerne l'ampleur croissante des besoins énergétiques des infrastructures qui soutiennent l'intelligence artificielle : centres de données, capacités de calcul intensif, réseaux de connectivité.

Ces infrastructures sont au cœur du développement du secteur, mais leur consommation énergétique progresse à un rythme sans précédent. En France, elle pourrait atteindre jusqu'à 28 TW à l'horizon 2035, soit près de 4 % de la consommation électrique nationale.

Dans ce contexte, l'accès au réseau, la prévisibilité du prix de l'électricité ou encore la localisation des capacités deviennent des paramètres stratégiques. Ils peuvent conditionner l'entrée et le développement des acteurs sur ce marché.

Cela pose une question essentielle pour les pouvoirs publics : comment garantir que ces ressources, par nature limitées, ne soient pas captées de manière disproportionnée par les acteurs les plus puissants, au détriment de la dynamique concurrentielle du marché ?

Le deuxième enjeu tient à l'émergence de la frugalité des services d'intelligence artificielle comme nouveau paramètre de concurrence.

Nous observons aujourd'hui une évolution de la demande vers des services d'IA plus sobres, ainsi qu'une transformation de l'offre avec des modèles plus efficaces, plus économes en ressources et plus transparents sur leur impact environnemental.

Cette dynamique est porteuse d'opportunités. Elle permet de faire de la performance environnementale un levier d'innovation et de différenciation.

Encore faut-il que cette concurrence puisse pleinement s'exercer par les mérites, c'est-à-dire dans des conditions équitables où les acteurs sont en mesure de valoriser leurs efforts en matière d'efficacité énergétique.

Enfin, le troisième enjeu concerne la mesure de l'empreinte environnementale.

Comme l'ont montré les travaux conjoints de l'ARCEP et de l’ADEME, il existe aujourd'hui des limites importantes dans les outils de mesure disponibles.

En l'absence de standards fiables, harmonisés et comparables, le risque est double : d'une part, que ces indicateurs ne permettent pas d'éclairer efficacement les choix des acteurs économiques et, d'autre part, qu'ils puissent être instrumentalisés au détriment de leur objectif initial de transparence et d'information.

La construction de référentiels robustes apparaît donc comme une condition essentielle pour faire de l'enjeu environnemental un véritable moteur de la concurrence.

Au total, ces différents éléments convergent vers un constat : les dimensions énergétiques et environnementales ne sont plus périphériques. Elles sont appelées à jouer un rôle structurant dans l'organisation et la régulation des marchés de l'intelligence artificielle.

Il nous appartient, en tant qu'autorité de concurrence et de régulation, mais aussi collectivement avec l'ensemble des parties prenantes, d'accompagner cette transformation.

C'est tout l'objet des échanges que nous allons avoir cet après-midi.

Le premier panel sera consacré aux réponses des régulateurs face à ces défis. Comment adapter nos cadres d'intervention à des enjeux qui croisent politique énergétique, régulation des réseaux et droit de la concurrence ? Quels outils peut-on mobiliser pour garantir un accès équitable aux ressources et préserver des marchés dynamiques et concurrentiels ?

Le second panel portera sur une question tout aussi structurante : dans quelle mesure la frugalité peut-elle devenir un avantage compétitif pour les acteurs du secteur ?

Autant de questions essentielles pour comprendre les trajectoires possibles de l'intelligence artificielle dans les années à venir.

Pour commencer à y répondre, je laisse tout de suite la place à nos modérateurs et à nos panélistes.

Je vous remercie de votre attention et je vous souhaite des échanges fructueux.



----------------



Table ronde 1 :
Bienvenue à toutes et à tous à cette première table ronde qui sera consacrée au rôle du régulateur, ou des régulateurs, et aux réponses surtout qu'ils peuvent apporter aux problématiques soulevées par l'impact énergétique et environnemental de l'intelligence artificielle.

En décembre dernier, comme il a été rappelé par le président de l'autorité, l'Autorité de la concurrence a publié une étude qui identifie un certain nombre de facteurs ayant des implications sur la dynamique concurrentielle de ce secteur. Cette étude est disponible sur le site de l'autorité.

J'aimerais, dans le cadre de cette première table ronde, aborder trois grands thèmes et nous focaliser sur ces thèmes-là où le régulateur a un rôle de premier plan à jouer.

Le premier thème porte sur les enjeux liés à l'accès à l'énergie et plus particulièrement à l'électricité, pour lequel l'étude identifie un certain nombre de risques de monopolisation et d'autres risques concurrentiels. On y reviendra.

Un deuxième thème portera sur les enjeux liés à la standardisation de l'empreinte, en tout cas relative à l'empreinte environnementale.

Ces mouvements de standardisation ont vu se développer un certain nombre de standards. Ils sont en cours. Nous avons des experts de cette question-là sur le plateau et j'aurai le plaisir de creuser cette question-là.

La dernière question, le troisième grand thème, portera sur l'accès à la donnée, un élément essentiel pour le régulateur afin qu'il puisse assurer ses missions.

À mes côtés, pour traiter ce programme ambitieux, j'ai le plaisir d'avoir trois experts dans le domaine et permettez-moi de les présenter brièvement.

Tout d'abord, madame Anne Yvrand Billon, directrice économie, marché et numérique au sein de l'Autorité de régulation des communications électroniques, des postes et de la distribution de la presse, qu'on résumera à l'ARCEP.

Monsieur Thomas Cotinet, directeur de l'Écolab du ministère de la Transition écologique. L'Écolab est un laboratoire d'innovation publique et privée actif sur l'ensemble de l'innovation technologique verte ainsi que sur la mobilisation de la data et de l'intelligence artificielle.

Et enfin, monsieur Nicolas de Loge, directeur de la régulation des réseaux d'électricité et de gaz naturel à la Commission de régulation de l'énergie, la CRE.

Avant de commencer, permettez-moi de rappeler aux personnes qui nous suivent qu'elles ont la possibilité de nous poser des questions en nous envoyant un email à l'adresse qui est indiquée juste en dessous de la vidéo sur YouTube et nous y répondrons en fin de cette table ronde si évidemment le temps nous le permet. Mais cela n'est qu'un challenge qu'on va essayer de relever.

Sans plus tarder, je vous propose d'aborder notre première thématique qui s'intéresse aux enjeux liés à l'accès à l'énergie par les acteurs de l'intelligence artificielle.

Dans son étude, comme je vous le disais, l'Autorité de la concurrence relève l'existence d'un certain nombre de risques concurrentiels à cet égard.

Avant de rentrer plus en détail dans le sujet, monsieur de Loge, pourriez-vous éventuellement nous expliquer concrètement quelle est cette problématique de l'accès à l'énergie ?

— Avec plaisir. Bonjour à tous.

Derrière l'IA, il y a l'utilisation de data centers. Ces data centers consomment de l'électricité.

Donc il y a une vraie dynamique qu'on a en France sur les data centers. Pourquoi ? Pour deux raisons assez simples.

D'une part, on a une électricité décarbonée, ce qui est quand même recherché par les acteurs de l'IA.

Et deuxièmement, on a une qualité d'alimentation très élevée en France, parmi les meilleures mondiales. C'est-à-dire qu'on n'a pas beaucoup de coupures.

Et quand on opère des data centers dans l'IA, ce sont des choses très importantes.

Aujourd'hui, il y a une étude de l'ADEME qui a recensé 352 data centers en France pour 8 TW.

Aujourd'hui, ce sont quand même plutôt des data centers qui étaient autour du cloud, un peu moins de l'IA.

On a encore assez peu de data centers qui sont des data centers de calcul, ce qu'on appelle les hyperscalers, qui seraient des grands campus qui feraient du calcul en grande masse.

On n'en a pas beaucoup, mais par contre dans la file d'attente des projets, il y en a énormément.

Pour donner une idée, la file d'attente aujourd'hui de RTE de projets industriels, c'est 30 GW. Vous avez 10 GW de data centers.

Donc c'est très important.

Comme je vous le disais, les data centers sont quelque chose qui consomme beaucoup.

Dans l'étude de l'ADEME, c'est à peu près 100 MW pour 10 hectares. Alors 10 hectares, ce n'est pas très grand et c'est la consommation d'une ville moyenne.

Donc c'est quand même extrêmement important.

Et donc, comme je vous dis, ce qu'il faut avoir en tête globalement, ce sont des acteurs américains qui arrivent. Alors il y a un peu des Émirats arabes unis aussi, mais il y a quand même beaucoup les Américains.

Ce sont des acteurs plutôt riches, entre riches et très riches.

Donc ils vont avoir tendance à vouloir réserver de la capacité et donc venir essayer de... ils sont prêts à payer de l'argent pour avoir de la capacité en France.

Ce qui va nous ramener ensuite finalement aux questions de concurrence dans un marché du raccordement et des réseaux où il n'y a pas qu'eux.

Vous avez aussi toute l'industrie qui veut se décarboner et donc il y a une concurrence pour accéder au réseau.

Un réseau qui, comme je vous l'ai dit, est quand même très attractif en France, du fait de son prix et de son côté complètement décarboné.

Et donc, pour répondre à ces problématiques de raccordement, un certain nombre de dispositifs ont été mis en place.

— Tout à fait.

Aujourd'hui, dans le système électrique français, il y a de la place pour tous les usages. On a une production qui est plutôt abondante. On n’a pas de risque de sécurité d'approvisionnement.

Donc globalement, on a une production disponible, abondante. On veut électrifier, on veut électrifier l'industrie et puis on veut accueillir les usages d'avenir qui utilisent de l'électricité.

La question, c'est d'arriver à les raccorder dans les temps puisque raccorder des très gros data centers peut prendre jusqu'à 5 ans et dans la dynamique de l'IA, 5 ans c'est très très long.

Alors, il y a une des approches qui a été de dire : ce qu'on va faire, c'est faire ce qu'on appelle des lignes fast track.

C'est-à-dire, pour les projets de data centers qui sont prêts — alors la façon dont on les définit prêts, c'est globalement qu'ils sont prêts à s'engager financièrement pour qu'on avance au plus vite les travaux — on arrive à réduire ces délais de 2 à 3 ans.

Alors ça peut paraître long mais pour du transport d'électricité, ce n'est pas si long et donc c'est déjà une avancée.

L'autre façon qu'on va essayer de mettre en œuvre, c'est de faire des zones de mutualisation où on va dire : on va créer l'infrastructure avant l'arrivée des data centers et des demandes, des sortes de grands campus.

Ensuite, on va dire aux data centers : venez là, vous vous raccordez.

Je pourrai y revenir ensuite sur quelles sont les zones un petit peu dynamiques autour de ça.

Le point qui reste à régler, pour être tout à fait honnête, c'est qu'aujourd'hui le système d'entrée dans la file d'attente, c'est « premier arrivé, premier servi ».

Donc les projets qui sont arrivés en premier doivent être servis en premier.

La difficulté, c'est que tous les projets de décarbonation n'avancent pas à la même vitesse.

Donc on a envie de passer à quelque chose autour du « premier prêt, premier servi ».

Et le problème de ça, c'est qu'il faut trouver ce que veut dire « prêt ».

Et ce qu'on a un peu écarté — et ça revient au fait que ce sont des acteurs américains qui ont plutôt de l'argent — c'est de dire : c'est celui qui est prêt à payer le plus cher qui prend la capacité.

Cette approche-là, elle ne marche pas vraiment parce que sinon ils ont la capacité finalement de choisir d'engorger un peu le système.

Je vais vous donner un chiffre pour conclure là-dessus.

Aujourd'hui, dans les data centers, entre la capacité qu'ils demandent, ceux qui sont existants, et la capacité qu'ils utilisent vraiment, ils utilisent environ 20 % de la capacité qu'ils ont réservée.

Donc ça vous montre qu'ils sont capables de réserver beaucoup pour sécuriser leur position et que leurs besoins vont encore croître mais ne sont pas encore au niveau qui est annoncé.

— Donc là, vous rejoignez en fait les problématiques que nous avons relevées dans l'étude de l'autorité sur la possibilité de bloquer finalement…

— Exactement. En tout cas une capacité à payer pour assurer sa place que d'autres acteurs économiques n'ont pas.

— Et sinon, vous avez des exemples de développement de projets territoriaux en France ?

— Oui, tout à fait.

Comme je vous disais, il y a ce système fast track où là on a déjà trois sites qui ont été identifiés avec des data centers qui vont s'installer, qui ont déjà avancé un certain nombre de frais pour que les travaux aillent vite.

Et après vous avez des zones extrêmement dynamiques en termes de data centers.

Sans surprise, ce sont des zones avec une qualité d'électricité élevée, donc un réseau très maillé et avec un accès à la donnée, donc au réseau de données.

Île-de-France Sud : très très grosse demande.

C’est une zone où on a pris la décision avec RTE de déjà renforcer le réseau dès maintenant parce qu'on sait qu'il va y avoir une demande très forte dans l’Île-de-France Sud pour les data centers.

Il y a l'accès à la donnée, il y a une qualité d'alimentation élevée.

Vous avez Plan-de-Campagne, au nord de Marseille.

Pareil : l'ensemble des fibres optiques, notamment d’Afrique et d’Asie, beaucoup arrivent par Marseille.

Donc c'est un endroit très intéressant.

Là aussi, il y a plusieurs projets de très gros data centers qui veulent se mettre dans cette zone-là.

C’est une zone qu’on appelle Plan-de-Campagne.

Et également Dunkerque.

À Dunkerque, on a une capacité : vous avez des centrales nucléaires autour, vous aurez bientôt de l’électricité par éolien offshore et vous avez du terrain pour placer des data centers.

Donc c'est une des zones sur lesquelles on va prééquiper en réseau de manière à dire aux data centers : venez là parce que c'est compétitif, il y a de la place et il n’y a pas de conflit d’usage avec d'autres usages.

Donc venez vous installer là, il y a de la place.

— Donc la question du conflit d’usage finalement, vous l’avez réglée de cette manière-là ?

— La question du conflit d’usage, elle n’est pas totalement réglée pour être très franc.

La façon dont on essaie de l’accompagner, c’est effectivement en créant des zones dédiées pour que l’électrification industrielle s’installe à cet endroit-là.

Et l’autre côté, c’est aussi de mettre des règles qui ne soient pas complètement basées sur la capacité à payer.

Et troisième étape, c’est aussi une règle qui n’est pas toujours populaire : si vous n’utilisez pas votre capacité, on vous la reprend.

Ça, c’est une règle qu’on a mise en œuvre depuis l’année dernière qui n’est pas extrêmement populaire mais qui est très efficace.

C’est-à-dire : vous ne pouvez pas réserver de la capacité plus de 5 ans par exemple.

Si vous ne l’utilisez pas, elle peut être réattribuée à quelqu’un d’autre.

Et donc ça, c’est quelque chose qu’on a mis en œuvre qui a amené les data centers à nous proposer des rampes.

C’est-à-dire de dire : « OK, je comprends la règle donc je vais vous demander cette capacité mais peut-être dans 10 ans et je vais faire une rampe où je vais monter progressivement. »

Et donc ça a amené cet échange qui n’existait pas avant avec les data centers.

Avant, ils arrivaient, ils disaient :

« Je veux tant de MW. Où est-ce que je signe ? Je suis prêt à payer tout ce que vous voulez. »

Cette approche-là pose problème parce que les data centers sont aussi des projets qui ne se développent pas forcément à la vitesse annoncée au départ.

Donc on n’avait pas une très bonne visibilité de ça.

Le fait de dire : « vous payez mais si vous ne l’utilisez pas, on vous la reprendra quand même », c’est quelque chose qui a créé cet échange.

Maintenant ils nous disent :

« Attendez, on va discuter. Au début on va prendre ça, dans 5 ans ça, puis dans 10 ans ça. »

Voilà l’esprit.

C’est comme ça qu’on arrive à essayer d’accompagner des demandes de très grosse puissance et à permettre aux autres aussi d’avoir leur place.
— D’accord. Donc en fait cette nouvelle approche a permis de fluidifier finalement les demandes des data centers et d’avoir, en tout cas, un des risques qui est identifié dans l’étude, finalement quelque part une réponse pour éviter de voir ce risque se propager.

— Exactement.

Et surtout pour répondre au problème : il y a assez d’électricité en France pour accueillir des data centers et de l’IA. Ça, il n’y a pas de doute.

Maintenant, il faut organiser les choses de façon intelligente pour ne pas que l’arrivée de ces centres vienne, de façon contractuelle ou fictive, engorger tout le système et empêcher les autres d’avoir accès à la capacité de raccordement.

— Merci beaucoup.

Madame Yvrand Billon, l’ARCEP se penche également sur la question de la consommation électrique par les data centers.

Vous avez des études annuelles et je crois même savoir que dans quelques jours, vous publierez l’enquête qui porte sur 2024.

Peut-être que vous pouvez d’ores et déjà nous donner quelques tendances qui ressortent de cette étude-là et puis plus généralement des études que vous faites annuellement.

Et ce qu’on aimerait savoir, c’est si finalement vous partagez ce constat vertigineux de cette croissance exponentielle de consommation.

— Alors effectivement, l’ARCEP collecte des données environnementales sur les différents acteurs du numérique, pas seulement les data centers mais les data centers en partie, ou les opérateurs de data centers.

On le fait depuis le début des années 2020 et pour les opérateurs de centres de données depuis 2023.

On collecte des données auprès des opérateurs cohébergeurs et de colocation.

C’est environ 50 % des centres de données de colocation en service en France en 2020 qui sont concernés par cette collecte et ça fait à peu près 150 centres de données, donc à peu près la moitié de ce que vous indiquiez tout à l’heure.

Les données agrégées qu’on collecte, donc des données environnementales sur la consommation électrique mais pas seulement, sont publiées dans une enquête annuelle qui s’appelle « Enquête annuelle pour un numérique soutenable ».

Elle suit l’évolution de l’efficacité énergétique des centres de données des opérateurs qu’on interroge et suit l’évolution de leur consommation électrique notamment.

Il n’y a pas que ces indicateurs-là mais c’est le thème du débat.

Et effectivement, la dernière enquête a été publiée il y a un an sur les données 2023.

La prochaine devrait paraître dans peu de temps sur des données 2024.

Ce qui ressort de l’enquête publiée, et je pense que les tendances ne vont pas changer, c’est premièrement que l’implantation de nouveaux centres de données s’intensifie.

Elle se concentre en Île-de-France avec des centres dont les capacités informatiques sont de plus en plus importantes.

Pour l’année 2023, sur les centres qu’on a pu dénombrer qui se sont implantés, ils figurent parmi les plus puissants.

Leur capacité informatique moyenne est de plus de 10 MW par centre alors que la moyenne de notre base est environ de 3,8 MW.

Ça c’est le premier point.

Ensuite, ce qu’on constate, c’est une amélioration de l’efficacité énergétique moyenne des centres de données étudiés.

Il y a un indicateur qui s’appelle le PUE, pour les experts, qui mesure l’efficacité énergétique.

Et effectivement cet indicateur baisse, ce qui veut dire que les centres de données sont plus efficaces énergétiquement.

Mais dans le même temps, la consommation électrique totale associée au parc qu’on étudie croît et elle croît continûment depuis le début de nos observations.

D’environ 10 % par an et c’est une tendance qui devrait se confirmer sur 2024.

Donc pour résumer, avec ces données qu’on collecte auprès des acteurs eux-mêmes — donc ce sont vraiment des données in situ — on constate une amélioration de l’efficacité énergétique des centres de données mais celle-ci ne compense pas la hausse du nombre de centres de données et donc la hausse de la consommation énergétique totale qui est liée à l’augmentation des usages.

— OK.

Mais si je comprends bien, ces résultats ne permettent pas de rendre compte précisément de l’impact de l’intelligence artificielle.

— Effectivement.

On a des données sur la consommation électrique des centres de données qui ne servent pas qu’à l’intelligence artificielle, qu’au stockage ou à l’entraînement des serveurs pour l’IA.

Et c’est la raison pour laquelle on est en phase d’élargissement de notre collecte.

Je le disais, c’est une collecte de données auprès de différents acteurs.

Il n’y a pas que les centres de données dans le numérique.

Et on a récemment élargi notre collecte de données aux fournisseurs de services d’informatique en nuage, plus connus sous le nom de fournisseurs de cloud.

L’élargissement est en cours et là on s’apprête à demander des indicateurs sur les émissions de gaz à effet de serre que génèrent ces acteurs, leur consommation d’électricité et des indicateurs qui vont permettre d’apprécier mieux l’impact de l’IA générative sur les consommations et le renouvellement du nombre de serveurs et d’équipements de stockage de ces opérateurs de cloud.

Donc ça va être une manière d’apprécier.

Ça ne permettra pas d’être complètement précis et d’isoler très précisément l’impact de l’IA mais ce sera une première idée de la part de la consommation électrique dans les centres de données qui peut être liée à l’IA.

Et cela nous permettra de voir ce rythme effréné de consommation très probablement.

Évidemment, il y a aussi un enjeu de suivi avec les mêmes méthodes et les mêmes indicateurs.
— Monsieur Cotinet, j’imagine que vous partagez ce constat de consommation effrénée, de rythme effréné de consommation énergétique pour les besoins de l’IA.

Mais y a-t-il une lumière au bout du tunnel ? Quelque chose de plus positif ?

— Oui.

Sur le constat, tout à fait.

Au niveau mondial, on est parti pour atteindre l’équivalent de la consommation du Japon dans 3 ans, à 950 TWh.

Et s’agissant d’impact environnemental, cet impact sur l’énergie n’est qu’une des cinq dimensions.

Il y a également un impact en matière de consommation d’eau, en matière d’émission de tonnes de CO2, en matière de consommation de ressources fossiles et aussi de consommation de terres rares.

Juste deux illustrations.

Sur la partie eau par exemple, l’entreprise Mistral, qui est plutôt vertueuse et qui a rendu publique son analyse de cycle de vie, déclare 0,05 litre d’eau pour un seul prompt.

C’est un bon chiffre mais qui est quand même très impressionnant quand on sait qu’il y en a des milliards.

Et en matière d’émissions de CO2, un seul prompt, dans la même analyse de cycle de vie de Mistral, c’est 1,14 gramme.

Voilà.

Donc ça montre un petit peu, ça pose le sujet.

Mais il y a du positif parce que cette même intelligence artificielle, on peut la placer au service des politiques environnementales.

Alors ce n’est pas forcément de l’intelligence artificielle générative et même rarement.

On est souvent sur de l’intelligence artificielle traditionnelle qui a un impact plus facilement maîtrisable.

Mais je vais prendre l’exemple, pour rester dans le champ de l’énergie, de tout ce qui est fait en matière de maîtrise de la consommation énergétique.

Des investissements sont faits pour améliorer cela grâce à l’IA avec des résultats intéressants.

— Et vous avez des exemples concrets de ces initiatives-là ?

— Oui.

Par exemple la ville de Noisy-le-Grand.

C’est ce qu’on appelle un démonstrateur d’intelligence artificielle frugale.

Désormais, après un an d’implémentation d’un projet d’intelligence artificielle pour piloter 200 bâtiments publics et leur consommation énergétique de front, on est déjà à 20 % d’économie et à 2,2 millions d’euros économisés pour cette petite ville de 60 000 habitants.

Et ce qui est très impressionnant, c’est que cette intelligence artificielle permet non seulement de faire cette économie d’énergie mais également de mieux piloter les prescriptions de rénovation énergétique qu’il faut réaliser.

Donc ça fait un double effet grâce à l’IA.

L’enjeu qui est derrière, c’est la balance : à chaque fois avoir une maîtrise de l’impact énergétique et plus globalement environnemental de l’IA et en même temps voir les gains qu’elle permet de procurer.

Donc nous investissons dans plusieurs démonstrateurs très concrets, à hauteur d’un équivalent de 40 millions d’euros dans une douzaine d’endroits en France, pour susciter justement ces utilisations concrètes qui recherchent de l’intelligence artificielle frugale mais au service d’améliorations en matière d’énergie, de consommation d’eau, de pilotage de la pollution.

Tout cela est assez encourageant en matière de premiers résultats.

Mais ça s’inscrit dans un phénomène qui vient d’être effleuré, qui est celui de l’effet rebond, du paradoxe de Jevons.

Parce qu’on fait le nécessaire pour que l’ensemble de ces investissements très concrets — ce ne sont pas des preuves de concept, ce sont des vrais investissements — soient faits au bénéfice de systèmes d’IA frugaux.

L’industrie suit et effectivement il y a des sauts assez impressionnants d’économie d’énergie quand on passe d’une génération à une autre de systèmes d’IA proposés par certains industriels.

Souvent avec un gain de 60 à 70 % d’une génération à une autre.

Mais ces gains ne se voient absolument pas dans les courbes tellement la consommation et les usages progressent.

D’où cette recherche qu’on a en permanence de la balance.

Donc on croit à l’intérêt de l’intelligence artificielle pour toutes ces politiques publiques environnementales et en particulier énergétiques.

Et en même temps, on fait le maximum pour en maîtriser l’impact.

— Merci beaucoup.

Encore une fois, dans l’étude, vous avez parlé de l’eau.

L’étude identifie d’autres aspects et pas seulement l’énergie et l’électricité en particulier.

Mais encore une fois, nous sommes limités dans le temps pour cette table ronde.

Et justement, j’aimerais désormais aborder notre deuxième grand thème pour cette table ronde, à savoir les enjeux liés à la standardisation.

Dans l’étude publiée en décembre dernier, l’autorité examine les initiatives de standardisation qui portent sur l’émergence de standards relatifs à l’empreinte environnementale de l’intelligence artificielle.

Et pour tout processus de standardisation, du point de vue de la concurrence, cela comporte des avantages et des risques, ce qu’on essaie d’identifier dans l’étude.

Néanmoins, avant d’en parler, les personnes qui nous suivent en direct sur YouTube et éventuellement qui nous suivront plus tard en replay s’interrogent peut-être sur ce paradoxe qui dit finalement, monsieur Cotinet, qu’on entend souvent que la régulation bride l’innovation.

Et s’il y a bien un domaine où l’innovation marque les esprits actuellement, c’est celui de l’intelligence artificielle générative.

Et la standardisation finalement, est-ce que cela ne représente pas les prémices d’un corset réglementaire qui viendrait entraver l’innovation ?

— C’est le risque.

Et c’est en ça que l’étude que vous avez produite est extrêmement intéressante.

Je la conseille aussi à toute l’audience.

Le choix qui a été fait par la France face à cette question en 2024, dans un contexte où il y avait également une démarche d’orientation au niveau européen avec l’AI Act qui faisait beaucoup parler, et donc avec des tensions entre justement :

« Oui, il faut réguler pour différents enjeux, pas seulement environnementaux d’ailleurs, des enjeux également éthiques, de concurrence économique. »

Et d’un autre côté :

« Il ne faut pas brider l’innovation. »

Nous avons fait le choix de la norme volontaire.

Donc malgré l’alerte, malgré les urgences, d’aller plutôt sur une norme coconstruite avec les entreprises, avec les chercheurs, avec les administrations, avec les territoires.

Cela s’est traduit par une interpellation par le gouvernement de l’écosystème au début de l’année 2024 qui a plutôt bien fonctionné.

150 acteurs sont venus s’impliquer : grands groupes, start-up, organismes de recherche, administrations.

Pour travailler à quoi ?

À l’émergence de cette norme volontaire sous trois angles :

définir ce qu’est cette intelligence artificielle frugale qu’on recherche ;
voir comment la mesurer ;
et aussi commencer à dire ce qu’il faut réaliser comme premières pratiques.

L’accueil a été très favorable de la part de l’industrie.

Donc c’est allé assez rapidement et on a pu, dès l’été 2024, publier le premier référentiel général pour l’intelligence artificielle frugale et découvrir au passage que c’était une première mondiale.

La France a été le premier pays à réaliser cela.

C’était pas l’objectif recherché mais voilà.

Un travail conduit étroitement avec l’AFNOR qui a fait un travail extraordinaire avec l’ensemble des parties.
Et ce choix de la norme volontaire s’est avéré aussi extrêmement intéressant quand il a fallu essayer de l’européaniser.

Donc on est allés présenter cela dans les instances, en particulier le Conseil européen de normalisation — donc les 27 mais aussi le Royaume-Uni.

Et là également, un accueil favorable.

Depuis, des travaux avancent très bien et on est bien partis pour atterrir à la fin de l’année 2026, début 2027, avec une norme au niveau européen.

Et sur cette lancée-là, on est partis au niveau international, avec des partenariats avec l’ONU, l’Organisation mondiale des télécommunications, l’OCDE, l’UNESCO, pour interpeller l’ensemble des acteurs de la normalisation au niveau international et essayer de se doter, d’un point de vue multilatéral, d’un référentiel mondial de l’impact environnemental.

— Très bien.

Je pense que les personnes qui nous suivent se posent la question de l’international et de comment c’est reçu.

Mais au-delà de ça, concrètement, comment cela se traduit-il et où en êtes-vous finalement dans ces démarches-là ?

— Oui.

Alors la traduction concrète, une des plus visibles, c’est le kit d’engagement pour l’intelligence artificielle durable.

Donc un outil qui est fait pour que n’importe quelle organisation, publique ou privée, petite ou grande, commence à se lancer dans des premiers pas d’intelligence artificielle durable.

Quelles questions faut-il se poser ? Quels choix faut-il faire ?

Par exemple, s’agissant de la qualité de la donnée, la quantité des données.

La qualité de la donnée a un impact derrière sur les enjeux d’efficience énergétique et d’impact environnemental.

Quel type de système d’IA faut-il utiliser par rapport à tel besoin ?

Donc il y a un guide assez concret, simple, qui a été développé et qui rencontre un succès intéressant aussi bien auprès de grands groupes que de petites entreprises.

Donc il y a un élan d’adoption.

D’ailleurs, je vous invite à aller le découvrir sur le site internet greentechinnovation.fr.

Ça c’est assez positif : une attente, une demande à la fois de la part d’entreprises, d’acteurs publics qui sont dans une posture de consommation de systèmes d’IA, de services d’IA, mais aussi de la part d’entreprises qui sont en situation d’offrir des systèmes.

C’est assez encourageant.

Néanmoins, quand on va dans les grands salons, les grands temps forts de l’IA en France et en Europe, et qu’on va à la rencontre des stands, des entreprises qui présentent l’ensemble de leurs services, il faut reconnaître qu’au moment où nous nous parlons, la durabilité n’est pas le premier sujet mis en avant.

Même si nous avons cette conviction que derrière il y a des marchés, il y a des opportunités.

Donc voilà, on est au début de l’histoire de cette adoption des premiers réflexes d’IA durable.

— Quels sont les freins que vous rencontrez finalement par rapport aux acteurs que vous côtoyez pour qu’ils n’embarquent pas complètement vers ces propositions-là ?

— Je pense qu’il y a deux types de freins.

Il y a des acteurs où déjà le simple fait de pouvoir accéder à l’intelligence artificielle en soi n’est pas évident à atteindre.

Donc rajouter la contrainte environnementale, ce n’est pas forcément bien perçu.

Le sujet, c’est déjà réussir à l’utiliser correctement.

Donc quand on vient rajouter une couche d’exigence environnementale, ça complique un peu.

Et puis après, il y a le cycle de la demande et de l’offre.

Pas mal d’entreprises qui sont en situation d’offre attendent que le marché soit mature en matière de demande d’IA durable.

On ne va pas forcément le devancer.

Malgré tout, quelques signaux positifs.

Il y a une cartographie qui est assez intéressante, établie par Hub France IA, qui observe 972 entreprises françaises qui offrent des systèmes d’IA.

Et à l’intérieur, on vient piloter chaque année parmi ces entreprises le nombre d’entreprises qui déclarent prendre des dispositions en matière d’offre sur le sujet.

Ça double, mais en partant de très bas.

Donc on est dans un moment où nous essayons de pousser pour des choix qui vont peut-être accélérer ce mouvement sur le marché et accélérer aussi la demande d’intelligence artificielle durable.

Soit pour des raisons de politique RSE et de communication extra-financière, soit aussi pour des enjeux de compétitivité, de marge.

Parce que la frugalité, la sobriété, ça permet aussi de la compétitivité.

C’est intéressant également en termes de souveraineté et ça peut permettre de se différencier sur un marché.

— OK.

Juste en un mot, puisque vous parliez de l’international : la durabilité n’est pas forcément aujourd’hui très populaire dans certains forums.

Vous avez ce sentiment-là également ? Vous avez des difficultés ?

— En fait c’est assez étonnant.

On aurait pu effectivement croire que l’impact de l’arrivée de la nouvelle administration américaine puisse stopper net certaines dynamiques.

Mais non.

C’est même le contraire qui s’est produit.

La communauté internationale a lancé la coalition mondiale pour l’intelligence artificielle durable qui rencontre un grand succès.

Plusieurs acteurs sont en train de se dire qu’il y a des opportunités derrière.

Un enjeu : être parmi les premiers à offrir des solutions sur ce créneau-là pour capter et préserver des clients.

Donc en ce moment, en termes d’agenda international, le sujet est poussé par exemple dans le cadre de la présidence française du G7.

Alors ce n’est pas simple.

Ça se fait à la fois dans le cadre de la filière numérique et de la filière énergétique.

Bien évidemment, la situation est beaucoup plus compliquée qu’avant mais cela progresse.

Et le dernier sommet mondial pour l’IA en Inde a vu le succès d’un signal fort.

Les grands temps forts du sommet mondial, ça a été d’avancer sur ces sujets-là.

Celui de Paris l’an dernier était le premier sommet mondial pour l’IA où on parlait d’environnement.

Donc il y a une communauté derrière dans laquelle on retrouve des grands acteurs nord-américains qui viennent quand même continuer, et des BATX asiatiques à s’investir là-dedans.

Donc oui, c’est compliqué mais d’un autre côté c’est devenu aussi vu comme une opportunité d’être parmi les premiers à agir sur ce segment.
— Très bien.

C’est l’opportunité.

J’invite les personnes qui nous suivent à rester pour la deuxième table ronde qui portera sur la frugalité comme paramètre de concurrence puisque c’est effectivement ce que l’étude de l’autorité souligne : être les premiers peut constituer un avantage concurrentiel.

Monsieur de Loge, du côté de la CRE, j’imagine que la standardisation aussi fait écho.

Quels sont les enjeux en ce qui vous concerne et quelles sont vos attentes par rapport à la standardisation ?

— Globalement, effectivement, en tant que régulateur dans l’énergie — alors c’est un secteur avec plein de normes — on connaît bien les concepts de standardisation.

Je pense que nous rencontrons un peu deux phénomènes de standardisation différents.

Il y a un phénomène qui ressemble un peu à celui que vous évoquez, dont l’objectif est finalement de pouvoir rendre compte d’une qualité, à moyen ou long terme, d’un business qui se développe.

Une qualité des équipements électriques par exemple, ou dans le cas présent une qualité d’une IA qui serait plus frugale.

Ce sont des choses que nous voyons apparaître souvent avec quelques grands acteurs français ou européens qui se mettent autour.

Et de l’autre côté, on a de la standardisation portée par des géants mondiaux qui, eux, vont vous proposer des produits uniques parce qu’ils ne sont pas chers.

Typiquement dans les câbles aujourd’hui, innover pour faire des câbles plus durables, ça ne marche pas parce que le câble classique, fait par tous les gros câbliers mondiaux, est standard et pas cher.

Donc on a un peu ces deux dynamiques :

* une standardisation de long terme, plus qualitative ;
* et une standardisation de court terme, orientée compétitivité prix.

Dans un marché qui se développe comme ça, nous sommes toujours un peu partagés entre :

* la volonté d’avoir quelque chose de cadré, de frugal, de durable ;
* et la nécessité de laisser entrer l’innovation et la baisse des coûts.

D’un côté, des normes plus exigeantes peuvent protéger notre marché — puisqu’en France ou en Europe nous sommes peut-être plus enclins à aller dans ce sens-là — et permettre à des acteurs européens d’émerger.

De l’autre côté, si les normes sont trop techniques, trop complexes, on risque de perdre en compétitivité économique.

Donc il y a à jauger entre une standardisation plus franco-européenne ou plus mondiale pour essayer d’aller porter des marchés.

Ma conviction globale, c’est que dans des marchés naissants, c’est bien de se créer en France quelque chose qui ait une identité particulière pour ensuite essayer de l’exporter et d’en faire un standard international.

C’est un peu comme ça qu’on procède dans l’énergie.

Je vois donc des liens avec ce que vous dites.

Il faut de la norme pour se projeter à long terme, tout en restant lucide sur le fait que la compétitivité économique et les standards mondiaux ont quand même tendance à rentrer assez fortement sur le marché.

Donc c’est un énorme enjeu.

— Tout à fait.

C’est ce que je disais tout à l’heure : les avantages et les risques, du point de vue de la concurrence, de la standardisation.

C’est à la fois fermer des marchés et ouvrir de la compétitivité.

Je renvoie les personnes qui nous suivent à la lecture de notre avis sur les systèmes de notation de produits et de services que nous avons publié en janvier 2025, qui aborde ces questions de standardisation, de leurs avantages mais également de leurs risques du point de vue du droit de la concurrence.

Madame Yvrand Billon, je ne pense pas me tromper si je dis que l’ARCEP milite en faveur des initiatives de standardisation.

— Effectivement, vous ne vous trompez pas.

Il y a un constat partagé — on n’a peut-être pas assez insisté là-dessus — sur le manque de transparence de l’impact environnemental de l’IA.

Et ce manque de transparence est notamment lié au fait que, même s’il y a des initiatives de certains grands acteurs pour publier l’impact de leur modèle, avec des analyses de cycle de vie, les méthodes utilisées ne sont pas connues précisément.

Donc elles ne sont pas vérifiables, ce qui limite la comparabilité des modèles.

C’est un enjeu de concurrence et cela nous pose un problème que la standardisation et les initiatives de normalisation des méthodes d’évaluation de l’impact pourraient résoudre.

Donc oui, les initiatives comme celles de l’AFNOR participent et constituent un bon levier pour éviter qu’il y ait un émiettement des méthodes qui ne permettraient pas justement de comparer les impacts.

Nous militons pour qu’il y ait des méthodes standardisées, robustes scientifiquement, partagées à l’échelle européenne voire internationale.

Et cela doit concerner les différentes phases des modèles :

* la phase d’entraînement ;
* mais aussi la phase d’inférence.

Il y a donc beaucoup de choses à faire.

Des méthodes existent déjà et sont reconnues.

Les méthodes d’analyse de cycle de vie, le référentiel général pour une IA frugale développé par l’AFNOR : c’est un très grand pas.

Cela permet de comparer des systèmes d’IA entre eux mais aussi de comparer des systèmes d’IA avec des systèmes non IA.

Ce qui présente aussi un intérêt pour avoir une appréciation globale de l’impact du numérique.

Maintenant, il existe différentes initiatives de normalisation des méthodes d’évaluation de l’impact environnemental.

Et là il y a un enjeu d’articulation.

Les initiatives des deux derniers sommets mondiaux pour l’action sur l’IA, notamment la feuille de route sur la normalisation de l’impact environnemental de l’IA publiée à l’occasion du sommet de Paris, vont dans ce sens-là :

faire en sorte d’articuler les différentes initiatives.

Parce qu’il ne faudrait pas qu’il y ait une démultiplication des normes.

Sinon on perd l’objectif visé d’avoir une méthodologie unique.

— On perd la comparabilité effectivement.

Mais l’articulation de ces différentes méthodes, ce n’est pas le seul problème.

— Effectivement.

Il faut des méthodes rigoureuses, connues, vérifiables.

Mais une fois qu’on a la recette de cuisine, il faut les ingrédients.

Donc il faut les données.

Et c’est l’autre enjeu : avoir accès à des données.

J’ai évoqué les collectes de données auxquelles l’ARCEP se livre, mais il faut aussi, pour calculer des analyses de cycle de vie, disposer de données d’impact environnemental sur différents critères.

Et là, il y a un problème d’accès aux données et même parfois d’existence de ces données d’impact pour pouvoir réaliser une évaluation, que ce soit par les pouvoirs publics ou par les entreprises elles-mêmes.

— Ce qui fait une transition toute faite avec notre troisième grand thème que notre table ronde souhaite aborder.

Ce thème étant justement la question épineuse de l’accès à la donnée et, au-delà de ça, de la nature de la donnée, de la caractéristique de cette donnée :

* des données fiables ;
* des données robustes ;
* des données transparentes.

On comprend bien que ce sont des éléments essentiels pour un régulateur afin qu’il puisse conduire ses analyses.

Ces données existent.

On en a parlé dans le cadre de notre discussion sur la standardisation.

Il y a des méthodes d’évaluation de l’impact environnemental de l’intelligence artificielle qui sont mises en place.

Donc ces données existent et pourtant, tant l’accès à la donnée que la qualité de celle-ci ne sont pas exempts de problèmes.

— Alors elles existent mais en tout cas elles ne sont pas facilement accessibles.

Ce que je voulais dire, c’est qu’il y a des méthodes d’évaluation et qu’il y a de grands progrès qui sont faits.

La France est pionnière.

Mais encore une fois, quand on a la méthode d’évaluation, si on n’a pas les données, pas de données fiables, on ne peut pas réaliser ce calcul.

Comment améliorer cette fiabilité ? Comment améliorer l’accès ?

Ce que nous avons commencé à faire à l’ARCEP — et l’ARCEP est aussi pionnière en la matière parmi l’ensemble des régulateurs, cela a été souligné par des rapports de la Banque mondiale mais aussi par l’UIT — c’est collecter des données auprès des acteurs de toute la chaîne du numérique.

Comment parvient-on à obtenir des données fiables ?

En ayant des pouvoirs de collecte de données et en collectant auprès de tous les acteurs de la chaîne.

Cela va :

* des réseaux ;
* aux centres de données ;
* en passant par les terminaux ;
* mais aussi les services.

Il est important aussi d’avoir une collecte suivie dans le temps et mise à jour régulièrement puisque cela évolue, notamment du fait de l’IA.

Il semble également important que cette collecte soit réalisée par un acteur indépendant et neutre.

Je crois que dans votre rapport, vous soulignez l’importance qu’il n’y ait pas de capture des outils de normalisation ou des normes.

Pour les mêmes raisons, une collecte réalisée par un acteur indépendant qui assure la robustesse et la fiabilité des indicateurs est importante.

Et il faut que la méthodologie de collecte ainsi que la méthodologie de conception des indicateurs rendus publics soient claires, partagées, connues et pérennes.

Donc que les indicateurs soient suivis pour pouvoir observer les évolutions.

C’est la garantie d’avoir des données harmonisées, comparables et vérifiables.

Encore une fois, c’est une démarche qu’on a initiée au début des années 2020.

Et cette démarche a été rendue possible parce que le régulateur des communications électroniques a eu le mandat de collecter des données auprès des acteurs du numérique.

Souvent, demander des données quand on n’a pas le mandat ne permet pas d’aboutir autant que lorsqu’on en dispose.

Or là, le législateur nous a donné les pouvoirs de collecter des données auprès d’un ensemble d’acteurs du numérique.

On parlait des opérateurs de centres de données mais il y a aussi les fabricants de terminaux, par exemple.

Et puis dans un deuxième temps, toujours par le législateur mais via une autre loi, les pouvoirs de collecte de données auprès des opérateurs de cloud.

Ça, c’est important.

Et j’ajoute une dernière condition : pour pouvoir collecter les données, il faut le mandat mais il faut aussi une expertise.

Il faut des compétences de collecte de données pour pouvoir assurer ce cadre robuste et connu des acteurs.

Il y a donc nécessité d’avoir :

* une expertise statistique solide ;
* mais aussi des compétences spécifiques en matière de mesure de l’empreinte environnementale.

Quand on veut collecter des données environnementales, il faut comprendre ces données, poser les bonnes questions et bien interpréter les indicateurs.

Donc il faut cette double compétence.

En gros : il faut des ressources en plus d’avoir les mandats.

— Bien.

Mais une fois qu’on a ces données, c’est très bien.

Mais réguler, c’est aussi prévoir.

Alors comment prévoir l’évolution dans un domaine aussi incertain, qui évolue tellement vite, de cet impact énergétique et environnemental de l’intelligence artificielle ?

Comment construire des scénarios de croissance crédibles ?

— Prévoir… bonne question.

L’exercice de projection est par définition difficile.

Mais il est encore plus difficile quand on est face à une technologie et à des usages qui évoluent très vite.

Et là c’est le cas si on parle des projections qu’on pourrait faire sur les impacts environnementaux de l’IA générative.

Si on regarde l’essor des usages dans notre dernier baromètre du numérique, on montre que près de 50 % de la population en 2025 indique utiliser l’IA générative.

C’était 20 % deux ans avant.

Et c’est 85 % des 18-24 ans.

Donc on a un essor fulgurant.

Cela rajoute une difficulté à la projection.

Il y a aussi des innovations technologiques.

On voit que les concepteurs de modèles développent des architectures, des modèles d’experts ou mettent en œuvre des techniques de compression qui font évoluer très vite la consommation énergétique et donc les impacts environnementaux des modèles d’IA.

C’est donc encore plus difficile dans un environnement changeant.

Ensuite, il faut analyser toute la chaîne de valeur.

On a beaucoup parlé des centres de données mais l’IA générative pourrait avoir des impacts sur d’autres maillons de la chaîne, par exemple les terminaux.

Il pourrait y avoir un impact sur l’usage et le renouvellement des terminaux parce qu’il pourrait être nécessaire de renouveler les appareils pour embarquer de nouvelles fonctionnalités liées à l’IA.

Cela doit donc être pris en compte si on veut faire une projection robuste.

Il faut également projeter :

* l’impact de la phase d’entraînement ;
* mais aussi celui de la phase d’inférence.

Or beaucoup d’évaluations existantes se focalisent surtout sur la phase d’entraînement.

Aujourd’hui, on est entré dans une phase d’intensité d’usage.

Donc il faut être capable de projeter aussi l’impact de l’inférence.

C’est une des raisons pour lesquelles nous avons travaillé avec le PEReN pour essayer de mesurer la consommation électrique de cette phase d’inférence.

Et ces travaux devraient être publiés prochainement dans un rapport sur l’impact environnemental de l’intelligence artificielle générative.

Donc il y a beaucoup de difficultés pour projeter mais c’est déjà important de bien les connaître.

— Non bien sûr, mais vous voyez, l’Autorité de la concurrence n’étant pas un régulateur sectoriel, cet exercice me semble bien complexe.

L’analyse de toute la chaîne de valeur, l’évaluation de la projection de l’impact de l’entraînement et de l’inférence…

Mais bon, je vous parle d’expérience, vous l’avez fait.

Pouvez-vous nous dire concrètement ce que vous en retirez comme enseignement ?

— Effectivement.

Avec l’ADEME, dans l’étude que nous avons réalisée et remise au gouvernement en 2023, nous avions pour mission d’évaluer l’impact environnemental du numérique en France.

Donc de mesurer une année de consommation numérique.

C’était avant le développement massif de l’IA, avec une photographie en 2020.

Et la mission consistait aussi à projeter sur 2030 et 2050.

C’est donc quelque chose que nous avons réalisé avec l’ADEME.

L’étude est disponible dans ses différents volets.

Pour projeter, ce qui compte quand même, c’est d’abord le point de départ :

avoir un bon diagnostic initial, fiable.

Cela suppose, si on veut mesurer l’impact environnemental du numérique, d’avoir à la fois :

* des données d’inventaire ;
* et l’impact unitaire de chacun des composants.

Il faut savoir quels sont l’ensemble des composants numériques qui vont avoir un impact sur l’environnement.

Et ensuite croiser cela avec l’impact unitaire de chacun.

C’est le croisement des deux qui donne un diagnostic sur une année.

Ensuite, selon les hypothèses qu’on pose sur :

* le développement des usages ;
* les innovations technologiques ;
* l’amélioration de l’efficacité environnementale ;
* les comportements de conception et d’usage ;

on peut tracer des tendances.

C’est ce qui a été fait dans cette étude où, à partir d’une photographie que nous avons voulue la plus rigoureuse possible à partir des données existantes en 2020, nous avons construit plusieurs scénarios.

Si rien ne change, si les usages continuent à se développer au même rythme, si le taux de croissance des équipements informatiques se maintient : que disent les projections ?

Ensuite, nous faisons varier les scénarios :

* les usages ;
* les innovations technologiques ;
* les pratiques d’écoconception ;
* les comportements des utilisateurs.

Tout est possible quand on a une bonne photographie de départ.

Ce n’est pas tellement grave de se tromper à partir du moment où les hypothèses posées sont transparentes, vérifiables et contestables.

La précision absolue de la projection importe moins que la transparence des hypothèses.

Parce que cela permet d’alimenter la discussion et la décision publique.

— Donc la transparence des hypothèses est un élément essentiel.

— Exactement.

— Monsieur de Loge, je pense que cette question de la fiabilité des données et de l’accès aux données vous pose également problème.

— Oui, oui.

Cela pose problème.

Comme je vous l’ai dit dans mon propos introductif, ce qu’on adorerait connaître quand il y a des projets qui arrivent, c’est la réalité des consommations électriques qu’ils vont vraiment avoir.

Donc la réalité de la charge informatique de ces grands data centers.

Avec le fait qu’ils ont un enjeu énorme de ne pas être en retard par rapport à la concurrence.

C’est évidemment extrêmement concurrentiel.

Ils ne veulent donc pas être en retard par rapport à leurs concurrents.

Ils sont capables de réserver des capacités même dans un cas où ils ne les utiliseraient pas.

Deuxième point : vu que c’est très concurrentiel au niveau international, ils ne sont pas franchement motivés pour donner des projections stratégiques ou de la donnée à des organismes publics, notamment dans des pays qui ne sont pas les États-Unis.

Donc ils n’ont aucun intérêt à être particulièrement transparents.

Nous avons essayé, avec cette histoire de rampes et de reprise de capacité inutilisée, de les inciter par le biais économique à donner davantage d’informations.

Mais cela reste un vrai problème.

La vision qui nous est servie par ces acteurs-là, on ne peut pas totalement compter dessus.

— Vous vous sentez visé ?

— Oui oui.

Ils n’ont aucun intérêt à le faire.

On nous présente souvent une vision ultra-optimiste :

« Il va y avoir une consommation d’IA gigantesque », etc.

Sauf qu’il y a une énorme concurrence.

Donc que l’État, directement ou via les régulateurs, se saisisse du sujet pour construire sa propre vision me paraît essentiel.

Et enfin, une piste d’amélioration, c’est d’essayer de croiser les données entre nous.

— Donc cela ferait partie des solutions selon vous ?

— Oui.

Faire de la prospective sans simplement faire confiance aux acteurs privés.

Et ensuite, croiser les données entre acteurs publics et entre régulateurs pour conforter nos analyses.

— D’où le rôle des régulateurs et le rôle des régulateurs qui se parlent entre eux.

— Exactement.

— Très bien.

Monsieur Cotinet, vous voyez d’autres solutions ?

— Oui.

Il me semble que ce sujet nous fait redécouvrir l’importance :

* de la recherche ;
* et des communs numériques.

Il y a un enjeu à ce que les dispositifs qui vont permettre de mesurer l’impact environnemental ne nous échappent pas.

D’où l’objectif de soutenir :

* la recherche ;
* les communs.

Quand je parle de communs, ce sont des outils numériques avec une gouvernance et un système de propriété qui les rendent accessibles à tous, souvent gratuitement, et qui permettent de mutualiser les investissements réalisés à l’échelle mondiale.

Je prends l’exemple de Green Algorithms, un outil qui permet d’avoir une première idée ex ante de l’impact environnemental d’un système d’IA.

Nous avons choisi de soutenir Cambridge qui investit là-dedans.

L’outil est disponible, il fonctionne et n’appartient ni à un géant américain ni à un géant asiatique.

Et à l’autre bout de la chaîne, vous avez aussi des outils permettant d’évaluer l’impact en temps réel pendant l’usage :

* Ecolog ;
* Code Carbon.

Ils permettent à chacun de connaître :

* sa consommation énergétique ;
* son impact carbone.

Derrière cette approche par les communs, on retrouve également la question de la souveraineté.

C’est devenu un enjeu énorme.

Et notre conviction, puisqu’on porte cette vision d’une troisième voie de l’intelligence artificielle durable, c’est de rester maîtres de ces outils.

Et les communs y contribuent fortement.

Cela se combine aussi avec une autre ambition : investir massivement dans la recherche.

L’ensemble de ces initiatives portées par des régulateurs ou des institutions françaises permet de faire face à cette asymétrie d’information.

Parce qu’aujourd’hui ce sont les géants de la tech qui voient réellement ce qui se passe à très grande échelle.

Donc une façon de compenser cela est d’investir massivement dans la recherche pour produire de la connaissance indépendante.

Je vais prendre deux exemples.

Dans le cadre de l’initiative mondiale copilotée par la France, il y a un travail qui a été fait où l’INRIA a joué un rôle extrêmement important pour venir documenter :

* les nouveaux défis scientifiques à relever ;
* les premières solutions.

Des publications spécifiques ont été faites sur l’IA agentique, qui pose de nouvelles questions.

Quand la communauté académique prend les devants, partage la connaissance, crée de nouveaux référentiels et une nouvelle façon d’appréhender ces sujets-là au niveau international, cela permet d’être moins dépendant des données détenues par les géants de la tech.

Il y a un autre exemple : un gros projet qui s’appelle SHARP, soutenu par France 2030 dans le cadre des programmes d’équipements prioritaires de recherche, avec un consortium de recherche et de technologie piloté notamment par l’INRIA.

Là, il y a des travaux très fins qui sont faits sur :

* l’apprentissage ;
* l’algorithmie ;
* les méthodes ;
* les outils ;
* les pratiques ;
* les organisations.

Le tout pour tendre vers une algorithmie d’apprentissage de l’IA beaucoup plus frugale.

Ces choix d’investissement public, souvent faits en partenariat avec le privé, permettent de créer cette connaissance, de créer ces données, de les générer et donc d’être beaucoup moins dépendants des grands industriels historiques à qui, malheureusement, on avait pris l’habitude de laisser la main pendant quelques décennies.

Mais tout cela est en train de changer.

— Merci beaucoup.

Donc :

* une meilleure collaboration entre les régulateurs ;
* un investissement massif dans la recherche pour acquérir les connaissances ;
* l’utilisation des communs ;

voilà un peu le tour d’horizon des solutions éventuelles.

Vous avez parlé de l’IA agentique.

Je précise que l’Autorité de la concurrence — vous me donnez l’occasion de faire un peu de publicité pour l’autorité — sortira un avis sur les chatbots et aussi sur l’IA agentique dans quelques mois, ainsi que sur les risques concurrentiels éventuels que nous identifierons dans le cadre de cette étude.

Avant de prendre les questions des personnes qui nous suivent, j’aurais juste aimé qu’on revienne de manière globale sur les risques concurrentiels identifiés dans l’étude de décembre dernier de l’autorité.

Et plus particulièrement, je serais ravi de savoir si vous avez identifié des risques concurrentiels que nous n’avons pas abordés dans cette étude.

Madame Yvrand Billon, peut-être pour commencer par vous.

— Oui.

Effectivement, j’ai lu avec grand intérêt ce rapport.

Je vais d’abord commencer par dire qu’il y a beaucoup de risques sur lesquels je n’ai rien de plus à dire parce qu’effectivement il est important de mettre l’accent sur :

* la standardisation des méthodes d’évaluation ;
* et le fait qu’elles ne soient pas capturées.

Cela me semble un point important.

Une fois qu’on a ce standard conçu sans être capturé par certains intérêts, il faut aussi que l’évaluation réalisée à partir de ce standard soit indépendante.

Et le pendant de cela, c’est l’accès aux données.

Pour reprendre des termes un peu de l’Autorité de la concurrence, il ne faut pas qu’il y ait monopolisation du marché de la donnée d’impact environnemental.

Les ingrédients nécessaires pour mesurer et évaluer doivent être disponibles pour :

* les experts ;
* les académiques ;
* les autorités ;
* les acteurs neutres.

Il y a donc un risque de monopolisation du marché de la donnée qu’il faut contrôler.

Ensuite, la transparence comme facteur stimulant la concurrence me semble essentielle.

On constate un vrai déficit de transparence sur :

* les impacts calculés par les concepteurs de modèles ;
* les méthodes utilisées ;
* les données utilisées.

Par exemple, on ne sait parfois même pas quel type de puces a été utilisé dans l’entraînement de certains modèles.

Donc cela limite énormément notre capacité d’interprétation.

Et puis, le fait qu’il y ait un risque de monopolisation du marché de l’IA par des acteurs verticalement intégrés sur toute la chaîne ne peut que renforcer les impacts environnementaux du développement de l’IA.

Parce qu’il y a un intérêt croisé à tous les maillons de la chaîne :

* conception ;
* infrastructure ;
* terminaux.

Si l’acteur qui développe le modèle contrôle aussi les terminaux, alors l’impact environnemental peut être démultiplié.

L’incitation à l’écoconception ou à la frugalité est réduite du fait même de cette monopolisation.

— Monsieur de Loge, cette problématique des acteurs verticalement intégrés fait écho dans le domaine de l’énergie ?

— Oui, complètement.

Historiquement dans l’énergie, on avait beaucoup d’acteurs verticalement intégrés.

Et sur l’IA, la difficulté aujourd’hui, c’est que comme je vous l’ai dit, il y a de la place pour mettre des data centers en France et en Europe.

Il y a de l’électricité abondante et plutôt décarbonée.

Donc si on arrive à les installer ici plutôt qu’ailleurs dans le monde, on décarbone globalement à l’échelle mondiale.

Une fois qu’on a dit ça, il faut trouver un équilibre.

Soit on leur donne un accès trop simple et ils vont monopoliser les capacités électriques au détriment des autres usages.

Soit on leur ferme trop la porte et alors ils vont s’intégrer verticalement.

C’est-à-dire :

* produire leur propre énergie ;
* créer leur propre réseau ;
* fonctionner de manière quasi autonome.

Et ça, ce n’est pas souhaitable non plus.

Parce que le système électrique européen repose sur :

* la mutualisation ;
* la solidarité ;
* de grandes infrastructures décarbonées.

Donc il faut trouver une ligne de crête :

* ne pas empêcher les autres usages de se développer ;
* mais ne pas pousser non plus les géants de l’IA à construire leur propre système fermé.

Et pour cela, l’accès à la donnée et la capacité à mieux piloter notre régulation sont essentiels.

— Merci.

Monsieur Cotinet, sur ces risques, je ne sais pas si vous en avez identifié d’autres.

Tout à l’heure, je me suis tourné vers vous pour avoir un peu de positivité parce qu’il y a beaucoup de risques que l’on souhaite évidemment éviter.

Je vous avais demandé s’il y avait de la lumière au bout du tunnel.

Est-ce que là vous pouvez également avoir une approche peut-être différente, peut-être positive ?

— Oui.

On est vraiment sur un sujet où, pour une fois, l’Europe a la possibilité de faire émerger des champions.

Un temps d’avance a été pris, en particulier grâce aux différents régulateurs.

La régulation peut créer un avantage concurrentiel, créer une situation qui permet de faire émerger des entreprises et des acteurs publics qui deviennent compétitifs sur un sujet avant les autres.

C’est ce qui est en train de se passer sur l’intelligence artificielle durable.

Donc on peut y voir beaucoup d’espoir et la possibilité d’avoir des leaders de demain qui soient français et européens.

Après, si on fait un petit focus sur les autres risques, on raisonne beaucoup ici autour de l’IA et de la donnée stockée dans des data centers.

Mais le gros du marché se joue aussi et surtout dans l’utilisation qui est faite de cette donnée et des services qui sont rendus grâce à l’intelligence artificielle.

Il y a une structuration de tout cela qui est en train de se faire autour de ce qu’on appelle les data spaces.

L’ensemble des grandes filières économiques est en train de structurer la façon de partager la donnée à l’échelle d’un écosystème :

* entre acteurs publics ;
* entre acteurs privés ;
* entre grands groupes ;
* entre sous-traitants ;
* entre chercheurs.

Et c’est cette donnée partagée qui va permettre d’utiliser l’IA.

Le partage de cette donnée est facilité par les data spaces.

Le risque, c’est qu’à terme certains acteurs dominants contrôlent ces espaces de données, les règles d’accès et les standards techniques.

Si cela se produit, cela pourrait limiter :

* l’innovation ;
* l’interopérabilité ;
* l’accès des nouveaux entrants.

Donc derrière les questions environnementales, il y a aussi une question majeure de gouvernance de la donnée.

Et cela renvoie directement à des enjeux de souveraineté.

Aujourd’hui, nous avons une occasion assez unique de structurer une approche européenne différente, plus ouverte, plus durable et plus équilibrée.

Mais cela suppose :

* des investissements ;
* des règles claires ;
* des standards ouverts ;
* et une forte coopération entre les acteurs publics et privés.

— Merci beaucoup.

Je pense qu’on voit bien à travers tous vos échanges que les enjeux énergétiques et environnementaux de l’intelligence artificielle ne sont pas seulement des enjeux techniques ou industriels.

Ce sont aussi des enjeux :

* de concurrence ;
* de souveraineté ;
* de gouvernance ;
* et de régulation.

Et je crois que cette table ronde a bien montré à quel point les réponses à apporter devront être collectives et coordonnées.

Nous allons maintenant prendre quelques questions du public.