Empreinte environnementale de l'IA en PME : mesurer sans se raconter d'histoires

L'angle mort du bilan carbone

Les PME qui mesurent leur empreinte comptent leurs bâtiments, leurs véhicules, leurs déplacements. Presque aucune ne compte ses usages d'intelligence artificielle (IA) — alors même que ces usages se généralisent : rédaction assistée, traduction, tri de documents, chatbots. Chaque requête consomme de l'électricité dans un centre de données, souvent à l'étranger, sur un mix électrique plus carboné que le mix suisse.

Ce n'est pas un problème de conscience, c'est un problème de méthode : personne ne sait spontanément combien « pèse » une requête à un grand modèle de langage (LLM), et les chiffres qui circulent se contredisent. Ce guide donne des ordres de grandeur sourcés, une méthode d'estimation à la portée d'une PME, et les gestes de réduction qui ne coûtent rien.

Les ordres de grandeur honnêtes

Les estimations publiques 2025-2026 situent une requête à un LLM généraliste entre une fraction de wattheure et environ 2 à 5 Wh en fourchette haute, selon le modèle, la longueur des réponses et l'infrastructure. L'incertitude est réelle — les fournisseurs publient peu — et les chiffres viraux qui circulent sur les réseaux sont souvent périmés ou décontextualisés. Retenez la fourchette, pas la virgule.

À l'unité, c'est peu : quelques minutes d'une ampoule LED. Ce qui pèse, c'est le volume et la banalisation — quand l'IA s'intègre à chaque e-mail, chaque recherche, chaque document, le compteur tourne en continu. S'y ajoutent deux postes moins visibles : la fabrication du matériel (serveurs, puces — souvent la moitié de l'empreinte totale du numérique) et l'eau de refroidissement des centres de données.

L'entraînement des grands modèles, lui, est spectaculaire mais mutualisé : réparti sur des milliards de requêtes, il pèse moins, pour un utilisateur, que l'inférence quotidienne. Pour une PME déployeuse, c'est bien l'usage qui constitue le poste à suivre.

La méthode : un ordre de grandeur en deux heures

La formule tient en une ligne : nombre d'utilisateurs × requêtes par jour × jours ouvrés × énergie par requête × intensité carbone de l'électricité. L'objectif n'est pas un chiffre précis — il serait faux — mais une fourchette documentée, avec chaque hypothèse écrite noir sur blanc.

Exemple : une PME de 50 collaborateurs dont la moitié utilise l'IA à raison de 20 requêtes par jour. 25 × 20 × 220 jours × 3,5 Wh ≈ 385 kWh par an. Sur un mix électrique américain (~0,4 kg CO₂e/kWh, cas le plus fréquent pour les grands fournisseurs d'IA), cela donne environ 150 kg CO₂e par an — l'ordre de grandeur de 1 000 km en voiture. Peu, en l'état. Mais ce chiffre triple si l'usage se généralise, et il ignore le matériel.

Première étape avant tout calcul : l'inventaire. On ne mesure pas ce qu'on n'a pas recensé — et la plupart des PME découvrent à cette occasion des usages IA que personne n'avait déclarés. Le registre des systèmes d'IA, que vous devriez de toute façon tenir pour la conformité, sert exactement à cela : notre outil gratuit le génère depuis vos cas d'usage. Et pour la formule elle-même, un calculateur d'ordre de grandeur — mêmes hypothèses, réglables — est disponible sur notre page Empreinte.

Réduire : la sobriété qui ne coûte rien

Le bon outil pour la tâche. Un modèle de pointe pour reformuler un e-mail, c'est un camion pour livrer une lettre : les modèles légers ou les fonctions déterministes (modèles de documents, règles) suffisent à une large part des usages. Le premier geste de sobriété est un geste de bon sens économique — les requêtes inutiles coûtent aussi de l'argent.

Choisir des fournisseurs qui documentent. Engagements énergie/climat publiés, centres de données efficients, transparence sur le mix électrique : intégrez le critère à votre grille d'achat, comme vous le faites (ou devriez le faire) pour la protection des données. Un hébergement en Suisse ou en Europe sur électricité renouvelable réduit l'intensité carbone d'un facteur deux à cinq par rapport au mix américain moyen.

Allonger la vie du matériel. Le poste caché de l'empreinte numérique d'une PME reste la fabrication des équipements : garder un ordinateur cinq ans au lieu de trois fait souvent plus pour votre bilan que toutes les optimisations d'usage IA réunies. Mesurer d'abord, optimiser ensuite — dans cet ordre.

Ce que le droit exige (et n'exige pas encore)

Aucun texte n'oblige aujourd'hui une PME suisse déployeuse à mesurer l'empreinte de ses usages IA. L'AI Act encourage des codes de conduite volontaires incluant la durabilité environnementale (art. 95) et impose des obligations de documentation énergétique aux fournisseurs de grands modèles — pas à leurs clients.

La pression arrive par un autre canal : la chaîne de valeur. Les grandes entreprises soumises au reporting extra-financier — suisse (art. 964a et suivants du Code des obligations) ou européen — répercutent leurs obligations sur leurs fournisseurs par questionnaires ESG (environnementaux, sociaux et de gouvernance). Une PME qui sait chiffrer l'empreinte de son numérique, IA comprise, répond en deux lignes là où ses concurrents improvisent. C'est un avantage commercial avant d'être une vertu.

Nous appliquons la méthode à nous-mêmes

La dimension Environnemental du KarmaScore évalue précisément cela : mesure de l'empreinte, sobriété par conception, critères d'achat, objectifs datés. Et parce qu'une méthode ne vaut que si on se l'applique, nous publions l'empreinte de notre propre produit — hypothèses, fourchettes et objectifs compris — sur notre page Empreinte. Environ 10 à 15 kg CO₂e par an au stade actuel : négligeable aujourd'hui, suivi trimestriellement pour que ça le reste en proportion de l'usage.

Quinze minutes d'auto-évaluation vous situent sur les 24 indicateurs, dimension environnementale comprise, et le plan d'action chiffre chaque geste. Gratuit, sans compte, et vos réponses ne quittent pas votre navigateur.

Questions fréquentes