Comparer un service rendu, pas seulement deux modèles

La première difficulté est de définir ce que l’on compare. Une réponse courte et une analyse vérifiée de plusieurs documents n’engagent pas les mêmes ressources. Même entre deux outils destinés au même usage, le nombre de tentatives, les corrections et la qualité obtenue peuvent modifier le bilan.

Pour un traitement documentaire, une unité de comparaison pourrait être un lot de documents correctement classés selon un seuil de qualité explicite. Le volume, la taille des documents et les reprises nécessaires doivent alors rester comparables. Un résultat exprimé par requête serait trompeur si l’un des systèmes en exigeait plusieurs pour terminer le même travail.

Le 6 août 2026, l’ADEME a publié avec le CNRS et l’INRIA la version 2 de règles d’évaluation environnementale des services numériques fondées sur l’analyse du cycle de vie. La notice présente un cadre méthodologique, pas un label attestant qu’un service d’IA particulier serait sobre. L’évaluation reste à réaliser sur le service considéré.

Le carbone exige déjà un périmètre et des hypothèses explicites

La spécification Software Carbon Intensity, version 1.1.0, publiée en 2024 par la Green Software Foundation, fournit un exemple concret de méthode. Elle rapporte les émissions liées au fonctionnement et une part de celles du matériel à une unité fonctionnelle. Elle demande de définir le périmètre du logiciel, de documenter la méthode et de conserver des hypothèses identiques pour comparer une amélioration à sa référence.

Cela oblige à regarder au-delà de l’appel au modèle : calcul, stockage, réseau, équipements réservés et infrastructure de soutien peuvent contribuer au résultat. La spécification prévoit aussi de tenir compte du refroidissement lorsque le périmètre inclut l’exploitation d’un centre de données. La durée de vie attendue des équipements et la part de leurs ressources réservée au service influencent l’allocation des émissions du matériel.

Une mesure réelle et une estimation ne sont pas interchangeables. Quand les données manquent, un modèle de calcul peut être utilisé, mais ses hypothèses doivent rester visibles. Une valeur très précise en apparence n’est pas nécessairement très certaine.

L’empreinte environnementale ne se limite pas au carbone

Le SCI mesure une intensité carbone. Il ne décrit pas à lui seul l’ensemble des impacts environnementaux. La fabrication et la fin de vie des équipements, l’usage des ressources et les contraintes matérielles méritent aussi d’être examinés dans une analyse plus large du cycle de vie.

La publication ADEME consacrée au cuivre, datée du 4 août 2026, rappelle l’importance des approvisionnements matériels pour la transition. Elle ne permet pas de chiffrer l’empreinte d’un projet d’IA particulier. De même, la hausse de la demande électrique décrite par l’Agence internationale de l’énergie ne départage pas automatiquement une installation locale et un service cloud.

Un modèle compact peut réduire les ressources nécessaires à une tâche, mais le bilan total dépend aussi du nombre de tâches exécutées et des équipements mobilisés. Il faut donc suivre à la fois l’impact par service rendu et l’évolution du volume d’usage. Une amélioration unitaire ne prouve pas une baisse de l’empreinte totale.

Les éléments à demander avant de comparer des offres

Une comparaison exploitable précise d’abord le résultat attendu et le niveau de qualité retenu. Elle indique ensuite les composants inclus, les équipements existants ou ajoutés, les consommations mesurées ou estimées, les facteurs utilisés pour l’électricité et les hypothèses concernant le matériel. Les exclusions et les données indisponibles doivent accompagner le résultat, pas disparaître dans une note inaccessible.

Pour une PME, cela peut commencer par un essai limité sur une charge représentative et par une demande de données aux fournisseurs. Ce premier travail ne remplace pas une analyse complète du cycle de vie, mais il aide à identifier ce qui manque et à éviter des comparaisons incompatibles. La confidentialité des données et les conditions de résiliation restent importantes pour le choix du service ; elles ne constituent pas des preuves environnementales.

On peut alors comparer les solutions avec des réserves explicites, ou reconnaître que les informations disponibles ne permettent pas de les départager. Déclarer une IA sobre demande davantage qu’un lieu d’hébergement ou une petite taille de modèle : un service rendu défini, un périmètre cohérent et des résultats dont on connaît les limites.