IA frugale : la France se dote d'un référentiel pour sortir des bonnes intentions

Réduire l'empreinte environnementale d'un système d'intelligence artificielle ne relève plus du vœu pieux : c'est un chantier désormais outillé, avec une méthodologie commune et des indicateurs partagés. C'est tout l'enjeu du référentiel AFNOR Spec 2314, publié après six mois de travaux collaboratifs réunissant environ 150 contributeurs issus d'entreprises, de laboratoires de recherche, d'associations et d'administrations, sous le pilotage du Commissariat général au développement durable.

Une méthodologie avant les slogans

Le document se structure en trois volets : un cadre de définitions précises pour éviter les usages flous du terme « IA frugale » ; une méthodologie d'évaluation environnementale fondée sur une approche cycle de vie, de la fabrication des puces à l'usage final en passant par l'entraînement et l'inférence ; et un ensemble de 31 fiches de bonnes pratiques opérationnelles, destinées aux équipes qui conçoivent ou déploient des modèles. Le référentiel a été élaboré avec l'appui de l'ADEME, de La Poste, du Hub France IA et du collectif EcoInfo, qui recommande désormais explicitement de s'y référer pour toute démarche de frugalité en IA.

L'enjeu dépasse la seule bonne conscience environnementale. L'Agence internationale de l'énergie anticipe une multiplication par dix de la consommation électrique du secteur de l'IA entre 2023 et 2026, portée par l'explosion des besoins d'entraînement des grands modèles et par la généralisation de leur usage en inférence, c'est-à-dire à chaque requête envoyée par un utilisateur. Une partie significative des acteurs du secteur a vu ses émissions de gaz à effet de serre progresser fortement sur la période récente, ce qui a accéléré la demande d'outils de mesure fiables plutôt que d'estimations approximatives.

Mesurer avant de réduire

C'est précisément le rôle que jouent des outils open source développés en parallèle du travail normatif. EcoLogits, bibliothèque Python développée par l'association GenAI Impact, s'intercale entre une application et les API de fournisseurs comme OpenAI, Anthropic ou Mistral AI pour estimer, requête par requête, la consommation énergétique et l'impact carbone en fonction du modèle choisi, du nombre de tokens générés et de la latence de la réponse. De son côté, e-footprint, outil développé par Publicis Sapient et distribué au sein de l'association Boavizta, élargit le périmètre à l'ensemble de la chaîne numérique, des serveurs jusqu'aux terminaux utilisateurs, et pas seulement à la brique modèle.

Ces initiatives poursuivent un objectif commun : aboutir à un standard interopérable de mesure de l'empreinte carbone de l'IA, disponible gratuitement, plutôt qu'une multiplication d'indicateurs maison difficiles à comparer d'un fournisseur à l'autre. C'est aussi ce que vise le référentiel AFNOR, qui prévoit des recommandations spécifiques pour communiquer avec justesse sur le caractère frugal d'un service d'IA, un point sensible alors que le terme est de plus en plus utilisé à des fins commerciales sans base de calcul vérifiable.

Sur le terrain, la Banque des Territoires a lancé en mai 2026 le programme Territoires d'IA, qui encourage les collectivités à mutualiser leurs infrastructures et à privilégier des projets d'IA frugale plutôt que des déploiements redondants. L'idée centrale portée par l'ensemble de ces initiatives rejoint un principe déjà bien identifié en écoconception numérique : le choix d'un modèle plus petit et mieux dimensionné à l'usage réel, l'évitement des appels API superflus ou l'optimisation du prompt réduisent souvent davantage l'impact qu'une compensation carbone a posteriori.

Reste que ces référentiels et outils demeurent volontaires : aucune obligation réglementaire ne contraint aujourd'hui les fournisseurs de modèles à publier leurs indicateurs de consommation selon une méthode commune. La bascule d'une logique de recommandation à une logique de norme opposable dépendra en partie de l'appropriation de ces outils par les grands acteurs du secteur dans les prochains mois.