L'effondrement des promesses climatiques de la Big Tech
Les derniers rapports environnementaux des géants du numérique révèlent une réalité préoccupante : la course effrénée vers l'intelligence artificielle générative est en train de faire dérailler les objectifs de transition écologique. Selon des données publiées par Le Monde, les émissions de gaz à effet de serre de Google ont bondi de 82 % depuis 2019. De son côté, Amazon affiche une hausse de 58 % sur la même période, d'après des informations rapportées par La Presse.
Ces trajectoires éloignent chaque année un peu plus ces multinationales de leurs engagements de neutralité carbone, initialement fixés pour 2030 ou 2040. Pour la première fois, la croissance de leur empreinte carbone dépasse celle de leurs revenus. Ce phénomène s'explique par la construction massive de centres de données hautement énergivores, indispensables pour entraîner et faire fonctionner les modèles de langage de grande taille.
Pourquoi l'intelligence artificielle consomme-t-elle autant ?
Pour comprendre cette dérive, il convient de distinguer deux phases majeures dans le cycle de vie d'une intelligence artificielle : l'entraînement et l'inférence. L'entraînement consiste à soumettre un modèle à des volumes gigantesques de données pour qu'il apprenne à structurer ses réponses. Cette étape requiert des milliers de processeurs graphiques (GPU) fonctionnant à plein régime pendant des semaines, voire des mois.
L'inférence, c'est-à-dire l'utilisation quotidienne du modèle pour répondre aux requêtes des utilisateurs, représente toutefois la part la plus importante de la consommation énergétique sur le long terme. Chaque question posée à un agent conversationnel centralisé déclenche un aller-retour réseau vers des serveurs distants, mobilisant des infrastructures de calcul et des systèmes de refroidissement colossaux. Selon une étude de l'Agence internationale de l'énergie (AIE), la demande d'électricité des centres de données mondiaux pourrait doubler d'ici les prochaines années, portée principalement par l'essor de l'IA.
Face à ce constat, la centralisation absolue du calcul chez quelques fournisseurs pose un problème de durabilité systémique. Une approche alternative, fondée sur la sobriété numérique et la décentralisation, devient nécessaire.
La réponse par la sobriété matérielle : Boréal-OS
La réduction de l'empreinte carbone du numérique ne peut pas se limiter à l'optimisation des logiciels. Le levier le plus efficace réside dans la prolongation de la durée de vie du matériel informatique existant. La fabrication d'un ordinateur neuf représente en effet la majeure partie de son impact environnemental global, en raison de l'extraction des terres rares et des processus industriels requis.
C'est précisément à ce niveau que s'articule l'écosystème souverain québécois avec Boréal-OS. Ce système d'exploitation natif, conçu sous forme de distribution Linux légère et sécurisée, s'installe directement sur le disque dur des machines. Il permet de redonner entre cinq et dix ans de vie utile à des ordinateurs déclarés obsolètes par les exigences matérielles des systèmes commerciaux récents (comme l'absence de puce TPM 2.0 ou de processeurs de dernière génération).
En évitant la mise au rebut prématurée de parcs informatiques entiers, notamment dans les milieux scolaires ou communautaires, Boréal-OS s'attaque directement au problème du gaspillage électronique. Une fois la machine réhabilitée, l'accès aux outils modernes se fait simplement à travers le navigateur.
Décentralisation et exécution locale : la plateforme ProductivIA
Au niveau applicatif, la plateforme ProductivIA propose une architecture conçue pour limiter la dépendance aux infrastructures cloud surchargées des hyperscalers. Deux approches concrètes permettent d'y parvenir :
Premièrement, l'application IA Locale exploite le standard WebGPU. Cette technologie permet au navigateur d'accéder directement aux capacités de calcul de la machine de l'utilisateur pour exécuter des modèles d'IA de taille intermédiaire. Les calculs d'inférence s'effectuent ainsi localement, sans qu'aucune donnée ne transite sur le réseau et sans solliciter de serveurs distants. Pour des tâches courantes de rédaction ou d'analyse documentaire, cette méthode élimine l'empreinte carbone liée au transport et au traitement externe des données.
Deuxièmement, lorsque des capacités de calcul supérieures sont requises, l'orchestrateur de la plateforme permet de privilégier des modèles souverains et optimisés comme Matania. Hébergé physiquement au Québec, ce fournisseur de modèles s'appuie sur un réseau électrique majoritairement alimenté par l'hydroélectricité, une source d'énergie à très faible empreinte carbone comparativement aux réseaux alimentés au charbon ou au gaz souvent utilisés par les grands centres de données américains. De plus, l'utilisation de modèles de taille raisonnable, finement ajustés pour des tâches précises, évite la surconsommation inutile liée à l'interrogation systématique de modèles géants sous-exploités.
Vers une transition numérique responsable
La crise énergétique induite par l'essor de l'intelligence artificielle montre que l'innovation technologique ne peut plus faire l'économie d'une réflexion sur ses limites physiques. La transition vers des modèles plus sobres, l'adoption d'architectures de calcul localisé et la réhabilitation du matériel existant constituent des pistes concrètes pour concilier progrès technique et respect des limites planétaires. L'écosystème québécois démontre qu'une alternative locale, structurée autour de la durabilité et de la souveraineté, est techniquement viable.