Le Benchmark Green IT réunit des organisations pour mesurer l’impact de leur système d’information ainsi que leur maturité numérique responsable. Cette démarche collective donne lieu chaque année à une étude qui met en lumière l’évolution des pratiques et des impacts du numérique.
The rapid growth of artificial intelligence (AI), particularly Large Language Models (LLMs), has raised concerns regarding its global environmental impact that extends beyond greenhouse gas emissions to include consideration of hardware fabrication and end-of-life processes. The opacity from major providers hinders companies’ abilities to evaluate their AI-related environmental impacts and achieve net-zero targets. In this paper, we propose a methodology to estimate the environmental impact of a company’s AI portfolio, providing actionable insights without necessitating extensive AI and Life-Cycle Assessment (LCA) expertise. Results confirm that large generative AI models consume up to 4600x more energy than traditional models. Our modelling approach, which accounts for increased AI usage, hardware computing efficiency, and changes in electricity mix in line with IPCC scenarios, forecasts AI electricity use up to 2030. Under a high adoption scenario, driven by widespread Generative AI and agents adoption associated to increasingly complex models and frameworks, AI electricity use is projected to rise by a factor of 24.4. Mitigating the environmental impact of Generative AI by 2030 requires coordinated efforts across the AI value chain. Isolated measures in hardware efficiency, model efficiency, or grid improvements alone are insufficient. We advocate for standardized environmental assessment frameworks, greater transparency from the all actors of the value chain and the introduction of a “Return on Environment” metric to align AI development with net-zero goals.
L’objectif de cette étude et d’apporter un éclairage scientifique par une évaluation quantifiée des impacts environnementaux du numérique, afin que chacun∙e d’entre nous, citoyen, entreprise, dirigeant politique, puisse prendre la mesure des impacts du numérique et prendre nos responsabilités pour réduire ces impacts.
Cette étude de l’ADEME, réalisée par le groupement CLIK et Hubblo, répond à trois objectifs : État des lieux : dresser l’état des lieux de la consommation électrique actuelle des centres de données en France. Modèle prospectif : proposer un modèle prospectif détaillé permettant de modéliser des scénarios d’évolution des consommations des centres de données dans le temps. 5 scénarios jusqu’en 2060 : un scénario tendanciel et 4 scénarios envisageant les chemins possibles de transition écologique. L’étude prend en compte les émissions de gaz à effet de serre, la pression sur les ressources en eau, l’artificialisation des sols, la concurrence avec d’autres usages de l’électricité, ainsi que les enjeux de souveraineté numérique. Elle distingue également les consommations en France des consommations à l’étranger pour un usage français.
Although there are ways to estimate the global power demand of AI systems, it remains challenging to quantify the associated carbon and water footprints. The lack of distinction between AI and non-AI workloads in the environmental reports of data center operators makes it possible to assess the environmental impact of AI workloads only by approximating them through data centers’ general performance metrics. The environmental disclosure of tech companies is, however, often insufficient to determine even the total data center performance of these companies. The carbon footprint of AI systems alone could be between 32.6 and 79.7 million tons of CO2 emissions in 2025, while the water footprint could reach 312.5–764.6 billion liters. The shortcomings in the environmental disclosure of data center operators could be remedied with new policies mandating the disclosure of additional metrics. Because the environmental impact of data centers is growing rapidly, the urgency of transparency in the tech sector is also increasing.