IA et environnement : quels usages examiner ?

Un bâtiment est chauffé alors qu’une partie des bureaux reste vide. Des données d’occupation et de température pourraient aider à ajuster son fonctionnement. Un modèle de prévision serait-il utile, ou un réglage des horaires suffirait-il ?

Pour examiner l’intérêt environnemental de l’IA, je partirais de cette question : quelle décision peut-elle améliorer, et avec quel résultat à vérifier ?

Définir l’usage avant de choisir le modèle

L’IA peut classer des images, repérer des anomalies ou produire des prévisions. Ces usages ne demandent pas tous un assistant conversationnel ni un grand modèle génératif.

Commencez par une situation observable : une fuite à détecter, une consommation à anticiper ou des images à trier. Précisez les données disponibles, les erreurs acceptables et la personne qui décidera de l’action à entreprendre.

Réduire une consommation exige une comparaison

Dans notre bâtiment fictif, comparez d’abord la consommation et le confort avant et après le réglage, en tenant compte de la météo et de l’occupation. Une baisse pendant une semaine plus douce ne prouve pas l’efficacité du modèle.

L’Agence internationale de l’énergie examine des usages d’optimisation dans les bâtiments, l’industrie et les transports. Elle souligne aussi les conditions nécessaires à leur déploiement et l’incertitude du résultat global. Energy and AI — AIE, 2025.

Observer les plastiques pour orienter la collecte

The Ocean Cleanup utilise ADIS, un système de caméras et de détection par IA, pour cartographier de grands déchets flottants. Cette observation aide à comprendre où ils se concentrent ; elle reste distincte des équipements qui les collectent.

En juillet 2026, l’organisation détaillait les limites de détection liées notamment à la couleur, à la taille des objets, à la lumière et à la vitesse du navire. Elle expliquait comment comparer les observations aux prélèvements physiques pour corriger les estimations. Présentation des travaux ADIS.

Cet exemple montre l’intérêt d’une IA contrôlée par des observations de terrain. Il ne signifie pas qu’un modèle reconnaît tous les déchets ou réalise seul le nettoyage.

Dans les transports, suivre le résultat complet

Une meilleure planification peut aider à éviter des kilomètres ou des trajets à vide. Pour l’évaluer, relevez les distances, les chargements et la consommation réellement obtenus, avec le même service à rendre.

L’AIE rappelle que des effets rebond peuvent réduire les gains attendus : une solution plus efficace peut aussi encourager de nouveaux usages. Le développement de véhicules autonomes ne suffit donc pas à conclure à une baisse globale des émissions. Analyse de l’AIE.

Aider les équipes qui suivent la biodiversité

Wildlife Insights propose des modèles pour identifier des animaux sur les photographies de pièges photographiques et faciliter l’analyse des observations. L’apport est concret : aider les équipes à traiter leurs images et à suivre les données. Présentation de Wildlife Insights.

Pour un projet de ce type, prévoyez la vérification des identifications et examinez les erreurs sur les espèces et les milieux concernés. Le classement automatique doit rester relié à la connaissance du terrain.

Le bilan doit inclure le système d’IA

Le calcul, le stockage et les équipements mobilisés ont eux aussi des impacts. Pour juger un projet, comparez le bénéfice observé avec ces ressources et avec une solution plus simple qui pourrait rendre le même service.

L’AIE distingue les économies possibles, les émissions des infrastructures et les effets indirects. Elle ne garantit pas un résultat environnemental positif pour chaque usage. IA et climat — AIE.

Chez ADDEQUA, un usage peut être étudié à partir d’un besoin métier précis. Décrivez la décision que vous souhaitez améliorer, les données disponibles et le résultat attendu : cela donnera une base pour décider ce qui mérite un essai.