IA frugale

Empreinte écologique du numérique : normalisation de l’IA frugale

L’Intelligence Artificielle (IA) se généralise dans notre quotidien, mais son impact environnemental est loin d’être négligeable. Selon l’étude ARCEP/ADEME (2023, actualisée en 2025), le numérique représente 4,4 % de l’empreinte carbone de la France en 2022. L’IA contribue à la forte haute de l’impact de ce secteur, en consommant énergie et ressources pour la fabrication et le fonctionnement des centres de données. L’IA frugale apparaît comme une nécessité pour réduire ces impacts.

Pour structurer cette démarche, Ecolab, en collaboration avec l’AFNOR, a publié le Référentiel Général pour l’IA frugale (AFNOR Spec 2314), un référentiel permettant d’évaluer et de communiquer sur l’impact environnemental des projets d’IA. Ce document, élaboré avec plus d’une centaine d’experts issus de divers secteurs, propose des méthodologies pour mesurer les impacts tout au long du cycle de vie d’un système d’IA, depuis sa conception jusqu’à sa mise hors service. L’objectif est avant tout d’outiller les acteurs français dans l’élaboration et la mise en œuvre d’une IA frugale.

L’IA frugale, telle que définie dans le référentiel, vise à minimiser les besoins en ressources matérielles et énergétiques des systèmes d’IA, tout en garantissant leur performance. Elle repose sur trois principes clés : démontrer la nécessité de recourir à l’IA plutôt qu’à une solution moins consommatrice, adopter des bonnes pratiques pour réduire les impacts environnementaux, et questionner les usages pour rester dans les limites planétaires.

Kit d’engagement pour une IA frugale

À la suite de la publication du Référentiel général pour l’IA frugale, l’Ecolab du CGDD, en partenariat avec le Hub France IA et AFNOR Normalisation, met à disposition et soumet à consultation une liste de bonnes pratiques sur l’IA frugale à destination des acteurs publics et privés. Cette liste peut être adaptée par chaque organisation et peut être citée dans des chartes IA, comme les chartes éthiques. La présente liste vise à encourager les organisations qui s’en emparent à adopter un développement raisonné de la technologie, en questionnant le besoin en IA avant tout et en favorisant des systèmes d’IA efficients. Cette liste de bonnes pratiques veut proposer des actions opérationnelles et atteignables. 

L’IA frugale au service de l’écosystème français

L’IA frugale se diffuse dans l’écosystème, comme en témoigne la cartographie annuelle des start-ups et fournisseurs innovants en intelligence artificielle, proposée par le Hub France IA. 11 % des entreprises référencées développent déjà des solutions d’IA frugale.

Vers une normalisation européenne

Les efforts pour aboutir à une méthodologie commune sur l’impact environnemental de l’IA sont désormais également portés au sein du Comité Européen de Normalisation, plus précisément au sein de son « Joint Technical Committee 21 (JTC 21). Le New Work Item (NWI) sur « Guidelines and metrics for the Environmental impact of artificial intelligence » a été validé en mai 2025 et poursuit plusieurs objectifs : définir des lignes directrices quant à des méthodes de mesure de l’impact environnemental de l’IA et la diffusion de bonnes pratiques ; promouvoir des outils simples d’utilisation pour comprendre et mener des actions autour du développement et de l’utilisation de systèmes d’IA ; combler le manque de littérature normative en termes de méthodes de calcul partagées.

Ce document permettra de réduire les coûts et réaliser des économies d’échelle, en intégrant une meilleure gestion des risques dans un contexte de pénurie de ressources et d’urgence climatique. Les PME pourront se baser sur ce travail pour se différencier sur le marché en développant des modèles d’IA frugaux.

Calculez l’impact environnemental de vos solutions d’intelligence artificielle avec Green Algorithms

Pour faciliter la mesure d’impact, Green Algorithms, développé par Loïc Lannelongue de l’Université de Cambridge, est un outil simple et open source pour estimer la consommation énergétique et l’impact carbone d’un système d’IA. Cet outil est désormais généralisé dans les appels à projets sur l’IA, après avoir été testé avec succès lors de l’appel à projets « Démonstrateurs d’IA frugale pour la transition écologique des Territoires » (DIAT).