L’IA est-elle compatible avec l’écoconception ?

Éco-conception

Récemment, je me suis posée une question qui me semble incontournable à présent pour nos métiers de la création : l’intelligence artificielle et l’écoconception peuvent-elles aller de pair ?

L’IA générative s’installe progressivement dans nos logiciels, nos studios et nos habitudes de travail. Elle promet de nous faire gagner du temps, de stimuler notre créativité et de simplifier certaines tâches. Mais pour un·e graphiste engagé·e dans une démarche responsable, une question demeure : peut-on défendre une pratique de l’écoconception tout en utilisant l’IA dont l’impact environnemental est loin d’être négligeable ?

Chez Create for Good, je suis convaincue que la réponse ne peut pas se résumer à un oui ou à un non. L’écoconception n’est pas un dogme anti-technologie. C’est une démarche qui nous invite à questionner nos choix, à comprendre les impacts de nos pratiques et à mobiliser les ressources nécessaires avec discernement.

Évidemment, la première chose à faire est de se demander si nous avons réellement besoin de l’IA ?

Derrière chaque génération, des ressources bien réelles

Une image générée en quelques secondes peut donner l’impression que tout se passe comme par magie. Pourtant, derrière cette simplicité apparente se cachent des infrastructures bien matérielles : des serveurs, des centres de données, des équipements informatiques, de l’électricité et de l’eau pour certaines opérations de refroidissement.

L’impact environnemental de l’IA ne se limite pas à l’énergie consommée au moment où nous écrivons un prompt. Il faut aussi prendre en compte la fabrication des équipements, l’entraînement des modèles, leur hébergement et leur utilisation répétée.

En 2019, une étude d’Emma Strubell, Ananya Ganesh et Andrew McCallum, publiée lors de la conférence de l’Association for Computational Linguistics, a estimé que l’entraînement d’un modèle de traitement du langage dans le cadre d’une recherche d’architecture neuronale particulièrement coûteuse pouvait représenter environ 284 tonnes de CO₂ équivalent. Les auteur·ices ont comparé cette empreinte aux émissions de cinq voitures américaines sur l’ensemble de leur durée de vie.

Cette estimation concerne un scénario spécifique, et non l’entraînement de tous les modèles d’IA. Elle reste néanmoins révélatrice des ressources que peuvent mobiliser certaines opérations.

Source : Energy and Policy Considerations for Deep Learning in NLP — Strubell et al., 2019.

L’impact environnemental varie considérablement selon les modèles, les infrastructures, les usages et la fréquence des sollicitations. Il serait donc trompeur d’attribuer une empreinte unique à chaque génération ou de considérer que tous les outils se valent.

Je t’invite à découvrir mon article sur Les impacts environnementaux de l’intelligence artificielle juste ici.

Gagner du temps ne signifie pas nécessairement réduire son impact

C’est souvent l’argument avancé en faveur de l’IA : elle nous permettrait de travailler plus vite, de limiter les allers-retours et de réduire le temps passé sur certaines tâches.

Prenons un exemple, un·e graphiste utilise un outil génératif pour explorer des pistes créatives avant de concevoir une identité visuelle. En quelques minutes, il ou elle obtient plusieurs propositions. Sur le papier, le gain de temps semble évident.

Mais que se passe-t-il si ces propositions nécessitent des dizaines de générations supplémentaires, de nombreuses corrections manuelles et une phase de retouche plus longue que la création initiale ? Le bilan devient beaucoup moins évident.

À l’inverse, un outil bien choisi peut effectivement simplifier une tâche, éviter certaines opérations inutiles ou aider à prendre une décision plus rapidement.

Le gain de temps n’est donc pas une preuve de sobriété. Pour évaluer la pertinence d’un usage, il faut regarder l’ensemble du processus : les ressources mobilisées, le résultat obtenu et ce que cet outil remplace réellement.

Il faut aussi éviter de comparer uniquement le temps passé devant son écran. Une tâche plus courte pour le ou la designer ne signifie pas forcément une consommation totale de ressources plus faible.

Comment intégrer l’IA dans une démarche d’écoconception ?

Avant de choisir un outil, questionner le besoin

L’écoconception repose sur une logique simple : partir du besoin, identifier les impacts et chercher à les réduire dès la conception. Cette approche s’applique aussi bien à un site web qu’à une affiche, à une identité visuelle ou à un usage de l’intelligence artificielle.

Avant d’ouvrir une IA, je t’invite à te poser cinq questions :

  • Est-ce vraiment nécessaire ? Puis-je obtenir le même résultat avec mes compétences, un outil classique ou une ressource existante ?
  • Quel est le bénéfice attendu ? Est-ce un besoin concret du projet ou simplement l’envie de tester une nouvelle fonctionnalité ?
  • Quelle solution mobilise le moins de ressources ? Un outil plus simple, une recherche sur le web ou une méthode manuelle seraient-ils suffisants ?
  • Combien d’essais sont réellement utiles ? Puis-je cadrer ma demande pour éviter de multiplier les générations ?
  • Quel est le coût global de mon choix ? Ai-je considéré le temps de préparation, les corrections, la vérification des résultats et les éventuels impacts sur les usages futurs ?

Ces questions ne constituent pas un calcul d’impact environnemental précis. Elles forment une première grille de décision pour développer une pratique plus consciente.

La sobriété numérique ne consiste pas à choisir systématiquement l’outil le moins énergivore. Elle implique aussi de limiter les fonctionnalités superflues, les productions inutiles et les ressources consommées sans bénéfice réel.

Quels usages de l’IA peuvent être pertinents pour les métiers du design ?

Il n’existe pas de liste universelle des usages responsables. Tout dépend du contexte, de l’outil, du résultat attendu et des alternatives disponibles. Certains usages peuvent néanmoins mériter d’être explorés.

Les usages potentiellement pertinents :

  • Explorer quelques directions créatives pour nourrir une réflexion, à condition de cadrer le nombre de générations et de ne pas remplacer inutilement des ressources existantes.
  • Structurer un brief ou reformuler un texte lorsque cela répond à un besoin réel, avec un outil adapté à la tâche plutôt qu’un modèle surdimensionné.
  • Préparer une première proposition de texte alternatif pour des images, à condition de vérifier sa pertinence et son accessibilité.
  • Automatiser une tâche répétitive qui mobilise beaucoup de ressources humaines ou techniques, après avoir évalué les bénéfices réels de l’automatisation.

Les usages à questionner :

  • Générer des centaines d’images pour n’en conserver que deux, sans avoir défini de critères de sélection.
  • Produire une illustration artificielle alors qu’une illustration vectorielle simple, un pictogramme ou une photographie existante répondrait mieux au besoin.
  • Ajouter de l’IA à un site web uniquement parce que cette fonctionnalité est à la mode.
  • Multiplier les variantes sans objectif précis, ou automatiser une tâche qui pourrait être supprimée plutôt que rendue plus rapide.

Attention toutefois à ne pas tirer de conclusions hâtives : générer un texte n’a pas nécessairement le même impact que générer une image, mais l’impact réel dépend du modèle et des conditions d’utilisation.

L’objectif n’est pas de dresser une liste d’outils verts et d’outils rouges. Il est de développer notre capacité à faire des choix argumentés.

FAQ : IA et écoconception

L’utilisation de l’IA est-elle incompatible avec l’écoconception ?

Non, pas nécessairement. L’écoconception repose sur une démarche de réduction des impacts, pas sur l’interdiction systématique d’une technologie. Un usage peut être pertinent si son bénéfice est réel, si les alternatives ont été étudiées et si les ressources mobilisées restent proportionnées au besoin. Cela ne signifie pas pour autant que l’usage devient automatiquement écologique.

Quelle IA choisir pour limiter son impact environnemental ?

Il est difficile de désigner une IA comme étant la plus écologique dans tous les contextes. Les impacts dépendent notamment du modèle, de l’infrastructure, de la tâche demandée et de la fréquence d’utilisation. Privilégie un outil adapté au besoin, évite les générations superflues et, lorsque des données fiables sont disponibles, compare les informations environnementales communiquées par les fournisseurs.

Générer du texte est-il moins polluant que générer des images ?

La génération de texte peut être moins coûteuse en énergie que certaines générations d’images, mais cela dépend des modèles et des paramètres utilisés. La taille des requêtes, la complexité des opérations et les infrastructures jouent également un rôle. Il faut donc éviter de transformer cette tendance générale en règle absolue.

Comment adopter une pratique plus responsable de l’IA quand on est graphiste ?

Commence par identifier les tâches pour lesquelles l’IA pourrait apporter une réelle valeur ajoutée. Compare cette solution aux méthodes classiques, limite le nombre de générations, vérifie les résultats et garde un regard critique sur les impacts environnementaux, sociaux et juridiques. Enfin, évalue régulièrement si l’outil reste pertinent dans ton processus de création.

La position de Create for Good : questionner avant de générer

Je ne crois pas que l’avenir de la création responsable repose sur l’adoption systématique des nouvelles technologies, ni sur le rejet automatique de toute nouvelle technologie.

Je crois plutôt que notre responsabilité consiste à comprendre les outils que nous utilisons, à mesurer autant que possible leurs impacts et à faire des choix cohérents avec les besoins des projets.

L’IA peut parfois être utile. Elle peut aussi encourager la surproduction, rendre invisibles les ressources mobilisées et nous détourner de solutions plus simples. C’est précisément pour cela qu’il est nécessaire d’en parler, de se former et de développer notre esprit critique.

L’écoconception nous apprend à questionner le besoin avant de concevoir, à simplifier avant d’ajouter et à optimiser avant de multiplier les fonctionnalités. Cette logique doit aussi s’appliquer à l’intelligence artificielle.

La question n’est donc pas seulement : « Quelle IA est la plus responsable ? » Mais surtout : « De quoi avons-nous réellement besoin, et quelle est la manière la plus sobre d’y répondre ? »

C’est cette approche que je défends chez Create for Good : une création engagée, qui ne cherche pas à produire toujours plus, mais à concevoir mieux, avec intention et discernement.

Si tu souhaites développer une pratique de l’IA plus consciente, comprendre ses limites et explorer des usages adaptés aux métiers du design, découvre la formation IA for Good. L’objectif est de te donner les clés pour décider quand, pourquoi et comment l’utiliser, et quand il vaut mieux s’en passer.

Plus d'articles

Personne travaillant sur un ordinateur portable et prenant des notes dans un carnet pour illustrer le prompting responsable.
Protéger ses créations de l'IA : 6 actions concrètes.
Droits d'auteur et images générées par IA