Web-resilience
Accueil › Sobriété numérique › Numérique & climat

Numérique & climat : remettre les ordres de grandeur et agir sobrement

Les estimations robustes situent la contribution du numérique à environ 3–4 % des émissions mondiales de GES (périmètre incluant terminaux + réseaux + data centers). The Shift Project (2019) : ~3,7 % ; d’autres méta‑revues discutent des bornes basses/hautes. Plusieurs scénarios alertent : si rien n’était fait, la part de l’ICT pourrait grimper à ~14 % d’ici 2040 (scénario de Belkhir & Elmeligi 2018, dépendant d’hypothèses de croissance). D’où la sobriété : concevoir des services légers, utiles et efficaces, tout de suite.

3–4 %

Ordre de grandeur des émissions du numérique (ICT complet).

14 % ?

Projection pessimiste si usages non maîtrisés (2040).

DC 240–340 TWh

Électricité des data centers (2022, hors crypto). En forte hausse d’ici 2026.

C'est quoi un audit Green IT ? Obtenir un devis 24h

1) D’où viennent les émissions du numérique ?

  • Terminaux (fabrication + usage) : composante majeure des émissions à périmètre complet.
  • Data centers : ~240–340 TWh en 2022 (1–1,3 % électricité finale). L’IEA prévoit un doublement possible d’ici 2026 avec l’essor IA/streaming.
  • Réseaux : kWh/Go en baisse (efficacité), mais volumes en hausse rapide ⇒ l’empreinte peut croître sans sobriété côté service.

Ordres de grandeur : Shift Project (~3,7 % autour de 2019) ; méta‑revues (Malmodin et al., Freitag et al.) ; scénarios haut : Belkhir & Elmeligi 2018 jusqu’à ~14 % en 2040 si “business‑as‑usual”.

2) Quand je clique : le trajet d’une donnée

Une requête traverse l’appareil → réseau d’accès (Wi‑Fi/4G/5G) → cœur de réseau (fibre/routeurs) → data center (serveurs + stockage + refroidissement) → retour. Optimiser à la source (poids des pages, images, scripts) allège chaque étape.

Parcours simplifié des données lors d’une requête web. AppareilAccès (Wi‑Fi/4G/5G)Cœur de réseauData centerServeurs + stockageÉnergie ITRefroidissement
Chaque hop consomme de l’énergie. Réduire le poids des pages diminue le travail réseau et serveur, et donc l’énergie et parfois l’eau (via la production d’électricité et le refroidissement, cf. WUE).

3) PUE : ce que mesure (et ne mesure pas)

PUE (Power Usage Effectiveness) = Énergie totale du site ÷ Énergie IT. Plus la PUE tend vers 1,0, plus le data center est efficient (peu d’énergie “perdue” en refroidissement/auxiliaires) [7].

  • Ce que PUE mesure : l’efficacité énergétique interne du site (répartition entre IT et auxiliaires).
  • Ce que PUE ne dit pas : l’intensité carbone de l’électricité (charbon VS renouvelable) et l’efficacité logicielle (code/IA). Pour le carbone, on peut aussi suivre le CUE (Carbon Usage Effectiveness) [7].

À l’échelle mondiale, les grands opérateurs ont amélioré leurs PUE, mais la croissance de la demande (vidéo, IA) peut faire monter la consommation totale. D’où l’intérêt de la sobriété côté service [4].

4) Encadré — IA & consommation électrique : ce qu’on sait

L’IA (entraînement & inférence) ajoute une charge énergétique notable aux data centers. Les impacts dépendent fortement du type de modèle, de la fréquence d’usage (requêtes), de la localisation et de l’électricité disponible. Les estimations publiques restent hétérogènes : gardons des ordres de grandeur et du bon sens d’ingénierie.

1) Deux phases, deux profils

  • Entraînement : intensif (GPU/TPU), ponctuel, surtout dans quelques gros DC.
  • Inférence : soutenue et répétée au rythme des usages (pics trafic).

Même si l’entraînement est coûteux, l’inférence peut dominer l’empreinte quand l’usage explose.

2) Où se joue l’empreinte ?

  • DC & réseau : efficacité (PUE), mix électrique local, acheminement des données.
  • Appareils : traitements on-device vs cloud, rafraîchissement matériel.

La PUE mesure l’efficacité interne du site mais pas l’intensité carbone du kWh [7].

3) Mesures utiles

  • kWh/requête (ou par 1000 tokens) : ordre de grandeur par type de modèle.
  • Taux de cache : réutiliser réponses/embeddings quand c’est pertinent.
  • Taille/modèle : petit modèle spécialisé vs LLM généraliste.

Leviers de sobriété (côté service)

  • Privilégier des modèles compacts/quantifiés, distillation, early-exit.
  • Localiser l’inférence (on-device) quand c’est possible/utile.
  • Limiter la profondeur (max tokens), batcher les requêtes, désactiver l’auto-génération.
  • Mettre en cache prompts/résultats, embeddings, réponses fréquentes.
  • Choisir un DC à électricité bas-carbone + PUE bas (FR/UE quand possible).

Quand l’IA est-elle pertinente ?

  • Tâche réelle et récurrente, gain clair de productivité ou d’accessibilité.
  • Démo/effet de mode ? → préférer un algorithme classique ou un contenu statique.

L’IEA note que l’essor IA et streaming peut accroître la demande des DC ; d’où l’importance d’optimiser côté service [4].

À retenir : pas d’IA “gratuite”. Chaque requête fait tourner des serveurs, circule sur le réseau et finit parfois par déclencher de nouveaux investissements (matériel/énergie). Une conception sobre garde l’IA là où elle crée une valeur nette, avec le moindre coût énergétique.

5) “Coût d’un clic” : calculez (ordre de grandeur)

Les estimateurs publics (ex. Sustainable Web Design Model / Website Carbon) donnent une moyenne mondiale d’environ 0,36 g CO₂e par page vue. C’est un ordre de grandeur : il dépend du poids de la page, du mix électrique et du taux de cache.

Valeurs par défaut : 0,03 kWh/Go (ordre de grandeur réseaux + DC) ; 300 gCO₂/kWh (mix moyen). Résultats indicatifs.
≈ 0.36 g
gCO₂e par page vue (estimation)
≈ 0.003 km
équivalent voiture (106 g CO₂/km UE 2023)
≈ 0.00 L
eau (ordre de grandeur, élec : ~7,6 L/kWh)

Exemple : 1 Mo, 0,03 kWh/Go, 300 g CO₂/kWh → ~0,009 g CO₂. Les 0,36 g/page de la moyenne mondiale supposent des pages plus lourdes, des caches variables et un périmètre plus large (terminaux inclus selon modèles). Utiliser ces chiffres comme repères, pas comme absolus.

🚗 Équiv. voiture

106–108 g CO₂/km (voitures neuves UE 2022–2023). 1000 pages à 0,36 g = ~3,4 km.

💧 Équiv. eau

~7,6 L/kWh (moyenne US) via production d’électricité ; WUE data center (L/kWh) variable selon climat/technologie.

6) Pourquoi être sobre, maintenant

Expérience & SEO

Des pages légères → meilleurs Core Web Vitals, moins d’abandon, meilleur SEO.

Coûts évités

Moins de bande passante/stockage/compute, moins de dette technique.

Trajectoires 2 °C

Pour rester bien en‑dessous de 2 °C (et viser 1,5 °C), toutes les filières doivent baisser fort et vite (IPCC). Le numérique peut aider… s’il réduit aussi sa propre empreinte.

Retarder la sobriété, c’est déplacer la facture : énergie, eau, refontes techniques, performance SEO et, in fine, climat. Anticiper coûte moins cher.

7) Sources & références

  1. The Shift Project (2019). Lean ICT – Towards Digital Sobriety : part ~3,7 % (ICT) et dynamique d’usage. Synthèse · PDF.
  2. Belkhir, L., Elmeligi, A. (2018). Assessing ICT global emissions footprint: Trends to 2040 : scénario pouvant atteindre ~14 % en 2040 si non maîtrisé. Journal of Cleaner Production.
  3. IEA (2023/2024). Data centres & data transmission networks : 240–340 TWh en 2022 (1–1,3 %), possible doublement d’ici 2026. IEA page · Electricity 2024.
  4. IPCC (2018/2022). SR1.5, AR6 : trajectoires “bien en‑dessous de 2 °C”/1,5 °C → baisses rapides de GES, sobriété/efficacité indispensables. SR1.5 Chapitre 2 · AR6 WG3 Ch.2.
  5. Aslan, J. et al. (2018). Electricity Intensity of Internet Data Transmission : kWh/Go en baisse, bornes d’incertitude. Wiley.
  6. Sustainable Web Design Model / Website Carbon : ~0,36 g CO₂e/pagevue (moyenne mondiale) et méthodologie ouverte. Méthodo · Website Carbon.
  7. EEA/ICCT (2024). CO₂/km voitures neuves UE : ~106–108 g/km (2022–2023) pour équivalences parlantes. EEA · ICCT.
  8. EESI / Univ. Illinois (2024). WUE & eau/kWh : ~7,6 L d’eau/kWh (moyenne US, ordre de grandeur) pour équivalences. EESI · Illinois.
  9. The Green Grid (2014). PUE : définition & limites. PDF.

Important : les 3–4 % sont un ordre de grandeur dépendant du périmètre choisi. Le “14 %” provient d’un scénario (non d’un constat), très sensible aux hypothèses d’usages/efficience.