🔍 L’IA, ce mirage de productivité… et cauchemar climatique

📉 Quand l’IA nous rappelle les leçons non apprises du numérique

En 1987, l’économiste Robert Solow ironisait : « On voit les ordinateurs partout, sauf dans les statistiques de productivité. »

40 ans plus tard, l’histoire se répète avec l’IA générative.

Pire : les données montrent qu’elle ralentit les experts, échoue dans 95 % des cas en entreprise (MIT/BCG, 2025), et sape nos objectifs climatiques (Shift Project, oct. 2025).

Pourtant, États et géants tech accélèrent, portés par un narratif aussi puissant qu’inquestionné : « L’IA va tout révolutionner. » Et si cette révolution était un leurre ?

1️⃣ Le paradoxe de la productivité : quand l’IA ralentit les experts

📊 Le chiffre qui dérange : -19 % d’efficacité pour les développeurs

Selon l’étude METR 2025 (Menlo Economics & Technology Research) :

Les développeurs expérimentés utilisant des outils comme GitHub Copilot ou Amazon CodeWhisperer étaient 19 % plus lents que ceux qui codent sans IA.
24 % surestimaient leur productivité.

Pourquoi ?

✅ L’illusion de la vitesse : L’IA génère du code rapidement… mais les devs passent 3x plus de temps à vérifier et corriger (suggestions souvent imprécises ou non optimales).
✅ La dette cognitive : Basculer entre logique humaine et propositions d’IA fragmente la concentration (effet similaire aux notifications).
✅ Le "bonus de complexité" : Les outils comme Copilot poussent à utiliser des bibliothèques trop lourdes (« Puisque l’IA le propose, c’est probablement mieux »).

« C’est comme donner un GPS à un pilote de rallye : ça peut aider pour les virages simples, mais ça le ralentit dans les sections techniques. » — Tech lead interrogé par METR (2025)

🔍 Et dans les autres métiers ?

Marketing : Des équipes passent 3x plus de temps à peaufiner des prompts pour générer un post LinkedIn… qu’à l’écrire elles-mêmes.
Juridique : Les avocats utilisant l’IA pour rédiger des contrats ajoutent une étape de relecture systématique (risque d’hallucinations).
Design : MidJourney accélère les itérations… mais noie les équipes sous des options (paralysie par l’analyse).

Question clé : Si même les experts sont ralentis, quel est l’intérêt pour les non-spécialistes ?

2️⃣ L’échec silencieux : 95 % des projets d’IA générative en entreprise sont des fiascos

📉 Le rapport MIT/BCG 2025 : un constat accablant

L’étude « The GenAI Divide: State of AI in Business » (MIT Sloan + BCG) révèle que : 95 % des projets d’IA générative en entreprise n’ont aucun impact mesurable sur la rentabilité ou les opérations.

« La plupart des organisations dépensent des millions dans des POCs (Proof of Concept) qui ne dépassent jamais le stade expérimental. L’IA générative est devenue un jouet pour les directions innovation, pas un levier business. » — Rapport MIT/BCG (2025)

🔥 Les 4 causes principales de l’échec (MIT/BCG, Gartner, RAND 2024-2025)

Cause d'échec	% des cas	Exemple concret
Manque de stratégie claire	40-45 %	Une banque lance un chatbot IA… sans savoir quel processus client il doit améliorer.
Données de mauvaise qualité	30-35 %	Un retailer veut prédire ses ventes, mais ses données historiques sont truquées.
Surcomplexité technique	20-25 %	Une PME développe un modèle maison pour analyser des emails… alors qu’Hugging Face propose des solutions clés en main 100x moins chères
IA washing & usages gadgets	Non quantifié	Une collectivité déploie un générateur de comptes-rendus IA… que personne ne lit.

« On a dépensé 1,2 M€ pour automatiser nos rapports avec un outil d’IA générative. Résultat : 3 personnes sur 500 l’utilisent. Le reste préfère Excel. » — DSI d’un groupe CAC 40 (témoignage anonyme, MIT/BCG 2025)

3️⃣ L’éléphant dans la pièce : l’IA est incompatible avec la décarbonation

🌍 Le rapport explosif du Shift Project (octobre 2025)

« L’essor de l’IA rend les objectifs climatiques inatteignables. »

Les chiffres qui font peur :

2,5 % de l’électricité française consommée par les datacenters (≈ 2 réacteurs nucléaires).
+7 % de croissance annuelle → quadruplement prévu d’ici 2035 (principalement à cause de l’IA).
Aucun scénario énergétique (RTE, ADEME, IPCC) ne prend en compte cette explosion.

⚠️ Pourquoi c’est pire que le Bitcoin ?

Les cryptos avaient un mécanisme de régulation (la preuve de travail devenait trop coûteuse).
L’IA, elle, est sans limite : plus les modèles grossissent (Llama 3, GPT-5…), plus leur appétit énergétique explose.

« On nous vend une IA "propre" parce que les datacenters sont alimentés en renouvelable. Mais si on double la consommation tous les 2 ans, même du 100 % solaire ne suffira pas. C’est comme dire qu’une voiture de 500 chevaux est écologique parce qu’elle roule à l’éthanol. »

🌿 Le greenwashing de l’"IA verte"

Les arguments fallacieux des géants tech :

❌ « Nos datacenters sont carbon-neutral ! » → Oui, mais l’énergie renouvelable utilisée ailleurs est captée par les tech, privant d’autres secteurs.
❌ « Les modèles deviennent plus efficaces ! » → Vrai pour un usage donné… mais l’usage explose (ex : passage de 100 à 10 000 requêtes/jour).
❌ « L’IA aidera à décarboner ! » → Peut-être… mais le bilan carbone de son développement annule souvent les gains.

Exemple concret : Microsoft a annoncé que son partenariat avec Mistral AI serait « climatiquement responsable ». Pourtant, l’entraînement d’un seul modèle comme Mistral Large émet autant que 1 000 vols Paris-New York (étude Code Carbon).

4️⃣ Que faire ? 5 pistes pour une IA sobre et utile

Piste d’action	Exemple concret	Impact potentiel
1. Appliquer le principe de précaution numérique	Moratoire sur les (comme l’).	,90 % d’émissions liées à l’entraînement.
2. Privilégier les modèles légers	Remplacer GPT-4 par (<1B paramètres) pour la génération de texte court.	,90 % d’énergie consommée.
3. Exiger des preuves d’impact	Avant tout projet IA, demander : Un PoC avec metrics clairs (ex : « Réduire le temps de traitement des réclamations de 20 % ») Une analyse du cycle de vie (ACV)	Éviter 80 % des projets inutiles.
4. Former aux "alternatives low-tech"	Ateliers « Désintoxication IA » : Utiliser un Template Notion au lieu d’un générateur de docs Remplacer un chatbot par un système à règles (type Rasa)	,80 % de coûts et de CO₂.
5. Militer pour une régulation ambitieuse	Obligation d’afficher l’empreinte carbone des modèles (comme les étiquettes énergie)	Transparence et responsabilité.

🔥 Conclusion : et si l’IA était notre dernier "techno-mirage" avant le réveil ?

L’histoire des technologies est jonchée de promesses non tenues :

Les MOOCs devaient révolutionner l’éducation… 90 % des inscrits abandonnent.
La blockchain allait décentraliser le monde… aujourd’hui, c’est surtout un outil de spéculation.
Le métavers de Zuckerberg devait remplacer les bureaux… il a coûté 20 milliards avant d’être abandonné.

L’IA générative risque de suivre le même chemin :

✅ Survendue par les tech et les médias.
✅ Sous-évaluée en termes de coûts cachés (temps, énergie, complexité).
✅ Abandonnée quand les entreprises réaliseront que le ROI n’est pas au rendez-vous.

Mais il y a une différence : Cette fois, le coût de l’échec ne sera pas seulement financier. Ce sera climatique.

💬 Appel à l’action : et vous, que faites-vous ?

🔹 Dans votre entreprise : Avez-vous audité l’impact réel (et pas seulement perçu) de vos outils IA ?

🔹 En tant que citoyen : Soutenez-vous des associations comme The Shift Project ou GreenIT.fr ?

🔹 En tant que pro du tech : Osez-vous dire « non » à un projet IA quand une solution simple suffirait ?

👇 Partagez vos retours en commentaire (linkedin), surtout si vous travaillez sur des projets d’IA sobres et utiles ! Je les ajouterai à cet article pour montrer que des alternatives existent.

📚 Pour aller plus loin

Étude METR 2025 : Lien vers le rapport
Rapport du Shift Project : « Intelligence artificielle, données, calculs : quelles infrastructures dans un monde décarboné ? » (oct. 2025)
Outil : Code Carbon pour mesurer l’empreinte de vos modèles.
Livre : « Numérique et écologie : faut-il choisir ? » (Fabrice Flipo, 2023)

Note : Cet article n’est pas un rejet de l’IA, mais un plaidoyer pour une adoption responsable.

Comme le disait Amara D. Law : « Nous surestimons toujours l’impact d’une technologie à court terme… et nous sous-estimons son impact à long terme. »

À nous de faire en sorte que l’impact long terme de l’IA ne soit pas une catastrophe.

Question finale : Et vous, dans votre domaine, avez-vous observé des cas où l’IA a réellement amélioré la productivité… ou au contraire ajouté de la complexité ?

(Je compilerai vos retours pour un futur article !) 🚀

ℹ️ Ce article a été rédigé avec l’appui de IA (Ollama+Gemma3n, Mistral et Perplexity)