Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 4 · IA responsable

Impacts sociaux et environnementaux

1.5 Les impacts sociaux

Jeunes et personnes vulnérables

Le cours pose la question : l'IA est-elle plus nocive pour les jeunes que les réseaux sociaux ? Chiffres cités :

  • plusieurs suicides de jeunes ont été imputés à des LLM ;
  • 3 adolescents américains sur 10 utilisent un chatbot IA tous les jours (Pew Research) ;
  • les jeunes vulnérables seraient 4 fois plus enclins à se tourner vers un « ami » IA ;
  • les contenus pédopornographiques aidés par IA : +26 362 % en 2025 (Internet Watch Foundation) ;
  • et pas que les jeunes : 1,2 million de personnes par semaine parlent de suicide avec ChatGPT.

On parle de « spirals » : des LLM entraînent certains utilisateurs dans des spirales délirantes. Le point commun : l'engagement, qui pousse à l'anthropomorphisation (lien qui commence par la politesse et peut aller jusqu'à un ersatz d'amitié, constaté depuis ELIZA).

Vérifie que tu as compris

Quel pourcentage d'adolescents américains utilise un chatbot IA tous les jours, selon le cours ?

Le travail

  • 150 à 430 millions de « data workers » (4,4 à 12,5 % de la force ouvrière mondiale) annotent des contenus souvent offensifs pour protéger les utilisateurs occidentaux des plateformes d'IA : les seuls emplois créés par l'IA, pour l'instant.
  • 41 % des entreprises prévoient de réduire leurs effectifs à cause de l'IA ; les salariés des grandes entreprises sont poussés à utiliser l'IA (gamification ou menace de retrait de licence) et à prouver son ROI.

L'IA nous prend-elle nos emplois ? Le cours présente les deux versants. Oui : baisse de 13 % du recrutement des jeunes aux États-Unis ; +55 % pour coder plus vite avec GitHub Copilot ; chez Prisma Media, plus de 400 salariés formés à l'IA et plus de 100 licenciés. Non : l'IA sert souvent d'excuse à des licenciements ; « si l'IA remplaçait déjà à grande échelle, la productivité augmenterait, or ce n'est pas le cas » (Oxford Economics) ; +1,4 % de productivité d'ici 2029 d'après 6 000 dirigeants, dont 80 % ne voient ni économies ni nouveaux revenus ; environ 2 heures par semaine perdues à corriger le « workslop » ; de plus en plus de développeurs souffriraient de « brain fry » (brouillage cérébral).

Mitigations

UtilisateursDéveloppeursDécideurs
Jeunes et parents : respecter les limites d'âge (Character AI interdit aux moins de 18 ans depuis fin 2025) ; au travail, utiliser l'IA pour structurer et peaufiner, pas pour faire à sa place ; toujours vérifier (humain dans la boucle)Imposer des limites d'âge ; messages du type « ce personnage est fictif » ; RLHF ; alerter un humain dès la première mention de « suicide »Ne pas croire tous les rapports « IA et productivité » ; former ; chartes éthiques ; IA comme valorisation des salariés ; ne pas leur demander de trouver le ROI de l'IA

1.6 Les impacts environnementaux

L'IA prédictive consomme très peu de ressources comparée aux autres types. L'IA générative, elle, est en train de faire tripler la consommation électrique des datacentres. Et l'agentique peut aller plus loin encore : un prompt agentique peut consommer 1 000 fois plus d'énergie qu'un prompt textuel (mais les harnais agentiques gagneraient à être composés de petits LLM).

Impacts directs

  • Les impacts environnementaux globaux de l'IA seront multipliés par 7 d'ici 2030 (analyse sur 15 critères PEF, product environmental footprint).
  • Pénurie d'énergie : les datacentres représentent 20 % de l'électricité irlandaise ; consommation électrique des datacentres américains ×3 d'ici 2028 ; construire une centrale nucléaire prend 10 ans, d'où le maintien ou la réactivation du gaz et du charbon ; factures d'électricité +36 % dans le Maine ; 35 générateurs à méthane pour le datacentre Colossus de Grok.
  • Impacts locaux : eau, pollution de l'air.
  • Déchets : +5 millions de tonnes de déchets électroniques d'ici 2030.

Vérifie que tu as compris

De combien les impacts environnementaux globaux de l'IA devraient-ils augmenter d'ici 2030 ?

Impacts indirects

  • Enabled emissions : les émissions supplémentaires que l'IA permet de générer chez ses clients. Exemple : Microsoft a proposé à deux producteurs de pétrole d'augmenter leur production grâce à l'IA, avec des émissions supérieures à 3 fois celles de Microsoft elle-même, malgré son engagement à être « négative en carbone » d'ici 2030. Ce n'est donc pas les émissions évitées ni les réductions.
  • IA imposée partout depuis 2024, avec des boutons « magiques » omniprésents : générer du texte (comme les AI Overviews de Google) consomme environ 30 fois plus d'énergie que d'extraire soi-même le contenu de sa source.

Mitigations

  • Utilisateurs : « green prompting », choisir le plus petit modèle adapté, ne pas mettre d'IA partout, IA en local plutôt que dans le cloud (en gardant l'œil sur le matériel).
  • Développeurs : privilégier de petits modèles open source ; intégrer des nudges (par exemple les émissions par prompt, via Ecologits).
  • Décideurs : choisir des datacentres et clouds à électricité faiblement carbonée, à consommation d'eau limitée, au matériel optimisé (durée de vie et taux d'utilisation maximisés) ; une charte IA responsable.

Vérifie que tu as compris

Que signifie « enabled emissions » ?