Les modèles aiment la légèreté. Une carte s’affiche, une simulation tourne, un tableau de bord s’actualise, une IA répond. L’information semble circuler sans frottement. Pourtant, derrière cette fluidité, il y a des serveurs, des réseaux, des capteurs, des terminaux, des centres de données, des matériaux, de l’électricité, de la chaleur à dissiper et des chaînes industrielles.
Cette matérialité n’annule pas l’intérêt du numérique. Elle rappelle simplement que les modèles ne flottent pas au-dessus du monde qu’ils prétendent représenter. Ils en consomment une partie.
Un modèle n’est jamais seulement une représentation. C’est aussi une dépense matérielle organisée.
L’énergie devient un angle mort lorsque l’on parle de transition numérique comme si elle était spontanément dématérialisante. On remplace un déplacement par une visioconférence, un dossier papier par un flux, une tournée par un algorithme, une inspection par un capteur. Parfois le gain est réel. Parfois le système total s’alourdit : plus de données, plus de stockage, plus de calculs, plus de redondance, plus d’obsolescence. Le numérique ne supprime pas toujours la matière ; il peut aussi déplacer l’endroit où elle devient visible.
Le coût invisible de l’intelligence
L’IA rend ce problème plus visible. Entraîner, servir et intégrer des modèles demande de l’énergie et des infrastructures. Mais le sujet ne se limite pas au coût direct d’une requête. La question la plus importante est souvent celle des usages induits.
Si l’IA permet de produire dix fois plus de documents, de variantes, de cartes, de scénarios, de contrôles et de prototypes, il faut regarder ce que cette abondance change. Elle peut éviter des erreurs et accélérer des décisions utiles. Elle peut aussi multiplier des objets numériques dont personne n’assume le cycle de vie.
Le numérique a souvent déplacé les coûts plutôt qu’il ne les a supprimés. Le cloud a rendu l’infrastructure moins visible. Les API ont rendu le calcul plus facile à appeler. Les interfaces ont rendu la production plus rapide. Mais ce qui devient facile tend à devenir fréquent.
Modèles du monde, monde des modèles
Le paradoxe est particulièrement fort dans les outils environnementaux. On construit des modèles pour mieux comprendre les ressources, les émissions, les mobilités, les risques, les vulnérabilités. Ces modèles sont nécessaires. Mais ils peuvent installer une illusion : celle d’un pilotage écologique principalement informationnel.
Or la transition énergétique n’est pas seulement un problème de connaissance. C’est un problème de puissance disponible, de matériaux, de temporalités industrielles, d’arbitrages, de sobriété, de maintenance, de conflits d’usage. Un tableau de bord peut éclairer ces choix. Il ne les remplace pas.
Le problème n’est donc pas seulement que les modèles consomment de l’énergie. C’est qu’ils ajoutent au monde réel un monde piloté : indicateurs, simulations, API, capteurs, exports, agents, tableaux de bord, historiques, alertes, couches de supervision. Ce monde piloté promet de mieux gouverner la matière, mais il devient lui-même une infrastructure matérielle.
La donnée peut rendre une limite visible. Elle ne fait pas disparaître la limite.
On ajoute ainsi une couche au monde pour mieux piloter le monde. Cette couche a ses dépendances : alimentation électrique, refroidissement, télécoms, licences, compétences, cybersécurité, remplacement des terminaux, stockage des historiques. Elle peut rendre l’action plus intelligente. Elle peut aussi produire un nouveau régime de maintenance, moins visible parce qu’il prend la forme de services numériques.
La récursivité des modèles
Le numérique ne se contente pas de représenter le monde. Il produit des effets qui doivent à leur tour être représentés, mesurés, gouvernés. Un modèle sert à piloter une infrastructure. Puis il faut des indicateurs pour suivre ce modèle, des journaux pour l’auditer, des tableaux de bord pour surveiller les indicateurs, des scripts pour contrôler les tableaux de bord, parfois une IA pour résumer l’ensemble.
C’est ici que commence la récursivité énergétique des modèles. La donnée engendre du calcul ; le calcul engendre de nouveaux objets ; ces objets engendrent de nouveaux besoins de pilotage. Le système devient plus capable, mais aussi plus dépendant de sa propre couche informationnelle.
Certaines chaînes justifient cette récursivité : anticiper un risque, optimiser une maintenance, éviter un chantier inutile, réduire une vulnérabilité, comprendre un réseau critique. Mais le point décisif n’est plus seulement de prioriser les calculs. Il est de savoir quand le dispositif de pilotage devient lui-même un objet à maintenir, alimenter, refroidir, sécuriser, remplacer et gouverner.
Se compter soi-même dans le monde
La question n’est donc pas seulement : le numérique consomme-t-il trop ? Elle est : à quel moment le monde piloté que nous ajoutons au monde réel devient-il lui-même une infrastructure majeure, avec ses coûts, ses inerties et ses fragilités ?
Les modèles doivent apprendre à se regarder eux-mêmes comme des infrastructures. Ils ont des entrées, des sorties, des effets, des dépendances, des coûts, des déchets, une durée de vie. Les intégrer à une pensée de l’énergie, ce n’est pas les condamner. C’est les rendre capables de répondre de leur propre existence matérielle.
Un modèle sérieux ne devrait pas seulement représenter ses objets. Il devrait aussi apparaître dans son propre bilan du monde.
C’est ici que l’angle mort devient philosophique. Le modèle donne souvent l’impression d’une vue extérieure : il observe, calcule, optimise, recommande. Mais il n’existe pas de vue extérieure à l’énergie. Il n’y a pas de pilotage du monde depuis un lieu qui ne ferait pas lui-même partie du monde.
Concrètement, cela veut dire qu’un bâtiment “intelligent” devrait compter sa GTB, ses capteurs de présence, ses sondes de température, ses compteurs, ses passerelles réseau, les écrans de supervision, les remplacements de matériel, les mises à jour logicielles et les contrats de maintenance. Si l’ensemble permet de réduire fortement le chauffage, l’éclairage ou les rondes techniques, très bien. Mais il faut le démontrer dans le bilan du système complet, pas seulement dans la promesse de pilotage.
Même chose pour une politique de mobilité ou un réseau d’eau : boucles de comptage, caméras, stations météo, API, historiques, tableaux de bord, alarmes, astreintes, interventions déclenchées. La question devient très prosaïque : quel capteur évite réellement un déplacement ? quelle simulation évite réellement un chantier ? quel tableau de bord remplace une visite utile, et lequel ajoute seulement une réunion de plus ?
Capteurs, stations, compteurs, sondes, calibration, énergie embarquée, pièces remplacées.
Serveurs, API, stockage, historiques, simulations rejouées, modèles appelés par automatisme.
Tableaux de bord, notifications, procédures, astreintes, interventions déclenchées, décisions déplacées.
La vraie sobriété numérique n’est donc pas un refus du calcul. C’est une exigence de réflexivité matérielle : relier chaque promesse de pilotage aux infrastructures, aux routines et aux gestes supplémentaires qu’elle rend nécessaires.
Un modèle utile à la transition ne devrait pas seulement dire ce que coûtent les autres activités. Il devrait aussi rendre visible son propre métabolisme : ce qu’il mesure, ce qu’il calcule, ce qu’il stocke, ce qu’il déclenche, ce qu’il oblige à maintenir. Alors seulement il cesse d’être un angle mort de la transition et devient un objet sérieux de gouvernement.