1.3.2. Un environnement politico-économique
favorable au développement : les
soutiens nationaux et locaux pour les initiatives
entrepreneuriales 19
2. Quand les incohérences de l'IA se heurtent
à l'urgence climatique 21
2.1. L'intelligence artificielle comme source de pollution 21
2.1.1. La consommation énergétique, un poids
environnemental majeur 21
2.1.2. L'IA : une technologie virtuelle avec des besoins
matériels 24
2.2. Startups et innovation technologique : le «toujours
plus» à l'aune de la sobriété 26
2.2.1. La business model des startups, profit ou impact ? 27
2.2.2. Diffusion des données et des algorithmes :
la transparence est-elle compatible
avec la rentabilité ? 29
2.3. Coûts et bénéfices, de quoi parle-t-on ?
31
2.3.1. Les indicateurs pour mesurer la réussite : choisir,
comprendre et calculer 31
2.3.2. L'effet rebond, facteur de réduction du
progrès 34
5/62
3. IA et écologie : quels objectifs pour l'avenir
? 36
3.1. Les perspectives de la recherche en IA pour une utilisation
peu coûteuse 36
3.1.1. L'IA avec des ressources limitées : plus rapide,
moins coûteuse 36
3.1.2. L'impact des ressources matérielles, entre
substitution et recyclage 39
3.2. L'IA oui, mais avec parcimonie 42
3.2.1. L'importance d'une sensibilisation à la
sobriété 42
3.2.2. Un cadre réglementaire peu
spécifique, n'évaluant pour l'instant pas l'impact
environnemental des IA 44
3.3. La transition écologique : un objectif commun
nécessitant une collaboration élargie 47
3.3.1. Startups et institutions publiques : quand le soutien
devient gage de stabilité 47
3.3.2. Se faire entendre au milieu des géants :
les grandes entreprises, à la fois amies et
ennemies 49
Formulation de préconisations 52
Intégrer les limites posées par les ressources
naturelles 52
Construire un business model cohérent 53
Tenir compte de l'environnement mondial sur le long terme 53
Conclusion 54
Liste des entreprises françaises
évoquées 58
Bibliographie et sitographie 59
Références réglementaires :
61
Annexes 62
6/62
| 
