IA frugale

Qu'est-ce que l'IA frugale ? Définition simple

L'IA frugale est une approche de l'intelligence artificielle visant à réduire son impact environnemental tout en maintenant son efficacité. Cette démarche numérique privilégie la sobriété dans l'utilisation des ressources matérielles et dans sa consommation de données et d'énergie. Cette approche vise à rendre l'IA plus respectueuse du climat et compatible avec les objectifs de développement durable des territoires.

Pourquoi parler d'IA frugale aujourd'hui ?

L'intelligence artificielle classique pose un problème majeur de consommation énergétique et de ressources. Avec des millions de requêtes chaque jour, l'impact environnemental s'accumule rapidement. Les serveurs dédiés à l'IA, notamment les processeurs graphiques (GPU), concentrent près de 80 % des impacts environnementaux d'un système d'IA, sans compter la consommation d'eau pour le refroidissement des centres de données.
Pour les collectivités territoriales, cette réalité pose une question cruciale : comment bénéficier des avancées de l'IA pour améliorer les services publics tout en respectant les engagements climatiques et les limites planétaires ? La réponse peut-être l'adoption d'une approche frugale.

Les principes fondamentaux de l'IA frugale

Il existe certains principes directeurs de l'IA frugale comme :

• Démontrer la nécessité de l'IA plutôt qu'une autre alternative moins consommatrice en ressources. Avant tout déploiement, il s'agit de vérifier qu'une solution d'intelligence artificielle apporte une réelle valeur ajoutée par rapport à des méthodes traditionnelles ;
• Adopter les meilleures pratiques pour réduire l'impact environnemental de l'IA à chaque étape du projet (optimisation des algorithmes, choix de modèles légers, limitation des volumes de données traitées, recours à des modèles déjà entraînés et l'utilisation de sources d'énergies renouvelables) ;
• S'assurer que l'utilisation de l'IA respecte les limites planétaires, un concept scientifique qui définit les seuils écologiques à ne pas dépasser pour éviter des effets irréversibles sur l'environnement global.

Définition technique de l'IA frugale

Cette approche repose sur différents leviers visant à réduire l'empreinte environnementale des technologies d'IA sans compromettre leurs performances.

Optimisation des algorithmes et des modèles

L'IA frugale repose sur des modèles d'apprentissage optimisés qui minimisent la consommation de données et de puissance de calcul. Elle privilégie des architectures légères, souvent basées sur des algorithmes spécialisés qui réduisent le nombre de paramètres à traiter. Cette approche réduit considérablement les besoins en stockage et en traitement, tout en garantissant une précision suffisante pour les applications métiers.

L'apprentissage par transfert (transfer learning) est un moyen de rendre l'IA plus « verte » : il permet d'exploiter les connaissances des modèles précédemment formés pour créer de nouveaux modèles ou même résoudre des problèmes tels que le manque de jeux de données. Cette méthode évite de répéter des phases d'entraînement coûteuses en ressources.

Éco-conception et infrastructures économes

L'éco-conception des systèmes d'IA passe par le choix d'un matériel (hardware) plus économe en énergie.

L'utilisation de sources d'énergies renouvelables pour alimenter les centres de données constitue un autre levier essentiel. Des conceptions innovantes intègrent désormais des solutions photovoltaïques et des systèmes de stockage d'énergie pour garantir une alimentation décarbonée.

L'optimisation et l'automatisation des processus de développement, de test et de déploiement, ou la mise en place de systèmes de monitoring pour détecter et corriger rapidement les problèmes, font également partie des leviers permettant de développer une IA qui soit à la fois performante et respectueuse des ressources.

Mesurer l'empreinte écologique de l'IA

Pour faciliter la mesure d’impact, Green Algorithms, développé par Loïc Lannelongue de l’Université de Cambridge, est un outil simple et open source qui permet d'estimer la consommation énergétique et l’impact carbone d’un système d’IA. Cet outil est désormais généralisé dans les appels à projets sur l’IA, après avoir été testé avec succès lors de l’appel à projets « Démonstrateurs d’IA frugale pour la transition écologique des Territoires » (DIAT).

Cadre juridique et réglementaire de l'IA frugale

Le référentiel général AFNOR Spec 2314

L'AFNOR Spec 2314, publié en juin 2024, constitue le premier référentiel français pour mesurer et réduire l'impact environnemental des systèmes d'IA. Ce document est le résultat de six mois de travail collaboratif réunissant 150 contributeurs issus des entreprises, de la recherche, des associations et des administrations, piloté par l'Ecolab du Commissariat Général au Développement Durable en partenariat avec l'Association française de normalisation.

Le référentiel propose une méthodologie d'évaluation des impacts environnementaux avec une approche cycle de vie complète, couvrant toutes les étapes d'un projet d'IA. Il comprend 31 fiches de bonnes pratiques selon certaines thématiques comme : gérer les compétences et acculturer à l'IA frugale, qualifier la pertinence de l'IA pour répondre au besoin, optimiser l'architecture technique, outiller la mesure des impacts environnementaux et mettre en place une gouvernance pour questionner la frugalité.

L'AFNOR Spec s'adresse à tous les acteurs développant ou utilisant des services d'IA, notamment les collectivités territoriales dans le cadre de leurs marchés publics. Elle vise à garantir que l'utilisation de l'IA respecte les limites planétaires, un concept scientifique qui définit les seuils écologiques à ne pas dépasser pour éviter des effets irréversibles sur l'environnement global.

Vers une normalisation européenne et internationale ?

Les textes européens comme l'AI Act, entré en vigueur en août 2024, mentionnent peu la frugalité, ce qui limite l'encadrement spécifique de cette problématique environnementale.

L'AFNOR représente la France dans les instances de normalisation européenne (CEN-CENELEC) et internationale (ISO et IEC), où des travaux sont en cours pour élaborer des normes harmonisées sur l'IA. Ces organismes développent activement des standards qui pourraient intégrer progressivement les critères de frugalité dans un cadre normatif européen cohérent. Le référentiel AFNOR, première initiative internationale de ce type, ouvre la voie à une harmonisation progressive des pratiques et pourrait servir de base aux futurs standards européens et internationaux en matière d'IA responsable.

Cas d'usage : l'IA frugale au service des collectivités en France

L'appel à projets Démonstrateurs d'IA frugale au service de la transition écologique des territoires (DIAT), opéré par la Banque des Territoires dans le cadre de France 2030, a permis à plusieurs collectivités françaises de mettre en œuvre des solutions d'IA pour réduire leur empreinte énergétique. Ces initiatives concrètes démontrent que le numérique peut devenir un levier de transition écologique lorsque les algorithmes sont pensés pour être sobres en ressources.

A l'image du projet STACOPTIM de Bordeaux Métropole dont l'approche consiste à créer un jumeau numérique de chaque bâtiment public, instrumenté avec des capteurs mesurant températures, hygométrie et consommations. Ces données alimentent des algorithmes d'IA frugale qui génèrent des centaines de scénarios de rénovation énergétique, simulant leurs coûts, impacts énergétiques et gains carbone. La collectivité peut ainsi identifier les travaux les plus performants au meilleur rapport coût-efficacité.

Le projet RECITAL porté par la ville de Noisy-le-Grand, quant à lui, vise à réduire la consommation des 200 bâtiments publics de 20 % d'ici 2026 et 50 % d'ici 2030. Plutôt que d'investir 80 millions d'euros dans une rénovation classique, la collectivité a opté pour un plan de 30 millions combinant travaux et IA au service de l'optimisation des fluides. Cette approche hybride permet d'analyser en temps réel les données de consommation et d'identifier les opportunités d'économies d'énergie à l'échelle globale du patrimoine.

Des stratégies et bonnes pratiques pour les collectivités

Définir des objectifs de frugalité dans ses projets numériques
L'intégration de critères de frugalité dans les stratégies numériques des collectivités commence par une formalisation claire des objectifs environnementaux. Cette démarche passe par l'inscription de clauses spécifiques dans les cahiers des charges et les appels d'offres, qui doivent préciser les exigences en matière de consommation énergétique, de limitation des données traitées et de durabilité des solutions.

Concrètement, une collectivité peut exiger que les prestataires utilisent des modèles d'apprentissage déjà entraînés plutôt que de développer de nouveaux algorithmes gourmands en ressources, ou qu'ils démontrent que les bénéfices écologiques du projet sont supérieurs à son coût environnemental. Les collectivités peuvent également s'appuyer sur des outils comme Green Algorithms pour estimer dès la phase de conception la consommation énergétique et l'impact carbone d'un système d'IA.

Sensibiliser et former les agents territoriaux

L'acculturation des équipes constitue un levier déterminant pour déployer une IA frugale dans les territoires. Le CNFPT propose depuis 2025 un MOOC intitulé « Les fondamentaux de l'IA », accessible sans prérequis à tous les agents publics. Plus de 30 000 agents territoriaux ont déjà suivi cette formation qui présente les principes de l'IA, en prenant en considération les notions de sobriété, l’éthique, le management et l’acculturation à cet outil.

Mutualiser les ressources entre collectivités

La mutualisation numérique représente un levier structurant pour organiser la coopération entre échelons territoriaux. Cela permet de partager les coûts, les expertises et les infrastructures entre communes. Cette approche évite l'empilement d'outils et favorise l'émergence de solutions communes, notamment via les opérateurs publics de services numériques (OPSN) qui existent aujourd'hui dans une majorité de départements.

La Banque des Territoires accompagne cette dynamique à travers le programme Territoires d'IA, lancé en mai 2026. Ce dispositif valorise les dynamiques de mutualisation ainsi que les projets d'IA frugale.