Ideas - Des « bifurqueurs » parmi les chercheurs en IA ?

Des «bifurqueurs» parmi les chercheurs en IA?

Tiphaine Viard, enseignante-chercheuse à Télécom Paris, mars 2026

À l’heure où l’intelligence artificielle est à la fois présentée comme un levier majeur de la transition écologique et pointée du doigt pour son empreinte énergétique croissante, une question émerge : que pensent les chercheurs en IA de cette tension ? Peuvent-ils, eux aussi, « bifurquer » face à la crise climatique ?

Tiphaine Viard a documenté le positionnement des chercheurs face à l’impact environnemental de l’IA dans une étude menée avec Simon Delarue, également chercheur à Télécom Paris, et Jean-Samuel Beuscart, professeur de sociologie à Sciences Po.
Leur étude repose sur un double dispositif. D’un côté, un vaste corpus de près de 10 000 articles scientifiques consacrés aux liens entre IA et environnement. De l’autre, une quinzaine d’entretiens approfondis menés avec des chercheurs ayant, à des degrés divers, réorienté leur trajectoire sous l’effet de préoccupations écologiques.
L’enquête met en lumière que l’IA n’est pas un objet neutre. Elle est traversée d’enjeux politiques, sociaux et écologiques. Face à cela, les chercheurs oscillent entre optimisation technique, repositionnement stratégique et remise en question radicale. Une diversité de réponses qui témoigne d’un champ en recomposition, où la liberté académique, loin d’être acquise, devient elle-même un terrain de négociation à l’ère de l’urgence climatique.

Propos recueillis par Isabelle Mauriac

Podcast

Retrouvez cette interview en format audio dans le cadre des podcasts Télécom Paris Ideas :

Podcast enregistré le 11/12/2025 par Michel Desnoues, Télécom Paris

Vidéo

Vidéo Michel Desnoues, Télécom Paris

Un étude originale sur des questions éthiques

— Tout d’abord, pouvez-vous nous dire quelques mots sur le contexte de votre étude et sa méthodologie ?

Notre objectif était de comprendre, dans le contexte actuel de crise climatique et face à des modèles d’intelligence artificielle parfois présentés comme une solution à cette crise climatique, mais au coût matériel et écologique très élevé, comment les chercheurs et chercheuses en IA s’approprient ces questions-là et changent ou non leur objet de recherche en conséquence.

Nous avons à la fois un corpus documentaire d’articles scientifiques qui parlent d’intelligence artificielle et d’environnement, et un deuxième volet d’une quinzaine d’entretiens individuels qualitatifs de deux, trois heures en général avec des chercheurs afin de comprendre leur parcours personnel et à quel point leurs préoccupations et leurs envies scientifiques se reflètent dans ce corpus de publication.

Pour revenir sur ce corpus, nous avons étudié entre neuf et dix mille articles scientifiques qui parlent d’IA et d’environnement de manière assez large. Nous observons que des communautés émergent qui sont en général très proches d’applications. Par exemple, l’IA pour l’agriculture, l’IA pour la biodiversité, ou l’IA pour du matériel spécifique comme les éoliennes… ce qu’on appelle en général AI for green. Puis nous avons un deuxième champ qui est plutôt Green AI et qui vise plutôt à rendre l’IA plus verte, via les modèles d’IA frugale notamment. Dans la grande majorité de ce corpus, le présupposé que l’on va utiliser des modèles d’IA est très peu remis en cause.

— Dans la partie qualitative de l’étude, qui sont les chercheurs et chercheuses que vous avez interviewé.es ? Sont-ce tous des spécialistes en intelligence artificielle ?

Nous avons spécifiquement ciblé des chercheurs et chercheuses en intelligence artificielle qui, du fait de leur préoccupation environnementale, ont redirigé leur recherche ou souhaitent le faire, et les avons interrogés sur leurs envies, leurs stratégies et leur efficacité.

Nous avons mis au jour tout un panel de réactions possibles, depuis ceux qui se disent « j’aimerais mais je sais pas comment faire, je ne connais personne qui l’a fait donc je ne fais rien », et vivent une frustration mais ont une envie de faire quelque chose, à ceux qui changent complètement d’objet de recherche, ou décident qu’ils vont complètement arrêter la recherche pour s’investir autrement, dans l’institutionnel ou dans du militantisme par exemple.

Un chercheur nous a dit : « il n’y a pas de vélo de l’intelligence artificielle » et il est vrai qu’il n’existe pas, comme pour les mobilités douces, d’objet technique très consensuel vers lequel diriger les efforts.

C’est pourquoi certains chercheurs vont plutôt faire un pas de côté, par exemple en disant « je ne sais pas ce que signifie une IA plus verte, je ne suis pas sûr que ça existe… par contre ce que je peux faire, c’est essayer de mieux qualifier et quantifier les impacts environnementaux des modèles d’IA, au moins pour pouvoir donner des arguments entre deux modèles ». Ces questionnements concernent la matérialité du numérique, complexe à mesurer dans son intégralité. On peut mesurer par des sondes la consommation électrique, mais cela ne prend pas en compte ce que l’on appelle les analyses de cycles de vie, qui inclut l’extraction des minerais pour produire le matériel informatique et les réseaux de câblage et de batteries, jusqu’au recyclage.

Très vite, cela devient tentaculaire et il faut décider où on commence et où on arrête la mesure. C’est d’ailleurs un objet central en sociologie des sciences et technologie de se demander quel cadrage appliquer sur nos objets techniques, et ce que cela implique comme présupposé et comme conséquences… Par exemple, il existe des effets rebonds et le déploiement d’une technologie plus efficace peut permettre à plus de gens de l’utiliser ; par conséquent, les gains en termes de matérialité sont compensés par l’augmentation du nombre d’utilisateurs. Comment prendre en compte ces effets rebond ? Souhaite-t-on permettre un usage plus facile d’une technologie compte tenu d’un coût environnemental très élevé ?

De la prise en compte de l’environnement à… l’arrêt total

— Vous parlez des chercheurs qui continuent à faire des recherches en IA mais qui intègrent à leur recherche cette dimension environnementale ?

Effectivement, certains chercheurs peuvent décider d’arrêter la recherche sur l’IA et de se déplacer sur la mesure ou les analyses de cycles de vie. Certains continuent à « hybrider », d’autres qui changent complètement, se déplacent par exemple vers de l’institutionnel, en essayant de faire des partenariats avec des collectivités locales sur des déploiements de projets concrets.

— Il peut y avoir aussi des projets parallèles de chercheurs qui continuent leur recherches dans l’intelligence artificielle mais qui parallèlement peuvent s’investir dans des partenariats, ou donner des cours sur l’empreinte environnementale ?

C’est vrai que jusque-là, on parle de repositionnement de la recherche, mais des personnes vont aussi diversifier leurs activités en dehors de leur recherche.

Préparer un cours pour des étudiants permet d’approfondir le sujet, de se remettre dans une posture apprenante et donc de dégager du temps pour gagner des compétences. Un autre axe éventuel — ces axes pouvant se cumuler — va être de s’impliquer au niveau de l’institution en tant que référent ou référente développement durable, par exemple auprès d’institutions comme l’ADEME ou la Commission Européenne, pour les faire bénéficier de son expertise technique et ainsi orienter les discussions de politique publique et de régulation. Ici, le chercheur ne change pas son objet de recherche mais change sa position en tant que chercheur. Cela nous intéresse aussi.

— À l’autre bout du spectre, des chercheurs peuvent bifurquer totalement et réorienter leur recherche… je crois que, parmi les entretiens que vous avez menés, vous avez un chercheur qui a complètement arrêté ?

Oui, un chercheur pour lequel la seule chose qui avait du sens était d’arrêter la recherche en IA et de plutôt diriger son énergie vers de la mise en visibilité des impacts, de la transmission vers les politiques publiques et de l’activisme…
Tous ces chercheurs se rendent compte que leur objet n’est pas neutre et a des enjeux politiques, comme tous les objets de recherche, et c’est un résultat bien connu en sociologie des sciences.

Ce qui est intéressant est de voir la réappropriation de cela par les chercheurs eux-mêmes autour d’une même interrogation : « L’IA n’est pas neutre et elle a des implications politiques et sociétales, que faire de cette information ? ».

Cela éclaire beaucoup ce panel de réponses allant de « je crois à la technique comme solution donc j’essaye de faire un meilleur objet technique » à « je ne crois plus à la technique comme solution et donc je décide de réorienter mes efforts complètement ailleurs, soit dans la « visibilisation » des impacts, soit dans la critique de l’objet technique ».

Quels freins au changement ?

— Dans votre enquête, vous avez également mesuré les freins dans cette réflexion et cette réorientation ; peut-il aussi y avoir de l’auto-censure de leur part ?

Oui, il existe plusieurs freins, comme se dire que se former dans un nouveau domaine prend du temps, dans un contexte où collectivement le temps manque. Il existe aussi des effets de légitimité professionnelle très classiques en sociologie des champs scientifiques : on est reconnu par nos pairs comme ayant une expertise dans un champ scientifique, et qui dit bifurcation dit que notre communauté d’origine a priori n’est plus forcément capable d’évaluer notre production scientifique et ne se sent plus forcément légitime. La communauté peut aussi dire à ces chercheurs « c’est intéressant ce que tu dis mais en quoi est-ce de la science ? D’habitude tu fais des modèles d’IA, là tu nous parles d’impact mais ça n’est pas ça notre objet de recherche » .

Cela peut amener ces chercheurs à retrouver une légitimité professionnelle, soit en donnant des arguments à cette même communauté, soit plutôt en changeant de communauté, pour par exemple se tourner vers une communauté de sciences sociales.

Une communauté est également en train de se créer depuis une vingtaine d’années en France, notamment au CNRS autour d’un groupement de recherche et de services qui s’appelle ECOINFO, ainsi que dans d’autres institutions, à mi-chemin entre informatiques et sciences sociales. Des ingénieurs techniciens-chercheurs recréent une communauté scientifique et technique autour de ces questions d’impact. C’est intéressant notamment parce qu’émergent des questions de légitimité plus personnelles de ces chercheurs et chercheuses qui vont nous dire « j’ai du mal à bifurquer parce que je m’auto-censure, parce que j’ai été recrutée pour faire du machine learning », « ai-je vraiment le droit de lire des livres de sociologie sur mon temps de travail et ne suis-je pas en train de trahir le comité qui m’a recruté ou mon institution ? », etc.

La façon dont ces chercheurs se réapproprient la liberté académique, même si elle est un peu portée en étendard et qu’elle existe en théorie, n’est pas si évidente à concrétiser. Les chercheurs vont plutôt se dire « je m’autorise à aller à des séminaires de recherche sur ces nouvelles thématiques mais pas sur mon temps de travail, plutôt le soir ou le week-end ».

Il existe vraiment un enjeu de réappropriation : que s’autoriser à faire vis-à-vis de notre liberté académique ?

— Certains chercheurs peuvent aussi être gênés vis-à-vis de leurs doctorants et se dire que cet axe de recherche sera moins porteur dans leur carrière. Est-ce légitime ?

Le chercheur peut effectivement voir un enjeu de risque pour les doctorants. Alors qu’il est en poste et peut se permettre de lire autre chose de moins publié, voire de changer de sujet, il peut s’interroger sur les doctorants et post-doctorants qui ont des preuves à donner dans un contexte plutôt précaire : « en me réorientant, ne suis-je pas en train de saborder leur carrière future, est-ce un bon pari… ? » De manière très intéressante, on a un son de cloche assez différent des doctorants, post-doctorants, qui seraient prêts à assumer ce positionnement plus « radical », alors que les chercheurs permanents sont plus enfermés dans des logiques de progression de carrière ou de cursus. C’est très dur de changer de carrière avec 20 ans d’ancienneté et finalement plus facile sans carrière derrière soi.

— Les jeunes chercheurs interrogent-ils plus l’impact environnemental de leur recherche que les chercheurs installés ?

Oui, il existe des effets générationnels mais en même temps dans notre panel d’entretiens, les chercheurs et chercheuses se situent à tous les stades de carrière. Il est vrai que les jeunes chercheurs et chercheuses peuvent plus naturellement se sentir autorisés à aller vers ces sujets-là, ils ont moins de barrières à l’entrée, il est moins difficile de trouver un encadrant de thèse qu’il y a 30 ans par exemple, où ces sujets étaient vraiment très marginaux.

Mais à l’inverse, des chercheurs en fin de carrière n’ont plus rien à prouver et peuvent bifurquer en allant vers des questions qui leur paraissent plus intéressantes. Certes, il existe des leviers d’action différents selon l’ancienneté, mais les stades de carrière se saisissent de la question de manière différente.

Pourquoi et comment faire de la recherche ?

— Ne faudrait-il pas mener une épistémologie de la recherche en IA afin de prendre en compte ces questions éthiques, sociales et environnementales ? N’avez-vous pas commencé ce travail-là avec cette étude ?

Effectivement, cette étude s’inscrit dans un cadre plus large qui cherche à comprendre le monde social de l’intelligence artificielle et donc l’articulation entre l’objet technique et la société, sur les aspects socio-environnementaux, de travail et d’usage, etc.

Il existe aujourd’hui une communauté assez importante de chercheurs qui vont s’intéresser à ces enjeux ainsi qu’à des enjeux plus « méta », permettant de les articuler et d’étudier ce qui se joue à leur intersection, comment les étudier, les qualifier, les visibiliser. C’est vraiment un sujet au cœur de notre laboratoire de sciences sociales à Télécom Paris.

— À propos de climat et d’empreinte carbone, il existe aussi des questions sur la façon de faire de la recherche. Est-il possible d’imaginer une recherche plus frugale ?

Effectivement, beaucoup de questionnements ont lieu en ce moment dans les laboratoires, notamment sur ce que signifie faire de la recherche, être chercheur, dans un contexte de crise climatique, indépendamment de l’IA. Est-ce toujours acceptable de voyager en conférence, parfois loin et pour de très courts séjours ? Est-il possible de disposer d’un matériel coûteux sur le plan financiers mais aussi sur celui de l’environnement, si cela permet de mener de meilleures recherches de pointe ?, etc.

Ce sont des questions difficiles, parce que dans un monde de la recherche collaboratif et compétitif, ne pas utiliser le dernier équipement à la pointe, par exemple, implique d’accepter de prendre du retard par rapport à des pays concurrents qui eux l’utiliseraient. Mais cette crainte peut être contournée en choisissant de se positionner sur d’autres questions ne nécessitant pas un équipement très coûteux environnementalement, avec une reconfiguration n’impliquant pas forcément une perte de compétitivité…

De la même façon, des chercheurs s’interrogent à propos des conférences — Antoine Amarilli en a d’ailleurs déjà parlé dans Télécom Paris Ideas —, sur la façon de revisiter notre modèle de conférences scientifiques afin de les rendre plus soutenables, de les décentraliser, d’organiser des conférences hybrides ou des spin-off (conférences dérivées) locaux d’une conférence qui se tient au bout du monde, permettant d’avoir en physique des chercheurs qui échangent sans faire déplacer tout le monde…