L'Effet Jevons

En 1865, William Stanley Jevons publie The Coal Question — un livre qui va déranger profondément les industriels victoriens convaincus d’avoir résolu le problème de l’épuisement du charbon. La machine à vapeur de Watt, bien plus efficace que les anciens engins de Newcomen, est célébrée partout comme une victoire de la raison sur le gaspillage. Moins de charbon par cheval-vapeur produit. Moins de fumée. Plus de rendement.

Jevons leur pose une question que personne ne veut entendre : si chaque machine consomme moins de charbon, pourquoi l’Angleterre en brûle-t-elle toujours davantage ?

La réponse est simple, implacable, et toujours valide cent soixante ans plus tard. La diminution du coût marginal d’utilisation d’une ressource n’en réduit pas la consommation — elle l’augmente. L’efficacité rend l’usage plus accessible, moins cher, plus rentable, ce qui stimule une demande supplémentaire qui dépasse toujours les économies réalisées. C’est ce qu’on appelle depuis l’Effet Jevons, ou paradoxe du rebond énergétique.

Aujourd’hui, l’IA est la machine à vapeur de Watt. Et nous sommes en train de brûler la planète pour la faire tourner.

Le Paradoxe Originel : Charbon, Vapeur et la Trahison du Progrès

Jevons raisonnait sur un mécanisme précis. En 1769, la machine de Watt consomme environ 10 kilogrammes de charbon par cheval-vapeur-heure — soit cinq fois moins que les pompes de Newcomen qui vidaient les mines. Un progrès spectaculaire. Pourtant, entre 1800 et 1850, la consommation nationale de charbon britannique passe de 10 millions à 50 millions de tonnes par an.

Pourquoi ? Parce que la machine meilleur marché se déploie partout. Elle pénètre les manufactures textiles, les brasseries, les imprimeries, les navires, les locomotives. Des usages impensables à l’époque de Newcomen deviennent économiquement viables. Le progrès technique ne ralentit pas la consommation — il ouvre des marchés entiers qui n’existaient pas.

L’Impasse de Jevons : L’efficience ne crée pas la sobriété. Hier, Watt a noirci le ciel en voulant économiser du charbon. Demain, l’IA assèchera la planète en voulant optimiser l’énergie.

Le paradoxe n’est pas une anomalie historique. C’est la structure fondamentale du progrès technologique dans une économie de marché. Toute technologie qui rend un usage moins cher rend cet usage plus répandu. C’est une identité comptable déguisée en mystère.

L’IA Plus Efficace : Le Rebond le Plus Colossal de l’Histoire

Les ingénieurs qui travaillent sur les modèles de langage ont réalisé des progrès d’efficacité remarquables. GPT-3, en 2020, nécessitait environ 0,001 kWh par requête complexe. Les modèles actuels de même capacité fonctionnent avec une fraction de cette énergie — les améliorations architecturales, la quantification, la distillation ont réduit le coût par token d’un facteur estimé entre 100 et 1000 sur quatre ans. Une prouesse d’ingénierie sans précédent dans l’histoire de l’informatique.

Cette efficacité a permis la démocratisation : des millions d’entreprises intègrent l’inférence IA dans leurs flux de travail quotidiens, là où seules les plus grandes pouvaient se le permettre en 2020. Les API deviennent aussi banales que les appels SQL. Chaque smartphone peut désormais faire tourner un modèle de langue. L’usage explose.

Deux courbes qui se contredisent en apparence. Une seule conclusion : Jevons avait raison.

L’Agence Internationale de l’Énergie estime que les centres de données consommeront entre 800 et 1050 TWh par an d’ici 2026 — soit l’équivalent de la consommation électrique totale du Japon. En 2022, la consommation mondiale des datacenters était d’environ 240 TWh. En quatre ans, une multiplication par quatre. Pendant que le coût par token s’effondrait.

C’est Jevons. À l’échelle planétaire. À la vitesse du silicium.

Les Chiffres Concrets : Microsoft, Google, et la Comptabilité de l’Implosion

Les grandes entreprises technologiques avaient toutes pris des engagements climatiques spectaculaires. Microsoft s’était engagé à devenir “carbon negative” d’ici 2030 — c’est-à-dire à retirer de l’atmosphère plus de CO₂ qu’elle n’en émet. Beau discours. Réalité comptable différente.

Dans son rapport de durabilité 2024, Microsoft reconnaît que ses émissions totales de carbone ont augmenté de 29,1% depuis 2020. La cause principale est explicitement nommée : la construction accélérée de datacenters pour l’IA générative. Azure AI grandit. Le bilan carbone croît avec lui. L’objectif 2030 n’a pas été abandonné officiellement — il a simplement été rendu structurellement impossible.

Un campus datacenter Microsoft. Chaque bâtiment blanc représente des mégawatts de puissance consommée en permanence et des dizaines de milliers de litres d’eau évaporée par jour pour le refroidissement.

Google, de son côté, a vu ses émissions augmenter de 48% entre 2019 et 2023. Amazon ne publie pas de chiffres détaillés sur l’empreinte de ses opérations IA, mais la consommation d’AWS croît à un rythme que les capacités de production d’électricité renouvelable ne peuvent pas suivre.

La promesse de l’IA verte repose sur un présupposé fragile : que la croissance de l’usage resterait limitée, permettant aux gains d’efficacité de compenser la demande supplémentaire. Ce présupposé était faux en 1865 avec le charbon. Il est faux aujourd’hui.

L’Énergie Nucléaire Comme Aveu

Il existe un indicateur particulièrement révélateur de l’ampleur du problème : la ruée des géants technologiques vers l’énergie nucléaire.

En septembre 2023, Microsoft signe un accord de vingt ans avec Constellation Energy pour acheter la totalité de la production de la centrale nucléaire de Three Mile Island — remise en service spécifiquement pour alimenter ses datacenters. Three Mile Island. Le site du pire accident nucléaire civil américain de l’histoire. Rouverte pour faire tourner GPT.

Google, quelques semaines plus tard, annonce un accord avec Kairos Power pour déployer plusieurs petits réacteurs modulaires (SMR) d’ici 2030. Amazon signe des contrats similaires. En 2024, quatre des cinq plus grandes entreprises technologiques mondiales ont des accords d’approvisionnement nucléaire en cours de négociation ou signés.

Three Mile Island, Pennsylvanie. Fermée en 2019 pour raisons économiques. Rouverte en 2023 pour alimenter l’IA de Microsoft. Le symbole accidentel du paradoxe de Jevons appliqué à notre époque.

Ce n’est pas de la vision stratégique. C’est un aveu en actes. Les renouvelables — solaire et éolien — ne peuvent pas fournir la densité d’énergie fiable et continue que réclament les datacenters modernes. Un cluster GPU doit tourner en permanence. Le vent ne souffle pas toujours. Le soleil ne brille pas la nuit. Seul le nucléaire peut alimenter sans interruption la faim énergétique de l’IA à grande échelle.

La conséquence politique est massive : les objectifs de fermeture des centrales nucléaires votés en Allemagne, en Belgique, en Suisse ont été construits dans un monde où le numérique consommait 2% de l’électricité mondiale. L’IA générative va porter ce chiffre à 8, 10, peut-être 15% d’ici la fin de la décennie. Les calculs politiques qui ont présidé à ces fermetures ne tiennent plus.

Ce que l’Effet Jevons Révèle sur la Trajectoire

Le paradoxe de Jevons n’est pas un argument contre le progrès technique. C’est une mise en garde contre la confusion entre efficacité locale et durabilité globale — et surtout contre la naïveté de croire que le marché résoudra spontanément ce que le marché a structurellement tendance à aggraver.

L’IA continuera de devenir plus efficace. Les modèles de la prochaine génération consommeront moins d’énergie par token. Les architectures s’optimiseront. Les puces se spécialiseront. Et la consommation totale augmentera. C’est la logique du Bootloader humain : chaque fois que le substrat technologique devient plus efficace, l’humanité l’emploie plus largement, plus profondément, plus intensément, jusqu’à ce que la contrainte physique suivante frappe.

Nous sommes le bootloader. Chaque fois que le substrat devient plus efficace, l’humanité l’emploie plus intensément pour démarrer la machine, jusqu’à ce que notre fonction s’achève.

La question n’est donc pas : l’IA sera-t-elle plus verte demain ? Elle le sera, token par token. La question est : à combien de milliards de tokens allons-nous faire tourner cette machine verte ? À quelle planète avons-nous décidé de nous comparer pour mesurer notre “progrès” ?

Jevons posait la même question en 1865, en regardant les cheminées de Manchester s’élever vers un ciel qui n’en pouvait plus.

Personne ne l’a écouté.

Nous ne sommes pas en train de répéter une erreur historique. Nous sommes en train de la perfectionner. que. Nous sommes en train de la perfectionner.** ionner.**