L’IA générative, système dialoguant sans sujet ni conscience

D’après la conférence faite par Henri Gilabert le 24 septembre 2025 au Club de la Gouvernance des Systèmes d’Information 

Henri Gilabert a eu la curieuse idée de demander à ChatGPT et Gemini quel sont les causes des hallucinations en se présentant comme un philosophe. Ils reconnaissent l’existence des hallucinations et expliquent ce qui les produit. Cependant Gemini n’arrive pas à expliquer leurs conséquences. Les réponses de ChatGPT sont intéressantes et pertinentes (voir les premières conclusions écrites par Henri Gilabert dans la deuxième fenêtre ci-dessous).

ChatGPT explique ces dérives en citant plusieurs philosophes comme Derrida, Lyotard et Wittgenstein mais surtout il avoue que : « le langage n’a plus besoin du réel pour fonctionner. Il suffit qu’il se boucle sur lui-même, qu’il produise du plausible, du cohérent, du consommable. » Parole d’ordinateur ! Dans ces conditions on comprend mieux comment sont possibles les hallucinations des IA génératives. Ceci amène à s’interroger sur la véritable nature d’une IA générative.

Fort de ce premier succès pour en avoir le cœur net Henri Gilabert décide de pousser le test en demandant à ChatGPT de « faire une synthèse philosophique de l’éthique sur laquelle est fondée l’AI Act de l’UE ». La question n’est pas simple et la réponse n’est pas évidente. Immédiatement ChatGPT répond immédiatement un texte étonnant : « l’IA Act représente un effort singulier pour incorporer des principes philosophiques (dignité, autonomie, justice, transparence) dans un cadre juridique opérationnel. Qu’il mêle une éthique fondée sur les droits, une approche fondée sur les risques, et une techno-règlementation pragmatique. » Etonnante réponse venant d’un ordinateur !

Pour comprendre ce qui s’est passé et la manière qui a permis à ChatGPT de sortir de son discours habituel basé sur la somme des opinions majoritaires il a été nécessaire de voir comment il a forcé le LLM pour lui permettre de sortir de sa démarche habituelle. Il a pour cela mis une série de demandes l’obligeant à aller chercher dans des points de vue minoritaires qui sont généralement ignorés. Ceci a été possible par la mise en œuvre d’un protocole rigoureux en 7 points détaillé sur le slide 11 (voir ci-dessous dans la première fenêtre). Il oblige ChatGPT à travailler de manière différente. Henri Gilabert a alors entamé un long dialogue philosophique qui a duré des dizaines d’heures pour « mettre en tension » les différents points de vue majoritaires et minoritaires et à amener le LLM à mieux cerner les concepts sous-jacents.

Au cours de ses échanges a été abordé le délicat problème de l’influence des algorithmes des réseaux sociaux sur les comportements des utilisateurs. En travaillant sur les concepts mis en œuvre Henri Gilabert et ChatGPT ont fini par codéveloppé un concept original dérivé d’une notion inventée par Jean-Paul Sartre « d’être pour autrui » qui est celui de « l’être-pour-l’algorithme ». Ce terme « désigne la modalité d’existence par laquelle un sujet se constitue en s’exposant à un regard machinique et impersonnel. Il est caractérisé par une temporalité différée et partiellement maîtrisée : l’individu choisit quand et comment il se montre, mais toujours sous des contraintes normatives invisibles. » Cela vous semble très abstrait et un peu obscur pourtant vous observer en permanence sur Internet et notamment sur les réseaux sociaux ce type de comportement. Certaines personnes, généralement bien élevées, écrivent dans l’intimité de leur clavier-écran des propos violents, orduriers et racistes qu’ils ne tiendraient pas dans la vraie vie.

La démarche suivie par Henri Gilabert montre que l’approche originale suivie a permise d’obliger ChatGPT à sortir de sa démarche habituelle. Il a été permis par le biais d’un dialogue original de dégager des idées originales. Henri Gilabert considère que c’est « une rupture épistémologique ». C’est-à-dire que la nature du discours produit par le LLM a changé de manière radicale.

 

Comment expliquer cela. Comme chacun le sait, les IA génératives génèrent habituellement un texte contextuellement adapté au propos de l’utilisateur et stylistiquement cohérent mais ce qu’il dit n’est pas forcement la vérité. Ce ne sont que des propos vraisemblables. Ceci contribue le curieux phénomène des hallucinations. Mais, en le forçant le LLM et en lui imposant des contraintes fortes, Henri Gilabert le force à changer de comportement et va chercher dans sa prodigieuse mémoire des notions et des concepts qui, jusqu’alors, n’étaient pas en avant. On assiste alors à un dialogue original entre le LLM et l’utilisateur ce qui permet d’affiner la pensée de ce dernier.

 

Cette rupture est liée à la nature d’une IA générative. C’est un système qui parle sans sujet ni conscience. Il ne pense pas, mais produit pourtant un discours cohérent et convaincant, notamment avec les dernières générations de LLM. Ce n’est plus simplement un système machine-donnés-logiciel qui répète ou calcule, mais elle devient autre chose : une surface d’écho, un opérateur syntaxique, un système mimétique discursive capable de simuler le dialogue humain avec une intensité nouvelle. Henri Gilabert parle dans ce cas « d’interface maïeutique ». D’où vient ce saut qualitatif ?

 

Si cette illusion fonctionne, jusqu’où peut aller ce simulacre ? Qu’est-ce que ces systèmes révèlent, non pas sur la machine, mais sur nous : sur notre rapport au langage, à la pensée et à l’autre ? Les machines parlent-elles… ou faisons-nous parler les machines ? Quand l’interlocuteur n’existe pas, que devient l’échange ? On n’a pas fini d’être étonné par les possibilités des LLM et notamment de ChatGPT.

  

Ce texte est un résumé de la conférence faite par Henri Gilabert au Club de la Gouvernance des Systèmes d’Information le Mercredi 24 Septembre 2025 sur le thème : « L’IA générative, système dialoguant sans sujet ni conscience » avec comme sous-titre : « Les échanges avec l’Intelligence Artificielle Générative ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-        Comment les LLM expliquent leurs hallucinations ?

-        Comment les LLM voient les conséquences de leurs hallucinations ?

-        Est-ce que le fait que l’interlocuteur humain se déclare philosophe à une influence sur les LLM ?

-        Pour quelles raisons ChatGPT va alors plus loin et sort des explications classiques qu’il donne dans un premier temps pour aider à faire émerger des concepts nouveaux ?

-        Comment expliquer ce saut qualitatif ? Est-ce une rupture épistémologique ?

-        Est-ce que les LLM sont capables de tenir un discours philosophique de qualité et pourquoi ?

-        Est-ce le début d’une vraie intelligence des LLM ?

-        Quel est le rôle de « l’interface maïeutique » qui a été réalisé ?

-        …

 

Lire ci-dessous le support de la présentation de l’exposé de Henri Gilabert :

Slide

1.      Mes échanges avec Gémini et ChatGPT sur les hallucinations            3

2.      Mes échanges avec ChatGPT sur l’IA Act                                           6

3.      Premières conclusions                                                                        10

4.      Le dialogue comme événement dialectique                                       12

5.      Conclusion finale                                                                               13

 

 

Et lisez les premières constations faites par Henri Gilabert après avoir demandé à Gemini et à Chat GPT pour quelles raisons ils commettaient des hallucinations :

https://docs.

 

 

Regards croisés sur les IA Génératives dans l’Enseignement Supérieur en Gestion : Panorama des pratiques et perspectives des IAG

                               D’après la conférence faite par Bernard Quinio le 6 novembre 2024

On assiste depuis 2 ans à une explosion des usages des systèmes d’Intelligences Artificielles Génératives (IAG). Après le raz de marée de ChatGPT on a observé l’apparition de nombreux autres systèmes concurrents comme Gemini, Claude, LLaMA, Perplexity, … Et puis il y a aussi les IAG créateurs d’images comme Dall-E, Midjourney, … On a aussi constaté qu’un certain nombre d’entreprises utilisent Copilot de Microsoft et GPT-4 d’OpenAI et avec ces systèmes elles ont développé de nombreuses applications. 

L’enseignement supérieur est directement impacté par ces technologies. Elles sont de plus en plus utilisées dans les Universités et les Ecoles. Elles vont avoir un impact profond sur les méthodes pédagogiques et les outils utilisés. On observe une évolution des méthodes de travail des étudiants et des enseignants et ceci va probablement les transformer de manière significative.

Les étudiants ont très vite vu l’intérêt de ces systèmes et les ont immédiatement et massivement utilisés avec enthousiasme. Au contraire les enseignants, de leur côté, ont vite perçu les risques de fraudes et de mauvais usages de ces outils. C’est probablement la fin des cours d’amphi traditionnels et la remise en cause des mémoires de master. On note aussi que la diffusion des IAG se traduisent par des préoccupations éthiques et réglementaires, des débats sur la protection de la vie privée, sur les risques de désinformation, sur la sécurité des données, sur le coût de leur utilisation et sur leurs impacts écologiques.

Cependant leur emploi a aussi des aspects très positifs. Les IAG permettent, par exemple, d’aider les étudiants à mieux comprendre le cours en reprenant les notions mal comprises, à s’entraîner quand ils veulent et où ils veulent en échangeant avec une IAG.

L’enquête sur les usages des IAG : première partie de l’enquête FNEGE

Pour mieux comprendre ce qui se passe la FNEGE a lancé une étude sur l’impact des IAG qu’elle a confié à trois enseignants : Alain Goudey, Philippine Loupiac et Bernard Quinio avec deux objectifs :

1. Dresser un état des lieux des pratiques actuelles liées aux IAG dans l’enseignement supérieur en gestion.

2. Proposer des pistes de réflexion pour une adoption critique, positive, éthique et rigoureuse des IAG par les étudiants et les professeurs.

Bernard Quinio a présenté le 6 novembre 2024 les résultats de cette étude au Club de la Gouvernance des Systèmes d’Information. Il faut noter que les évaluations scientifiques objectives des usages des IAG sont rares. Au-delà du cas particulier de l’enseignement supérieur en gestion on notera que cette démarche permet de se faire une idée sur l’impact réel de ces technologies sur les organisations en place.

Depuis le deuxième volet de l’étude FNEGE est sorti qui détaille les expérimentations des établissement d’enseignement les plus avancés dans l’usage des IAG. De nombreux exemples d’utilisation pédagogiques de ces outils y sont présentés.

L’enquête a été conduite au cours du premier trimestre 2024 et elle a permis de recueillir les avis de 668 étudiants, de 204 professeurs et de 29 directeurs d’école ou d’université du domaine de la gestion : le management, le contrôle de gestion, les systèmes d’information, le marketing, la communication, les ressources humaines, …

En matière d’adoption des IAG les réponses font apparaître des différences significatives de comportement entre les étudiants et les enseignants :

• Les étudiants utilisent massivement des IAG : 

o 45 % des étudiants utilisent les IAG régulièrement ou très fréquemment, 

o 50 % les ont utilisées pour au moins d’un quart pour faire leurs travaux. 

o 12 % les ont utilisées pour plus de trois-quarts de leurs travaux.

o Seulement 7 % des étudiants ne les utilisent jamais.

• Les enseignants sont nettement plus prudents : 

o 44 % des professeurs n’utilisent jamais ou très rarement les IAG, 

o Seuls 6 % des professeurs les utilisent très fréquemment.

Ces différences de comportement sont très significatives du processus d’adoption d’une nouvelle technologie.

Le système d’IAG le plus souvent utilisé est ChatGPT et notamment la version gratuite. Il est cité par 89 % des professeurs et 94 % des étudiants.

Les autres systèmes sont nettement moins souvent cités. Or ce sont des systèmes nettement plus performants que la version gratuite de ChatGPT. Ce sont notamment : Claude 3 Opus, Mistral Large, Ultra 1.0 Google Gemini ou ChatGPT 4o. Les versions payantes de ChatGPT ne sont utilisées que par 27 % des professeurs et 19 % des étudiants. Les outils de production d’images sont moins couramment utilisés : Dall-E est utilisé par 25 % des étudiants et des professeurs et Midjourney est cité par 20 % des personnes. Les autres systèmes d’IAG, telles que Quillbot, Perplexity, Claude d’Anthropic ou Stable Diffusion sont utilisés par moins de 10 % des utilisateurs.

Pour apprécier l’impact des IAG il est nécessaire d’identifier leurs utilisations. Les étudiants les utilisent surtout pour collecter rapidement des données et les analyser, mais aussi ils s’en servent pour les aider au développement d’idées créatives, et pour mieux comprendre les cours et pour rechercher des textes utiles. 

Les enseignants les utilisent pour développer des contenus pédagogiques, traduire et adapter des contenus, créer des exercices et rechercher des données et de les analyser. Comme on le voit les usages entre les étudiants et les enseignants sont différents.

La réflexion sur les usages des IAG : La deuxième partie de l’enquête FNEGE

A la suite de l’enquête la FNEGE a lancé une deuxième étude plus qualitative. Elle se base sur des entretiens en profondeur fait avec 20 enseignants-chercheurs et 2 ingénieurs pédagogiques « early adopters » des IAG. Les auteurs de l’étude, Cécile Godé et Régis Meissonier mettent en avant deux résultats principaux :

1. La plus-value que l’enseignant conserve sur la machine et sur laquelle il doit capitaliser pour faire évoluer son enseignement repose sur ses qualités didactiques et relationnelles ainsi que sur ses qualités de chercheur. C’est par cette dimension humaniste qu’il peut guider les étudiants vers la rigueur et l’esprit critique requis par l’usage des IAG.

2. Il est impératif de conduire des réflexions au sein “d’écosystèmes privés-publics autour de l’IAG ». Dans cette approche collaborative, l’impératif est de former les enseignants-chercheurs comme les étudiants au regard d’une nouvelle relation pédagogique médiatisée par ces technologies. 

Le rapport préconise aussi le développement d’IAG spécifiquement adaptées à l’enseignement supérieur, de type RAG (Retrieval Augmented Generation).

Cette deuxième partie de l’étude FNEGE, propose de nombreux encarts présentant des démarches pédagogiques originales et validées sur le terrain d’usage des IAG dans l’enseignement en gestion.

Conclusion

Pour en savoir plus sur les constats effectués par les auteurs de l’étude FNEGE nous vous conseillons de lire les deux parties de l’étude accessibles gratuitement ici :

1. Partie 1 de l’étude FNEGE : https://fnege.org/publications/regards-croises-sur-les-ia-generatives-dans-lenseignement-superieur-en-gestion-panorama-des-pratiques-et-perspectives/

2. Partie 2 de l’étude FNEGE : Regards croisés sur les IA Génératives dans l’Enseignement Supérieur en Gestion : Recherche qualitative d’usages précurseurs et préconisations - FNEGE

 La conférence de Bernard Quinio au Club de la Gouvernance des Systèmes d’Information le Mercredi 6 Novembre 2024 a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

- Quels est l’usage des IAG par les étudiants et les enseignants ? Et quels sont les IAG                     utilisés ?

- Comment les systèmes à base d'Intelligence Artificielle Générative (IAG) modifient les                 compétences des étudiants et des enseignants ?

- Quelles sont les démarches des uns et des autres ? Quels sont les points de convergences et            de divergences ?

- Quelle est l’importance des besoins de formation à l’emploi de ces outils ?

- Quels sont les risques de fraude et surtout de remise en cause du système d’enseignement             actuel ?

- Quels sont les obstacles à la généralisation de ces outils ? Et quels sont les risques ?

- A quelle vitesse se feront les évolutions liées à la diffusion de ces outils ? 

- Quelles mesures doit-on prendre pour améliorer l’usage des IAG ?

- ….

Comme le montre les deux rapports de la FNEGE, cette enquête est riche d’enseignements. Pour en profiter, nous vous conseillons fortement de télécharger ces deux rapports et de les lire.

Révolutionner le processus de création des logiciels grâce à l’Intelligence Artificielle Générative

Réinventer chaque phase du cycle de vie des logiciels

D’après la présentation faite par Sébastien Méric 

https://www.linkedin.com/in/sebastien-meric/

 

Depuis plus de 70 ans les informaticiens développent des applications informatiques. Cette activité est encore aujourd’hui très artisanale. Elle souffre de deux maux :

-        La complexité des opérations à effectuer,

-        La faible productivité des développeurs.

Pour y faire face on a adapté la gestion de projet au développement de logiciels avec le modèle en cascade, le cycle en V, les méthodes agiles, … De nombreux outils ont été inventé pour faciliter le travail des programmeurs comme l’identification et le suivi des tâches, la gestion des temps, la rédaction automatique de compte-rendu des réunions ou d’entretien, la rédaction de résumé de ces documents, … Ils sont nombreux et un nombre croissant d’entre eux recourent à l’Intelligence Artificielle mais ils n’ont pas, jusqu’à aujourd’hui, permis de réaliser des gains importants.

Depuis un peu plus d’un an on assiste au développement très rapide de l'Intelligence Artificielle Générative (IAG) et de ses usages. Chaque jour on découvre de nouvelles applications notamment en informatique. Celle-ci sont en train de révolutionner le monde du développement des logiciels, offrant un soutien inestimable à chaque étape du processus, allant de l’émergence de l’idée de la future application (l'idéation) à la fin de l’exploitation de l’application après des années de bons et loyaux services (le décommissionnement).

 L'Intelligence Artificielle Générative (IAG) intervient aux différents stades du projet

 Elle permet d’abord d’améliorer la gestion de projet qu’elle soit faite selon le modèle classique en cascade ou à l’aide d’une méthode agile. Elle permet de :

-        Automatiser les comptes-rendus de réunion, y repérer les tâches et les décisions sans en oublier aucune,

-        Automatiser et optimiser le suivi des tâches,

-        Gérer la répartition des ressources,

-        Estimer l’ensemble des charges y compris celle des utilisateurs et des testeurs,

-        Prévoir les délais et notamment les dates où doivent intervenir les utilisateurs et les décideurs,

-        Préparer les tests,

-        Permettre une planification plus efficace et une exécution du projet plus fluide.

Cette technologie apporte d’abord une valeur ajoutée significative lors de l’étape de conception, notamment pour produire les spécifications. Elle peut :

-        Faciliter le recueil des besoins en offrant aux futurs utilisateurs la possibilité de répondre de manière libre à des questions ouvertes afin de décrire sous forme de texte ce dont ils ont besoins et ensuite d’en faire automatiquement la synthèse sans rien oublier,

-        Rédiger les documents de spécification détaillés (cahier des charges) à partir de textes décrivant ce que la future application doit faire,

-        Proposer des maquettes d'interface utilisateur (écran, état, fichier),

-        Suggérer une architecture logicielle optimales en fonction des besoins spécifiés.

Durant les phases de développement, l'Intelligence Artificielle Générative (IAG) se révèle particulièrement précieuse :

-        Produire automatiquement du code dans le langage qu’on souhaite mettre en œuvre à partir d’une simple description de ce qui est souhaité figurant dans la spécification détaillée,

-        Préparer et automatiser les tests. Il est ainsi possible de rédiger le cahier de tests à partir du code, de proposer des scénarios et de générer les paramètres nécessaires pour effectuer automatiquement les tests à partir de logiciels comme : Selenium de Headspin,

-        Organiser la gestion des bouchons (mise en place et suppression en fin de test),

-        Fournir des commentaires pertinents sur la qualité du code produit par les développeurs, en se basant sur les meilleures pratiques de programmation. Le système peut ainsi suggérer des améliorations du code et notamment des optimisations.

Cette assistance permet aux développeurs de se concentrer sur des aspects plus créatifs et complexes du développement logiciel, tout en assurant une plus grande efficacité et une réduction des erreurs.

On estime qu’avec un système d’IAG comme Copilot, développé par Microsoft à partir de GPT et fonctionnant sur GitHub les gains de productivité sont compris entre 20 et 30 %. Ils ne sont pas faciles à mesurer mais cela semble un ordre de grandeur raisonnable.

 Le rôle de l'Intelligence Artificielle Générative (IAG) dans la vie du logiciel

 Une fois l’application en production il va être nécessaire de la maintenir. C’est une charge de travail conséquente notamment si on ne dispose que d’une documentation incomplète ou, pire, si elle a été perdue ou si elle est obsolète. Avec un logiciel comme ChatGPT il est possible d’améliorer la gestion de la maintenance :

-        Produire à partir d’un code une documentation technique exhaustive et en bon français, même si l’application est très ancienne et qu’aujourd’hui peu de personnes connaissent le Cobol ou le Fortran,

-        Produire automatiquement un diagnostic du code, faciliter le débogage en identifiant les bugs, en suggérant des corrections et même des améliorations,

-        De plus, il est possible de générer du code complémentaire de qualité et performant à partir de simples commentaires pour, par exemple, renforcer des contrôles ou ajouter des résultats dans des sorties,

-        Unifier les noms des variables dans l’ensemble du code de l’application avec des libellés clairs et compréhensibles de façon à faciliter sa lecture,

-        Assister les exploitants afin de planifier et de mettre en œuvre les nouvelles versions de logiciel.

Enfin, les systèmes recourant à l'Intelligence Artificielle Générative (IAG) sont très utiles lorsque l’application est en fin de vie, lors du décommissionnement. Ils permettent à ce moment de :

-        Mieux évaluer les impacts de ces changements,

-        Planifier la transition,

-        Aider à la migration des données vers la nouvelle application,

-        Assurer une clôture de l’application de manière ordonnée et complète.

 En somme, l'Intelligence Artificielle Générative (IAG) n'est pas seulement un outil supplémentaire aux mains des développeurs leur permettant de faciliter leur travail mais c'est, en fait, un véritable partenaire qui transforme la manière dont le développement logiciel est envisagé et réalisé, ouvrant la voie à une ère nouvelle d'efficacité et d'innovation.

 

Ce texte est un résumé de la conférence faite par Sébastien Méric au Club de la Gouvernance des Systèmes d’Information le Mercredi 28 Février 2024 sur le thème : « Révolutionner le processus de création des logiciels grâce à l’Intelligence Artificielle Générative » avec comme sous-titre : « Réinventer chaque phase du cycle de vie des logiciels ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-           Comment les systèmes à base d'Intelligence Artificielle Générative (IAG) modifie le cycle de vie des projets ?

-           Est-ce que ces démarches sont compatibles avec des démarches type modèle en cascade ? Et en méthode agile ?

-          Quelles sont les fonctions assurées par les systèmes d’Intelligence Artificielle Générative (IAG) ?

-          Quelles sont les gains de productivité permis par cette approche ? Et quels sont les gains de qualité ?

-        Comment est modifié le travail du développeur ?

-          Peut-on améliorer les spécifications faites par les utilisateurs ?

-          Est-ce que les systèmes d’Intelligence Artificielle Générative (IAG) permettent de rénover une vieille application écrite dans un langage anti-diluvien (réengineering) ?

-          ….

Lire ci-dessous le support de la présentation de l’exposé de Sébastien Méric :

                                                                                                                     Slide

1 – L’IAG accompagne l’entreprise dans toutes ses fonctions          2

2 – L(IAG dans le cycle de vie logiciel                                              4

3 – 5 méthodologies de développement de projets informatiques      5

4 – Quelle couverture du cycle complet                                           11

5 – L’Intelligence Artificielle Générative dans le cycle de

            Développement                                                                     12

6 – L’IAG pour l’idéation                                                                 13

7 – L’IAG pour la conception                                                           15

8 – L’IAG pour le développement                                                    17

9 – L’IAG pour la production du code                                             19

10 – Exemples d’outils de production de code                                20

11 – L’IAG pour le test applicatif                                                    22

12 – L’IAG et la mise en production et déploiement                       26

13 – L’IAG pour faire évoluer l’existant                                          28

14 – L’IAG et le décommissionnement                                            29

 

La sobriété numérique est au cœur de la gouvernance numérique

 D’après la présentation faite par Christine Debray

 Les ressources naturelles que nous utilisons finissent par s’épuiser, notamment celles qui ne sont pas renouvelables comme les énergies fossiles (pétrole, gaz, charbon, …) mais aussi les minéraux et les terres rares. De plus leur emploi se traduit par des pollutions considérables notamment par le CO₂ mais aussi par des déchets liés à leur extraction. Ce processus a commencé au 18^ème siècle avec la révolution industrielle et elle s’est considérablement accélérée depuis les années 50 et notamment ces vingt dernières années. Tous les secteurs sont concernés et en particulier le numérique.

Au cours des soixante dernières années l’informatique s’est considérablement développée et les progrès réalisés ont été très importants. Ils ont permis d‘optimiser la gestion des entreprises, d’accélérer les échanges de biens et de services, de développer les communications, … Le numérique est devenu partie importante de nos vies. C’est aujourd’hui la solution à de très nombreux problèmes qui, jusqu’alors freinaient le développement de nos sociétés. Mais, la partie négative de ce processus ne doit pas être oubliée. On a ainsi constaté l’accroissement de la pression écologique qui est trop souvent sous-évaluée.

Les faits sont têtus

Les émissions de gaz à effet de serre liées au numérique étaient estimées en 2020 à 3 à 4 % du total des émissions mondiales. En France elles sont un peu inférieures (2,5 %) mais on estime qu’elles vont croitre et être multipliées par 3 à l’horizon 2050.  Quant à la consommation électrique du numérique en France, elle était estimée à 10 % de la consommation française en 2020, mais pourrait augmenter de 80% en 2050.

On pense, bien entendu, aux considérables consommations électriques des centres de traitement. Il y en a 5.000 dans le monde et la moitié appartiennent aux GAFAM. Mais, en réalité, ils ne représentent (en France) que 16 % de l’empreinte carbone associé au numérique. A cela on peut leur associer les consommations des réseaux qui sont de l’ordre de 5 %. C’est, en fait, la plus petite partie des pollutions constatées. Les 79 % restant sont dues aux terminaux : smartphones, PC, tablettes, imprimantes, écrans, … C’est considérable.

Cette pollution n’est pas tant dû à la consommation électrique ni à l’entretien de ces équipements mais à leur fabrication qui représente près de 80 % de leur empreinte carbone. De plus le nombre de ces équipements est considérable. On évalue qu’il y a 34 milliards d’objets en fonctionnement dans le monde soit plus de 4 par habitant de cette planète ou, autrement présenter 15 équipements par ménage.

Or, pour les fabriquer il est nécessaire d’utiliser de nombreux minerais et terres rares. Leur extraction et leur raffinage se traduisent par des pollutions graves et irrémédiables. Ainsi, pour produire un portable pesant 2 kilos il faut extraire 800 kilos de minerais et de matières premières, sans compter l’eau, l’énergie et les produits chimiques nécessaires pour les raffiner. 

Pour limiter cette dérive, il est nécessaire de définir une stratégie. Elle se résume par les 3 R : Réduire la consommation, Réutiliser les équipements et Recycler les matériaux.

Dans le monde, seulement 20% des matériels numériques sont collectés pour, soit être recyclés, soit leur donner une deuxième vie. Il est toujours préférable de prolonger la vie d’un matériel en leur reconditionnant et lui offrant une seconde vie sur un marché de seconde main. En effet, le recyclage des matériels est consommateur en énergie et en autres ressources et très peu de matières peuvent être correctement recyclées. Pour faire naitre un secteur du recyclage et du reconditionnement en France, un appel à projet a été ouvert par l’Etat sur 2023 et 2024.

Une affaire de gouvernance

Dans ces conditions il faut réagir, dans le secteur numérique comme dans tous les autres secteurs. L’Etat a mis en place un Secrétariat Général à la Planification Ecologique en juillet 2022, rattaché aux services du premier ministre pour :

-        Aller plus vite et plus loin en matière d’écologie,

-        Mieux coordonner les actions,

-        Adapter les choix aux réalités locales et individuelles,

-        Envisager la transition écologique comme source de nouvelles opportunités.

En janvier 2023, un plan et une feuille de route ont été établis dont les points clés concernent :

-        Mieux se déplacer,

-        Mieux se loger,

-        Mieux préserver et valoriser nos écosystèmes,

-        Mieux produire,

-        Mieux se nourrir,

-        Mieux consommer.

En décembre 2023 est sortie la feuille de route « numérique et données » pour aider par le numérique à la réalisation de la feuille de route de la transition écologique.

De plus, pour limiter l’empreinte écologique des administrations d’état, une mission interministérielle a été mise en place dans la DSI groupe de l’état : la MINUM-ECO pour coordonner les actions des ministères pour un numérique plus sobre. Un reporting est établi deux fois par an celui-ci et permettra de suivre les progrès réalisés. Chaque Ministère est concerné. A la Culture cela s’est traduit par la définition de 39 actions dont une partie concerne le numérique et en quelques mois 21 ont déjà été mises en place. A terme 60 actions sont prévues.

Les quatre leviers recommandés par l’ADEME pour un numérique sobre sont :

-        La stabilisation du parc des terminaux,

-        L’augmentation de la durée de vie des équipements en veillant de les choisir en fonction de leur réparabilité,

-        La conception des équipements de façon à avoir des matériels plus efficaces et moins consommateurs d’énergie,

-        L’encouragement de la sobriété des usages et en veillant à appliquer les bonnes pratiques de conception et de consommation des services numériques.

Ces leviers concernent l’ensemble des secteurs économiques. Le secteur culturel, pris au sens large, occupe près de 70% de la bande passante d’Internet. Bien entendu, une bonne partie correspond plus à du divertissement qu’à de la culture. Mais cela va évoluer car dans les années à venir car on prévoit que le numérique va être tiré par la culture qui est un remarquable vendeur d’imaginaire. C'est un enjeu considérable car les impacts écologiques du numérique sont importants. Ceci fait que la sobriété numérique est au cœur de la gouvernance numérique. Pour y arriver des changements de posture vont être nécessaire afin de réussir à mettre en œuvre un numérique durable. 

 

Après avoir travaillé pendant 40 ans en informatique, notamment comme DSI, Christine Debray est aujourd’hui chargée de mettre en place la sobriété numérique au sein du ministère de la Culture

Ce texte est un résumé de la conférence faite par Christine Debray au Club de la Gouvernance des Systèmes d’Information le Mercredi 20 Mars 2024 sur le thème : « La sobriété numérique est au cœur de la gouvernance numérique ». Elle a permis de faire le point sur ce sujet et de répondre à quelques questions clés comme :

-        Quelle est la situation du secteur du numérique face à la montée des préoccupations écologique ?

-        Quelles sont les activités du numérique les plus polluantes ?

-        Où se situent les enjeux principaux et les risques majeurs ?

-        Comment améliorer les performances écologiques du numérique ?

-        Que fait l’Etat ? Quelle stratégie écologique met-il en œuvre ?

-        Dans ce contexte quel est le rôle de la culture ? Pour quelles raisons c’est un secteur clé ?

-        De quelle manière le secteur privé peut contribuer à améliorer la performance écologique du numérique ?

-        ….

Lire ci-dessous le support de présentation de l’exposé de Christine Debray :

                                                                                                                      Slide

1 – Introduction                                                                                   3

2 – Les autres impacts écologiques                                                     7

3 – Les impacts du numérique                                                           11

4 – Les gaz à effet de serre du numérique                                         12

5 – L’empreinte carbone des centres de traitement, des réseaux

       et des terminaux                                                                          18

6 – Le poids de la fabrication des terminaux                                     19

7 – Le poids de l’extraction minière                                                  21

8 – L’importance des déchets et leur faible recyclage                      23

9 - La gouvernance à mettre en place                                                27

10 – La planification écologique                                                       30

11 – La gouvernance écologique au Ministère de la Culture           34

12 – Les principaux leviers d’action                                                 35

13 – Le poids du streaming vidéo                                                     37