Plus efficace ne signifie pas plus durable

L'intelligence artificielle s'invite dans les chaînes d'approvisionnement en promettant moins de gaspillage. Le nouveau rapport du MIT montre que le bilan climatique dépend de qui mesure, de qui répond et de ce qui est réellement mesuré. Plus personne n'ose dire à voix haute que la durabilité n'a pas d'importance. Dans le rapport 2026 du MIT Sustainable Supply Chain Lab, septième édition d'une enquête annuelle, 83 % des professionnels interrogés la jugent importante ou très importante pour la réussite à long terme, contre 80 % l'année dernière.

Après les récents tournants de la politique climatique américaine, 59 % déclarent un engagement accru et seulement 13 % environ un engagement moindre. Jusqu'ici, une bonne nouvelle. Puis le tableau se lézarde : 68 % indiquent que l'incertitude sur les droits de douane a contraint à retarder, réduire ou compromettre leurs stratégies, environ un tiers a vu les perturbations commerciales faire augmenter les émissions opérationnelles (changement de fournisseurs, allongement des routes) et 84 % estiment que les conflits armés réduisent l'efficacité de l'action climatique. Sreedevi Rajagopalan, directrice du laboratoire et auteure principale, résume cette phase en trois temps : engagement solide, mesure en expansion, IA en accélération. Et elle prévient que le plus difficile commence maintenant : transformer tout cela en responsabilités précises.

Avant de faire confiance aux chiffres, mieux vaut savoir d'où ils viennent. Il s'agit de 1 810 réponses issues de 91 pays, collectées entre février et avril 2026 via un échantillonnage ciblé et en boule de neige, passant par des associations professionnelles, les réseaux du MIT, des listes de partenaires et les réseaux sociaux. 29 % des répondants travaillent dans des fonctions liées à la durabilité, c'est-à-dire précisément là où l'intérêt pour le sujet est maximal. Il ne s'agit pas d'un contrôle indépendant des entreprises : le rapport photographie des perceptions et des pratiques déclarées. Les financeurs sont la fondation de C.H. Robinson, entreprise de logistique ; Breakthrough, société du groupe US Venture ; et CO2 AI avec Dassault Systèmes, deux entreprises technologiques, chacune signant une citation dans le texte. Enfin, le rapport lui-même déclare avoir été préparé avec l'aide de l'IA pour traiter les données, calculer les statistiques, générer les graphiques et ébaucher les textes, validés ensuite par les auteurs. Dans une enquête sur ce que fait réellement l'IA, c'est un détail à garder bien en vue.

Qui répond des émissions ?

Le second écart, explique le rapport, est interne. Parmi les entreprises ayant des objectifs publics, seulement 51 % disposent d'un groupe transversal formel, 37 % ont un groupe dédié ayant peu de prise sur le reste et 12 % confient tout à une seule fonction. Quant à la surveillance, 33 % la placent au niveau du conseil d'administration, 52 % au niveau de la direction exécutive et 15 % n'en ont aucune. Là où le groupe transversal existe, 57 % déclarent que la durabilité entre souvent ou toujours dans les décisions quotidiennes ; là où la responsabilité repose sur une seule fonction, ils ne sont que 13 %. Quarante-quatre points d'écart que les éditeurs lisent comme le retour de la gouvernance. Il reste toutefois une corrélation : les entreprises les plus convaincues pourraient être précisément celles qui créent le groupe, et le rapport parle d'ailleurs de lien, non de causalité.

La cartographie des décisions est tout aussi révélatrice. La durabilité pèse surtout là où le travail est immédiat : transports et logistique (39 %), achats (35 %), entrepôts (34 %), conception des produits et emballages (33 %). Elle s'amenuise là où les décisions engagent sur des années : investissements, conception du réseau, planification des risques. Les entreprises apprennent à mieux gérer leurs chaînes, pas encore à mieux les concevoir, et la différence est immense : choisir un transporteur engage sur un trimestre, tandis que choisir où construire un site fixe les émissions pour très longtemps. Les bénéfices déclarés confirment cette tendance : la conformité réglementaire (62 %), l'efficacité (61,6 %) et la visibilité sur la chaîne (60,7 %) l'emportent sur la réduction des coûts (51 %). L'argument économique tient donc davantage par le contrôle que par l'économie directe.

Qui gagne dans ce scénario ? Ceux qui ont bâti des structures capables de survivre aux changements de saisons politiques. Ceux qui perdent sont ceux qui ont promis sans s'équiper, car un engagement géré uniquement au niveau opérationnel, note le rapport, est plus facile à abandonner en silence lorsque les conditions se durcissent. Une question ouverte et inconfortable demeure : est-ce la gouvernance qui produit le sérieux, ou le sérieux qui produit la gouvernance ?

Efficacité locale, émissions globales

L'intelligence artificielle entre dans ce tableau avec des chiffres marquants. L'usage de l'IA industrielle — celle qui prédit, optimise et aide à décider — dans les initiatives de durabilité est déclaré par 78 % des répondants en Amérique du Nord, 77 % en Europe et 76 % en Asie, hors Chine. Dans le sous-groupe chinois, 100 % le déclarent, résultat que le rapport attribue à la composition de l'échantillon ou à l'impulsion gouvernementale, non à une estimation de population. Parmi les utilisateurs, 87 % font état d'un effet positif, 86 % de moins de gaspillage de matériaux, 81 % de moins d'énergie ou de carburant, tandis que 63 % l'utilisent pour estimer les émissions manquantes des fournisseurs. Quant à l'empreinte de l'IA elle-même, 37 % l'adoptent sans réserve, 47 % l'utilisent tout en pesant ses coûts environnementaux et 9 % l'évitent ou la limitent.

Le rapport précise toutefois la nature de ces bénéfices. Ceux qui voient un effet positif l'attribuent à l'efficacité opérationnelle (57 %), puis à la réduction des émissions (40 %), à la mesure (40 %) et, en dernier lieu, aux décisions stratégiques (27 %). Seuls 25 % l'emploient pour simuler des scénarios futurs. L'IA améliore donc le travail qui se faisait déjà, mais ne change pas encore quel travail est fait.

Puis arrive la figure 31, qui inverse la tendance. Parmi les utilisateurs matures — ceux qui en font un usage étendu ou avec des décisions intégrées et autonomes —, 53 % perçoivent une réduction des émissions totales de gaz à effet de serre (17 % forte, 36 % légère), 15 % aucun changement et 29 % une augmentation (21 % légère, 8 % forte). Les auteurs précisent que cela ne signifie pas que l'IA cause les augmentations : cela signifie qu'optimiser un processus et améliorer le résultat net sont deux choses différentes. Il convient de le répéter fermement, car il s'agit de perceptions et parce que, pour ce sous-groupe, le rapport n'indique pas l'effectif.

L'idée qu'optimiser une partie n'équivaut pas à améliorer le tout possède une noble généalogie narrative. Ted Chiang, dans un essai de 2017 sur les craintes liées aux superintelligences, imaginait une IA chargée de cueillir le plus de fraises possible qui, pour y parvenir, transforme la Terre en champs de fraises ; sa thèse est que ce monstre ressemble aux entreprises qui poursuivent un objectif unique sans regarder le reste. Le rapport du MIT n'évoque pas de monstres, mais l'avertissement est similaire : un système qui presse un indicateur peut en dégrader un autre si personne ne lui a demandé de regarder plus loin. Le même risque apparaît dans l'analyse de l'Agence internationale de l'énergie, qui cite pour les transports l'effet rebond : des voitures autonomes plus efficaces pourraient détourner des usagers des transports publics. Image tirée du rapport officiel

Entrepôts, ou Factorio dans le monde réel

Le terrain d'essai le plus net est l'entrepôt, et l'exemple de Factorio permet de l'illustrer : ce jeu vidéo où l'on construit une usine de plus en plus vaste sur une planète étrangère. Chaque machine qui fonctionne émet de la pollution, le nuage attire des créatures hostiles et, selon la documentation officielle, la pollution produite par les machines accélère aussi l'évolution des ennemis. Automatiser davantage signifie produire davantage, et tant que l'on ne surveille pas le compteur de pollution, le succès et le problème grandissent de concert.

Les données — environ 368 réponses d'entreprises possédant des entrepôts ou des réseaux de distribution, principalement de grands réseaux multi-sites — semblent écrites par le concepteur du jeu. 40 % des entrepôts opèrent à un niveau avancé ou totalement automatisé, et parmi ceux qui utilisent l'IA, 71 % la laissent agir, en partie ou en grande partie, en autonomie. On l'emploie surtout pour optimiser les stocks (64 % pour l'IA industrielle, 56 % pour l'IA agentique, capable d'exécuter des décisions) et pour gérer l'énergie (52 % et 45 %), tandis que le suivi des émissions en temps réel clôture le classement (36 % et 26 %). Après l'adoption de l'IA, parmi les entrepôts à l'automatisation modérée, 59 % signalent une hausse d'énergie et 54 % une hausse des déchets ; parmi ceux avancés ou totalement automatisés, on monte à 78 % et 76 %. Au sein de ce second groupe, ceux qui gèrent au maximum dix entrepôts font état d'augmentations dans 92 % des cas pour les deux postes, ceux qui en gèrent davantage dans 65 % et 59 % des cas, avec environ un quart qui constate une baisse. Le rapport résume : l'échelle semble atténuer le coût.

Le texte est honnête sur les limites. Les données ne permettent pas de trancher entre deux explications : soit l'IA autonome sollicite les machines plus longtemps et plus fort, soit les entrepôts qui lui accordent le plus d'autonomie sont déjà les plus grands et les plus rapides à croître, et consommations comme déchets auraient augmenté de toute façon. L'effet rebond est donc ici une hypothèse, non un résultat prouvé.

La donnée la plus révélatrice concerne le suivi. 88 % des entrepôts déclarent mesurer la durabilité, mais seuls 24 % utilisent un système avec capteurs ou IA en temps réel, 49 % s'appuient sur des logiciels partiellement automatisés et un autre quart dépend de feuilles de calcul et de bilans annuels. Attention : ce chiffre de 24 % concerne l'ensemble des entrepôts de l'échantillon, pas seulement les plus automatisés, contrairement à ce que le communiqué de presse peut laisser entendre. Il s'ensuit que les hausses de consommation pourraient n'apparaître qu'avec un retard considérable. Ceux qui y gagnent sont les opérateurs qui améliorent leur productivité, les répondants citant précisément l'espace et la robotique parmi les retours économiques les plus marquants ; les plus petits paraissent les plus exposés. Ce qui relève de l'IA ou de la croissance globale reste pour l'instant inconnu.

Camions, fournisseurs, estimations

Dans les transports, l'IA n'est pas le personnage principal, et le rapport ne précise pas quelle part de l'optimisation recourt réellement à des outils d'IA. Parmi environ 348 réponses du secteur, 76 % ont optimisé leurs itinéraires en routine, tandis que le regroupement des charges, les programmes pour chauffeurs et les exigences envers les transporteurs dépassent 67 %. Pourtant, 43 % font tourner leurs flottes entièrement ou principalement au diesel, seuls 19 % ont dépassé la moitié d'énergie à faibles émissions et 8 % ont achevé la transition. Le rapport le résume ainsi : la première phase a mieux exploité l'existant, la seconde devra remplacer les véhicules. La frontière entre l'Europe et l'Amérique du Nord passe par les capitaux : les véhicules électriques à batterie sont déployés à 60 % dans les entreprises européennes contre 36 % en Amérique du Nord ; les carburants alternatifs à 63 % contre 50 %, et 84 % des entreprises européennes jugent positif l'effet des politiques récentes, contre 44 %. Outre-Atlantique, seuls 16 % le jugent négatif, tandis que 40 % ne savent pas ou ne voient pas d'effet : davantage de confusion que de résistance. L'hydrogène est utilisé dans 6 % des cas, exclu par 8 %. L'IA peut réduire les kilomètres à vide, elle ne remplace pas le carburant.

Sur le Scope 3, c'est-à-dire les émissions indirectes le long de la chaîne de valeur, la partie la plus vaste et la plus difficile de toute empreinte, le progrès est plus net. La participation à des programmes conjoints avec les fournisseurs est passée de 31 % à 58 % en un an, les accords sur les fournisseurs partagés de 23 % à 55 %, les alliances intersectorielles de 28 % à 47 %, et ceux qui travaillent de manière isolée sont tombés de 18 % à 6 %. Sur les outils, en revanche, le rapport avertit que les questions de 2025 et 2026 utilisent des métriques différentes et ne doivent pas être lues comme une croissance : aujourd'hui environ 75 % utilisent habituellement des feuilles de calcul et une proportion similaire des logiciels dédiés ; les tableurs sont toujours bien présents.

C'est ici que l'IA joue son rôle le plus délicat. 63 % l'utilisent pour estimer les émissions manquantes des fournisseurs. Ceux qui l'utilisent pour tracer les émissions se disent très confiants dans l'exactitude de leurs calculs Scope 3 dans 50,5 % des cas, contre 15,3 % chez ceux qui ne l'utilisent pas ; le rapport ne définit pas de causalité. La confiance, toutefois, n'est pas l'exactitude, et une estimation fondée sur des moyennes sectorielles peut servir à fixer des priorités sans démontrer de réductions réelles. C'est notre analyse, non une conclusion du rapport. Les chiffres sur les économies réalisées grâce à l'IA cités dans le texte proviennent de la directrice générale de CO2 AI, qui cite des estimations de BCG et McKinsey : ce sont des voix de sponsors et de consultants, non des données de l'enquête. Les gagnants sont ceux qui obtiennent une vue plus complète pour cibler leurs interventions. Reste à savoir qui vérifie les estimations, et qui en répond si elles sont fausses. Image tirée du rapport officiel

La facture énergétique

Aucun bilan de l'IA dans les chaînes d'approvisionnement ne peut ignorer le coût énergétique de l'IA elle-même, que le rapport du MIT ne mesure qu'en tant qu'attitude, non comme bilan carbone. Pour les chiffres, il faut se tourner vers l'Agence internationale de l'énergie, dans son rapport d'avril 2025 : en 2024, les centres de données ont consommé environ 415 térawattheures, soit 1,5 % de l'électricité mondiale, et dans le scénario de référence ils atteindront environ 945 TWh d'ici 2030. Leurs émissions liées à l'électricité passeraient de 180 à 300 millions de tonnes d'ici 2035, jusqu'à 500 dans le scénario le plus poussé, restant sous la barre des 1,5 % des émissions du secteur énergétique mais figurant parmi les postes à la croissance la plus rapide. À l'inverse, déployer largement les solutions d'IA existantes pourrait éviter des émissions équivalentes à environ 5 % de celles du secteur énergétique en 2035 : plus que les émissions des data centers, bien moins que le nécessaire. La conclusion de l'agence est double : les alarmes climatiques catastrophiques sur l'IA semblent exagérées, mais les attentes selon lesquelles l'IA résoudrait seule le problème le sont tout autant.

La réplique critique vient d'ailleurs. L'analyste Ketan Joshi, dans un rapport commandé par une coalition d'organisations environnementales, a examiné 154 déclarations publiques sur les bénéfices climatiques de l'IA et en a trouvé 74 % non démontrées ; seules 26 % renvoient à des recherches académiques et 36 % à aucune preuve. Son objection la plus intéressante est que la majeure partie des promesses concerne l'IA traditionnelle, bien moins gourmande en énergie, tandis que les impacts de l'IA générative sont floutés sous des étiquettes génériques qui mélangent tout. Parmi les sources examinées figure l'AIE elle-même, et il faut préciser que la coalition commanditaire est militante. Le rapport complet est public.

Le MIT, pour sa part, ne distingue pas l'IA générative : il parle d'IA industrielle et agentique, c'est-à-dire de décisions sur la production, les achats et les entrepôts. La comparaison est donc asymptotique, car Joshi visait l'IA grand public et les données des entrepôts décrivent autre chose. Cela ne le contredit ni ne le confirme, mais montre que le sigle est trop large pour un bilan sérieux. L'AIE ajoute un détail fondamental : les réseaux électriques sont déjà sous tension et environ 20 % des projets de centres de données risquent des retards, si bien que l'impact est d'abord local avant d'être global.

Mesurer avant d'automatiser

Que devrait faire une entreprise ? Le rapport ne dicte pas de recettes toutes faites, mais ses données suggèrent une trajectoire. On commence par la structure : un groupe transversal doté du pouvoir de décider et non seulement de conseiller, et une surveillance qui remonte jusqu'au conseil d'administration, liée à des objectifs, au budget et à la gestion des risques. On poursuit en élargissant la vision au-delà des transports et des achats, vers les investissements et la conception du réseau, là où s'imprime l'empreinte des années à venir. Puis vient la règle pour l'IA : définir à l'avance ce que l'on mesure (énergie, émissions directes et indirectes, déchets, fournisseurs), associer un suivi continu à l'automatisation, surtout en entrepôt, et traiter les estimations comme des hypothèses à confirmer par des données primaires. Enfin les indicateurs : suivre l'émission nette et pas seulement l'efficacité, car c'est le chiffre qui diverge dans les données. Tout cela a un coût, et les grands réseaux semblent mieux armés : on peut se demander si la durabilité de l'IA deviendra un privilège d'échelle.

Les contre-arguments demeurent. L'IA est jeune, c'est vrai, mais l'adoption est déjà vaste. Les données sont autodéclarées, c'est exact, raison pour laquelle nous les traitons comme des tendances et non comme des preuves absolues. Le problème est-il le manque de données plutôt que l'IA ? En partie oui, mais c'est précisément pourquoi une IA sans gouvernance risque de produire des estimations non vérifiées. L'énergie des data centers est-elle un sujet à part ? Pas si l'on évalue la durabilité globale. La collaboration croissante sur les fournisseurs est-elle un bon signal ? Oui, sans la confondre avec une décarbonation vérifiée.

La thèse tient en quelques lignes. L'IA est un amplificateur : elle amplifie l'efficacité là où les processus sont bien conçus, et elle amplifie l'opacité, la consommation et les émissions là où manquent la gouvernance, les données et la responsabilité. Le rapport du MIT ne dit pas que l'IA est incompatible avec la durabilité. Il dit quelque chose de plus intéressant : une chaîne d'approvisionnement peut devenir plus efficace sans devenir plus durable. La différence ne vient pas du modèle, mais de qui décide de ce qu'il faut mesurer, de qui répond des résultats et des compromis que l'on accepte de payer.

Note technique. Sauf indication contraire, les chiffres proviennent du rapport du MIT (septembre 2026, version 1) et du communiqué du MIT du 15 octobre 2026. Ce sont des perceptions issues d'un échantillon non probabiliste, et pour les sous-groupes (IA mature, entrepôts, flottes) le rapport n'indique pas toujours l'effectif. Les interprétations causales et les appréciations sur la confiance dans les estimations relèvent de notre analyse.