Une formation à l’IA peut apprendre à produire davantage. Celle-ci propose d’abord de regarder ce que cette production mobilise. Le cours en ligne « Les défis de l’IA frugale », réalisé par Inria et le MIAI Cluster IA, est ouvert en français du 4 novembre au 31 décembre 2026, selon la page d’autoformation du MIAI. L’inscription sur FUN est gratuite et obligatoire.
Son intérêt dépasse la question du prix d’un abonnement. Une facture plus légère ne constitue pas, à elle seule, une mesure de l’empreinte environnementale. Pour comparer deux solutions, il faut savoir quel service elles rendent et ce que le calcul prend en compte. C’est cette façon de poser les questions qui peut rendre la formation utile aux étudiants, aux équipes numériques ou aux utilisateurs curieux.
Un parcours accessible, avec quelques bases recommandées
La fiche du cours sur FUN annonce une durée de cinq semaines et recommande des connaissances scientifiques ou mathématiques de niveau post-baccalauréat. Le parcours comporte cinq parties, dont les quatre premières forment le tronc commun évalué. Un Open Badge est proposé sur demande à partir de 70 % de bonnes réponses aux quiz.
Les vidéos disposent de sous-titres français et de transcriptions téléchargeables. Le programme va de l’écosystème numérique à l’évaluation environnementale, puis aux leviers techniques d’efficacité et à une réflexion sur la place de l’IA. Il comprend des ressources, des activités, un forum et des webinaires annoncés avec des experts.
Ces caractéristiques décrivent l’offre pédagogique. Elles ne constituent pas une garantie que chaque participant saura, au terme du parcours, réaliser seul l’audit complet d’un service industriel. Le badge atteste un résultat aux quiz du cours ; il ne certifie pas la sobriété d’un logiciel ou d’une entreprise.
Commencer par la tâche, plutôt que par le modèle
Pour aborder le sujet concrètement, on peut choisir un usage que l’on connaît : classer des demandes, retrouver une information ou résumer des documents. La question initiale devient alors : quel résultat est nécessaire ? Cette proposition de travail permet d’éviter une comparaison entre outils qui ne rendent pas le même service.
Un exemple fictif l’illustre. Une association veut ranger des messages dans quatre catégories. Avant de choisir le modèle le plus imposant, elle peut examiner les informations disponibles et le niveau d’erreur acceptable. Si les messages portent déjà une étiquette fiable, une règle simple peut suffire pour une partie du classement. Si les formulations sont ambiguës, l’évaluation devra porter sur ces cas difficiles.
Il ne s’agit pas d’affirmer que les règles remplacent toujours l’IA. Il s’agit de comparer des réponses à un besoin défini. Un outil moins gourmand mais incapable d’accomplir la tâche n’est pas une solution satisfaisante ; un outil performant utilisé sans nécessité n’est pas automatiquement un progrès non plus.
Mesurer exige de fixer un périmètre
Le cours annonce une approche par le cycle de vie des équipements et des services. Cette expression invite à regarder au-delà de la seule réponse affichée à l’écran. Dans une comparaison, la première exigence est donc d’expliquer ce que l’on compte et ce que l’on laisse de côté.
Un chiffre isolé peut être impressionnant tout en restant peu exploitable. Correspond-il à une opération, à un utilisateur ou à une période entière ? Le résultat concerne-t-il un essai ponctuel ou un usage répété ? Sans ces précisions, deux nombres apparemment comparables peuvent décrire des situations différentes.
Une équipe qui suit la formation peut tenir un petit carnet de questions : tâche étudiée, résultat attendu, données accessibles, hypothèses et limites. Ce carnet n’est pas un calculateur d’empreinte. Il prépare une évaluation plus sérieuse, notamment lorsqu’une donnée nécessaire n’est pas communiquée par un prestataire.
Un cadre existe déjà pour organiser cette réflexion
Le référentiel général pour l’IA frugale présenté par Ecolab et l’AFNOR a été publié en juin 2024. Le ministère le décrit comme un cadre volontaire associant une méthodologie d’évaluation sur plusieurs catégories d’impact et des bonnes pratiques. Il ne s’agit donc pas simplement d’attribuer une couleur « verte » à un produit.
Pour un lecteur qui découvre le sujet, cette complémentarité est utile : une formation aide à comprendre les notions, tandis qu’un référentiel structure les questions à traiter dans un projet. La présence de ces ressources ne remplace toutefois ni les données du service étudié ni le travail d’analyse.
Il est aussi possible de distinguer progrès technique et décision d’usage. Réduire les ressources nécessaires à une opération répond à une question ; décider combien de fois cette opération est utile en pose une autre. Le programme du MOOC inscrit précisément les limites de l’efficience parmi ses thèmes. Il ne promet pas une réduction universelle, exprimée en pourcentage, pour tous les systèmes.
Ce que l’on peut attendre raisonnablement du cours
L’objectif le plus concret est de sortir avec de meilleures questions, un vocabulaire plus précis et une capacité accrue à examiner les affirmations des fournisseurs. « Moins cher », « plus rapide » et « moins impactant » ne sont pas trois formulations interchangeables.
Avant de s’inscrire, le lecteur peut consulter le programme détaillé et vérifier que les bases recommandées lui conviennent. Pendant le parcours, travailler sur un cas réel mais limité aidera à relier les notions à une décision. À l’arrivée, les zones d’incertitude auront elles aussi de la valeur : savoir ce qui manque pour conclure fait partie d’une évaluation honnête.
Photo d’illustration : un poste informatique de bureau, sans lien particulier avec les établissements organisateurs du cours.
