Intelligence artificielle, verdissement de la structure professionnelle et efficacité énergétique globale des facteurs

Pourquoi des machines plus intelligentes comptent pour la consommation d’énergie

Beaucoup craignent que l’intelligence artificielle ne dévore l’électricité et ne menace les emplois. Cette étude pose toutefois une question différente : la diffusion de l’IA peut‑elle aider les régions à utiliser l’énergie de manière plus efficace en modifiant les types d’activités exercées ? En se concentrant sur 274 villes chinoises sur quinze ans, les auteurs montrent que là où l’IA est plus largement adoptée, les économies locales non seulement créent davantage d’emplois orientés vers l’environnement, mais extraient aussi plus de production économique par unité d’énergie. Autrement dit, des machines plus intelligentes peuvent soutenir un système énergétique plus fin et plus intelligent — si les conditions environnantes sont favorables.

Relier l’IA au travail quotidien

Plutôt que de ne regarder que les machines et les centrales électriques, les chercheurs se focalisent sur le marché du travail — le mélange d’occupations qui compose la main‑d’œuvre d’une ville. Ils distinguent les emplois routiniers qui suivent des schémas fixes des emplois non routiniers qui requièrent jugement, résolution de problèmes et coordination. Beaucoup d’occupations « vertes », comme les analystes énergétiques et les ingénieurs environnementaux, appartiennent au second groupe. Ces métiers sont difficiles à automatiser complètement, mais ils peuvent être renforcés par des outils d’IA qui trient les données, font des prévisions et testent des scénarios. À mesure que l’IA prend en charge des tâches répétitives, les économies tendent à s’appuyer davantage sur des travailleurs capables d’utiliser ces outils pour repérer le gaspillage et repenser les processus, orientant ainsi la composition des emplois vers des rôles plus verts.

Mesurer la propagation de la technologie intelligente

Pour suivre l’exposition de chaque ville à l’IA, les auteurs construisent un indice qui combine deux dimensions : l’utilisation de robots industriels dans les usines et la présence d’entreprises liées à l’IA dans le secteur des services. Ils mesurent ensuite l’efficacité avec laquelle chaque ville transforme le travail, le capital et l’énergie en production, tout en tenant compte de la pollution. En utilisant des techniques statistiques avancées et des repères externes — comme les schémas d’adoption des robots dans les industries américaines et la distance par rapport à d’autres pôles d’IA — ils tentent de séparer la causalité du simple hasard. Leur résultat principal est que lorsqu’une ville voit son exposition à l’IA augmenter d’un écart‑type, son efficacité énergétique globale s’améliore d’environ 3,2 %, un gain non négligeable compte tenu de la lenteur habituelle des changements dans les systèmes énergétiques.

Comment les emplois deviennent plus verts

Pour comprendre ce qui se passe au sein de la main‑d’œuvre, l’étude utilise des millions d’offres d’emploi en ligne provenant des principales plateformes de recrutement chinoises. En appariant les professions chinoises à une base de données internationale détaillée sur les tâches, les auteurs attribuent à chaque emploi un score de « verdure » fondé sur la part de son activité liée aux objectifs environnementaux. Ils construisent ensuite deux indicateurs pour chaque ville : le volume total d’emploi vert et la part des tâches vertes dans la structure occupationnelle globale. Les villes avec une exposition plus forte à l’IA montrent des augmentations pour les deux mesures. Les rôles routiniers, intensifs en carbone, se contractent ou évoluent, tandis que les postes impliquant des audits énergétiques, la gestion environnementale et les services d’efficacité se développent. Ce changement apporte le savoir‑faire humain nécessaire pour repérer les opportunités d’économie d’énergie, mettre en œuvre de nouvelles technologies et maintenir les améliorations dans la durée.

Où l’IA apporte les plus grands gains énergétiques

Les bénéfices de l’IA ne se répartissent pas uniformément. Les gains les plus forts, tant en emploi vert qu’en efficacité énergétique, apparaissent dans les secteurs gourmands en énergie tels que la production d’électricité, les transports, la gestion de l’eau et les services environnementaux. Dans ces domaines, les travailleurs utilisent l’IA pour des tâches comme la prévision de la demande, l’optimisation des équipements et la planification de la maintenance, ce qui réduit directement la consommation de carburant et les émissions. L’impact est également plus important dans les villes dotées de règles environnementales strictes et d’une infrastructure numérique solide — des lieux où existent une pression pour s’améliorer, des réseaux de données fiables et des politiques numériques favorables comme l’extension du haut débit et les programmes de villes intelligentes. Là où les réglementations sont faibles ou les bases numériques ténues, l’introduction de l’IA améliore peu la performance énergétique.

Ce que cela signifie pour un avenir plus propre

Pour un lecteur non spécialiste, la conclusion est que l’héritage environnemental de l’IA dépendra moins de l’électricité qu’elle consomme que de la façon dont elle remodèle le travail humain. Cette étude suggère que, combinée à des normes environnementales strictes, de bons réseaux de données et des investissements dans les compétences adéquates, l’IA peut encourager une main‑d’œuvre mieux équipée pour détecter et corriger le gaspillage énergétique. Le résultat est un accroissement modeste mais significatif de l’efficacité énergétique des villes, en particulier dans les industries les plus énergivores. Exploiter l’IA au service d’une économie circulaire et à faible gaspillage nécessite donc des efforts coordonnés : des politiques qui récompensent l’efficacité, des infrastructures permettant aux outils d’IA de fonctionner efficacement et une formation qui associe savoir‑faire numérique et expertise environnementale.

Citation: Li, T., Hu, Y., Peng, J. et al. Artificial intelligence, greening of occupational structure and total factor energy efficiency. Humanit Soc Sci Commun 13, 503 (2026). https://doi.org/10.1057/s41599-026-06591-8

Mots-clés: intelligence artificielle, emplois verts, efficacité énergétique, économie circulaire, transformation du marché du travail