RÉSUMÉ Cette étude examine les impacts non linéaires de l'intelligence artificielle (IA) sur la durabilité environnementale dans 81 pays de 2000 à 2020. Elle construit un indice composite d'IA en utilisant une approche TOPSIS basée sur l'entropie et évalue les associations à long terme avec des techniques de panel qui tiennent compte de la non-stationnarité et de la dépendance transversale. Les preuves pointent vers un modèle de courbe de Kuznets environnementale (EKC) lié à l'IA. Une utilisation plus large de l'IA augmente initialement la demande d'énergie et la consommation de ressources, intensifiant les pressions environnementales, mais à mesure que l'adoption s'approfondit, elle est associée à d'importants gains en efficacité énergétique et à une intégration plus forte des énergies renouvelables. L'ampleur et le moment de ces effets varient en fonction des niveaux de revenu et de la dépendance aux ressources. Les économies à revenu élevé connaissent des améliorations plus tardives mais plus importantes, tandis que les économies intensives en ressources sont confrontées à des pressions plus fortes à court terme. Une analyse complémentaire montre que les pays avec des niveaux d'émission initiaux plus élevés bénéficient plus rapidement des améliorations environnementales facilitées par l'IA. En combinant une mesure d'IA comparable avec une perspective unifiée à travers les pays et les résultats sur un long horizon, cette étude offre une vue intégrée de la façon dont l'IA redéfinit l'utilisation de l'énergie et les pressions environnementales. Ces résultats soulignent la nécessité de stratégies de gouvernance différenciées en matière d'IA qui étendent l'énergie propre et la capacité du réseau, renforcent la gestion de l'énergie et la transparence pour les usages intensifs en calcul, et favorisent la coopération internationale pour aligner la diffusion avec les objectifs des ODD 7 et 13.
Wang et al. (Sun,) ont étudié cette question.