Les équipes dédiées au développement durable sont sous tension. Elles gèrent tout, des rapports et de la conformité à l'élaboration de stratégies d'approvisionnement responsable, en passant par la collecte de données provenant d'innombrables sources. Même au sein des grandes marques, ces équipes sont souvent réduites, passant plus de temps plongées dans des feuilles de calcul qu'à piloter les stratégies de durabilité significatives qu'elles avaient initialement pour mission de mettre en œuvre. Il n'est donc pas étonnant que la promesse d'une IA hautement efficace soit si séduisante.
Les experts du secteur suggèrent que l'IA peut soulager la pression sur les équipes de développement durable et leurs partenaires de la chaîne d'approvisionnement en automatisant les rapports environnementaux, en améliorant la qualité des données, en reformatant les informations pour différents besoins et en vérifiant la traçabilité. L'IA offre également des gains d'efficacité potentiels au sein même de la chaîne d'approvisionnement, grâce à une utilisation plus intelligente des matériaux et des prévisions de demande plus précises. « L'IA aide définitivement les équipes de développement durable dans leurs rapports, leur permettant de se concentrer davantage sur des programmes stratégiques plutôt que sur la conformité », déclare Annie Agle, vice-présidente de l'impact et du développement durable de la marque de plein air Cotopaxi.
Cependant, il y a un bémol. L'impact environnemental réel de l'utilisation de l'IA au niveau organisationnel reste largement flou. Sans un suivi attentif, les marques pourraient involontairement augmenter leur empreinte carbone via la technologie même censée la réduire.
« Les avantages sont clairs, mais nous savons aussi qu'il existe des impacts négatifs qui ne sont pas encore pleinement compris », note Agle. « Nous ne savons pas encore comment cette empreinte numérique affecte nos mesures de gaz à effet de serre. »
Pour comprendre comment les équipes de développement durable intègrent l'IA et abordent ces incertitudes, Vogue Business s'est entretenu avec une sélection de marques de tailles et de segments de marché variés. Si certaines utilisent l'IA depuis des années, d'autres en sont encore à expérimenter, mais toutes s'accordent à dire que l'IA jouera un rôle dans leurs opérations futures.
**Comment les équipes de développement durable utilisent l'IA**
H&M rapporte utiliser l'IA dans toute sa chaîne d'approvisionnement, sa logistique, son marketing, ses ventes et l'expérience client. La marque affirme que l'IA soutient son objectif de ne produire que ce qu'elle vend en optimisant les quantités de production, les lieux de vente et le calendrier. « Cela a des effets positifs sur l'utilisation des ressources, les stocks, les matières premières et les émissions », explique H&M.
Le groupe de luxe Kering, propriétaire de marques comme Gucci et Balenciaga, a nommé Pierre Houlès directeur du numérique, de l'IA et des technologies de l'information en mars 2026. La société déploie l'IA dans certaines maisons depuis plusieurs années. Comme H&M, Kering utilise l'IA analytique pour prévoir la demande et optimiser les niveaux de stock pour chaque produit, selon Marie-Claire Daveu, directrice du développement durable et des affaires institutionnelles. À l'instar de Cotopaxi, elle emploie également l'IA pour automatiser et améliorer la fiabilité des rapports, en utilisant des outils qui collectent automatiquement et corrigent intelligemment les données des sites de Kering. Au niveau du développement produit, le Material Innovation Lab de Kering, basé en Italie – qui recherche des matériaux plus durables – a créé un agent d'IA d'éco-conception pour fournir un accompagnement technique aux équipes de design. Cela contribue à rapprocher les équipes de design et de développement durable, souvent cloisonnées, en veillant à ce que le travail d'un groupe ne compromette pas les objectifs de l'autre.
Alors qu'H&M et Kering ont intégré l'IA dans leurs opérations principales depuis plusieurs années, d'autres marques l'utilisent principalement pour alléger la charge de travail. « En ce qui concerne l'IA, nous en sommes encore aux premiers stades de l'exploration », a déclaré Alfred Chang, PDG d'Everlane, dans un communiqué à Vogue Business. « Nous nous concentrons sur la manière dont elle pourrait soutenir les processus internes quotidiens et faire gagner du temps. »
Agle note que sa petite équipe utilise l'IA pour traduire les données brutes des fournisseurs en mesures de gaz à effet de serre (GES), reformater les données pour divers rapports et créer des visualisations pour aider l'équipe élargie à comprendre l'impact de l'entreprise. « Cela aide vraiment la productivité. Je pense vraiment que les entreprises qui n'adoptent pas l'IA vont avoir du mal à être compétitives commercialement », dit-elle.
Maximilien Abadie, directeur général adjoint de la société technologique française Lectra, est du même avis. Lectra propose des solutions d'IA qui aident les marques de mode à atteindre leurs objectifs de durabilité, comme vérifier les données de traçabilité et optimiser la coupe des tissus pour réduire les surcommandes. Mais Abadie estime que la plus grande opportunité réside dans la réduction du délai de mise sur le marché. « Le défi pour toute entreprise de mode est de rester compétitive dans un monde plein de perturbations et d'incertitudes quotidiennes, où l'on ne peut pas prédire ce qui se passera dans trois ou six mois. Il faut être présent au bon moment avec le bon produit, au bon prix, en bonnes quantités, pour le bon consommateur. »
Si l'IA est utilisée pour réduire les déchets et optimiser les chaînes d'approvisionnement, elle est aussi largement déployée à des fins commerciales et créatives. « Depuis 2018, nous avons développé plus de 15 plateformes d'apprentissage automatique internes, toutes conçues pour renforcer la créativité, l'efficacité et le service client », déclare Jordi Alex, directeur des technologies de l'information du détaillant espagnol Mango.
Selon Alex, Mango a développé la plupart de ces plateformes en interne. Cela inclut son assistant IA Iris, qui traite plus de 7,5 millions de demandes de clients par an. Un autre outil, Gaudi, utilise les données de navigation et d'achat des clients pour générer des recommandations de produits personnalisées. Mango utilise également l'IA générative pour créer des images de campagnes et de collections. Ces applications étendues au-delà de la durabilité accroissent l'urgence pour les marques d'examiner les impacts environnementaux sous-jacents de l'IA.
**Impacts inconnus**
Il est largement reconnu que la croissance de l'IA a accru la demande en énergie et en eau, cette dernière étant utilisée pour refroidir les centres de données. Un article de 2025 dans **Nature** indiquait qu'au rythme de croissance actuel, les serveurs d'IA aux États-Unis à eux seuls généreraient 24 à 44 millions de tonnes métriques de dioxyde de carbone (CO₂) – l'équivalent de l'ajout de 5 à 10 millions de voitures sur les routes américaines. Leur empreinte annuelle en eau varie de 731 à 1 125 millions de mètres cubes, une préoccupation aggravée par le fait que de nombreux centres de données sont situés dans certaines des régions les plus sèches du monde. En avril 2025, l'Agence internationale de l'énergie (AIE) a rapporté que les centres de données représentaient 1,5 % de la consommation mondiale d'énergie en 2024, un chiffre qui devrait atteindre 3 % d'ici 2030.
Si les centres de données soutiennent plus que l'IA, les charges de travail liées à l'IA devraient représenter la moitié de la capacité totale des centres de données d'ici 2030, soulignant sa demande énergétique significative et croissante. L'entreprise américaine d'IA Anthropic a reconnu que la capacité du réseau et la croissance des centres de données nécessaires à sa technologie augmenteraient les prix de l'électricité pour les consommateurs et a déclaré qu'elle couvrirait les coûts d'infrastructure associés. La société n'a pas répondu aux demandes de commentaires.
Si des projections plus larges peuvent être faites, calculer l'impact de l'IA au niveau organisationnel est bien plus délicat. « Il va être très compliqué pour une entreprise non spécialisée dans l'IA de comprendre ses impacts. Quand c'est votre service et que vous possédez les centres de données, vous pouvez compter l'électricité et l'eau nécessaires au refroidissement », explique Agle de Cotopaxi. Mais pour une marque de mode qui ne contrôle pas toute l'infrastructure sous-jacente, évaluer l'empreinte complète reste un défi.
Il est extrêmement difficile d'arriver à un chiffre exact sur la façon dont chaque employé utilise l'IA, qu'il écrive des e-mails avec ChatGPT ou collecte des données avec des outils internes. Ce calcul dépend aussi des entreprises d'IA qui mesurent et valident leurs propres impacts pour que des tiers puissent utiliser les données. Cependant, les grands acteurs comme OpenAI, Perplexity et Anthropic n'ont pas divulgué publiquement de données sur leurs émissions, et aucun n'a répondu aux demandes de commentaires.
Kering déclare surveiller de près l'impact environnemental de l'IA dans l'ensemble de ses activités informatiques, y compris les centres de données et l'utilisation du cloud, notant que l'informatique représente moins de 2 % de son empreinte carbone totale. Parmi les entreprises contactées, Kering était la seule à partager les grandes lignes de sa stratégie d'atténuation : privilégier des modèles simples et sobres en ressources et travailler avec des partenaires technologiques pour soutenir la décarbonation et améliorer la transparence des rapports carbone.
Kering n'a pas précisé la source de ses données, et actuellement, il n'existe pas de métriques standardisées. Pour permettre des évaluations comparables à l'avenir, la Coalition pour une IA durable – lancée par le gouvernement français, le Programme des Nations Unies pour l'environnement (PNUE) et l'Union internationale des télécommunications (UIT) – appelle à une standardisation mondiale. Comme étape vers cet objectif, l'UIT a publié en février 2026 des lignes directrices pour évaluer et minimiser l'impact environnemental des systèmes d'IA. De plus, en janvier 2026, le groupe de travail sur les divulgations financières liées à la nature (TNFD) a publié un projet de guide sectoriel pour le secteur des technologies et des communications afin d'aider les organisations à évaluer leurs dépendances, impacts, risques et opportunités liés à la nature. Ce sont des premières étapes vers un système standardisé, similaire à ceux utilisés pour rendre compte des impacts de la production ou du transport.
Jusqu'à ce que des cadres robustes soient établis et largement adoptés, les marques doivent trouver leur propre voie. En l'absence de normes mondiales pour calculer l'empreinte de l'IA, Cotopaxi prévoit d'utiliser des estimations approximatives pour comprendre son impact. « La première étape est de comprendre notre utilisation. Quels contrats avons-nous avec un fournisseur d'IA ? Quel type d'utilisation observons-nous de la part des employés ? Si nous avons un certain nombre d'employés utilisant un outil comme Claude, et que Claude rapporte un ensemble d'émissions, quel pourcentage de celles-ci nous appartient ? Ce sera difficile à mesurer, mais nous devons essayer », déclare Agle de Cotopaxi.
**De la mesure à l'atténuation**
Pour Cotopaxi, mesurer l'impact est la première étape pour créer une politique d'IA responsable. Certaines marques ont déjà de telles politiques en place. H&M a développé un cadre d'IA responsable en 2018, tandis que l'adoption de l'IA chez Mango est pilotée par un comité de direction. « Grâce à une gouvernance centralisée, des formations et des programmes comme AI Champions – des ambassadeurs internes qui soutiennent l'adoption et partagent les meilleures pratiques – nous nous assurons que l'IA est adoptée correctement et aide nos collaborateurs à réaliser leur potentiel », déclare un représentant de Mango. Cependant, de nombreuses politiques existantes se concentrent sur l'éthique de l'IA, comme la sécurité, la lutte contre les biais et la transparence, plutôt que sur les facteurs environnementaux.
Le cadre général du ministère français de la Transition écologique pour une utilisation frugale de l'IA vise à combler cette lacune en offrant des conseils sur les meilleures pratiques et la manière de passer de la mesure à l'atténuation. Le ministère suggère aux marques de considérer plusieurs étapes. Elles peuvent s'interroger sur la nécessité réelle de l'IA pour des tâches spécifiques, programmer les entraînements d'IA aux moments où les centres de données s'appuient sur des énergies renouvelables, utiliser des données d'entraînement précises et de haute qualité pour réduire les besoins en calcul, et explorer si un modèle d'IA moins énergivore pourrait être efficace.
Si les grandes plateformes d'IA polyvalentes alimentées par des centres de données sont courantes, des alternatives existent. Literal Labs, basée au Royaume-Uni et issue de l'Université de Newcastle, se concentre sur la création de modèles d'IA efficaces qui ne nécessitent pas d'unités de traitement graphique (GPU) spécialisées et coûteuses. Leurs modèles fonctionnent plutôt sur des puces plus petites, moins chères et plus efficaces, comme celles que l'on trouve dans les appareils du quotidien (télécommandes, micro-ondes). Ils y parviennent en remplaçant les réseaux neuronaux complexes derrière des systèmes comme ChatGPT par des réseaux plus simples basés sur une logique « si/alors », qui demandent beaucoup moins de puissance de calcul.
Selon Daniel Dykes, directeur produit de l'entreprise, cette approche ne présente aucun compromis sur les capacités. Les réseaux neuronaux et les réseaux logiques peuvent tous deux effectuer de l'apprentissage profond pour traiter des données complexes. Lors d'un test de prévision de la demande pour une entreprise alimentaire, leur réseau logique a été 7 % plus précis qu'un concurrent majeur utilisant un réseau neuronal.
Dykes note : « Si un algorithme ne nécessite pas de matériel spécialisé, un centre de données ou une nouvelle centrale électrique, vous avez résolu de nombreux problèmes posés par l'IA actuelle. » L'entreprise, qui opère dans la région EMEA et dans des secteurs comme les services d'eau, affirme que son processus d'entraînement est plus de 50 fois plus économe en énergie et 54 fois plus rapide que des réseaux neuronaux équivalents.
Un autre innovateur britannique, DeepGate, développe une IA qui fonctionne sur des puces plus petites, détectant efficacement les « mots de réveil » (comme « Dis Siri ») et classant des images. Bien que ce ne soit pas un remplacement complet pour des systèmes plus exigeants, cela montre que de nombreuses tâches spécialisées peuvent fonctionner sur du matériel moins cher et économe en énergie plutôt que sur des GPU. Par exemple, inspecter la qualité des matériaux ou repérer des anomalies dans des documents et des données de la chaîne d'approvisionnement – des applications ciblées et spécifiques.
Luke Taylor, co-fondateur de DeepGate, explique que ces systèmes plus simples peuvent compléter les plus grands, en traitant des tâches spécialisées uniquement lorsque nécessaire plutôt qu'en fonctionnant en continu, ce qui gaspille de l'énergie.
Des solutions émergent, mais pour les utiliser stratégiquement, les marques doivent d'abord comprendre l'impact complet de l'IA pour s'assurer qu'elle profite à la durabilité. Comme le souligne Abadie de Lectra, « Cela n'a pas de sens d'améliorer quelque chose dans un domaine tout en augmentant la pollution et les émissions de CO₂ ailleurs. » Il estime qu'une plus grande prise de conscience conduira à des cycles de développement plus courts et à une meilleure IA. « Au fur et à mesure que nous progressons, de plus en plus de gens réaliseront que l'impact environnemental doit être pris en compte dès le départ. Si l'IA crée plus de tort que de bien, cela ne vaut pas la peine d'y investir. »
**Foire aux questions**
L'IA rendra-t-elle la mode plus durable ou moins ?
Questions de niveau débutant
1. Que signifie même la mode durable ?
La mode durable désigne des vêtements conçus, fabriqués, distribués et utilisés de manière écologiquement responsable et socialement équitable. Elle vise à minimiser les dommages à la planète et à garantir des conditions équitables pour les travailleurs.
2. Comment l'IA peut-elle aider la mode ?
L'IA peut aider de nombreuses façons : prédire les tendances pour réduire la surproduction, concevoir des vêtements avec moins de déchets, optimiser les chaînes d'approvisionnement pour économiser l'énergie et aider les clients à trouver des articles qu'ils aimeront et garderont plus longtemps.
3. Donc, l'IA