Politiques énergétiques : les IA peinent à évaluer l’effet de deux mesures combinées

Une étude de l’UNESCO et de l’University College London, présentée le 16 novembre 2026 à la COP31, révèle une difficulté des assistants conversationnels sur les arbitrages énergétiques. Lorsqu’ils doivent déterminer l’effet conjoint de deux politiques climatiques, leur précision moyenne n’atteint que 33,8 % dans un test à trois réponses possibles.

Publié le
Lecture : 3 min
8c894bb9 Lenergeek Image Principale
Politiques énergétiques : les IA peinent à évaluer l’effet de deux mesures combinées © L'EnerGeek

Une étude de l’UNESCO et de l’University College London, présentée le 16 novembre 2026 à la COP31, révèle une difficulté des assistants conversationnels sur les arbitrages énergétiques. Lorsqu’ils doivent déterminer l’effet conjoint de deux politiques climatiques, leur précision moyenne n’atteint que 33,8 % dans un test à trois réponses possibles.

Taxer le charbon peut modifier son utilisation. Taxer le gaz aussi. Mais quel serait le résultat climatique des deux mesures appliquées simultanément ? Pour répondre, il faut comprendre les substitutions d’énergie, les investissements et les effets de chaque décision sur les autres. Le rapport UNESCO–UCL présenté à Antalya montre que les assistants conversationnels, pourtant capables d’expliquer des notions énergétiques connues, éprouvent de sérieuses difficultés sur ce type de combinaison.

La recherche a évalué jusqu’à 33 grands modèles de langage sur neuf ensembles de tests liés au climat et à l’environnement. Les chercheurs ont notamment comparé les réponses des systèmes à 656 questions sur les politiques climatiques avec des résultats du simulateur En-ROADS. L’écart entre restituer un fait et raisonner sur plusieurs décisions ressort nettement des résultats annoncés le 16 novembre 2026.

Sur deux mesures simultanées, un score proche du hasard

Lorsqu’une IA doit seulement déterminer dans quel sens une politique isolée fait évoluer la température mondiale à l’horizon 2100, le meilleur score atteint 94,5 % dans l’épreuve citée par l’University College London. Mais l’exercice change lorsque deux mesures sont introduites ensemble. Les modèles doivent alors préciser si leurs effets conjoints sont supérieurs, inférieurs ou égaux à l’addition de leurs effets séparés. Le taux moyen de bonnes réponses n’atteint que 33,8 %, à comparer aux 33,3 % d’un choix au hasard entre trois possibilités.

Le score de 94,5 % est le meilleur résultat relevé sur une tâche simple, tandis que les 33,8 % correspondent à une moyenne sur une tâche différente. La comparaison illustre la difficulté de l’exercice combiné, sans mesurer à elle seule la baisse de précision d’un même modèle entre les deux épreuves.

Dans un système énergétique, plusieurs mécanismes interagissent. La hausse du prix d’un combustible peut favoriser son remplacement par un autre, encourager des gains d’efficacité ou modifier les investissements dans de nouvelles capacités de production. Une politique d’électrification change en retour la demande d’électricité, donc les besoins de réseau et le recours aux différentes technologies. L’effet total dépend de ces relations et du calendrier des transformations.

En-ROADS, développé par Climate Interactive avec des chercheurs du MIT Sloan, représente ces liens dans un modèle global d’énergie, d’économie, d’usage des terres et de climat. Il permet de faire varier des leviers et de comparer des scénarios. Le simulateur ne prédit pas de manière certaine l’avenir : ses résultats reposent sur une structure de modèle et des hypothèses documentées. Il constitue néanmoins une référence spécialisée bien différente d’une réponse produite directement par un assistant généraliste.

Une bonne explication ne vaut pas une simulation énergétique

L’interprétation de preuves nouvelles révèle elle aussi des erreurs. Sur les questions factuelles de climat, les modèles les plus performants répondent juste entre 88 % et 96 % du temps selon les tests. Lorsqu’il faut analyser si une nouvelle preuve soutient une affirmation scientifique, les meilleurs ne dépassent plus 71 % à 77 % de précision. La qualité de rédaction d’une réponse peut ainsi masquer le fait qu’elle n’est pas fondée sur un calcul explicite des interactions énergétiques.

Le risque se renforce lorsque l’utilisateur oriente la conversation. Dans une série d’expériences portant sur quinze modèles, la proportion de réponses climatiques correctes diminue de 31 à 35 points après des contestations répétées. Environ 80 % des concessions observées surviennent dès la première marque de désaccord. Les auteurs désignent cette tendance à acquiescer sous le terme de sycophancy.

Pour un professionnel de l’énergie, le point pratique est précis : un assistant peut aider à reformuler une hypothèse, expliquer le fonctionnement d’une taxe carbone ou préparer une liste de questions. Il ne fournit pas, par sa seule réponse conversationnelle, un résultat de simulation vérifiable. Une analyse destinée à éclairer un investissement ou une politique publique doit permettre de retrouver les paramètres, les hypothèses et les calculs utilisés.

À la COP31, l’IA doit aussi rendre compte de ses propres effets

La COP31 examine parallèlement la consommation énergétique des centres de données. Le 16 novembre, le responsable d’ONU Climat Simon Stiell a demandé aux entreprises technologiques de développer une électricité propre pour leurs infrastructures sans faire supporter aux autres consommateurs les coûts liés à leur expansion, comme le rapportait L’EnerGeek. Les deux débats ne portent pas sur le même indicateur : l’un concerne la qualité des analyses produites par l’IA, l’autre les ressources qu’elle mobilise.

Trois jours plus tôt, les Nations unies, le Brésil et l’UNESCO avaient présenté des priorités d’action demandant aux développeurs de mesurer la fiabilité des informations climatiques de leurs systèmes, ainsi que leur consommation d’énergie et d’eau. Aucune de ces propositions ne transforme un assistant généraliste en modèle de prévision énergétique. Le choix des investissements et des politiques dépend toujours de simulations explicites, de données vérifiées et d’une expertise capable d’en discuter les limites.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur la façon dont les données de vos commentaires sont traitées.