L’intelligenza artificiale (IA) non è più una semplice curiosità tecnologica, il suo utilizzo all’interno delle aziende è esploso negli ultimi mesi ed è diventato un motore di produttività o di innovazione importante.
Tuttavia, dietro strumenti come ChatGPT, Claude o Gemini, si nasconde un'infrastruttura fisica massiccia ed energivora. Per le aziende, la sfida è doppia: evitare che l'IA diventi il "punto morto" della strategia del carbonio e impedisca il raggiungimento degli obiettivi, sfruttando al contempo il suo potenziale di innovazione.
In questo articolo, riprendiamo l’impatto ambientale, e in particolare di carbonio, dell’IA, il metodo per calcolarlo e i mezzi esistenti che permettono di controllare questo impatto.
📺 Preferisci il formato video? Questo articolo riassume i punti chiave del nostro ultimo webinar dedicato a questo argomento. Guarda la registrazione qui.
I relatori di questo webinar:
- Tanguy Robert, co-CEO di Sami
- Agathe Gourhannic, Sustainability Consulting Manager, fifty-five
- Grégory Lebourg, Global Environmental Director, OVHcloud
1. Qual è l’impatto dell’IA sull’ambiente?
L'impatto ambientale dell'intelligenza artificiale è spesso mal compreso perché è ibrido. Non si tratta solo di "consumare elettricità", ma di mobilitare risorse a ogni fase della catena del valore.
1.1 L’impatto di carbonio dell’IA
L’impatto di carbonio legato all’IA si ripartisce tra le emissioni dei data center, della rete e degli apparecchi per utilizzare l’IA. Tuttavia, sono proprio le emissioni legate ai data center a pesare di più, e di gran lunga.
Così, nell’analisi del ciclo di vita del Modello Grande 2 pubblicata da Mistral AI a luglio 2025, le emissioni legate agli apparecchi o agli equipaggiamenti degli utenti finali rappresentano solo il 3% delle emissioni totali e le emissioni legate al traffico della rete meno dell’1%. Più del 95% delle emissioni di gas a effetto serra si trovano quindi a livello dei centri di dati, in particolare a causa del loro consumo elettrico. È su questo punto che ci concentreremo.
- La fabbricazione
Oltre al consumo elettrico per l’uso dell’IA (addestramento dei modelli, uso quotidiano…), non bisogna dimenticare di prendere in considerazione l’impronta di carbonio legata alla fabbricazione dei centri di dati stessi e alla fabbricazione dei componenti necessari (server, processori…).
Secondo il rapporto del Shift Project pubblicato a ottobre 2025, la fabbricazione rappresenta circa il 25% delle emissioni totali dei centri di dati, contro il 75% per la fase di utilizzo.
E all’interno di questa fase di fabbricazione, il settore IT (server, processori…) pesa intorno al 75% delle emissioni contro il 25% per la parte infrastruttura (costruzione dei centri di dati…).
- La fase di utilizzo
È proprio questa fase che rappresenta la parte più emettitrice dell’IA, a livello dei data center e quindi a livello globale.
Riprendiamo lo studio pubblicato da Mistral AI sul suo Modello Grande 2: l’addestramento del modello e la fase di inferenza, cioè l’uso quotidiano da parte degli utenti, rappresentano l’85,5% delle emissioni totali del modello, dopo 18 mesi di utilizzo.
L’addestramento di Mistral Large 2 avrebbe così generato l’emissione di 20,4 ktCO2e, ovvero 9700 A/R Parigi-New York in aereo.
La ragione è semplice: l’addestramento dei modelli richiede una potenza di calcolo colossale e quindi mobilita un gran numero di processori (GPU) che consumano molta energia. Bisogna anche raffreddare continuamente i centri di dati, il che comporta ancora una volta un consumo importante di energia.
Più il mix energetico della regione in cui si trova il data center è carbonico e più le emissioni sono importanti, da qui l’importanza di essere attenti a questo criterio, lo vedremo un po’ più avanti.
Durante la fase di utilizzo del modello da parte degli utenti, ogni richiesta pesa poco. Mistral stima ad esempio che una pagina di testo generata (400 token) rappresenti 1,14 gCO2e. A livello di una richiesta, l’impronta di carbonio è quindi aneddotica. Il problema è che bisogna moltiplicare questo impatto per il numero di richieste e per il numero di utenti.
Secondo il Shift Project, il consumo elettrico mondiale dei centri di dati potrebbe essere moltiplicato per quasi 3 tra il 2023 e il 2030. E la quota dell’IA in questo consumo elettrico passerebbe dal 15% oggi al 35% nel 2030.
Risultato, il settore dei data center potrebbe vedere le sue emissioni di gas serra aumentare del 9% all'anno fino al 2030, raggiungendo così 920 MtCO2e, ovvero il doppio delle emissioni annuali della Francia.
1.2 L'impatto ambientale non carbonico
Le emissioni di CO2 non sono l'unico impatto ambientale generato dall'uso dell'intelligenza artificiale.
Due altri impatti maggiori devono essere considerati.
- Il consumo di acqua
Secondo le stime dell'Agenzia Internazionale dell'Energia, l'AIE, il settore dell'IA avrebbe consumato nel 2023 circa 560 miliardi di litri d'acqua, superando così il consumo mondiale di acqua in bottiglia. E questo consumo di acqua potrebbe raddoppiare entro il 2030 per raggiungere circa 1200 miliardi di litri.
L'intelligenza artificiale richiede infatti enormi quantità di acqua. Tre usi principali sono coinvolti:
- l'acqua necessaria per la produzione di elettricità: ciò rappresentava, secondo l'AIE, i due terzi del consumo di acqua del settore dell'IA nel 2023.
- l'acqua necessaria per il raffreddamento diretto dei data center: circa ¼ del consumo totale di acqua
- l'acqua necessaria per la fabbricazione dei semiconduttori e dei chip
Il consumo di acqua dei data center di Google è così aumentato del 14% nel 2023, raggiungendo 24 milioni di m3. L'aumento è addirittura del 22% per Microsoft.
- Il consumo di metalli
I processori grafici (o schede grafiche) che fanno funzionare i server destinati all'IA sono composti da una ventina di metalli, tra cui rame, ferro o ancora silicio.
Con l'esplosione dell'uso dell'intelligenza artificiale, la fabbricazione delle schede grafiche e degli altri componenti dei server dovrebbe esplodere.
E la fabbricazione di questi componenti non è solo vorace di metalli, lo è anche di energia e acqua, come visto in precedenza.
2. Come calcolare questo impatto all'interno della tua azienda?
Da Sami, osserviamo che l'anno 2025 è il primo in cui l'uso dell'IA inizia ad essere integrato nella misurazione dell'impronta di carbonio delle aziende.
Come calcolarlo?
2.1 I risultati pubblicati di recente
Torniamo sui risultati pubblicati di recente da Mistral AI e Google per Gemini.
Il francese Mistral rivendica la 1ª analisi completa del ciclo di vita di un modello di IA, il Modello Large 2. Ecco l'impatto dell'assistente IA Le Chat per una risposta di 400 token:
- 1,14 gCO2e
- 45 mL d'acqua
- e 0,16 mg di Sb eq (indicatore di esaurimento delle risorse abiotiche)
Qualche settimana dopo, Google pubblica a sua volta un rapporto sull'impatto carbonico delle richieste Gemini sulle emissioni di CO2, il consumo di energia e il consumo di acqua.
Ecco, secondo Google, l'impatto di un prompt testuale medio nelle applicazioni Gemini:
- 0,03 gCO2e
- 0,26 mL d'acqua
- 0,24 Wh di energia
In altre parole, un prompt su Gemini sarebbe 38 volte meno emissivo di un prompt su Mistral AI e 173 volte meno consumatore di acqua.
Una tale differenza è "impossibile" osserva Grégory Lebourg. Là dove i risultati di impatto di Mistral AI appaiono "coerenti", con un "lavoro serio e ben fatto", i risultati delle richieste su Gemini sono molto bassi. E per buona ragione, Mistral e Google non hanno applicato le stesse scelte metodologiche. È proprio su questo punto che bisogna essere molto prudenti.
Ad esempio, nello studio di Google sull'energia, le emissioni legate all'elettricità sono state contabilizzate in “Market-based” e non in “Location-based”. Ciò significa che il mix energetico del paese o della regione in cui si trovano i data center non è stato preso in considerazione. Ciò aumenterebbe significativamente le emissioni totali associate all'utilizzo di Gemini.
2.2 Quali fattori considerare per calcolare le emissioni legate all'utilizzo dell'IA?
Come ottenere stime il più possibile precise riguardo all'impronta di carbonio del proprio utilizzo dell'IA?
Per fare ciò:
- la localizzazione del data center
- il modello utilizzato
- il numero di richieste
- la dimensione dei risultati delle richieste
Va notato che i fornitori di servizi cloud, come OVHcloud, sono normalmente in grado di fornire ora le emissioni associate ai servizi consumati dai loro clienti, incluse le piattaforme IA. È quello che OVH fa da 3 anni con una calcolatrice del carbonio.
Con questi dati, siamo in grado di calcolare l'impronta dell'IA all'interno dell'impronta di carbonio digitale e quindi di integrarla nel bilancio del carbonio dell'azienda.
{{newsletter-blog-3}}
3. Come controllare l'impatto dell'IA in azienda?
3.1 Quali soluzioni per gli utenti aziendali?
La prima domanda da porsi è quella del “Perché?”. In altre parole, qual è il mio bisogno e il ricorso all'intelligenza artificiale è necessario per rispondere ad esso?
Molti casi non richiedono intelligenza artificiale e quindi di investire in questo tipo di risposta.
Per un uso controllato dell'IA, la prima risposta è quindi quella di selezionare i casi d'uso appropriati.
Ecco gli altri strumenti a disposizione delle aziende:
- scegliere la localizzazione del data center
I centri di dati situati in regioni o paesi dove il mix energetico è ampiamente decarbonizzato consumano, di fatto, molto meno di quelli alimentati a carbone, ad esempio. Scegliere data center in Francia permette così di ridurre notevolmente le emissioni associate all'utilizzo dell'IA.
È il caso in particolare delle aziende che sono in una logica di “AI deploy” e che dovranno fare dei calcoli, fare del deep learning in autonomia su piattaforme cloud. Possono quindi scegliere i più efficienti e i meno impattanti. Su piattaforme di GPU per addestrare un modello, “ridurrete dell'85% le emissioni di CO2 se lo fate su una piattaforma in Canada piuttosto che in Polonia”, secondo Grégory Lebourg.
- scegliere il modello giusto
Non tutte le esigenze richiedono un modello "gigante". Per compiti semplici (classificazione, riassunto), un modello compatto è molto meno energivoro di un modello generalista, per un risultato identico.
- formare i dipendenti
La moltiplicazione delle richieste va, su scala aziendale, ad aumentare notevolmente l'impatto ambientale dell'IA.
La formazione può servire, ad esempio, a migliorare i prompt utilizzati dai dipendenti per ottenere il risultato desiderato in una sola richiesta invece di 5 o 6 domande. Più il prompt sarà preciso e più l'impronta di carbonio sarà ridotta.
Si tratta anche di informare i dipendenti sull'impronta ambientale dell'IA e di insistere sul suo uso ragionevole. La generazione di immagini per rispondere alle tendenze sui social network, ad esempio, è responsabile di emissioni importanti e largamente evitabili. Secondo alcuni studi, ogni immagine generata potrebbe rappresentare tra 2 e 5 litri d'acqua evaporata per il raffreddamento.
3.2 Quali soluzioni per i centri di dati?
Esistono diverse soluzioni tecniche per limitare i consumi dei centri di dati.
La prima è il raffreddamento ad acqua. L'efficienza energetica del data center è allora molto migliore.
Altra tecnologia che può essere utilizzata: il raffreddamento immersivo. Ciò consente di mettere i server in un fluido non conduttivo, l'olio.
Successivamente, dal punto di vista tecnologico, le prestazioni delle schede grafiche e, più in generale, dei semiconduttori sono molto migliori ora. “Quando si guarda la gamma di Nvidia, le nuove generazioni sono 120 o 130 volte più efficaci rispetto alle generazioni di due anni fa” illustra così Grégory Lebourg nel nostro webinar.
Per gli utenti, è ora anche possibile chiedere al fornitore di servizi cloud di elaborare le richieste in base al mix energetico disponibile nel paese e quindi far funzionare i server nel momento in cui il mix è il più decarbonizzato, ad esempio quando la produzione di energia rinnovabile è elevata. Questo funziona solo per gli usi dell'IA (e ce ne sono molti) che non richiedono risultati immediati.
Conclusione
L'IA può essere un acceleratore per la tua azienda, ma il suo deployment non deve compromettere la tua traiettoria di decarbonizzazione e far fallire i tuoi obiettivi di riduzione delle emissioni di gas serra. La buona notizia è che è possibile controllare l'impatto ambientale dell'IA selezionando con cura i tuoi casi d'uso e i giusti parametri di deployment.
Se desideri approfondire questi concetti, ti invitiamo a visionare il replay completo del webinar:
👉 Guarda il Replay: L'IA in azienda, quale impatto ambientale?
Missione: decarbonizzazione
Non lasciarti sfuggire il ultime notizie sul clima e anticipare
notizie normative!
Misurare l'impronta di carbonio legata all'utilizzo dell'IA
Sami ti accompagna nella misurazione dell’impronta di carbonio del tuo utilizzo dell’IA e l’integra nel tuo bilancio di carbonio globale
Les commentaires