Le rapport sur les déchets électroniques de Basel Action Network révèle le problème matériel caché de l’IA

Basel Action Network estime désormais que les équipements liés à l’IA pourraient générer jusqu’à 617 millions de tonnes de déchets électroniques d’ici 2050. Le rapport de Basel Action Network sur les déchets électroniques parvient à ce chiffre en comptabilisant bien plus que les processeurs et les serveurs. Il inclut les systèmes électriques, de refroidissement, de réseau, de stockage et de secours qui assurent le fonctionnement des centres de données dédiés à l’IA.

Ce périmètre élargi produit une projection plusieurs fois supérieure aux recherches antérieures, principalement centrées sur le matériel informatique. Dans l’hypothèse haute, les équipements retirés du service rempliraient environ 23 millions de conteneurs maritimes de 40 pieds. Alignés, ces conteneurs feraient environ six fois le tour de la planète.

Ce chiffre phare est une prévision, non un résultat mesuré. Pourtant, le rapport met en lumière un problème immédiat pour les fournisseurs de cloud, les fabricants d’équipements, les recycleurs et les régulateurs. L’empreinte physique de l’IA ne se limite pas à l’électricité et à l’eau. Chaque nouveau centre de données crée aussi un futur flux de machines obsolètes, de matières dangereuses et de métaux récupérables.

L’estimation des déchets électroniques de l’IA vient fortement d’augmenter

La nouvelle estimation modifie le périmètre comptable, et pas seulement l’hypothèse de croissance.

L’organisation à but non lucratif Basel Action Network, ou BAN, a publié son analyse le 15 septembre 2026. Elle prévoit que 395 à 617 millions de tonnes d’équipements électroniques liés à l’IA seront retirées entre 2025 et 2050.

L’estimation haute équivaut à environ 23 millions de conteneurs maritimes. Même l’estimation basse représente un flux de déchets très supérieur aux projections centrées sur les serveurs qui ont jusqu’ici structuré le débat.

BAN estime que les retraits annuels pourraient atteindre entre 8,6 et 13,1 millions de tonnes d’ici 2030. L’organisation décrit ce volume comme étant environ 40 à 60 fois supérieur à certaines estimations axées sur les serveurs et les processeurs graphiques.

Cette différence tient d’abord à ce que BAN place à l’intérieur du périmètre du système. Un centre de données a besoin de serveurs, mais il ne peut fonctionner avec les seuls serveurs. Il nécessite aussi des commutateurs, des dispositifs de stockage, des équipements de distribution électrique, des batteries, des générateurs, des systèmes de refroidissement, des câbles et d’autres matériels spécialisés.

Le rapport indique que les recherches axées sur les serveurs négligent environ 87 % de l’infrastructure électromécanique élargie d’un centre de données. BAN applique donc un modèle couvrant l’ensemble de l’infrastructure, qui attribue environ 70 000 tonnes d’équipements à chaque gigawatt de capacité de centre de données.

Les projections de capacité alimentent ensuite la prévision. Le modèle s’appuie sur des estimations selon lesquelles la capacité mondiale des centres de données pourrait atteindre 219 gigawatts d’ici 2030. L’extension du remplacement des équipements aux scénarios d’expansion ultérieurs produit la fourchette cumulée de BAN jusqu’en 2050.

La méthode inclut également ce que l’organisation appelle la « contagion des déchets liés à l’IA ». Cette catégorie couvre les équipements de télécommunications associés et les appareils personnels que le développement de l’IA pourrait pousser leurs propriétaires à remplacer plus tôt.

Il s’agit de l’élément le plus étendu et le plus incertain du modèle. Le retrait d’un serveur peut être directement relié à une modernisation de centre de données. Il est plus difficile de déterminer si une fonction d’IA a poussé un consommateur à remplacer un téléphone ou un ordinateur.

La conclusion centrale de BAN reste importante, même si cette catégorie appelle une lecture prudente. L’estimation couvrant l’ensemble de l’infrastructure identifie des équipements que les études plus étroites laissent souvent hors de leurs modèles.

Un processeur graphique mis au rebut est visible et facile à associer à l’IA. Les pompes de refroidissement, tableaux de distribution, batteries de secours, commutateurs réseau et systèmes électriques retirés du service attirent moins l’attention. Ensemble, ils peuvent peser davantage que le matériel informatique présent dans la même installation.

Ce périmètre élargi explique pourquoi le rapport n’est pas simplement un nouvel avertissement fondé sur une croissance plus rapide des modèles. BAN soutient qu’une grande partie des futurs déchets était absente des calculs avant même que le taux de croissance ne soit débattu.

Le résultat transforme chaque campus d’IA annoncé en un engagement différé de gestion des déchets. La construction détermine non seulement la demande d’électricité à court terme, mais aussi la quantité d’équipements que quelqu’un devra un jour réemployer, recycler, stocker ou jeter.

Pourquoi les centres de données d’IA créent un cycle de remplacement matériel

L’infrastructure d’IA devient un déchet par des remplacements répétés, et non lors d’un unique démantèlement lointain.

Les centres de données contiennent des équipements dont les durées de vie utile diffèrent. Les serveurs peuvent être modernisés tandis qu’un bâtiment reste en service. Les batteries, composants de refroidissement, disques et équipements réseau suivent des calendriers distincts de maintenance et de remplacement.

L’IA accélère ce cycle, car les opérateurs se disputent la performance par watt, la densité de calcul et le coût du service. Un accélérateur plus récent peut traiter davantage de travail dans une enveloppe électrique contrainte. Il peut donc rendre des équipements plus anciens, pourtant fonctionnels, commercialement peu attractifs avant leur défaillance physique.

Les déchets qui en résultent ne se limitent pas au matériel en panne. Ils incluent les équipements retirés parce qu’un système plus récent offre une meilleure économie. Certains appareils peuvent rejoindre des marchés secondaires, mais d’autres présentent des conceptions spécialisées ou une demande de revente limitée.

Les grands clusters d’IA transforment aussi les systèmes qui les entourent. Des densités de baies plus élevées exigent des configurations différentes de refroidissement, d’alimentation électrique, de réseau et d’agencement physique. Le remplacement de la couche informatique peut donc imposer des changements ailleurs dans l’installation.

Cela crée un conflit entre un déploiement rapide et une longue durée de vie des équipements. Les fournisseurs de cloud veulent mettre chaque génération de matériel en ligne rapidement. La réduction des déchets fonctionne mieux lorsque les équipements restent utiles plus longtemps, sont réparés ou trouvent une application de seconde vie.

Des recherches antérieures ont saisi une partie de cette pression. Une étude évaluée par les pairs publiée en 2024 estimait que l’IA générative pourrait accumuler entre 1,2 et 5 millions de tonnes de déchets électroniques de 2020 à 2030. Son modèle se concentrait en particulier sur les équipements informatiques des grands modèles de langage.

La même étude sur l’IA générative a constaté que des stratégies circulaires pourraient réduire les déchets modélisés de 16 à 86 %. Ces stratégies comprenaient l’allongement de la durée de vie du matériel, le réemploi des équipements et l’amélioration de la récupération des matériaux.

Une analyse universitaire distincte de 2026 est parvenue à une estimation à court terme plus basse. Elle prévoyait que les serveurs d’IA pourraient produire entre 131 000 et 224 800 tonnes de déchets électroniques par an d’ici 2030.

Cette réévaluation centrée sur les serveurs a conclu que l’IA pourrait contribuer moins aux déchets électroniques mondiaux que les estimations antérieures ne le suggéraient. Elle a également souligné le manque de données sur la chaîne d’approvisionnement et d’informations réalistes sur la durée de vie des serveurs.

À première vue, cette conclusion entre en conflit avec les chiffres de BAN. Les études ne mesurent toutefois pas exactement la même chose. L’une met l’accent sur les serveurs d’IA, tandis que BAN tente de comptabiliser l’infrastructure environnante et le remplacement induit d’appareils.

Cette distinction est importante, car les « déchets électroniques de l’IA » n’ont pas de périmètre comptable universellement accepté. Les analystes peuvent compter les accélérateurs, les serveurs entiers, les installations complètes, les actifs de télécommunications connectés ou les appareils grand public affectés par l’adoption de l’IA.

Chaque choix répond à une question différente. Un modèle limité aux serveurs peut estimer la charge matérielle directe du calcul. Un modèle couvrant l’ensemble du système est mieux adapté à l’examen des obligations en matière de déchets créées par le déploiement d’infrastructures.

Le rapport de BAN n’invalide donc pas automatiquement les estimations universitaires. Il remet en cause l’adéquation de leurs périmètres pour les politiques publiques et la planification à long terme des déchets.

Les résultats divergents révèlent un problème plus profond de transparence. Les chercheurs externes n’ont généralement pas accès à des inventaires complets d’équipements, des calendriers de retrait, des taux de reconditionnement ni des registres d’élimination finale des grands exploitants de centres de données.

Sans ces registres, les modèles doivent combiner des projections publiques de capacité avec des hypothèses sur la masse et la durée de vie des équipements. De faibles variations se cumulent sur plusieurs décennies, en particulier lorsque les prévisions s’étendent jusqu’en 2050.

L’incertitude est réelle, mais elle ne fait pas disparaître le matériel. Elle montre pourquoi les opérateurs devraient rendre compte de leurs actifs physiques avec le même sérieux que celui accordé à la consommation d’énergie et aux émissions de carbone.

Le rapport de Basel Action Network sur les déchets électroniques met les recycleurs sous pression

Le déploiement de l’IA crée des déchets spécialisés plus vite que les systèmes de recyclage ne deviennent transparents et responsables.

Le monde a généré 62 millions de tonnes de déchets électroniques en 2022, selon le Global E-waste Monitor. Seuls 22,3 % ont été documentés comme ayant été formellement collectés et recyclés de manière écologiquement rationnelle.

L’inventaire mondial des déchets prévoit que la production annuelle de déchets électroniques atteindra 82 millions de tonnes d’ici 2030. Cette croissance était déjà anticipée avant que BAN n’applique une définition plus large à l’infrastructure d’IA.

BAN estime que les équipements liés à l’IA pourraient à terme représenter 15 à 20 % des déchets électroniques mondiaux. L’organisation compare cette part à un total mondial projeté de 211 millions de tonnes par an d’ici 2050.

Ces chiffres ne doivent pas être considérés comme un résultat garanti. Ils combinent la croissance à long terme des centres de données, l’intensité des équipements, les cycles de remplacement et les projections mondiales de déchets. Chaque composante peut évoluer.

Néanmoins, ce scénario montre le problème de capacité auquel font face les recycleurs. Les équipements de centres de données contiennent du cuivre, de l’aluminium, de l’acier, des circuits imprimés et d’autres matériaux récupérables de valeur. Ils peuvent également contenir des batteries et des substances exigeant une manipulation contrôlée.

La collecte n’est que le premier défi. Les produits électroniques modernes combinent les matériaux de façons qui compliquent leur séparation. La récupération des métaux en vrac est généralement plus simple que l’extraction de faibles quantités de matériaux critiques à partir de composants intégrés.

Les recycleurs ont aussi besoin d’informations fiables sur les équipements reçus. Les inventaires, la composition des composants, l’historique de service et les exigences de sécurité des données déterminent si le matériel peut être réemployé ou doit être démantelé.

Les appareils contenant des données créent un autre obstacle. Les entreprises peuvent détruire des équipements de stockage encore utilisables pour éviter les fuites d’informations. L’effacement sécurisé et des systèmes vérifiés de chaîne de traçabilité peuvent préserver les possibilités de réemploi, mais ils exigent une planification avant le retrait du service.

Le secteur de l’IA est incité à récupérer une partie de la valeur des équipements. Les accélérateurs, serveurs et périphériques réseau peuvent rester utiles pour des charges de travail moins exigeantes. Les pièces peuvent également servir aux réparations ou aux déploiements secondaires.

Toutefois, le réemploi dépend du support logiciel, de l’efficacité énergétique, de la compatibilité et de l’accès aux acheteurs. Un serveur fonctionnel peut avoir peu de valeur pratique si ses coûts d’exploitation dépassent ceux d’équipements plus récents.

Cette tension rend les choix de conception importants. Les systèmes modulaires permettent aux opérateurs de remplacer des composants individuels plutôt que des ensembles entiers. Des pièces standard et une documentation de réparation peuvent également prolonger la durée de vie utile.

Les fabricants influencent ces choix, mais les clients hyperscale disposent d’un levier considérable. Les fournisseurs de cloud commandent des équipements en volumes énormes et contribuent souvent à façonner des conceptions sur mesure. Leurs règles d’approvisionnement peuvent exiger la réparabilité, la divulgation des matériaux et des services de reprise.

Les plans de recyclage doivent aussi couvrir l’installation autour du serveur. Les alimentations électriques, équipements de refroidissement, batteries, câbles et systèmes réseau suivent différents canaux de réemploi et de récupération. Un seul prestataire peut ne pas gérer efficacement chaque flux.

La pression s’exerce donc sur toute une chaîne. Les propriétaires de centres de données décident du moment où les équipements quittent le service. Les fabricants contrôlent les informations de conception. Les prestataires logistiques déplacent les actifs retirés, et les recycleurs déterminent quels matériaux retournent à la production.

Toute rupture dans cette chaîne peut transformer des équipements récupérables en ferraille exportée ou en déchets mis en décharge. L’ampleur des prévisions de BAN rend une responsabilité fragmentée de plus en plus difficile à justifier.

Les règles d’exportation révèlent la géographie des déchets de l’IA

La question la plus difficile n’est pas seulement de savoir combien d’équipements sont retirés du service, mais où ils finissent ensuite.

Les déchets électroniques traversent souvent les frontières parce que la main-d’œuvre, les coûts de traitement et les contrôles environnementaux varient fortement. Une expédition étiquetée comme destinée au réemploi peut contenir des équipements dont la valeur résiduelle est faible.

La Convention de Bâle régit les mouvements internationaux de déchets dangereux et d’autres déchets contrôlés. Ses amendements sur les déchets électroniques sont entrés en vigueur le 1er janvier 2025, élargissant les contrôles de consentement préalable en connaissance de cause pour les expéditions internationales de déchets électroniques.

Dans le cadre de ce processus, le pays exportateur doit généralement obtenir le consentement écrit des pays importateurs et de transit concernés avant qu’une expédition contrôlée ne puisse avoir lieu. Ces règles visent à empêcher que des déchets non désirés n’atteignent des lieux dépourvus de capacités de traitement sûres.

Les États-Unis ont signé, mais n’ont pas ratifié, la Convention de Bâle. Le plus grand marché d’infrastructures d’IA se trouve ainsi hors du cadre complet des parties au traité, même si les règles nationales et celles des pays de destination peuvent encore restreindre les expéditions.

BAN se concentre depuis longtemps sur cette lacune réglementaire. Ses enquêtes ont suivi des appareils électroniques mis au rebut quittant des marchés plus riches pour être traités dans des pays où l’application des règles est plus faible ou qui disposent d’importants secteurs de recyclage informel.

Une enquête de 2025 a identifié des expéditions d’équipements électroniques américains vers des destinations d’Asie du Sud-Est et du Moyen-Orient. Les autorités de plusieurs pays destinataires renforçaient déjà les saisies et les mesures d’application.

L’enquête sur les exportations décrivait des travailleurs démontant des équipements sans protection adéquate. Ce type de traitement peut libérer des fumées toxiques, des poussières contaminées et des résidus dangereux.

Les équipements d’IA ne suivront pas automatiquement ces circuits. Les grands opérateurs peuvent exiger un traitement certifié, auditer les fournisseurs et conserver des registres depuis le retrait du matériel jusqu’au traitement final.

Le risque augmente lorsque les équipements passent par des courtiers et plusieurs entreprises en aval. Chaque transfert peut réduire la visibilité sur le fait qu’un actif a été réemployé, correctement recyclé, stocké indéfiniment ou abandonné.

Les totaux de recyclage déclarés par les entreprises ne répondent pas toujours à cette question. Une entreprise peut indiquer le pourcentage détourné de la mise en décharge sans révéler les destinations finales ni le taux de récupération de chaque matériau.

De même, « recyclé » ne signifie pas que chaque composant est devenu un nouveau produit. Le terme peut couvrir des procédés allant d’une récupération soigneuse des matériaux à un broyage de faible valeur générant d’importants déchets résiduels.

L’argument politique du rapport repose sur la nécessité de combler ces lacunes de visibilité. BAN souhaite des contrôles plus stricts sur les exportations de déchets, une certification indépendante du recyclage et une responsabilité plus claire pour les équipements tout au long de leur cycle de vie.

La responsabilité élargie des producteurs offre une voie possible. Ces règles rendent les producteurs responsables du financement ou de l’organisation de la collecte et du traitement une fois que les produits ont atteint la fin de leur vie utile.

Cette approche peut transférer les coûts des déchets vers les entreprises qui influencent la conception. Elle peut aussi encourager des produits plus durables, plus faciles à séparer ou conservant leur valeur sur les marchés secondaires.

Toutefois, les infrastructures de centres de données ne s’intègrent pas aisément aux programmes destinés aux appareils grand public. Les équipements sur mesure, les ventes interentreprises, le matériel loué et les opérations mondiales de cloud nécessitent des règles conçues pour les technologies industrielles.

L’harmonisation internationale importe pour la même raison. Un programme strict sur un marché a une portée limitée si les équipements retirés du service peuvent passer par une autre juridiction aux exigences de déclaration plus faibles.

L’expansion des infrastructures d’IA rend ce décalage réglementaire plus difficile à ignorer. Le matériel fonctionne à l’intérieur des frontières nationales, mais les chaînes d’approvisionnement et les marchés des déchets sont mondiaux.

Le chiffre le plus important est aussi le plus incertain

Les prévisions de BAN constituent un scénario d’alerte, et non une mesure précise des déchets déjà produits.

L’organisation est un organisme de surveillance environnementale qui défend une position politique claire sur les exportations de déchets dangereux. Son analyse doit être évaluée comme une recherche de plaidoyer, et non confondue avec un consensus scientifique évalué par les pairs.

Plusieurs hypothèses peuvent faire fortement varier la projection. La capacité future des centres de données pourrait croître plus vite ou plus lentement que prévu. L’intensité des équipements par gigawatt pourrait changer à mesure que les installations améliorent leur densité et leur efficacité.

La durée de vie du matériel est tout aussi importante. Allonger la durée moyenne de service réduit le nombre de cycles de remplacement avant 2050. Des cycles plus courts augmentent à la fois la demande de fabrication et les volumes de matériel retiré.

Le modèle doit aussi distinguer le remplacement des déchets. Un accélérateur retiré du service puis vendu à un autre opérateur a quitté son centre de données d’origine, mais n’a pas atteint sa fin de vie. Traiter le retrait et l’élimination comme identiques surestimerait les déchets immédiats.

BAN présente sa fourchette autour des équipements électroniques retirés du service. Les lecteurs doivent donc éviter d’interpréter chaque tonne comme du matériel envoyé directement en décharge pendant la période de prévision.

La seconde vie peut retarder l’élimination de plusieurs années. Elle ne supprime toutefois pas l’obligation finale de gérer les déchets. Les équipements finissent par atteindre un point où la réparation, la revente ou le redéploiement ne sont plus pratiques.

La catégorie de « contagion des déchets de l’IA » introduit une couche supplémentaire d’incertitude. Les fonctions d’IA peuvent encourager le renouvellement des appareils, mais les consommateurs remplacent leurs appareils pour de nombreuses raisons qui se recoupent. Il est difficile de distinguer ces causes.

Les prévisions jusqu’en 2050 dépendent également de technologies qui n’existent pas encore. Les futurs accélérateurs pourraient utiliser moins de matériaux par unité de calcul. De nouvelles conceptions de refroidissement pourraient réduire la masse des équipements, ou des déploiements plus denses pourraient exiger davantage de systèmes spécialisés.

Les politiques publiques peuvent aussi modifier le résultat. Les exigences de réparabilité, les normes de contenu recyclé, les lois sur la responsabilité des producteurs et les contrôles à l’exportation modifieraient à la fois les volumes de déchets et les filières de traitement.

Ces incertitudes affaiblissent les affirmations d’exactitude, mais renforcent l’argument en faveur d’une meilleure transparence. Les opérateurs pourraient remplacer les hypothèses par des données mesurées en publiant le nombre, la masse, l’âge et les taux de réemploi des équipements, ainsi que leurs destinations vérifiées.

Des déclarations comparables permettraient aussi de résoudre les désaccords entre estimations étroites et larges. Les chercheurs pourraient présenter séparément les déchets de serveurs et les infrastructures de soutien sans les réduire à un seul chiffre.

Un cadre de publication utile suivrait au moins quatre étapes : les équipements achetés, les équipements déployés, les équipements retirés du service et les équipements parvenant au traitement final. Le réemploi devrait rester distinct du recyclage.

Les entreprises devraient également déclarer la récupération des matériaux plutôt que de se fier uniquement au nombre d’unités. Un serveur réemployé et un système de refroidissement recyclé représentent des résultats environnementaux différents.

La réponse la plus solide aux prévisions de BAN n’est pas d’accepter chaque hypothèse de limite supérieure. C’est d’exiger suffisamment de preuves opérationnelles pour remplacer les estimations incertaines par des registres auditables.

D’ici là, les assurances de l’industrie comme les projections externes restent difficiles à vérifier. Le déficit d’information favorise les affirmations optimistes, car les déchets apparaissent des années après que les annonces d’infrastructures ont attiré l’attention du public.

Trois signaux indiqueront si les prévisions se confirment

La croissance des capacités, la longévité des équipements et la récupération vérifiée détermineront si l’IA s’approche de l’estimation haute de BAN.

Le premier signal est le rythme et la composition de la construction des centres de données. La capacité annoncée ne devient pas toujours une capacité opérationnelle. Les retards liés aux raccordements électriques, au financement, aux permis ou à l’approvisionnement en puces peuvent modifier les projections de retrait.

Plus important encore, les développeurs devraient publier l’intensité des équipements en parallèle des mégawatts. Deux installations ayant la même capacité électrique peuvent contenir des quantités différentes d’équipements de refroidissement, de secours, de réseau et de calcul.

Si la capacité déployée approche les prévisions actuelles de forte croissance sans réduction de l’intensité matérielle, la fourchette de BAN devient plus plausible. Une construction plus lente ou des infrastructures plus légères affaibliraient le scénario haut.

Le deuxième signal est la durée de service réelle du matériel d’IA. Les opérateurs fournissent rarement des données publiques cohérentes indiquant combien de temps les accélérateurs, les serveurs et les systèmes de soutien restent déployés.

Surveillez les preuves montrant que les anciens accélérateurs sont transférés vers l’inférence, la recherche ou des charges de travail du marché secondaire. Un canal de revente fonctionnel réduirait les déchets à court terme et améliorerait l’économie d’une utilisation prolongée du matériel.

Le soutien des fabricants compte également. La compatibilité logicielle, les pièces détachées, l’accès à la réparation et les mises à jour de firmware peuvent déterminer si les équipements anciens restent utiles.

Si les fournisseurs de cloud remplacent les systèmes après seulement quelques années sans redéploiement substantiel, les déchets annuels augmenteront rapidement. Une durée de service plus longue et des secondes vies documentées pousseraient les résultats vers le bas de la fourchette.

Le troisième signal est une récupération en aval vérifiable. Les rapports de durabilité des entreprises devraient préciser quelle quantité d’équipements a été réemployée, remise à neuf, recyclée et envoyée à l’élimination finale.

Ces rapports devraient également nommer les régions de traitement et décrire les méthodes d’audit. Un pourcentage de recyclage sans données de destination ne peut pas démontrer si des matières dangereuses ont été transférées vers des procédés mal contrôlés.

Les régulateurs peuvent renforcer ce signal au moyen des registres d’expédition et de l’application des règles. Les règles de Bâle sur les déchets électroniques fournissent un cadre de consentement et de suivi international, même si la participation nationale et l’application restent inégales.

Des rapports transparents permettraient aux clients de comparer les fournisseurs de cloud sur davantage de critères que la vitesse, l’accès aux modèles et les affirmations relatives à l’électricité. Les acheteurs d’entreprise pourraient inclure des exigences sur la durée de vie des équipements et leur récupération dans l’approvisionnement en infrastructures.

Les développeurs et travailleurs du savoir ont un contrôle moins direct, mais leurs décisions d’achat influencent toujours la demande. Choisir des modèles de taille adaptée et prolonger la durée de vie des appareils peut réduire la pression aux marges du système.

Le rapport de Basel Action Network sur les déchets électroniques remet finalement en cause l’idée selon laquelle l’IA existerait principalement sous forme de logiciel. Chaque modèle dépend de systèmes physiques à la durée de fonctionnement limitée et aux destinations complexes.

L’estimation de 617 millions de tonnes pourrait diminuer à mesure que la technologie, les politiques publiques et les pratiques de réemploi s’améliorent. Elle pourrait aussi se révéler prudente si les capacités et les cycles de remplacement s’accélèrent simultanément.

La question décisive est désormais de savoir si les opérateurs publieront suffisamment d’éléments pour faire la différence. Demandez aux fournisseurs combien de temps leurs équipements restent en service, où vont les systèmes retirés et comment la récupération est vérifiée. Ces réponses révéleront si le boom matériel de l’IA construit une chaîne d’approvisionnement circulaire ou ne fait que reporter une crise des déchets bien plus vaste.