Framamia

VALDIVIA, Ana, 2025. The supply chain capitalism of AI : a call to (re)think algorithmic harms and resistance through environmental lens. Information, Communication & Society. 10 septembre 2025. Vol. 28, n° 12, pp. 2118‑2134. DOI 10.1080/1369118X.2024.2420021.[Consulté le 4 novembre 2025]. Disponible à l’adresse : https://www.tandfonline.com/doi/epdf/10.1080/1369118X.2024.2420021?needAccess=true

Cet article invite à déplacer le regard sur l’IA : au-delà des algorithmes, il faut observer l’ensemble de la chaîne matérielle et capitaliste dans laquelle s’inscrit l’IA (extraction de ressources, fabrication des serveurs, localisation des data-centres, déchets, ...). L’autrice remarque notamment que les impacts écologiques et sociaux sont externalisés vers des régions moins puissantes (point de vue éthique et géopolitique tout d’abord abordé). Elle propose un changement de modèle : hardware plus simple, cycles de vie prolongés, responsabilisation des utilisateurs et territoires (aspect écologique).

L’IA dépend fortement de l’extraction de minerais, terres rares, métaux (l’ensemble des composants électroniques),ressources souvent localisées dans des pays du Sud. Les data-centres et équipements électroniques engendrent des consommations d’énergie, d’eau, et produisent des déchets (e-waste) souvent externalisés. Cela crée ce que l’autrice nomme des “zones de sacrifice environnementales” : territoires où les impacts négatifs sont concentrés (extraction, déchets) alors que les bénéfices sont ailleurs.

L’article mobilise le concept de « supply-chain capitalism » pour montrer comment l’IA s’inscrit dans des logiques d’accumulation et d’exploitation, avec notamment une image assez évoquant. On estime qu’un GPU destiné à un data center aura parcouru (par le biais de ses diverses composantes) plus de 50 000km lors de sa fabrication.

L’article montre que ces chaînes engendrent des asymétries géographiques : les bénéfices économiques sont concentrés (firmes technologiques, pays du Nord) tandis que les coûts (extraction, pollution, consommation locale d’eau/énergie, déchets électroniques) sont souvent déplacés vers des territoires vulnérables, il est également important de ne pas oublier la dimension sociale : la main-d’œuvre associée à l’IA (travailleurs du clic, maintenance, infrastructures) est souvent précaire et peu visible.

L’idée essentielle à retenir est qu’il ne suffit pas de penser « modèle IA plus petit, moins gourmand » : il faut aussi questionner l’infrastructure matérielle, l’extraction de ressources, la durée de vie des équipements, la répartition des impacts.