L'intelligence artificielle est vantée comme un levier de décarbonation. Une étude parue en août 2026 dans npj Climate Action, une revue du groupe Nature, arrive à la conclusion inverse pour le secteur pétrolier : appliquée au forage, à l'interprétation sismique et à la récupération assistée, l'IA pourrait rendre techniquement exploitables entre 470 milliards et plus de 1 000 milliards de barils supplémentaires dans les gisements existants, et faire monter les émissions mondiales de CO₂ plutôt que les réduire.

Une étude qui chiffre le pétrole « débloqué »

Le travail est signé de Will Alpine, Holly Alpine, Nathan Geldner et de Maksym Chepeliev, professeur associé à l'université Purdue, dans l'Indiana. Il a été publié le 11 août dans npj Climate Action (nature.com). Will et Holly Alpine sont aussi à l'origine de l'Enabled Emissions Campaign, une organisation qui documente le rôle des technologies numériques dans la production d'hydrocarbures ; l'étude relève donc d'un collectif engagé, ce qu'il faut garder en tête pour lire ses projections.

Le chiffre central porte sur les réserves. En déployant les meilleures techniques de récupération disponibles, dont celles pilotées par l'IA, sur l'ensemble des champs déjà en exploitation, la production mondiale pourrait aller chercher 470 milliards à plus de 1 000 milliards de barils aujourd'hui laissés dans le sol. Ces volumes correspondent à des gisements connus mais partiellement délaissés, faute d'être rentables avec les méthodes classiques. Ce sont eux que l'abaissement des coûts remet dans le jeu.

Les estimations d'un abaissement des coûts viennent surtout de la banque Goldman Sachs, citée par les reprises de l'étude. Aux États-Unis, l'IA pourrait réduire d'environ 30 % le coût de forage d'un nouveau puits et gonfler de 8 % à 20 % les réserves récupérables, soit 10 à 30 milliards de barils pour le seul sol américain (Inside Climate News). Le cabinet Rystad Energy évalue à quelque 500 milliards de dollars la valeur cumulée que l'IA et la numérisation apporteraient aux compagnies d'exploration-production entre 2026 et 2030.

Sismique, forage, récupération assistée

Les gains ne relèvent pas d'une promesse abstraite. L'IA intervient à trois étapes concrètes de la chaîne pétrolière.

Sur la sismique d'abord, c'est-à-dire l'imagerie du sous-sol. Le traitement d'un jeu de données sismiques en trois dimensions prenait jusqu'ici près d'un an ; des algorithmes d'interprétation automatisée ramènent ce délai à environ deux semaines, selon les chiffres de Goldman Sachs repris par l'étude. Une cartographie plus rapide et plus fine des réservoirs permet de cibler les forages et de limiter les puits secs.

Sur le forage ensuite, l'analyse en temps réel des données de trépan aide à ajuster la trajectoire et à réduire les incidents, donc la durée et le coût des chantiers. Sur la récupération enfin, des modèles prédictifs optimisent l'injection d'eau ou de gaz destinée à pousser vers la surface le pétrole résiduel, la part qui reste piégée après l'exploitation primaire d'un gisement.

Ces usages sont déjà déployés. Le norvégien Equinor attribue à l'interprétation automatisée des données une série de vingt-sept découvertes sur le plateau continental norvégien, et Saudi Aramco a intégré l'IA à ses opérations. La banque et le cabinet cités misent sur une généralisation rapide de ces outils d'ici à 2030.

L'effet rebond, moteur des émissions

Le raisonnement climatique de l'étude tient à un mécanisme économique bien identifié, l'effet rebond. En abaissant le coût d'extraction d'un baril, l'efficacité gagnée grâce au numérique rend rentables des ressources qui ne l'étaient pas, augmente l'offre et retarde la sortie des énergies fossiles au lieu de l'accélérer. Les micro-gains d'efficacité de chaque opérateur se convertissent, à l'échelle du marché, en croissance des volumes produits.

Pour quantifier cet effet, les auteurs ont fait tourner un modèle d'équilibre général de l'économie mondiale sur 64 scénarios, en faisant varier le degré d'adoption de l'IA dans les hydrocarbures, les renouvelables, les réseaux électriques, le transport maritime et l'industrie lourde. Lorsque les gains de productivité s'appliquent en parallèle au fossile et au propre, les émissions annuelles de CO₂ augmentent de 0,47 à 1,8 milliard de tonnes, soit 1,2 % à 4,8 % des émissions énergétiques mondiales de 2024. Les seuls gains appliqués au secteur fossile ajouteraient 0,6 à 2,4 milliard de tonnes par an.

Deux comparaisons donnent l'échelle. Ce surcroît d'émissions représente, à son plancher, la production annuelle du Mexique, et à son plafond celle de la Russie, quatrième émetteur mondial. Surtout, la pollution supplémentaire liée à l'usage de l'IA pour produire plus d'hydrocarbures dépasserait de 3,3 à 13,3 fois les émissions des centres de données qui font tourner l'IA elle-même, estimées par l'Agence internationale de l'énergie à 180 millions de tonnes aujourd'hui et projetées vers 300 millions en 2035. Le débat public se concentre pourtant surtout sur la consommation électrique des data centers, dont ZapNews a déjà exposé le coût climatique et l'opacité.

Le modèle fixe un seuil. Pour que le bilan net soit positif pour le climat, il faudrait que les gains de productivité de l'IA dans les renouvelables soient 4 à 5 fois supérieurs à ceux obtenus dans le fossile. En deçà de ce rapport, chaque amélioration profite davantage aux hydrocarbures qu'aux énergies bas-carbone. La même modélisation nourrit un article-jumeau de ZapNews sur les gains de productivité de l'IA et les émissions du secteur énergétique.

Ce que le modèle dit, et ce qu'il ne dit pas

Les auteurs posent eux-mêmes les limites de leur exercice. Le modèle s'appuie sur une base de données économique de 2017, ajustée au mix électrique de 2024 ; il ne capte pas tous les retours politiques, technologiques ou d'infrastructure. Ses résultats indiquent un ordre de grandeur et un sens, pas une prévision datée. Les fourchettes larges, du simple au triple sur les émissions comme sur les barils, traduisent cette incertitude.

Les estimations de Goldman Sachs et de Rystad, elles, émanent d'acteurs financiers dont le métier est de valoriser des perspectives de production ; elles décrivent un potentiel commercial autant qu'une réalité mesurée. Rien ne garantit que la totalité des 470 à 1 000 milliards de barils identifiés sera effectivement extraite, ni à quel rythme. La demande de pétrole, la trajectoire des prix et les politiques climatiques pèseront sur ce qui sortira du sol.

La thèse des auteurs est plus qualitative que ces chiffres : selon eux, l'IA ne décarbone ni n'intensifie par nature, elle renforce les structures économiques du système dans lequel elle opère. Dans une industrie fossile encore dominante, elle consolide cette domination. La conclusion rejoint celle d'autres travaux publiés le même mois, comme le rapport « Enabled Emissions » de Global Witness sur les contrats liant grands groupes technologiques et compagnies pétrolières.

Le prochain jalon est concret. Aucune donnée publique ne suit aujourd'hui les émissions attribuables à ces déploiements d'IA dans le pétrole et le gaz, que les auteurs appellent « émissions habilitées ». Tant que ce suivi n'existe pas, le chiffrage restera un modèle, et le pétrole débloqué une hypothèse que seule la production des prochaines années confirmera ou non.