L'IA consomme de l'électricité, de l'eau et des ressources rares. Ce n'est pas une raison de ne pas l'utiliser. C'est une raison de l'utiliser bien.
Ces données donnent un ordre de grandeur. Pas pour culpabiliser. Pour choisir avec discernement.
Électricité
~10 Wh
par requête sur un grand modèle de langage (GPT-4, Claude...). Soit 10 fois plus qu'une recherche Google classique (~0,3 Wh).
Eau
500 ml
consommés pour refroidir les serveurs lors d'une conversation de 50 échanges avec GPT-4 (source : étude UC Riverside, 2023).
Entraînement
284 T CO₂
émis lors de l'entraînement de GPT-3 — équivalent à 5 voitures sur toute leur durée de vie (source : University of Massachusetts, 2019).
Datacenters
2 à 4 %
de la consommation électrique mondiale provient des datacenters. Ce chiffre devrait doubler d'ici 2030 selon l'Agence Internationale de l'Énergie.
Ces données méritent d'être contextualisées. Un vol Paris-New York émet environ 3,5 tonnes de CO₂ par passager. Une heure de vidéo en streaming représente quelques grammes. L'IA n'est pas le grand responsable. Elle n'est pas neutre non plus.
Cet usage en vaut-il la peine ? Utiliser un grand modèle pour rédiger un email simple : non. Pour analyser 500 documents juridiques en quelques minutes et éviter 3 jours de travail : oui.
Ce n'est pas un appel à ne pas utiliser l'IA. C'est choisir le bon outil pour le bon usage, et rien de plus.
Choisir des modèles légers pour des tâches simples
Un modèle de 7 milliards de paramètres consomme 10 à 50 fois moins qu'un grand modèle. Pour classifier des textes, extraire des données ou répondre à des questions simples, les petits modèles suffisent.
Préférer les datacenters à énergie décarbonée
La France a un mix électrique parmi les moins carbonés d'Europe. Des modèles hébergés en France ou en Europe nordique ont une empreinte carbone bien inférieure à ceux des datacenters américains.
Ne pas automatiser pour automatiser
Un workflow qui tourne 1 000 fois par jour pour une tâche qui n'en valait pas la peine, c'est 1 000 fois l'impact. L'automatisation sobre commence par cette question : ce process mérite-t-il d'être automatisé ?
Éteindre ce qui ne sert pas
Un modèle IA hébergé "au cas où" qui ne traite pas de requêtes consomme tout de même de l'énergie. Les plateformes cloud ont des options de mise en veille — les utiliser est un réflexe de sobriété.
En lien avec
Transformation IA
Ces principes guident mes recommandations : choix des modèles, hébergement, automatisation.
500 ml d'eau sont consommés pour refroidir les serveurs lors d'une conversation de 50 échanges avec GPT-4 (source : étude UC Riverside, 2023).
Une requête sur un grand modèle de langage (GPT-4, Claude...) consomme environ 10 Wh, soit dix fois plus qu'une recherche Google classique (environ 0,3 Wh).
La sobriété numérique consiste à choisir le bon outil pour le bon usage. En pratique : préférer des modèles légers pour les tâches simples, choisir des datacenters à énergie décarbonée (France, Europe nordique), et ne pas automatiser ce qui n'en vaut pas la peine.
L'entraînement de GPT-3 a émis 284 tonnes de CO2, soit l'équivalent de 5 voitures sur toute leur durée de vie (source : University of Massachusetts, 2019). Les datacenters représentent 2 à 4 % de la consommation électrique mondiale, un chiffre qui devrait doubler d'ici 2030 selon l'Agence Internationale de l'Énergie.
C'est possible — à condition de choisir avec méthode. Parlons-en.
Prenez RDV gratuitement