# Quelle est l'empreinte carbone de l'IA ?

> L'empreinte carbone de l'IA expliquée : émissions par requête et d'entraînement, carbone intrinsèque, effet du réseau et tendances des géants du numérique.

Source: https://greenai.guide/fr/articles/quelle-est-l-empreinte-carbone-de-l-ia/  
Updated: 2026-11-20

## En bref

L'empreinte carbone de l'IA, ce sont les gaz à effet de serre émis pour fabriquer le matériel et les bâtiments sur lesquels l'IA fonctionne (carbone intrinsèque) et pour produire l'électricité qui entraîne et fait tourner ses modèles (carbone opérationnel). Par requête textuelle, elle est faible : Google indique 0,03 g d'équivalent CO₂ pour une requête Gemini médiane. Mais les émissions de l'IA s'additionnent : l'entraînement de GPT-3 a été estimé à 552 tonnes, et les émissions totales de Microsoft sont passées d'environ 12,9 à 20,3 millions de tonnes entre 2020 et 2025, à mesure qu'il développait l'IA. L'origine de l'électricité compte autant que la quantité consommée.

## Points clés

- Google indique 0,03 g CO₂e pour une requête textuelle Gemini médiane en mai 2025, en méthode fondée sur le marché, soit une division par 44 en un an ; environ un tiers provient du matériel et d'autres émissions hors électricité.
- L'analyse du cycle de vie de Mistral AI a évalué une réponse de Le Chat de 400 tokens à 1,14 g CO₂e, et l'entraînement plus 18 mois d'utilisation de Mistral Large 2 à 20 400 tonnes.
- L'entraînement de GPT-3 a été estimé à 552 tonnes CO₂e ; Meta déclare 11 390 tonnes en méthode fondée sur la localisation pour la famille Llama 3.1, et zéro en méthode fondée sur le marché.
- Les émissions de Microsoft sont passées d'environ 12,9 millions de tonnes pour son exercice 2020 à environ 20,3 millions en 2025.
- Le choix du modèle, du centre de données et du processeur peut réduire le carbone de l'entraînement d'un facteur d'environ 100 à 1 000, selon Patterson et ses collègues.
- L'électricité des centres de données américains en 2023 correspondait à environ 74 millions de tonnes CO₂e, soit en moyenne 0,34 kg par kWh, selon le Lawrence Berkeley National Laboratory.

Quelle est l'empreinte carbone de l'IA ? Ce sont les gaz à effet de serre émis pour construire le matériel et les
bâtiments sur lesquels l'IA fonctionne, et pour produire l'électricité qui entraîne et fait tourner ses modèles. Par
requête, l'empreinte carbone de l'IA est faible ; au total, les émissions de l'IA augmentent vite, parce que la
consommation d'électricité et la construction des centres de données augmentent vite. Cette page présente les
chiffres publiés, explique pourquoi ils diffèrent et comment estimer les vôtres.

## Quelle est l'empreinte carbone de l'IA par requête ? {#how-big-is-ai-s-carbon-footprint-per-prompt}

**Pour une courte requête textuelle, une fraction de gramme d'équivalent CO₂ selon les fournisseurs eux-mêmes ;
davantage lorsque l'on compte tout le cycle de vie.** L'équivalent CO₂ (CO₂e) ajoute au dioxyde de carbone les autres
gaz à effet de serre, pondérés selon leur effet sur le réchauffement.

| Chiffre | Ce qu'il couvre | Source |
|---|---|---|
| 0,03 g CO₂e par requête textuelle Gemini médiane | Électricité (méthode fondée sur le marché), plus le matériel et d'autres émissions ; mai 2025 | Google, 2025 |
| 1,14 g CO₂e par réponse de Le Chat de 400 tokens | Analyse du cycle de vie de l'inférence, hors appareil de l'utilisateur | Mistral AI, 2025 |
| environ 0,34 Wh par requête ChatGPT moyenne | Énergie seulement ; aucun chiffre carbone publié | Directeur général d'OpenAI, 2025 |

Il n'existe pas d'empreinte carbone officielle de ChatGPT par requête : OpenAI a donné un chiffre d'énergie mais pas
de chiffre carbone, et le carbone dépend des réseaux électriques qui alimentent ses centres de données.

Le chiffre de Google se décompose en 0,023 g pour l'électricité et 0,010 g pour ses émissions de scope 1 et de
scope 3, qui incluent la fabrication du matériel. Google fait aussi état d'une division par 44 du carbone par requête
médiane en un an. Le chiffre de Mistral est plus élevé, en partie parce qu'il couvre une plus grande partie du cycle
de vie et utilise une autre méthode ; les deux ne sont pas directement comparables.

Un usage intensif change la donne. Zeke Hausfather a estimé que son propre usage intensif d'un agent de code, environ
1,1 MWh d'électricité par an, émettrait environ 370 kg CO₂e par an. Voir
[combien d'énergie consomme l'IA ?](/fr/articles/combien-d-energie-consomme-l-ia/)

## Quelle est la différence entre carbone opérationnel et carbone intrinsèque ? {#what-is-the-difference-between-operational-and-embodied-carbon}

**Le carbone opérationnel provient de l'électricité utilisée pour faire tourner l'IA ; le carbone intrinsèque
provient de la fabrication, du transport et de l'élimination du matériel et des bâtiments.** Les deux ont leur place
dans une empreinte honnête.

- **Le carbone opérationnel** dépend de la quantité d'énergie consommée par le travail et de la propreté de
  l'électricité.
- **Le [carbone intrinsèque](/fr/glossaire/#embodied-carbon)** provient de la fabrication des puces et des serveurs, de
  la construction des centres de données et de l'élimination en fin de vie. Il est réparti sur toutes les tâches que
  le matériel effectue au cours de sa vie.

Le carbone intrinsèque représente une part importante. Wu et ses collègues de Meta ont indiqué en 2022 qu'il
représentait environ 30 % de l'empreinte de l'apprentissage automatique à grande échelle de Meta. Luccioni, Viguier
et Ligozat ont estimé l'entraînement de BLOOM à environ 24,7 tonnes CO₂e en ne comptant que la puissance dynamique
utilisée pendant l'entraînement, et à environ 50,5 tonnes en incluant tout, de la fabrication des équipements à
l'énergie opérationnelle. À mesure que l'électricité devient plus propre, la part intrinsèque augmente, ce qui rend
plus important de garder le matériel en service plus longtemps, et de le maintenir bien occupé. Voir
[comptabiliser le carbone intrinsèque du matériel d'IA](/fr/comment/comment-prendre-en-compte-le-carbone-intrinseque-du-materiel-d-ia/).

## Combien de carbone émet l'entraînement d'un modèle d'IA ? {#how-much-carbon-does-training-an-ai-model-emit}

**Les émissions d'entraînement publiées jusqu'ici pour de grands modèles vont de quelques dizaines à plusieurs
dizaines de milliers de tonnes CO₂e.** Les fiches de modèle (la documentation publiée avec un modèle) sont la
principale source, même si de nombreux modèles de pointe ne publient rien.

| Modèle | Émissions d'entraînement | Base | Source |
|---|---|---|---|
| BLOOM (176 milliards de paramètres, 2022) | environ 24,7 t CO₂e ; 50,5 t en incluant la fabrication et toute l'énergie opérationnelle | Estimation indépendante sur le cycle de vie | Luccioni, Viguier et Ligozat, 2022 |
| GPT-3 (175 milliards de paramètres, 2020) | 552 t CO₂e ; 1 287 MWh | Estimation de chercheurs de Google | Patterson et al., 2021 |
| Famille Llama 3.1 (8B, 70B, 405B, 2024) | 11 390 t CO₂e en méthode fondée sur la localisation ; 0 t en méthode fondée sur le marché | Fiche du modèle, 39,3 millions d'heures-GPU | Meta, 2024 |
| Llama 3.1 405B seul | 8 930 t CO₂e en méthode fondée sur la localisation | Fiche du modèle | Meta, 2024 |
| Mistral Large 2 (entraînement plus 18 mois d'utilisation) | 20 400 t CO₂e ; 281 000 m³ d'eau | Analyse du cycle de vie | Mistral AI, 2025 |

Ce sont des coûts ponctuels, mais ils ne disent pas tout. Patterson et ses collègues citent des estimations du
secteur selon lesquelles 80–90 % de la charge de travail d'apprentissage automatique est de l'inférence : pour un
modèle populaire, le faire fonctionner tout au long de sa vie peut donc peser plus lourd que son entraînement. Le
règlement européen sur l'IA (AI Act) impose désormais aux fournisseurs de modèles d'IA à usage général de documenter
pour les autorités la consommation d'énergie connue ou estimée. Voir
[mesurer l'empreinte carbone de l'entraînement d'un modèle](/fr/comment/comment-mesurer-l-empreinte-carbone-de-l-entrainement-d-un-modele/).

## Comment le réseau électrique modifie-t-il les émissions de l'IA ? {#how-does-the-electricity-grid-change-ai-s-emissions}

**Un même kilowattheure peut porter un carbone très différent selon le lieu et le moment où il est consommé.**
L'[intensité carbone](/fr/glossaire/#carbon-intensity) correspond au CO₂e émis par kilowattheure d'électricité produit. Un
réseau fonctionnant surtout à l'hydroélectricité, au nucléaire, à l'éolien ou au solaire a une intensité faible ; un
réseau fonctionnant au charbon ou au gaz, une intensité élevée.

- Le Lawrence Berkeley National Laboratory a estimé que l'électricité des centres de données américains en 2023
  correspondait à environ 74 millions de tonnes CO₂e, soit en moyenne 0,34 kg CO₂e par kWh, compte tenu des réseaux
  où ils sont implantés.
- Patterson et ses collègues ont constaté que le choix du modèle, du centre de données et du processeur peut réduire
  l'empreinte carbone de l'entraînement d'un facteur d'environ 100 à 1 000. Le lieu est l'un des plus puissants de
  ces leviers.

C'est pourquoi le lieu et le moment où vous faites tourner l'IA comptent. Un entraînement qui peut attendre peut être
programmé aux heures où le réseau est plus propre. Voir
[choisir une région cloud bas carbone](/fr/comment/comment-choisir-une-region-cloud-bas-carbone/),
[programmer l'entraînement quand le réseau est plus vert](/fr/comment/comment-planifier-l-entrainement-quand-le-reseau-electrique-est-plus/) et
[trouver des données d'intensité carbone du réseau](/fr/comment/comment-connaitre-l-intensite-carbone-de-mon-reseau-electrique/).

### Fondée sur la localisation ou sur le marché : quel chiffre est le bon ? {#location-based-or-market-based-which-number-is-right}

**Les deux sont légitimes, mais ils répondent à des questions différentes, et l'écart peut être énorme.** Selon le
Greenhouse Gas Protocol, une entreprise déclare ses [émissions de scope 2](/fr/glossaire/#scope-1-2-and-3-emissions)
liées à l'électricité de deux manières :

- **La méthode fondée sur la localisation** utilise l'intensité carbone moyenne des réseaux dont elle tire
  réellement son électricité.
- **La méthode fondée sur le marché** reflète les contrats et certificats d'énergie propre que l'entreprise achète.

Meta déclare l'entraînement de Llama 3.1 à 11 390 tonnes en méthode fondée sur la localisation et à zéro en méthode
fondée sur le marché. L'exercice 2025 de Microsoft montre des émissions de scope 2 d'environ 12,0 millions de tonnes
en méthode fondée sur la localisation contre 2,7 millions en méthode fondée sur le marché. Alphabet a déclaré
15,1 millions de tonnes en méthode fondée sur la localisation contre 2,8 millions en méthode fondée sur le marché pour
2025. Lorsqu'une entreprise qualifie son IA de « neutre en carbone » ou « 100 % renouvelable », vérifiez quelle
méthode elle utilise. Voir
[vérifier si mon IA fonctionne aux énergies renouvelables](/fr/comment/comment-savoir-si-mon-ia-fonctionne-a-l-energie-renouvelable/) et
[des allégations écologiques honnêtes](/fr/bonnes-pratiques/des-allegations-vertes-honnetes-sur-l-ia/).

## Les émissions des entreprises technologiques augmentent-elles à cause de l'IA ? {#are-tech-companies-emissions-rising-because-of-ai}

**Oui : les plus grands fournisseurs d'IA font état d'émissions totales en hausse, principalement dues à la
construction et à l'alimentation des centres de données.** Leurs rapports annuels de développement durable montrent
la tendance.

- **Microsoft** déclare des émissions totales d'environ 12,9 millions de tonnes CO₂e pour son exercice 2020, année de
  référence de son objectif d'être négatif en carbone d'ici 2030, et d'environ 20,3 millions de tonnes en 2025 (selon
  ses critères de gestion). Sa consommation d'électricité a plus que triplé sur la même période, d'environ 10,8 TWh à
  37,0 TWh.
- **Google** a indiqué que ses émissions opérationnelles (scope 1 et scope 2 fondé sur le marché) avaient baissé de
  2 % en 2025, alors que sa demande d'électricité augmentait de 37 % et que les émissions de sa chaîne
  d'approvisionnement augmentaient de 25 %. Les chiffres vérifiés d'Alphabet pour 2025 montrent environ
  15,9 millions de tonnes d'émissions de scope 3 (chaîne d'approvisionnement), plus de cinq fois ses 2,9 millions de
  tonnes d'émissions opérationnelles.

Le schéma est le même dans les deux cas : l'achat d'électricité propre contient les émissions opérationnelles, mais
la fabrication et la construction qui sous-tendent les nouvelles capacités d'IA font grimper les émissions de la
chaîne d'approvisionnement.

À l'échelle nationale, l'annexe de données du UK Compute Roadmap a estimé que les émissions du calcul pour l'IA entre
2025 et 2035 pourraient atteindre 34 à 123 millions de tonnes de CO₂, soit environ 0,9–3,4 % des émissions prévues du
Royaume-Uni sur la période. L'ampleur de la fourchette reflète l'incertitude sur la quantité de capacité de calcul qui
sera construite et sur la propreté du réseau.

## Pourquoi les estimations du carbone de l'IA divergent-elles ? {#why-do-ai-carbon-estimates-disagree}

**Parce qu'elles comptent des choses différentes, utilisent des chiffres de réseau différents et vieillissent vite.**
Les principales sources d'écart :

1. **Périmètre.** Les puces seules, ou tout le serveur, le refroidissement et la capacité inactive ? La fabrication
   du matériel ? L'entraînement réparti entre les usages ?
2. **Méthode comptable.** Électricité en méthode fondée sur la localisation ou sur le marché, comme ci-dessus.
3. **Réseau et période.** Le même modèle exécuté dans une autre région, ou un an plus tard, peut avoir une empreinte
   très différente.
4. **Charge de travail.** Une courte requête, une longue réponse avec raisonnement et une session d'agent diffèrent
   d'un facteur mille en énergie.

Un chiffre n'a de sens qu'accompagné de son périmètre, de sa méthode, de son lieu et de sa date. Voir
[la mesure est le goulot d'étranglement](/fr/articles/la-mesure-goulot-d-etranglement-de-l-ia-verte/).

## Comment estimer l'empreinte carbone de mon propre usage de l'IA ? {#how-can-i-estimate-the-carbon-footprint-of-my-own-ai-use}

**Multipliez l'énergie par l'intensité carbone du réseau, puis ajoutez une part des émissions intrinsèques.** C'est
la structure de la norme Software Carbon Intensity (SCI), ISO/IEC 21031:2024, qui exprime le résultat par unité de
travail utile, par exemple par requête ou par utilisateur.

1. **Estimez l'énergie** du travail d'IA en kilowattheures : à partir d'un compteur ou d'un outil si vous l'exécutez
   vous-même, ou de chiffres par tâche pour un service hébergé.
2. **Trouvez l'intensité carbone du réseau** là où le travail s'exécute, en kg CO₂e par kWh, idéalement pour l'heure
   où il a tourné.
3. **Multipliez les deux** pour obtenir les émissions opérationnelles.
4. **Ajoutez les émissions intrinsèques** : l'empreinte de fabrication du matériel répartie sur sa durée de vie
   utile.
5. **Indiquez le périmètre**, la méthode (fondée sur la localisation ou sur le marché) et une fourchette plutôt qu'un
   seul chiffre.

Des outils peuvent vous aider. CodeCarbon et Green Algorithms estiment les émissions du code que vous exécutez ;
EcoLogits estime l'impact des appels à des modèles d'IA hébergés. Ce sont des estimateurs, pas des compteurs. Guides
pas à pas :
[calculer mon empreinte carbone personnelle liée à l'IA](/fr/comment/comment-calculer-ma-propre-empreinte-carbone-liee-a-l-ia/),
[calculer un score SCI pour une fonctionnalité d'IA](/fr/comment/comment-calculer-un-score-software-carbon-intensity-pour-une-fonction/) et
[trouver les données carbone de mon fournisseur cloud](/fr/comment/comment-trouver-les-donnees-carbone-de-mon-fournisseur-de-cloud/).

## Et ensuite ? {#what-to-do-next}

- Réduisez d'abord l'énergie : voir [utiliser l'IA efficacement](/fr/bonnes-pratiques/utiliser-l-ia-efficacement-les-bons-reflexes-au-quotidien/) et
  [choisir le bon modèle](/fr/bonnes-pratiques/choisir-le-bon-modele-pour-la-tache/).
- Faites tourner l'IA là où le réseau est propre : voir [hébergement et centres de données](/fr/bonnes-pratiques/hebergement-et-centres-de-donnees-pour-une-ia-verte/).
- Demandez aux fournisseurs des chiffres d'énergie et de carbone par tâche, avec la méthode : voir
  [achats d'IA durables](/fr/bonnes-pratiques/achat-d-ia-durable/).
- Communiquez honnêtement, en précisant le périmètre et la méthode : voir [des allégations écologiques honnêtes](/fr/bonnes-pratiques/des-allegations-vertes-honnetes-sur-l-ia/).
- Réfléchissez avant de compenser : voir [compenser le carbone de mon usage de l'IA](/fr/comment/comment-compenser-le-carbone-de-mon-usage-de-l-ia/).
- Lisez [quelle quantité d'eau l'IA consomme-t-elle ?](/fr/articles/quelle-quantite-d-eau-l-ia-consomme-t-elle/) pour l'autre moitié de l'empreinte.

## Questions fréquentes

### Quelle est l'empreinte carbone de ChatGPT ?

OpenAI n'a pas publié de chiffre carbone par requête. Son directeur général a avancé environ 0,34 Wh d'énergie pour une requête moyenne ; le carbone dépend du réseau électrique qui alimente le centre de données. Google indique 0,03 g CO₂e pour une requête textuelle Gemini médiane, selon sa propre comptabilité fondée sur le marché.

### Combien de CO₂ produit l'entraînement d'un modèle d'IA ?

De quelques dizaines à plusieurs milliers de tonnes. L'entraînement de BLOOM a été estimé à environ 24,7 tonnes CO₂e (50,5 en incluant la fabrication et toute l'énergie opérationnelle), celui de GPT-3 à 552 tonnes, et Meta déclare 11 390 tonnes en méthode fondée sur la localisation pour les trois modèles Llama 3.1.

### Les émissions de l'IA augmentent-elles ?

Pour les plus grands fournisseurs, oui. Les émissions totales de Microsoft sont passées d'environ 12,9 millions de tonnes pour son exercice 2020 à 20,3 millions en 2025. Google a indiqué que ses émissions opérationnelles avaient baissé de 2 % en 2025, mais que celles de sa chaîne d'approvisionnement avaient augmenté de 25 % à mesure qu'il construisait des centres de données.

### Qu'est-ce que le carbone intrinsèque de l'IA ?

Les émissions liées à la fabrication, au transport et à l'élimination des puces, des serveurs et des bâtiments des centres de données. Wu et ses collègues de Meta l'ont estimé à environ 30 % de l'empreinte de l'apprentissage automatique à grande échelle de Meta, et sa part augmente lorsque l'électricité est propre.

### Une IA alimentée par des énergies renouvelables a-t-elle des émissions nulles ?

Pas en réalité. La comptabilité fondée sur le marché permet à une entreprise de déclarer des émissions liées à l'électricité faibles ou nulles si elle achète des certificats d'énergie renouvelable, alors que le réseau dont elle tire son électricité peut encore brûler des combustibles fossiles. Meta déclare l'entraînement de Llama 3.1 à 11 390 tonnes en méthode fondée sur la localisation, mais à zéro en méthode fondée sur le marché.

### Comment calculer l'empreinte carbone de mon usage de l'IA ?

Multipliez l'énergie consommée, en kilowattheures, par l'intensité carbone du réseau qui la fournit, en kg CO₂e par kWh, puis ajoutez une part des émissions intrinsèques du matériel. Des outils comme CodeCarbon, Green Algorithms et EcoLogits aident à estimer chaque partie.

### L'IA est-elle mauvaise pour le climat ?

Elle augmente les émissions, surtout par la croissance rapide de l'électricité et de la construction des centres de données. L'ampleur dépend de la façon dont elle est utilisée, de son efficacité et de la propreté du réseau. L'IA peut aussi aider à réduire les émissions ailleurs, mais ces bénéfices ne sont pas automatiques et sont plus difficiles à mesurer.

## Sources

- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Our contribution to a global environmental standard for AI](https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai), Mistral AI (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al. (arXiv 2104.10350) (2021)
- [Llama 3.1 8B model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Estimating the carbon footprint of BLOOM, a 176B parameter language model](https://arxiv.org/abs/2211.02001), Luccioni, Viguier and Ligozat (arXiv 2211.02001) (2022)
- [Sustainable AI: environmental implications, challenges and opportunities](https://proceedings.mlsys.org/paper_files/paper/2022/hash/462211f67c7d858f663355eff93b745e-Abstract.html), Wu et al., MLSys (2022)
- [2026 environmental data fact sheet](https://cdn-dynmedia-1.microsoft.com/is/content/microsoftcorp/microsoft/msc/documents/presentations/CSR/2026-Microsoft-Environmental-Data-Fact-Sheet-PDF.pdf), Microsoft (2026)
- [Read our 11th annual Environmental Report](https://blog.google/company-news/outreach-and-initiatives/sustainability/2026-environmental-report/), Google (2026)
- [Alphabet FY2025 environmental indicators assurance letter (Schedule of select environmental metrics)](https://sustainability.google/files/6b09a7cbecbf228f4d30ad089301578eb599425e/alphabet-fy2025-environmental-indicators-assurance-letter.pdf), Alphabet (2026)
- [2024 United States Data Center Energy Usage Report](https://eta-publications.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report), Lawrence Berkeley National Laboratory (2024)
- [Scope 2 guidance](https://ghgprotocol.org/scope-2-guidance), Greenhouse Gas Protocol (2015)
- [Regulation (EU) 2024/1689 (AI Act), Annex XI](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Union (2024)
- [UK Compute Roadmap: evidence annex](https://assets.publishing.service.gov.uk/media/69d8dae9d3e08b8871b66599/compute-evidence-annex-final.pdf), Department for Science, Innovation and Technology (2025)
- [The real energy use of agentic AI](https://www.theclimatebrink.com/p/the-real-energy-use-of-agentic-ai), Zeke Hausfather, The Climate Brink (2026)
- [ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification](https://www.iso.org/standard/86612.html), ISO/IEC and Green Software Foundation (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon project (2020)
- [Green Algorithms: quantifying the carbon footprint of computation](https://www.green-algorithms.org/), Lannelongue, Grealey and Inouye, Advanced Science (2021)
- [EcoLogits](https://ecologits.ai/), GenAI Impact (2025)
