# Statistiques sur la consommation d'énergie de l'IA (mise à jour novembre 2026)

> Chiffres clés de la consommation d'énergie de l'IA, vérifiés aux sources : électricité des centres de données, énergie par prompt, images, vidéo, eau, carbone.

Source: https://greenai.guide/fr/articles/statistiques-sur-la-consommation-d-energie-de-l-ia-mise-a-jour/  
Updated: 2026-11-20

## En bref

Ces statistiques sur l'énergie de l'IA réunissent 40 des chiffres les plus utiles sur l'électricité, l'eau et le carbone de l'IA, chacun vérifié à sa source primaire et daté. En bref, les centres de données ont consommé environ 415 TWh d'électricité en 2024 (environ 1,5 % du total mondial), l'AIE prévoit environ 950 TWh d'ici 2030, et un prompt textuel typique consomme environ 0,24 à 0,34 Wh selon les chiffres des fournisseurs eux-mêmes, tandis que les images, la vidéo, les entrées longues et le raisonnement consomment bien davantage.

## Points clés

- Les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % du total mondial, et 485 TWh en 2025, selon l'AIE.
- L'AIE prévoit environ 950 TWh d'ici 2030, soit environ 3 % de la demande mondiale d'électricité ; la consommation d'électricité des centres de données dédiés à l'IA a augmenté de 50 % en 2025.
- Les fournisseurs déclarent environ 0,24 Wh (Google, prompt textuel médian de Gemini) et 0,34 Wh (OpenAI, requête moyenne de ChatGPT) par prompt textuel.
- Les modèles de raisonnement ont consommé en moyenne 30 fois plus d'énergie que les modèles standard lors des tests de Hugging Face en 2025.
- L'entraînement de GPT-3 a consommé environ 1 287 MWh selon les estimations et émis environ 552 tonnes de CO₂e.
- Les centres de données ont consommé 23 % de l'électricité mesurée en Irlande en 2025.

Cette page rassemble les statistiques sur l'énergie de l'IA que l'on recherche le plus souvent, chacune vérifiée à sa
source primaire, avec l'année à laquelle elle se rapporte. Utilisez-la pour trouver rapidement un chiffre, et
consultez la source avant de le citer dans un document important.

## Quelles sont les principales statistiques sur l'énergie de l'IA ? {#what-are-the-key-ai-energy-statistics}

**Les centres de données consomment environ 1,5 % de l'électricité mondiale, cette part devrait à peu près doubler
d'ici 2030, et l'IA en est le principal moteur.** Un prompt textuel typique consomme une fraction de wattheure,
tandis que les images, la vidéo, les entrées très longues et le raisonnement consomment bien davantage. Les tableaux
ci-dessous donnent 40 chiffres répartis en dix groupes. Lorsque les sources divergent ou qu'un chiffre est une
fourchette, la fourchette est indiquée.

## Électricité des centres de données {#data-centre-electricity}

**Les centres de données ont consommé environ 415 TWh en 2024 et 485 TWh en 2025, selon l'AIE.** Un térawattheure
(TWh) correspond à un milliard de kilowattheures.

| # | Statistique | Source | Année |
|---|---|---|---|
| 1 | Les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % de la consommation mondiale. | Agence internationale de l'énergie (AIE) | 2025 |
| 2 | La consommation d'électricité des centres de données a augmenté de 17 % en 2025, pour atteindre 485 TWh. | AIE | 2026 |
| 3 | L'AIE prévoit environ 950 TWh d'ici 2030, soit environ 3 % de la demande mondiale d'électricité. | AIE | 2026 |
| 4 | Les projections pour 2035 vont de 700 à 1 700 TWh selon les scénarios de l'AIE. | AIE | 2025 |
| 5 | La consommation d'électricité des centres de données augmente d'environ 12 % par an depuis 2017. | AIE | 2025 |
| 6 | Les centres de données représenteront environ un dixième de la croissance de la demande mondiale d'électricité d'ici 2030. | AIE | 2025 |

## Où la demande est concentrée {#where-demand-is-concentrated}

**Quelques pays et régions portent l'essentiel de la charge.** Voir [l'IA et la demande d'électricité des centres de données](/fr/articles/l-ia-et-la-consommation-d-electricite-des-centres-de-donnees/)
pour ce que cela signifie pour les réseaux électriques.

| # | Statistique | Source | Année |
|---|---|---|---|
| 7 | Les États-Unis et la Chine représentent près de 80 % de la croissance mondiale de l'électricité des centres de données d'ici 2030. | AIE | 2025 |
| 8 | Les centres de données américains ont consommé 176 TWh en 2023, soit environ 4,4 % de l'électricité des États-Unis. | Lawrence Berkeley National Laboratory (LBNL) | 2024 |
| 9 | Les centres de données américains devraient consommer 325 à 580 TWh d'ici 2028, soit 6,7 à 12 % de l'électricité des États-Unis. | LBNL | 2024 |
| 10 | Les centres de données représentent près de la moitié de la croissance de la demande d'électricité des États-Unis d'ici 2030. | AIE | 2025 |
| 11 | Les centres de données ont consommé 23 % de l'électricité mesurée en Irlande en 2025, contre 5 % en 2015. | Central Statistics Office, Irlande | 2026 |
| 12 | Les centres de données ont consommé près d'un quart de l'électricité de la Virginie en 2023. | Electric Power Research Institute | 2024 |

## La part de l'IA {#ai-s-share}

**Il n'existe pas de chiffre public exact pour la part de l'IA dans l'électricité des centres de données, mais l'IA
est la part qui croît le plus vite.**

| # | Statistique | Source | Année |
|---|---|---|---|
| 13 | La consommation d'électricité des centres de données dédiés à l'IA a augmenté de 50 % en 2025. | AIE | 2026 |
| 14 | La consommation d'électricité des serveurs accélérés, utilisés principalement pour l'IA, devrait croître de 30 % par an dans le scénario de référence de l'AIE. | AIE | 2025 |
| 15 | Un centre de données typique dédié à l'IA consomme autant d'électricité que 100 000 foyers. | AIE | 2025 |

## Énergie par prompt {#energy-per-prompt}

**Selon les chiffres des fournisseurs eux-mêmes, un prompt textuel typique consomme environ 0,24 à 0,34 Wh.** Ces
chiffres sont autodéclarés, reposent sur des méthodes différentes et ne couvrent que le texte. Voir
[la mesure est le goulet d'étranglement](/fr/articles/la-mesure-goulot-d-etranglement-de-l-ia-verte/).

| # | Statistique | Source | Année |
|---|---|---|---|
| 16 | Un prompt textuel médian dans les applications Gemini a consommé 0,24 Wh, émis 0,03 g de CO₂e et consommé 0,26 mL d'eau. | Google (Elsworth et al.) | 2025 |
| 17 | En ne comptant que les puces d'IA actives dans les centres de données les plus efficaces, on obtient 0,10 Wh pour le même prompt. | Google (Elsworth et al.) | 2025 |
| 18 | Une requête ChatGPT moyenne consomme environ 0,34 Wh et environ 0,000085 gallon d'eau. | Sam Altman, OpenAI | 2025 |
| 19 | Une requête GPT-4o typique consomme environ 0,3 Wh, environ 2,5 Wh avec une entrée de 10 000 tokens et près de 40 Wh avec une entrée de 100 000 tokens. | Epoch AI | 2025 |
| 20 | Une réponse de 400 tokens de Mistral Large 2 émet 1,14 g de CO₂e et consomme 45 mL d'eau. | Mistral AI | 2025 |
| 21 | Les modèles de raisonnement ont consommé en moyenne 30 fois plus d'énergie que les modèles standard ; un modèle a consommé 150 à 700 fois plus avec le raisonnement activé. | Hugging Face AI Energy Score | 2025 |

## Images et vidéo {#images-and-video}

**Générer des images et des vidéos consomme bien plus d'énergie que les tâches textuelles.**

| # | Statistique | Source | Année |
|---|---|---|---|
| 22 | La génération d'images a consommé en moyenne environ 2,9 kWh pour 1 000 images, contre 0,002 kWh pour 1 000 classifications de texte. | Luccioni, Jernite et Strubell | 2024 |
| 23 | Le modèle d'images le moins efficace testé consommait environ la moitié d'une recharge de smartphone par image. | Luccioni, Jernite et Strubell | 2024 |
| 24 | Les modèles ouverts de génération de vidéo à partir de texte ont consommé de 0,14 Wh à plus de 415 Wh par clip court, l'énergie croissant de façon quadratique avec la résolution et la durée. | Delavande, Pierrard et Luccioni | 2025 |

## Entraînements {#training-runs}

**L'entraînement d'un grand modèle peut consommer des gigawattheures, mais la plupart des développeurs des modèles les
plus récents ne le divulguent pas.**

| # | Statistique | Source | Année |
|---|---|---|---|
| 25 | L'entraînement de GPT-3 a consommé environ 1 287 MWh selon les estimations et émis environ 552 tonnes de CO₂e. | Patterson et al., Google | 2021 |
| 26 | L'entraînement de BLOOM a émis environ 24,7 tonnes de CO₂e dues à l'électricité, ou 50,5 tonnes en incluant la fabrication et le matériel inactif. | Luccioni, Viguier et Ligozat | 2022 |
| 27 | L'entraînement des modèles Llama 3.1 a nécessité 39,3 millions d'heures GPU et 11 390 tonnes de CO₂e (méthode fondée sur la localisation). | Meta | 2024 |
| 28 | L'entraînement de Mistral Large 2 et 18 mois de son utilisation ont produit 20,4 kilotonnes de CO₂e et consommé 281 000 m³ d'eau. | Mistral AI | 2025 |

## Eau {#water}

**L'IA utilise de l'eau principalement pour refroidir les centres de données et, indirectement, pour produire de
l'électricité.** Voir [comment estimer l'empreinte eau de l'IA](/fr/comment/comment-estimer-l-empreinte-eau-de-l-ia/).

| # | Statistique | Source | Année |
|---|---|---|---|
| 29 | L'entraînement de GPT-3 dans les centres de données américains de Microsoft aurait pu évaporer directement 700 000 litres d'eau douce. | Li, Yang, Islam et Ren | 2023 (révisé en 2025) |
| 30 | La demande mondiale d'IA pourrait représenter 4,2 à 6,6 milliards de m³ de prélèvements d'eau en 2027. | Li, Yang, Islam et Ren | 2023 (révisé en 2025) |
| 31 | Google a consommé 41 milliards de litres (10,9 milliards de gallons) d'eau dans ses centres de données et ses bureaux en 2025, et a reconstitué environ 78 % de sa consommation d'eau douce. | Google | 2026 |

## Carbone et émissions des entreprises {#carbon-and-company-emissions}

**Les émissions des plus grands fournisseurs d'IA augmentent, malgré d'importants achats d'énergie propre.**

| # | Statistique | Source | Année |
|---|---|---|---|
| 32 | Les émissions de Google selon son périmètre d'objectifs (« ambition-based ») ont atteint environ 14,5 millions de tonnes de CO₂e en 2025, en hausse de 18 % par rapport à 2024 et de 81 % par rapport à 2019. | Google | 2026 |
| 33 | Les émissions totales de Microsoft ont atteint environ 20,3 millions de tonnes de CO₂e lors de son exercice 2025, contre environ 12,9 millions en 2020. | Microsoft | 2026 |
| 34 | Les émissions absolues d'Amazon ont augmenté de 16 % entre 2024 et 2025, pour atteindre 80,85 millions de tonnes de CO₂e. | Amazon | 2026 |
| 35 | L'IA générative pourrait ajouter au total 1,2 à 5,0 millions de tonnes de déchets électroniques sur la période 2020-2030. | Wang et al., Nature Computational Science | 2024 |

## Tendances du matériel et de l'efficacité {#hardware-and-efficiency-trends}

**Le matériel et le logiciel deviennent beaucoup plus efficaces, mais la demande croît plus vite.**

| # | Statistique | Source | Année |
|---|---|---|---|
| 36 | Le matériel de pointe pour l'apprentissage automatique gagne environ 40 % d'efficacité énergétique chaque année. | Epoch AI | 2024 |
| 37 | Le supercalculateur le plus économe en énergie de la liste Green500 de novembre 2026, KAIROS en France, fournit 73,28 gigaflops par watt. | TOP500 | 2026 |
| 38 | Le nombre de calculs par kilowattheure a doublé environ tous les 1,57 an de 1946 à 2009 (« loi de Koomey »). | Koomey et al. | 2011 |

## Gains d'efficacité déclarés par les fournisseurs et les chercheurs {#efficiency-gains-reported-by-providers-and-researchers}

**Les gains déclarés sont importants, mais la plupart sont autodéclarés ou mesurés par rapport à une référence
choisie.**

| # | Statistique | Source | Année |
|---|---|---|---|
| 39 | Google déclare une division par 33 de l'énergie et par 44 du carbone par prompt textuel médian de Gemini sur 12 mois. | Google (Elsworth et al.) | 2025 |
| 40 | De petits modèles spécialisés peuvent réduire la consommation d'énergie jusqu'à 90 %, et des prompts et réponses plus courts de plus de 50 %. | UNESCO et University College London | 2025 |

Deux autres chiffres sont souvent cités. NVIDIA a affirmé en 2024 que sa plateforme Blackwell réduit le coût et la
consommation d'énergie jusqu'à 25 fois par rapport à sa génération précédente pour l'inférence des grands modèles de
langage ; il s'agit d'une affirmation du fabricant pour une charge de travail précise. Et des chercheurs de Google ont
estimé en 2021 que le choix du modèle, du centre de données et du processeur peut réduire l'empreinte carbone de
l'entraînement d'un facteur allant jusqu'à environ 100 à 1 000. Pour savoir comment obtenir de tels gains en pratique,
voir [l'IA économe en énergie](/fr/articles/ia-econome-en-energie-comment-faire-consommer-moins-a-l-ia/).

## Opinion publique {#public-attitudes}

**L'inquiétude face à l'impact environnemental de l'IA augmente, du moins aux États-Unis.** Les données d'enquête
ailleurs sont plus rares.

- En 2026, 53 % des Américains étaient extrêmement ou très préoccupés par l'impact environnemental de l'IA, contre
  41 % en 2025 (AP-NORC et l'Energy Policy Institute de l'Université de Chicago).
- En 2025, 72 % des Américains étaient au moins assez préoccupés (mêmes instituts de sondage).
- Au Royaume-Uni, le baromètre 2024 du gouvernement sur l'opinion publique a montré que 54 % des personnes
  s'attendaient à ce que l'IA aide à surveiller le changement climatique, et a noté que cet optimisme ne
  s'accompagnait pas d'une conscience des impacts environnementaux négatifs de l'IA.

## Comment nous choisissons les chiffres {#how-we-choose-figures}

**Nous utilisons des sources primaires, indiquons l'année et privilégions les fourchettes lorsque les chiffres sont
contestés.**

- **Sources primaires uniquement.** Chaque chiffre est vérifié dans le rapport, l'article ou la page de l'éditeur
  lui-même, et non dans la couverture médiatique. Lorsque nous n'avons pas trouvé de source primaire, le chiffre est
  écarté.
- **Tels que publiés.** Nous n'arrondissons pas les chiffres pour leur faire dire ce que la source ne dit pas.
  Lorsque nous calculons quoi que ce soit nous-mêmes, nous le précisons.
- **Le périmètre compte.** Les chiffres par prompt changent selon ce qui est compté : le chiffre de Google lui-même
  passe de 0,24 Wh à 0,10 Wh si l'on ne compte que les puces actives. Les chiffres des entreprises sont autodéclarés
  et ne font pas l'objet d'un audit indépendant.
- **Des fourchettes lorsque c'est contesté.** Les projections diffèrent selon les scénarios, et nous montrons la
  fourchette plutôt que de choisir un seul chiffre.
- **Chiffres anciens signalés.** Une estimation de 2019 très citée pour un entraînement avec recherche d'architecture
  neuronale (environ 626 000 livres de CO₂e) a ensuite été jugée par des chercheurs de Google comme surestimant le
  coût réel ; nous ne l'avons pas incluse dans les tableaux.

Pour vérifier un chiffre vu ailleurs, voir [comment vérifier une affirmation sur la consommation d'énergie de l'IA](/fr/comment/comment-verifier-une-affirmation-sur-la-consommation-d-energie-de-l-ia/).

## Dernière vérification {#last-checked}

**Tous les chiffres de cette page ont été vérifiés pour la dernière fois à leurs sources le 20 novembre 2026.** Nous
mettons la page à jour lorsque l'AIE, les instituts nationaux de statistique ou les grands fournisseurs publient de
nouvelles données. Si vous repérez un chiffre plus récent ou une erreur, merci de [nous contacter](/fr/contact/).

## Que faire ensuite ? {#what-to-do-next}

- Faites un lien vers cette page ou vers un tableau précis lorsque vous citez des chiffres sur l'énergie de l'IA, et
  nommez la source d'origine.
- Remettez votre usage personnel en contexte avec [comment relativiser ma consommation d'énergie liée à l'IA](/fr/comment/comment-relativiser-la-consommation-d-energie-de-mon-usage-de-l-ia/).
- Mesurez l'énergie de votre propre IA avec [comment mesurer l'énergie et le carbone de l'IA](/fr/bonnes-pratiques/comment-mesurer-l-energie-et-le-carbone-de-l-ia/).
- Demandez leurs chiffres à vos fournisseurs : voir [comment demander des chiffres sur l'énergie à une entreprise d'IA](/fr/comment/comment-demander-ses-chiffres-energetiques-a-une-entreprise-d-ia/).
- Réduisez votre propre empreinte avec [l'IA économe en énergie](/fr/articles/ia-econome-en-energie-comment-faire-consommer-moins-a-l-ia/).

## Questions fréquentes

### Combien d'énergie l'IA consomme-t-elle ?

Il n'existe pas de chiffre unique pour l'IA. L'AIE estime que l'ensemble des centres de données a consommé environ 415 TWh en 2024, soit environ 1,5 % de l'électricité mondiale, les centres de données dédiés à l'IA étant la part qui croît le plus vite : leur consommation d'électricité a augmenté de 50 % en 2025.

### Combien d'énergie consomme une requête ChatGPT ?

Le directeur général d'OpenAI a avancé environ 0,34 Wh pour une requête moyenne en 2025, et Epoch AI a estimé de façon indépendante environ 0,3 Wh pour une requête GPT-4o typique. Les entrées très longues font fortement grimper ce chiffre : Epoch AI estime près de 40 Wh pour une entrée de 100 000 tokens.

### Combien d'énergie faut-il pour générer une image par IA ?

Dans une étude de 2024 de Luccioni, Jernite et Strubell, la génération d'images a consommé en moyenne environ 2,9 kWh pour 1 000 images, soit environ 2,9 Wh chacune. Le modèle le moins efficace consommait environ la moitié d'une recharge de smartphone par image.

### Combien d'eau l'IA consomme-t-elle ?

Google déclare 0,26 mL d'eau pour un prompt textuel médian de Gemini, et Mistral 45 mL pour une réponse de 400 tokens de Mistral Large 2. Des chercheurs estiment que la demande mondiale d'IA pourrait représenter 4,2 à 6,6 milliards de mètres cubes de prélèvements d'eau en 2027.

### Combien d'énergie a-t-il fallu pour entraîner GPT-3 ?

Des chercheurs de Google ont estimé à 1 287 MWh d'électricité et à environ 552 tonnes de CO₂e l'entraînement de GPT-3, dans une publication de 2021. L'énergie d'entraînement des modèles plus récents et plus grands n'est, pour l'essentiel, pas divulguée.

### Quelle part de l'électricité les centres de données consomment-ils ?

Environ 1,5 % à l'échelle mondiale en 2024 (AIE), 4,4 % aux États-Unis en 2023 (Lawrence Berkeley National Laboratory) et 23 % de l'électricité mesurée en Irlande en 2025 (Central Statistics Office).

### L'IA devient-elle plus économe en énergie ?

Oui, par tâche. Google indique que l'énergie de son prompt Gemini médian a été divisée par 33 en un an, et Epoch AI constate que les principales puces d'IA gagnent environ 40 % d'efficacité énergétique chaque année. La consommation totale continue pourtant d'augmenter, car la demande croît plus vite.

### Le public s'inquiète-t-il de l'impact environnemental de l'IA ?

De plus en plus, du moins aux États-Unis : un sondage AP-NORC et de l'Université de Chicago a montré que 53 % des Américains étaient extrêmement ou très préoccupés par l'impact environnemental de l'IA en 2026, contre 41 % en 2025.

## Sources

- [Energy and AI: executive summary](https://www.iea.org/reports/energy-and-ai/executive-summary), International Energy Agency (2025)
- [Key questions on energy and AI](https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary), International Energy Agency (2026)
- [DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL)](https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
- [Data centres metered electricity consumption 2025: key findings](https://www.cso.ie/en/releasesandpublications/ep/p-dcmec/datacentresmeteredelectricityconsumption2025/keyfindings/), Central Statistics Office, Ireland (2026)
- [Powering data centers: U.S. energy system and emissions impacts of growing loads](https://restservice.epri.com/publicdownload/000000003002031198/0/Product), Electric Power Research Institute (2024)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [The gentle singularity](https://blog.samaltman.com/the-gentle-singularity), Sam Altman (OpenAI) (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (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)
- [AI Energy Score v2: refreshed leaderboard, now with reasoning](https://huggingface.co/blog/sasha/ai-energy-score-v2), Hugging Face (Luccioni and Gamazaychikov) (2025)
- [Power hungry processing: watts driving the cost of AI deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell (FAccT 2024) (2024)
- [Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models](https://arxiv.org/abs/2509.19222), Delavande, Pierrard and Luccioni (2025)
- [Carbon emissions and large neural network training](https://arxiv.org/abs/2104.10350), Patterson et al., Google (2021)
- [Energy and policy considerations for deep learning in NLP](https://arxiv.org/abs/1906.02243), Strubell, Ganesh and McCallum (2019)
- [Estimating the carbon footprint of BLOOM, a 176B parameter language model](https://arxiv.org/abs/2211.02001), Luccioni, Viguier and Ligozat (2022)
- [Llama 3.1 model card](https://huggingface.co/meta-llama/Llama-3.1-8B), Meta (2024)
- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2025)
- [Google 2026 environmental report](https://sustainability.google/google-2026-environmental-report/), Google (2026)
- [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)
- [2025 Amazon sustainability report](https://sustainability.aboutamazon.com/2025-amazon-sustainability-report.pdf), Amazon (2026)
- [E-waste challenges of generative artificial intelligence](https://doi.org/10.1038/s43588-024-00712-6), Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
- [Leading ML hardware becomes 40% more energy-efficient each year](https://epoch.ai/data-insights/ml-hardware-energy-efficiency), Epoch AI (2024)
- [Implications of historical trends in the electrical efficiency of computing](https://doi.org/10.1109/MAHC.2010.28), Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
- [Green500, November 2026](https://top500.org/lists/green500/2026/11/), TOP500 (2026)
- [NVIDIA Blackwell platform arrives to power a new era of computing](https://nvidianews.nvidia.com/news/nvidia-blackwell-platform-arrives-to-power-a-new-era-of-computing), NVIDIA (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [2026 poll: Americans' views on the impact of AI and data centers](https://epic.uchicago.edu/insights/2026-poll-americans-views-on-the-impact-of-ai-and-data-centers/), Energy Policy Institute at the University of Chicago and AP-NORC (2026)
- [2025 poll: Americans' views on the environmental impact of AI](https://epic.uchicago.edu/insights/2025-poll-americans-views-on-the-environmental-impact-of-ai), Energy Policy Institute at the University of Chicago and AP-NORC (2025)
- [Public attitudes to data and AI: tracker survey (wave 4)](https://www.gov.uk/government/publications/public-attitudes-to-data-and-ai-tracker-survey-wave-4/public-attitudes-to-data-and-ai-tracker-survey-wave-4-report), Department for Science, Innovation and Technology (2024)
