En bref
Une note AI Energy Score attribue à un modèle de une à cinq étoiles d'efficacité énergétique par rapport aux autres modèles testés sur la même tâche, sur la base de l'énergie GPU mesurée pour 1 000 requêtes. Plus d'étoiles signifie moins d'énergie pour cette tâche, mais les étoiles sont relatives au sein d'une tâche : ne comparez donc un modèle qu'à d'autres modèles notés pour le même usage.
Étapes
- Trouvez la tâche qui correspond à votre usage, comme la génération de texte ou la génération d'images.
- Ne comparez les notes en étoiles qu'entre modèles notés pour cette même tâche.
- Regardez le chiffre d'énergie mesuré autant que les étoiles.
- Vérifiez si le modèle a été testé avec le raisonnement activé ou désactivé.
- Mettez en balance la note et la qualité sur vos propres exemples avant de choisir.
Plus d'étoiles signifie moins d'énergie, mais seulement par rapport à d'autres modèles qui font la même tâche. L'AI Energy Score, lancé par Hugging Face et ses partenaires, fonctionne un peu comme l'étiquette énergie d'un appareil électroménager, appliquée aux modèles d'IA.
Que mesure-t-il ?
L'énergie GPU mesurée pour 1 000 requêtes, sur un ensemble standard de tâches. Le projet couvre dix tâches courantes, comme la génération de texte, le résumé et la génération d'images. Chaque modèle est exécuté de la même manière sur le même matériel, et reçoit de une à cinq étoiles par rapport aux autres modèles testés sur cette tâche.
Comment l'utiliser ?
- Choisissez la bonne tâche. Un modèle d'images cinq étoiles et un classifieur de texte cinq étoiles ne sont pas comparables.
- Lisez le chiffre, pas seulement les étoiles. Deux modèles séparés d'une étoile peuvent être proches ou très éloignés en énergie.
- Vérifiez le raisonnement. La mise à jour de 2025 a ajouté des modèles de raisonnement et a constaté qu'ils consommaient en moyenne 30 fois plus d'énergie ; un même modèle avec le raisonnement activé consommait entre 150 et 700 fois plus qu'avec le raisonnement désactivé.
- Testez vous-même la qualité. Une note vous renseigne sur l'énergie, pas sur la capacité d'un modèle à faire correctement votre travail.
Que ne dit-il pas ?
- La plupart des modèles commerciaux fermés ne sont pas notés, car ils ne peuvent pas être évalués de l'extérieur.
- Il couvre l'énergie GPU dans une configuration de test, pas le refroidissement, la capacité inactive ni la consommation d'eau d'un fournisseur.
- Votre usage réel diffère. Les entrées longues, les sorties longues et les nouvelles tentatives modifient l'énergie par tâche.
Erreurs fréquentes
- Comparer les étoiles d'une tâche à l'autre.
- Choisir un modèle cinq étoiles qui n'atteint pas votre seuil de qualité, puis avoir besoin d'un plus gros de toute façon.
Pour une méthode de comparaison plus large, consultez comparer la consommation d'énergie de différents modèles, et lisez des étiquettes énergétiques pour l'IA.
Sources
- AI Energy Score, Hugging Face (2025)
- Announcing AI Energy Score ratings, Hugging Face (2025)
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
Voir aussi
Comment comparer la consommation d'énergie de différents modèles d'IA ?
Comment comparer équitablement l'énergie des modèles d'IA : utiliser des benchmarks comme l'AI Energy Score, ou mesurer soi-même à tâche, matériel et réglages égaux.
Comment savoir si un outil d'IA est écologique ?
Que regarder pour juger les allégations environnementales d'un outil d'IA : chiffres d'énergie publiés, méthodes, choix de modèles, hébergement et évaluations indépendantes.
Étiquettes énergétiques et bancs d'essai pour l'IA
Où en sont les notations énergétiques de l'IA en 2026 : AI Energy Score, MLPerf Power, AI Act, notation des centres de données, et ce qu'une étiquette peut montrer.