# Comment rendre l'usage de l'IA dans mon entreprise plus durable ?

> Un plan de départ concret pour verdir l'usage de l'IA en entreprise : cartographier les usages, adapter la taille des modèles, fixer des réglages, interroger les fournisseurs.

Source: https://greenai.guide/fr/comment/comment-rendre-l-usage-de-l-ia-dans-mon-entreprise-plus-durable/  
Updated: 2026-11-19

## En bref

Commencez par cartographier les usages de l'IA dans votre entreprise, puis faites du choix efficace le choix par défaut : le plus petit modèle qui atteint le seuil de qualité, des réponses courtes, des fonctions d'IA désactivées sauf besoin. Demandez à vos fournisseurs l'énergie par requête et le lieu d'exécution, mesurez par tâche utile, et consignez le tout dans une courte politique avec un responsable. La plupart de ces étapes réduisent aussi les coûts et les délais, en plus de l'énergie.

## Steps

1. Listez les outils, fonctions et flux de travail automatisés d'IA utilisés, et la fréquence approximative de chacun.
2. Testez si un modèle plus petit ou une méthode sans IA atteint le seuil de qualité pour vos tâches au plus fort volume.
3. Fixez des réglages par défaut efficaces dans les outils de l'entreprise, comme des modèles plus petits, des limites de sortie et des fonctions désactivées sauf besoin.
4. Demandez à vos fournisseurs l'énergie par requête, le lieu d'exécution des charges de travail et leur mode de déclaration.
5. Suivez l'énergie ou les tokens par tâche utile et examinez les chiffres chaque trimestre.
6. Consignez les règles dans une courte politique avec un responsable désigné et une date de révision.

**Faites du choix efficace le choix par défaut, puis mesurez si cela fonctionne.** Pour la plupart des entreprises,
l'énergie se trouve dans l'exécution des modèles (l'inférence) de nombreuses fois par jour, et non dans leur
entraînement : ce sont donc les choix quotidiens de modèles, de prompts et de fonctions qui comptent le plus.

Deux constats montrent l'ampleur de la marge de progrès. Luccioni, Jernite et Strubell ont constaté que les modèles
génératifs généralistes coûtaient des ordres de grandeur plus cher à faire fonctionner que des modèles spécialisés
pour les mêmes tâches. L'UNESCO et l'University College London ont constaté que des modèles plus petits et
spécialisés pouvaient réduire la consommation d'énergie jusqu'à 90 %, et des prompts et réponses plus courts, de plus
de moitié.

## Par où commencer ? {#where-do-i-start}

1. **Cartographiez vos usages de l'IA** : consultez
   [comment cartographier les usages de l'IA dans votre organisation](/fr/comment/comment-cartographier-les-usages-de-l-ia-dans-mon-organisation/).
2. **Adaptez la taille des modèles pour les tâches les plus fréquentes** : essayez d'abord de petits modèles ;
   consultez [choisir un modèle d'IA plus petit](/fr/comment/comment-choisir-un-modele-d-ia-plus-petit/).
3. **Fixez des réglages par défaut** : désactivez les fonctions que personne n'utilise ; consultez
   [désactiver les fonctions d'IA inutiles](/fr/comment/comment-desactiver-les-fonctions-d-ia-inutiles-dans-toute-mon/).
4. **Interrogez vos fournisseurs** : consultez
   [la durabilité dans les achats d'IA](/fr/comment/comment-integrer-la-durabilite-dans-les-achats-d-ia/).
5. **Mesurez par tâche** : consultez [suivre l'énergie de l'IA par tâche](/fr/comment/comment-suivre-l-energie-de-l-ia-par-tache-plutot-qu-au-total/).
6. **Mettez-le par écrit** : consultez [rédiger une politique d'IA verte](/fr/comment/comment-rediger-une-politique-d-ia-verte/).

## Ce qui fait la plus grande différence {#what-makes-the-biggest-difference}

Le choix du modèle pour les tâches à fort volume, et la désactivation de l'IA qui tourne sans que personne n'en ait
besoin. Les habitudes du personnel comptent, mais les réglages par défaut touchent tout le monde sans dépendre de la
mémoire de chacun.

## Erreurs fréquentes {#common-mistakes}

- Compter le coût par appel au lieu de par tâche réussie, si bien que les nouvelles tentatives restent invisibles.
- Considérer un contrat de cloud vert comme la réponse complète alors que l'usage continue d'augmenter.
- Revendiquer des économies avant d'avoir mesuré une référence.

L'approche complète se trouve dans notre [guide pour les entreprises](/fr/guides/l-ia-verte-pour-les-entreprises/).

## Sources

- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](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)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
