En bref
L'IA fonctionne sur des ordinateurs installés dans des centres de données qui consomment de l'électricité, de l'eau et du matériel : chaque requête a donc un petit coût environnemental, qui s'additionne sur des milliards d'utilisateurs. Les enseignants n'ont pas besoin d'expertise technique pour bien aborder le sujet : quelques faits fiables, la différence entre efficacité et sobriété, et de bonnes habitudes montrées en classe suffisent largement.
Points clés
- L'entraînement construit un modèle une seule fois ; l'inférence a lieu à chaque utilisation. Pour les outils populaires, l'énergie consommée par l'usage continue de s'additionner tant que le modèle est en service.
- Google annonce 0,24 Wh pour sa requête textuelle Gemini médiane et OpenAI environ 0,34 Wh pour une requête ChatGPT moyenne ; ce sont des chiffres d'entreprises, mesurés de manière différente.
- Générer des images consomme bien plus d'énergie que générer un texte court, et les modèles généralistes consomment davantage que les modèles spécialisés.
- Des requêtes plus courtes, des réponses plus courtes et des modèles plus petits peuvent réduire nettement la consommation d'énergie, selon un rapport de 2025 de l'UNESCO et de l'UCL.
- La politique d'IA d'un établissement peut traiter de l'efficacité et de la sobriété, à côté de la protection des données, des limites d'âge et de l'évaluation.
Que doivent savoir les enseignants avant tout ?
Trois idées portent l'essentiel du sujet : l'IA fonctionne sur des ordinateurs physiques qui consomment de l'électricité, de l'eau et des matériaux ; de petits coûts par requête s'additionnent sur des milliards de requêtes ; et faire les choses plus efficacement comme renoncer aux usages inutiles sont tous deux utiles. Tout le reste est un détail que vous pouvez retrouver dans le glossaire.
Comment l'IA consomme-t-elle de l'énergie ?
L'IA consomme de l'énergie deux fois : une fois pour construire un modèle, puis à chaque fois que quelqu'un l'utilise. Les deux se passent dans des centres de données, des bâtiments remplis d'ordinateurs spécialisés.
- L'entraînement est le processus ponctuel qui construit un modèle en lui montrant d'énormes quantités de données. Pour les grands modèles, il demande des mois de calcul. La fiche de modèle de Meta pour sa famille Llama 3.1, par exemple, fait état de 39,3 millions d'heures GPU d'entraînement et de 11 390 tonnes d'équivalent CO₂ selon une méthode fondée sur la localisation.
- L'inférence est l'utilisation du modèle entraîné : chaque question, réponse ou image. Chaque usage est minime, mais un outil populaire est utilisé des milliards de fois, si bien que l'énergie consacrée à l'usage continue de croître tant que le modèle est en service.
- Le bâtiment qui abrite les ordinateurs consomme aussi de l'énergie, surtout pour le refroidissement. Le secteur la mesure avec le PUE.
Les modèles de langage lisent et écrivent en tokens, des fragments de texte qui sont souvent des morceaux de mots. Selon la règle empirique d'OpenAI pour l'anglais, un token correspond à environ quatre caractères, soit environ trois quarts de mot. Plus il y a de tokens en entrée et en sortie, plus il faut de calcul : c'est pourquoi les réponses longues coûtent plus que les courtes.
Quels faits puis-je utiliser en classe en toute confiance ?
Ces chiffres proviennent de sources publiques et nommées. Citez-les avec leur source et leur année, car les chiffres évoluent vite.
| Fait | Source |
|---|---|
| Les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % de la consommation mondiale d'électricité | AIE, Energy and AI, 2025 |
| Ce chiffre devrait plus que doubler pour atteindre environ 945 TWh d'ici 2030, un peu plus que la consommation actuelle du Japon | AIE, 2025 |
| La consommation d'électricité des centres de données a augmenté d'environ 12 % par an depuis 2017 | AIE, 2025 |
| La requête textuelle Gemini médiane de Google a consommé 0,24 Wh et environ 0,26 mL d'eau (environ cinq gouttes) | Google, 2025 |
| Google annonce une division par 33 de l'énergie par requête médiane en un an | Google, 2025 |
| OpenAI indique qu'une requête ChatGPT moyenne consomme environ 0,34 Wh, autant qu'un four allumé pendant un peu plus d'une seconde | OpenAI, 2025 |
| En Irlande, les centres de données ont consommé 22 % de toute l'électricité mesurée en 2024, contre 5 % en 2015, plus que l'ensemble des logements urbains | Central Statistics Office, Irlande, 2025 |
| Générer 1 000 images avec le modèle le moins efficace testé a consommé 11,49 kWh, autant que 522 recharges de smartphone | Luccioni, Jernite et Strubell, 2024 |
| Des requêtes et réponses plus courtes peuvent réduire l'énergie de plus de moitié ; des modèles plus petits et spécialisés, jusqu'à 90 % lors de tests | UNESCO et UCL, 2025 |
Deux précautions pour les utiliser. Les chiffres de Google et d'OpenAI sont des déclarations des entreprises elles-mêmes, avec des méthodes différentes : ils ne sont donc pas directement comparables. Et les chiffres par requête concernent le texte ; les images, la vidéo et les modes de « raisonnement », qui procèdent par de nombreuses étapes, consomment davantage.
Comment utiliser l'IA à l'école de façon responsable et efficace ?
Utilisez l'IA là où elle fait vraiment gagner du temps ou apporte une vraie valeur, et de manière à gaspiller le moins possible. Les habitudes qui économisent de l'énergie sont pour la plupart celles qui donnent de meilleurs résultats.
- Demandez-vous si l'IA est le bon outil. Une fiche que vous avez déjà, une recherche ou une calculatrice peuvent faire l'affaire. C'est la sobriété.
- Écrivez un prompt (une consigne) clair plutôt que cinq vagues. Précisez à qui s'adresse le résultat, sa longueur et le format dont vous avez besoin.
- Demandez des réponses courtes quand cela suffit. Le rapport de l'UNESCO et de l'UCL a montré que des requêtes et réponses plus courtes peuvent réduire l'énergie de plus de moitié.
- Choisissez un outil plus petit ou plus simple pour les tâches simples, et évitez la génération d'images ou de vidéos sauf si elle sert le cours. Voir choisir le bon modèle.
- Réutilisez les bons résultats. Conservez les prompts et ressources qui fonctionnent et partagez-les avec vos collègues au lieu de les régénérer.
- Désactivez les fonctionnalités d'IA que vous n'utilisez pas dans les logiciels de bureautique et d'apprentissage, lorsque les paramètres le permettent.
La page utiliser l'IA efficacement donne plus de détails pour les adultes.
Que doit dire la politique d'IA d'un établissement sur l'IA verte ?
La politique d'IA d'un établissement couvre généralement la protection des élèves, la protection des données et l'évaluation. Y ajouter quelques lignes sur l'efficacité et la sobriété coûte peu et illustre le raisonnement que vous voulez transmettre aux élèves.
Points dont la plupart des politiques d'établissement ont déjà besoin (les recommandations du Department for Education anglais, mises à jour en 2025, les couvrent ; vérifiez l'équivalent dans votre pays) :
- Ne saisissez pas de données personnelles d'élèves ou de membres du personnel dans des outils d'IA générative, sauf si l'outil et son usage ont été approuvés et sécurisés.
- Respectez les limites d'âge fixées par les outils d'IA. Les recommandations de l'UNESCO de 2023 abordent aussi les âges minimaux pour l'usage en classe.
- Le personnel reste responsable de la vérification de l'exactitude et de la pertinence des contenus générés par l'IA.
- Fixez des règles claires sur l'IA pour les devoirs, les travaux notés et les examens, en accord avec vos organismes certificateurs.
- N'autorisez pas l'utilisation des travaux originaux des élèves pour entraîner des modèles d'IA sans autorisation.
Points d'IA verte à ajouter :
- Utiliser l'IA là où elle aide clairement l'apprentissage ou fait gagner du temps au personnel, pas par défaut.
- Privilégier les outils et fournisseurs qui publient des informations sur l'énergie, les émissions et l'emplacement de leurs centres de données. La page sur les achats d'IA durable liste les questions à poser.
- Éviter d'activer dans tout l'établissement des fonctionnalités d'IA que personne n'a demandées.
- Inclure le coût environnemental de l'IA dans la formation du personnel et dans les cours d'éducation au numérique des élèves.
- Réviser la politique chaque année, car les outils comme les données évoluent vite.
Quelles erreurs les élèves font-ils souvent ?
Les élèves, comme les adultes, oscillent souvent entre « l'IA ne consomme pas d'énergie, elle est juste sur mon téléphone » et « une seule requête fait bouillir l'océan ». La vérité se situe entre les deux, et cet écart est une bonne occasion pédagogique.
| Idée reçue | Meilleure explication |
|---|---|
| « L'IA se passe sur mon téléphone, donc elle ne consomme presque rien. » | La plupart des chatbots fonctionnent dans des centres de données lointains. Votre téléphone envoie la demande et affiche la réponse. |
| « Une requête consomme énormément d'énergie. » | Une requête textuelle type consomme une fraction de wattheure. Le problème, c'est l'échelle : des milliards par jour, plus les images et la vidéo. |
| « Si elle devient plus efficace, le problème est réglé. » | Une IA moins chère et plus rapide a tendance à être davantage utilisée, ce qui peut annuler les économies. C'est l'effet rebond. |
| « L'IA, ce ne sont que des chatbots. » | L'IA comprend aussi les filtres antispam, les systèmes de recommandation, la prévision météo et l'imagerie médicale, dont beaucoup sont petits et efficaces. |
| « L'IA verte, c'est ne pas utiliser l'IA. » | L'IA verte, c'est bien utiliser l'IA : efficacement, et là où elle apporte de la valeur. |
| « Les centres de données fonctionnent à l'électricité, donc ils ne consomment pas d'eau. » | Beaucoup de centres de données utilisent de l'eau pour le refroidissement, et certaines régions manquent d'eau. |
| « Le cloud est propre parce qu'il est dans le ciel. » | « Le cloud », ce sont des bâtiments, des câbles et des ordinateurs bien au sol, qui consomment une électricité et un espace bien réels. |
Des chercheurs ont aussi montré que les gains d'efficacité en informatique ont souvent été suivis d'une hausse de l'usage total plutôt que d'une baisse (Freitag et ses collègues, 2021). C'est pourquoi la sobriété compte autant que l'efficacité, et pourquoi l'article l'efficacité n'est pas la sobriété mérite d'être lu.
Que faire maintenant
- Essayez une activité parmi les idées de cours : l'activité des tokens en papier ne demande aucune technologie.
- Partagez L'IA verte pour les élèves avec une classe.
- Ajoutez à vos favoris le glossaire et la FAQ pour répondre rapidement aux questions des élèves.
- Soulevez les points de politique d'IA verte ci-dessus lors de votre prochaine révision de la politique.
- Consultez le répertoire des formations pour la formation continue et pour les élèves qui réfléchissent à l'université.
Questions fréquentes
Combien d'énergie consomme une requête à une IA ?
Selon les chiffres des entreprises, une requête textuelle type consomme une fraction de wattheure : Google annonce 0,24 Wh pour sa requête textuelle Gemini médiane et OpenAI environ 0,34 Wh pour une requête ChatGPT moyenne. Les réponses longues, les images, la vidéo et les modèles qui raisonnent beaucoup consomment davantage.
Les élèves doivent-ils utiliser des chatbots d'IA à l'école ?
C'est à chaque établissement d'en décider, dans le respect des recommandations nationales et des limites d'âge fixées par les outils eux-mêmes. Le ministère de l'Éducation anglais (Department for Education) demande aux établissements de respecter ces limites d'âge, de protéger les données personnelles et d'encadrer l'usage par les élèves.
Faut-il être spécialiste en informatique pour enseigner l'IA verte ?
Non. Les idées essentielles portent sur l'énergie, les ordres de grandeur et les choix, que tout enseignant peut expliquer. Le glossaire de ce site définit les termes techniques en langage simple.
Est-il vrai que l'IA consomme beaucoup d'eau ?
Les centres de données consomment de l'eau, surtout pour le refroidissement, et la quantité dépend beaucoup du site et du mode de refroidissement. Google annonce environ 0,26 mL pour sa requête textuelle Gemini médiane, soit environ cinq gouttes, mais les totaux pour l'ensemble des utilisateurs et des installations sont bien plus élevés et moins bien documentés.
Sources
- Energy and AI, International Energy Agency (2025)
- Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
- The Gentle Singularity, Sam Altman (OpenAI) (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
- AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
- Llama 3.1 8B model card, Meta (Hugging Face) (2024)
- What are tokens and how to count them?, OpenAI Help Center (2025)
- Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)
- Generative artificial intelligence (AI) in education, Department for Education (2025)
- Guidance for generative AI in education and research, UNESCO (2023)
- The real climate and transformative impact of ICT: a critique of estimates, trends, and regulations, Freitag et al., Patterns (2021)
Voir aussi
Idées de cours et d'activités sur l'IA verte
Neuf activités peu coûteuses sur l'IA verte pour les 9-18 ans : estimations d'énergie, tokens en papier, centres de données, débats, jeu de l'effet rebond.
L'IA verte pour les élèves
Un petit guide accessible pour les jeunes : ce qu'est l'IA verte, pourquoi l'IA consomme énergie et eau, les bons réflexes et où en savoir plus.
Utiliser l'IA efficacement : les bons réflexes au quotidien
Des réflexes quotidiens qui réduisent l'énergie de l'IA : prompts clairs, moins de régénérations, prudence avec images et vidéos, cache et options désactivées.
Rédiger une politique d'IA verte
Un guide pas à pas pour rédiger la politique d'IA verte d'une organisation, avec un plan type : usages, modèles, mesure, achats, allégations et révision.