En bref
Une simple question textuelle posée à un chatbot d'IA consomme peu d'énergie, environ un tiers de wattheure selon les chiffres des entreprises elles-mêmes, et une fraction de millilitre d'eau. Les images et la vidéo consomment beaucoup plus, et le nombre colossal de requêtes s'additionne. Les habitudes qui comptent le plus sont de choisir le bon outil, d'éviter les régénérations sans fin et de réclamer des informations honnêtes.
Points clés
- Google indique 0,24 Wh et 0,26 mL d'eau pour un prompt textuel médian sur Gemini ; OpenAI parle d'environ 0,34 Wh pour une requête ChatGPT moyenne. Ces deux chiffres sont déclarés par les entreprises.
- Générer des images consomme bien plus d'énergie que traiter du texte : dans une étude, plus de mille fois plus par requête que classer du texte.
- L'Agence internationale de l'énergie prévoit que la consommation d'électricité des centres de données fera plus que doubler entre 2024 et 2030, principalement à cause de l'IA.
- Les chiffres par prompt varient parce que les entreprises ne mesurent pas les mêmes choses ; demandez toujours ce qui est inclus.
- Vous pouvez peser par vos choix, au travail ou à l'école, lors des décisions d'urbanisme locales et des consultations publiques.
Qu'est-ce que l'IA verte, en termes simples ?
L'IA verte consiste à profiter des avantages de l'intelligence artificielle en consommant moins d'énergie, d'eau et d'autres ressources. Elle recouvre deux choses : rendre l'IA elle-même plus efficace, et l'utiliser de façon raisonnable, seulement là où elle aide.
Il ne s'agit pas de dire aux gens de ne jamais utiliser l'IA. Un « sandpit » britannique sur l'IA verte, réunissant en 2026 des mathématiciens, des informaticiens et des industriels, a abordé directement la question et conclu que pratiquer une IA responsable est un objectif plus utile que la refuser. Une explication plus détaillée se trouve dans qu'est-ce que l'IA verte ?
Combien d'énergie l'utilisation de l'IA consomme-t-elle ?
Pour une question textuelle ordinaire, peu : environ un tiers de wattheure selon les chiffres des entreprises elles-mêmes. Mais les images et la vidéo en consomment bien davantage, et le nombre de requêtes dans le monde est énorme.
Voici ce qui a été publié :
| Source | Ce qui a été mesuré | Énergie |
|---|---|---|
| Google (2025) | Prompt textuel médian sur les applications Gemini | 0,24 Wh |
| OpenAI (2025) | Requête ChatGPT moyenne | environ 0,34 Wh |
| Epoch AI (2025), estimation indépendante | Requête textuelle ChatGPT type | environ 0,3 Wh |
OpenAI compare son chiffre à ce qu'un four consomme en un peu plus d'une seconde, ou une ampoule basse consommation en quelques minutes. L'estimation d'Epoch AI est environ dix fois inférieure à un chiffre plus ancien et très cité de 3 Wh, ce qui montre à quelle vitesse les estimations évoluent à mesure que le matériel et les logiciels progressent. Google indique que l'énergie de son prompt médian a été divisée par 33 en un an.
Les images et la vidéo coûtent beaucoup plus. Dans des tests menés par des chercheurs de Hugging Face et de l'université Carnegie Mellon, générer des images consommait en moyenne environ 2,9 kWh pour 1 000 images, contre 0,002 kWh pour classer 1 000 textes par catégories. C'est plus de mille fois plus par requête. La génération de vidéo est encore plus lourde.
C'est le total qui inquiète les planificateurs énergétiques. L'Agence internationale de l'énergie (AIE) estime que les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % de l'électricité mondiale, et prévoit environ 945 TWh d'ici 2030. Elle désigne l'IA comme le principal moteur de cette croissance.
Combien d'eau l'IA consomme-t-elle ?
Par prompt textuel, très peu ; au total, et à certains endroits, beaucoup. Les centres de données utilisent de l'eau surtout pour refroidir les ordinateurs, et les centrales électriques en utilisent pour produire l'électricité.
- Google indique 0,26 mL d'eau pour un prompt textuel médian sur Gemini.
- OpenAI affirme qu'une requête ChatGPT moyenne consomme environ 0,000085 gallon, soit à peu près un quinzième de cuillère à café.
- Mistral AI, une entreprise française, a publié une analyse de cycle de vie qui prend en compte plus d'étapes que ces deux chiffres. Elle estime une réponse de 400 tokens (quelques paragraphes) à 1,14 g de CO₂e (équivalent dioxyde de carbone) et 45 mL d'eau.
- Les chercheurs Li, Yang, Islam et Ren ont estimé que l'entraînement du modèle GPT-3 dans les centres de données de Microsoft aux États-Unis aurait pu évaporer directement environ 700 000 litres d'eau douce propre.
Les grands écarts entre ces chiffres viennent surtout de ce qui est compté, et non du fait qu'une entreprise ferait beaucoup mieux qu'une autre. L'emplacement d'un centre de données compte aussi : de l'eau prélevée dans une région sèche pendant une sécheresse a plus d'effet que la même quantité là où l'eau est abondante.
Pourquoi les chiffres sont-ils si incertains ?
Parce que la plupart des chiffres viennent des entreprises elles-mêmes, qu'elles ne mesurent pas les mêmes choses et qu'elles publient rarement leurs méthodes complètes. Les chercheurs indépendants doivent souvent faire des estimations depuis l'extérieur.
Ce qui fait varier la réponse :
- Ce qui est inclus : seulement les puces, ou aussi le refroidissement, la capacité de réserve inactive, le réseau et la fabrication du matériel ?
- Le modèle : les petits modèles consomment bien moins que les grands, et les modèles « de raisonnement », qui réfléchissent étape par étape, produisent beaucoup plus de mots en coulisses.
- La longueur de la réponse : l'énergie augmente avec la quantité de texte lue et écrite.
- Le lieu et le moment d'exécution : la même électricité peut être bas carbone dans un pays ou à une heure donnée, et fortement carbonée ailleurs ou à un autre moment.
Considérez donc chaque chiffre isolé comme un ordre de grandeur. Les sources honnêtes disent ce qu'elles ont inclus et quel est leur degré de certitude.
Quelles habitudes du quotidien comptent, et lesquelles ne comptent pas ?
Les habitudes qui comptent sont celles qui démultiplient l'usage : générer beaucoup d'images ou de vidéos, régénérer encore et encore, et laisser l'IA tourner quand vous n'en avez pas besoin. Les petites politesses et les questions occasionnelles comptent très peu.
Les habitudes qui font vraiment la différence :
- Utilisez le bon outil. Une recherche web classique, une calculatrice, une carte ou un dictionnaire sont souvent plus rapides et consomment moins.
- Allez-y doucement avec les images et la vidéo. Générez ce dont vous avez besoin, pas des dizaines de variantes pour le plaisir.
- Affinez plutôt que de régénérer sans cesse. Si la première réponse ne convient pas, dites ce qu'il faut changer au lieu d'appuyer encore et encore sur « réessayer ».
- Demandez des réponses courtes quand c'est tout ce dont vous avez besoin. L'UNESCO et l'University College London ont constaté que des prompts et des réponses plus courts pouvaient réduire la consommation d'énergie de plus de moitié.
- Choisissez des options plus légères lorsqu'une application propose un modèle « fast », « mini » ou « lite » pour les questions simples.
- Désactivez les fonctions d'IA que vous n'utilisez pas dans les applications et les appareils, quand les paramètres le permettent.
Les habitudes qui comptent peu :
- Dire « s'il vous plaît » et « merci ». Les mots supplémentaires sont minuscules à côté d'une longue réponse.
- Poser de temps en temps une question à un chatbot textuel. Selon le chiffre d'OpenAI, chacune consomme à peu près autant d'énergie qu'une ampoule basse consommation en quelques minutes.
La vue d'ensemble tient moins aux habitudes individuelles qu'à la façon dont l'IA est intégrée dans des produits et services utilisés par un très grand nombre de personnes. C'est là que la pression pour l'efficacité et pour des informations honnêtes fait le plus de différence. Notre page utiliser l'IA efficacement donne d'autres conseils.
Comment juger les affirmations sur l'IA et l'environnement ?
Demandez-vous ce qui est mesuré, qui l'a mesuré et à quoi on le compare. Les affirmations alarmantes comme rassurantes peuvent induire en erreur si ces éléments manquent.
Questions à poser :
- Par quoi ? Par question, par image, par an, par utilisateur ? Un gros total peut correspondre à une petite quantité par usage, et inversement.
- Qui le dit ? Le chiffre d'une entreprise, une étude indépendante, ou un article de presse qui reprend une ancienne estimation ?
- Qu'est-ce qui est inclus ? Seulement les puces informatiques, ou tout le centre de données, l'alimentation électrique et la fabrication ?
- De quand date-t-il ? Les chiffres évoluent vite. Un chiffre d'il y a quelques années peut être dix fois trop élevé, ou trop bas.
- Comparé à quoi ? « Dix fois plus qu'une recherche » ne veut pas dire grand-chose si vous ne savez pas combien consomme une recherche.
- Confond-on efficacité et baisse de l'usage ? Si l'IA devient moins chère par question, les gens peuvent tout simplement l'utiliser davantage. C'est ce qu'on appelle l'effet rebond.
Méfiez-vous des mots comme « vert », « propre » ou « neutre en carbone » sans chiffres à l'appui. Des évaluations indépendantes commencent à apparaître : l'AI Energy Score, lancé par Hugging Face et ses partenaires, note les modèles d'IA de une à cinq étoiles pour leur efficacité énergétique, un peu comme les étiquettes des appareils électroménagers. Pour en savoir plus, lisez des étiquettes énergétiques pour l'IA.
Comment faire entendre ma voix ?
Vous pouvez influer sur l'IA verte par vos choix, par ce que vous demandez au travail ou à l'école, et par les décisions publiques sur les centres de données et la réglementation. Les organisations écoutent quand suffisamment de personnes le demandent.
- En tant qu'utilisateur : choisissez des services qui publient des informations claires sur l'énergie et l'eau, et dites aux entreprises quand elles ne le font pas.
- Au travail : demandez si votre employeur a une politique sur l'usage de l'IA et le choix des fournisseurs. Orientez-le vers notre guide pour les entreprises.
- À l'école ou à l'université : demandez comment l'IA et ses coûts environnementaux sont enseignés. Les enseignants trouveront des ressources dans notre rubrique écoles, et les jeunes peuvent commencer par pour les élèves.
- Localement : dans de nombreux pays, les nouveaux centres de données ont besoin d'un permis de construire. Les demandes de permis et les consultations locales sont l'occasion de poser des questions sur l'électricité, l'eau et la chaleur fatale.
- Au niveau national : les gouvernements organisent des consultations sur l'IA, l'énergie et le numérique. Répondez aux consultations, ou écrivez à votre élu, pour demander que les fournisseurs d'IA rendent compte de leur consommation d'énergie et d'eau.
- Dans votre communauté : les associations et les groupes locaux peuvent eux aussi bien utiliser l'IA ; notre guide pour les associations peut les aider.
L'IA peut-elle aussi aider l'environnement ?
Oui, pour certains usages, et cela fait partie du tableau. L'IA sert à prévoir la météo, à repérer des défauts sur les lignes électriques, à planifier l'utilisation des énergies renouvelables et à accélérer les modèles scientifiques, et certains de ces usages pourraient économiser plus d'énergie qu'ils n'en consomment.
Le problème, c'est que ces économies sont rarement mesurées, alors que les coûts de l'usage quotidien de l'IA sont répartis sur un nombre immense d'appareils et de services. L'IA verte demande que les deux côtés soient comptés honnêtement : ce que coûte un usage de l'IA, et ce qu'il permet réellement d'économiser. Elle privilégie aussi une méthode simple et bien comprise lorsqu'il en existe déjà une qui fait le travail, en réservant l'IA aux problèmes où elle apporte quelque chose de nouveau.
Des chercheurs travaillent à rendre les modèles d'IA beaucoup plus petits et moins coûteux à faire tourner, souvent grâce aux mathématiques plutôt qu'à davantage de puissance de calcul. Ce travail compte, car il rend la même aide accessible avec moins d'énergie, sur davantage d'appareils et pour davantage de personnes.
Que faire ensuite ?
- La prochaine fois que vous utilisez l'IA, demandez-vous si un outil plus simple suffirait.
- Réduisez la génération d'images et de vidéos dont vous n'avez pas vraiment besoin, et affinez au lieu de régénérer.
- Demandez des réponses courtes quand une réponse rapide vous suffit.
- Vérifiez une affirmation que vous voyez sur l'IA et l'environnement à l'aide des six questions ci-dessus.
- Demandez à votre employeur, à votre école ou à votre commune quelle est leur approche de l'IA et de l'énergie.
- Pour aller plus loin : commencez par qu'est-ce que l'IA verte ? et pourquoi l'IA verte compte maintenant, ou explorez la rubrique écoles avec un jeune.
Questions fréquentes
Combien d'énergie consomme une question posée à ChatGPT ?
Le directeur général d'OpenAI a déclaré qu'une requête moyenne consomme environ 0,34 Wh, soit à peu près ce qu'un four consomme en un peu plus d'une seconde. Epoch AI a estimé de façon indépendante environ 0,3 Wh pour une requête type. Les demandes longues ou complexes consomment davantage.
L'IA consomme-t-elle beaucoup d'eau ?
Par prompt textuel, peu : Google indique 0,26 mL pour un prompt médian sur Gemini. Ce sont les totaux qui comptent davantage : des chercheurs ont estimé que l'entraînement de GPT-3 dans les centres de données de Microsoft aux États-Unis aurait pu évaporer environ 700 000 litres d'eau douce. Les effets locaux dépendent de l'emplacement des centres de données.
Dois-je arrêter d'utiliser l'IA pour préserver la planète ?
Pas nécessairement. Selon le chiffre d'OpenAI, une question textuelle occasionnelle consomme à peu près autant d'énergie qu'une ampoule basse consommation en quelques minutes. Il est plus judicieux d'utiliser l'IA là où elle aide, d'éviter les habitudes de gaspillage comme générer des dizaines d'images, et de réclamer de meilleures informations.
Dire « s'il vous plaît » et « merci » à un chatbot gaspille-t-il de l'énergie ?
Chaque mot supplémentaire ajoute un tout petit peu de traitement, mais c'est très peu à côté de l'énergie nécessaire pour générer de longues réponses, des images ou des vidéos. Ce n'est pas une habitude qui mérite de vous inquiéter.
Sources
- Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
- The gentle singularity, Sam Altman (OpenAI) (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Our contribution to a global environmental standard for AI, Mistral AI (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
- Energy and AI, International Energy Agency (2025)
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Announcing AI Energy Score ratings, Hugging Face (2025)
Voir aussi
Qu'est-ce que l'IA verte ?
Une définition simple de l'IA verte : l'IA pour l'environnement et une IA plus sobre, efficacité et sobriété, et son empreinte en énergie, carbone, eau et matériaux.
Pourquoi l'IA verte compte maintenant
L'IA fait croître vite la demande d'électricité des centres de données, sous tension pour les réseaux. Ampleur, énergie, coûts et politiques en 2026.
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.
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.