greenai.guide

Accueil › IA verte : questions fréquentes

IA verte : questions fréquentes

En bref

Voici des réponses courtes et sourcées aux questions que l'on pose le plus souvent sur l'IA et l'environnement : combien d'énergie consomme l'IA, si la situation s'améliore ou s'aggrave, et ce que peuvent faire les particuliers, les organisations et les gouvernements. Chaque réponse renvoie à une page plus complète lorsqu'il en existe une.

Points clés

  • L'AIE estime que les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit environ 1,5 % du total mondial, et prévoit plus du double d'ici 2030.
  • Selon les chiffres des entreprises, un prompt textuel typique consomme une fraction de wattheure ; les images, la vidéo et les longues tâches agentiques consomment bien davantage.
  • Les gains d'efficacité sont réels et rapides, mais l'effet rebond signifie que la consommation totale peut tout de même augmenter.
  • La mesure reste lacunaire : la plupart des chiffres par prompt sont autodéclarés et pas directement comparables.

Voici des réponses courtes aux questions que l'on pose le plus souvent sur l'IA et l'environnement. Chaque chiffre provient d'une source publique nommée, listée en fin de page, et les chiffres évoluent vite : vérifiez donc l'année. Lorsqu'une question mérite plus que quelques phrases, suivez les liens vers les guides, les pages de bonnes pratiques et les articles. Les termes techniques sont expliqués dans le glossaire.

Si votre question ne figure pas ici, posez-la-nous.

Questions fréquentes

Qu'est-ce que l'IA verte ?

L'IA verte consiste à développer et utiliser l'intelligence artificielle de façon à réduire autant que possible son empreinte en énergie, en carbone, en eau et en matériaux, et à l'utiliser là où elle apporte une vraie valeur. Elle recouvre à la fois l'efficacité (faire autant avec moins) et la sobriété (se demander si l'IA est vraiment nécessaire).

Combien d'électricité l'IA consomme-t-elle ?

Personne ne publie de chiffre exact pour l'IA seule. L'Agence internationale de l'énergie estime que l'ensemble des centres de données a consommé environ 415 TWh en 2024, soit environ 1,5 % de l'électricité mondiale, et désigne l'IA comme le principal moteur de la croissance.

La consommation d'énergie de l'IA va-t-elle continuer d'augmenter ?

Selon les tendances actuelles, oui. L'AIE prévoit que la consommation d'électricité des centres de données fera plus que doubler pour atteindre environ 945 TWh d'ici 2030, un peu plus que la consommation totale actuelle du Japon, et que les centres de données représenteront environ un dixième de la croissance de la demande mondiale d'électricité d'ici 2030.

Combien d'énergie consomme un prompt ChatGPT ou Gemini ?

OpenAI indique qu'une requête ChatGPT moyenne consomme environ 0,34 Wh, et Google annonce 0,24 Wh pour son prompt textuel Gemini médian. Ce sont des chiffres d'entreprises, obtenus avec des méthodes différentes et en partie non publiées : ils ne sont donc pas comparables à l'identique, et ils portent sur le texte, pas sur les images ni la vidéo.

L'IA consomme-t-elle beaucoup d'eau ?

Les centres de données utilisent souvent de l'eau pour le refroidissement, donc l'IA aussi. Google annonce environ 0,26 mL pour son prompt textuel Gemini médian, soit environ cinq gouttes ; OpenAI indique environ 0,000085 gallon par requête ChatGPT moyenne. Le problème principal est local : de grands centres de données construits dans des zones en stress hydrique.

Est-ce l'entraînement ou l'utilisation de l'IA qui nuit le plus à l'environnement ?

Les deux comptent. L'entraînement est un coût ponctuel important ; Meta déclare 11 390 tonnes de CO₂e (méthode fondée sur la localisation) pour entraîner sa famille Llama 3.1. L'inférence a lieu chaque fois que quelqu'un utilise un modèle : pour les outils très utilisés, elle continue donc de s'accumuler tant que le modèle est en service.

Générer des images est-il pire que générer du texte ?

En général, oui. Une étude de 2024 a montré que générer 1 000 images avec le modèle le moins efficace testé consommait 11,49 kWh, autant que 522 recharges de smartphone, tandis que le modèle de texte le plus efficace consommait l'équivalent de 9 % d'une recharge pour 1 000 exécutions.

Quelle est l'empreinte carbone d'un centre de données ?

Elle dépend surtout de l'électricité qu'il consomme et de la propreté de cette électricité. L'AIE estime que la consommation d'électricité des centres de données entraîne environ 180 millions de tonnes de CO₂ par an, un chiffre qui atteindrait 300 millions de tonnes d'ici 2035 dans son scénario de référence.

L'IA devient-elle plus efficace ?

Oui, rapidement. Google annonce une division par 33 de l'énergie de son prompt textuel Gemini médian en un an. Mais l'efficacité rend l'IA moins chère et plus facile à utiliser, si bien que la consommation totale peut tout de même augmenter : c'est l'effet rebond.

Qu'est-ce que l'effet rebond ?

C'est lorsqu'un gain d'efficacité rend quelque chose moins cher, si bien qu'on l'utilise davantage et qu'une partie ou la totalité de l'économie est perdue. L'économiste William Stanley Jevons en a décrit le cas extrême en 1865, lorsque des machines à vapeur plus efficaces ont augmenté la consommation de charbon de la Grande-Bretagne.

L'IA peut-elle aider à lutter contre le changement climatique ?

Oui. L'AIE estime qu'une adoption généralisée des applications d'IA existantes pourrait réduire les émissions bien plus que ce qu'émettent les centres de données, soit environ 5 % des émissions liées à l'énergie en 2035, mais avertit que les effets rebond pourraient compromettre ce résultat et que l'IA n'est « pas une solution miracle ».

Comment utiliser l'IA de façon plus durable ?

Demandez-vous si vous avez besoin de l'IA pour la tâche, rédigez un prompt clair plutôt que plusieurs prompts vagues, demandez des réponses plus courtes et évitez de générer des images ou des vidéos dont vous n'avez pas besoin. Un rapport de l'UNESCO et de l'UCL publié en 2025 a montré que des prompts et des réponses plus courts peuvent réduire la consommation d'énergie de plus de moitié.

Les petits modèles d'IA sont-ils meilleurs pour l'environnement ?

Pour de nombreuses tâches, oui. Le rapport de l'UNESCO et de l'UCL a constaté que des modèles plus petits et spécialisés pouvaient réduire la consommation d'énergie jusqu'à 90 % lors de ses tests, et la recherche a montré que les modèles génératifs généralistes coûtent bien plus cher que les modèles spécialisés pour une même tâche.

Qu'est-ce qu'un token ?

Un token (unité de texte) est le fragment de texte qu'un modèle de langage lit ou écrit, souvent une partie de mot. La règle empirique d'OpenAI pour l'anglais est d'environ quatre caractères, soit les trois quarts d'un mot ; plus il y a de tokens, plus il faut de calcul.

Qu'est-ce que le PUE ?

L'indicateur d'efficacité énergétique (power usage effectiveness, PUE) est la consommation totale d'énergie d'un centre de données divisée par l'énergie consommée par ses équipements informatiques. Un PUE de 1,0 serait parfait ; l'enquête 2025 de l'Uptime Institute a relevé une moyenne du secteur d'environ 1,54.

Faire tourner l'IA sur mon propre appareil est-il plus vert que le cloud ?

Parfois. Exécuter un petit modèle en local évite les surcoûts du réseau et du centre de données et préserve la confidentialité des données, mais les grands centres de données peuvent être plus efficaces par tâche, et des millions de petits appareils finissent par peser lourd. Tout dépend du modèle, de la tâche et du matériel.

Est-il plus vert d'utiliser l'IA ou de faire la tâche moi-même ?

Cela dépend de l'endroit où l'on trace la limite : votre temps, votre ordinateur, les reprises quand l'IA se trompe. Pour une information rapide ou un calcul simple, une recherche ou une calculatrice est généralement le choix le plus léger.

Comment mesure-t-on la consommation d'énergie de l'IA ?

Idéalement en mesurant le matériel pendant son fonctionnement, mais de nombreux chiffres publiés sont des estimations plutôt que des mesures. Des outils comme CodeCarbon et EcoLogits estiment l'énergie et les émissions, et la méthode Software Carbon Intensity de la Green Software Foundation, également norme ISO/IEC 21031, fournit une façon standard de déclarer le carbone par unité de travail.

Les entreprises d'IA doivent-elles déclarer leur consommation d'énergie ?

Dans l'UE, l'AI Act impose aux fournisseurs de modèles d'IA à usage général de documenter, pour les autorités, la consommation d'énergie connue ou estimée du modèle. Une déclaration publique et comparable pour chaque service d'IA n'est pas encore obligatoire dans la plupart des pays.

Existe-t-il une étiquette énergie pour l'IA ?

Pas encore d'étiquette officielle. Des projets comme l'AI Energy Score de Hugging Face notent les modèles selon leur consommation d'énergie pour des tâches courantes, et des chercheurs et organismes de normalisation travaillent à des référentiels de type étiquette.

Qu'est-ce que l'écoblanchiment dans l'IA ?

C'est présenter un produit ou une entreprise d'IA comme plus respectueux de l'environnement que les preuves ne le permettent, par exemple en affirmant une « IA neutre en carbone » sur la seule base de compensations. Dans l'UE, la directive (UE) 2024/825 interdit les allégations environnementales génériques non prouvées adressées aux consommateurs.

Pourquoi les centres de données sont-ils construits là où ils sont ?

Les exploitants recherchent une alimentation électrique fiable, des raccordements au réseau, un climat frais ou de l'eau pour le refroidissement, du terrain, de la connectivité et des clients à proximité. La concentration peut mettre les réseaux locaux sous tension : en Irlande, les centres de données ont consommé 22 % de toute l'électricité mesurée en 2024, contre 5 % en 2015.

Les écoles devraient-elles enseigner l'IA verte ?

Elle s'intègre naturellement aux cours existants d'informatique, de sciences, de géographie et d'éducation civique, et aide les élèves à devenir des utilisateurs réfléchis de l'IA. Notre rubrique Écoles propose un guide pour les enseignants et des idées de leçons qui ne nécessitent aucun outil payant.

Sources

  1. Energy and AI, International Energy Agency (2025)
  2. Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
  3. The Gentle Singularity, Sam Altman (OpenAI) (2025)
  4. Llama 3.1 8B model card, Meta (Hugging Face) (2024)
  5. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
  6. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
  7. W. Stanley Jevons, The Coal Question, 1865, Yale University, Energy History (1865)
  8. What are tokens and how to count them?, OpenAI Help Center (2025)
  9. Uptime Institute global data center survey 2025, Uptime Institute (2025)
  10. CodeCarbon, CodeCarbon (2025)
  11. EcoLogits, GenAI Impact (2025)
  12. ISO/IEC 21031:2024 Software carbon intensity (SCI) specification, International Organization for Standardization (2024)
  13. Annex XI: technical documentation for providers of general-purpose AI models, European Commission, AI Act Service Desk (2024)
  14. AI Energy Score, Hugging Face (2025)
  15. Directive (EU) 2024/825 on empowering consumers for the green transition, European Union (2024)
  16. Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)

Rejoignez-nous

Aidez à réduire l’impact de l’IA sur la planète

Recevez par e-mail, environ une fois par mois, les nouveaux guides, appels à financement et fiches des annuaires. Ou ajoutez votre produit, cours, thèse ou recherche aux annuaires.

Aucun suivi. Désinscription en un clic. Autres façons de participer · Confidentialité