Dans les centres de données les plus récents du monde, des calculs énergivores se déroulent 24 heures sur 24 alors que les chatbots et autres outils d’IA génératifs s’attaquent à des tâches allant des plus frivoles aux plus lourdes : assembler des images pour les médias sociaux, offrir des conseils relationnels, analyser des images médicales pour diagnostiquer un cancer, créer du code pour les développeurs ou détecter des escroqueries financières pour les banques.
Tout comme la popularité des outils d’IA a explosé ces dernières années, les coûts environnementaux qui y sont associés ont également augmenté. Les centres de données consomment désormais 414 térawattheures par an, soit environ 1,5 % de la consommation mondiale d’électricité, selon l’Agence internationale de l’énergie – une quantité qui a augmenté de 12 % par an pendant cinq ans avant de passer à 17 % en 2025. D’ici 2030, l’agence prévoit que la demande d’électricité des centres de données fera plus que doubler. Une grande partie de la demande croissante d’électricité est satisfaite par les combustibles fossiles, tandis que les experts s’inquiètent également de l’utilisation des ressources en eau locales pour refroidir les centres de données dans les régions frappées par la sécheresse.
L’utilisation de l’IA pour générer du texte ou des images ne représente probablement qu’une infime partie de l’empreinte environnementale d’une personne donnée. Et les experts soulignent qu’il incombe aux entreprises technologiques de réduire la consommation de ressources de l’IA, depuis la création d’algorithmes plus intelligents et économes en énergie jusqu’à la construction de matériel plus efficace.
Pourtant, il existe des mesures simples que les gens peuvent prendre pour garantir que leur utilisation de l’IA ait le moins d’impact possible sur l’environnement – depuis l’examen attentif des domaines dans lesquels l’IA est nécessaire jusqu’à l’adaptation des invites pour minimiser la quantité de calcul requise.
« Les choix individuels n’ont pas de sens, et certains sont plus puissants que ce que les gens pensent », explique Ivana Drobnjak, informaticienne de l’University College de Londres.
Des robots énergivores
Il est notoirement délicat d’estimer l’énergie dépensée pour traiter une requête individuelle de chatbot. Google, par exemple, estime que son chatbot Gemini consomme environ 0,24 wattheures pour répondre à une requête textuelle de longueur moyenne, soit l’équivalent de l’électricité nécessaire pour regarder la télévision pendant moins de neuf secondes. Il utilise également environ 0,26 millilitre d’eau et émet l’équivalent de 0,03 gramme de dioxyde de carbone (conduire une voiture à essence sur un kilomètre émettrait environ 400 grammes). Petites individuellement, ces dépenses s’accumulent pour les particuliers et les entreprises qui utilisent beaucoup les outils d’IA.
La raison pour laquelle les modèles d’IA consomment autant d’énergie réside en partie dans les processeurs qui les alimentent, tels que les unités de traitement graphique (GPU) qui consomment beaucoup plus d’énergie que les unités centrales de traitement (CPU) qui alimentent des tâches plus simples comme les recherches sur le Web et le courrier électronique. Cela concerne également les modèles qui sous-tendent les outils d’IA générative les plus populaires, y compris les grands modèles de langage (LLM) qui alimentent les chatbots et les assistants d’IA.
Ceux-ci sont basés sur une conception particulière appelée architecture de transformateur. Cela permet aux LLM de s’entraîner sur de vastes étendues de modèles linguistiques dans le texte et, à partir de là, de calculer des centaines de milliards, voire des milliards de paramètres. Ces paramètres peuvent ensuite être utilisés pour générer de nouvelles chaînes de texte, en prédisant quels mots sont susceptibles de se suivre.
Un LLM basé sur un transformateur nécessite beaucoup de calculs car pour chaque nouveau mot qu’il génère en réponse à la requête d’un utilisateur, il exécute la requête et les mots qui ont été écrits jusqu’à présent dans le modèle, effectuant à chaque fois des milliards de calculs.
Les entreprises technologiques notent que les LLM sont devenus plus économes en énergie au fil du temps ; selon les calculs de Google pour 2025, les 0,24 wattheures consommés par Gemini sur une invite de texte de longueur médiane représentent une diminution de 33 fois par rapport à la consommation d’énergie du modèle de l’année précédente.
Dans tous les cas, même de petites quantités d’énergie s’accumulent rapidement étant donné l’ampleur de l’utilisation de l’IA. Sur la base des chiffres de 2025 de la société technologique OpenAI, Drobnjak a estimé en mai qu’à ce stade, environ 3,2 milliards de requêtes étaient envoyées chaque jour à son chatbot ChatGPT. Les utilisateurs demandent aux outils d’IA de traiter et de produire de grandes quantités de texte, d’images et de vidéos. Certains ont de longues conversations avec des chatbots. Et de plus en plus de gens créent leurs propres « agents IA » qui envoient eux-mêmes des requêtes aux chatbots IA.
Alors, que peuvent faire les utilisateurs pour minimiser les ressources consacrées à leur utilisation de l’IA ? Les experts ont quelques conseils.
N’abandonnez pas la recherche
Comme première mesure simple pour économiser de l’énergie, les utilisateurs doivent soigneusement déterminer s’ils ont réellement besoin de l’IA pour une tâche donnée. « Demander à ChatGPT « Que dois-je porter aujourd’hui ? ou « Quel temps fait-il? » c’est comme prendre un Concorde pour se rendre au supermarché », explique Günter Klambauer, expert en IA à l’université Johannes Kepler en Autriche.
Il en va de même pour les moteurs de recherche Web qui utilisent l’IA pour générer automatiquement une réponse à une requête parallèlement aux résultats de recherche réels, tels que les aperçus de l’IA de Google ou la recherche Copilot de Bing. « Si vous recherchez simplement un article particulier, le désactiver pourrait s’avérer efficace du point de vue des économies d’énergie », explique Udit Gupta, expert en génie électrique et informatique chez Cornell Tech à New York. Sélectionner « Résultats Web uniquement » dans son navigateur ou inclure « -ai » dans le libellé de votre recherche Web peut faire l’affaire.
Les modèles plus petits consomment moins d’énergie
Les personnes et les entreprises qui utilisent beaucoup les outils d’IA pour des tâches spécifiques telles que la traduction ou la synthèse pourraient envisager de passer à des modèles de langage plus petits et spécialisés pour ces tâches. Parce que ceux-ci sont formés de manière plus étroite et effectuent moins de calculs, ils dépensent moins d’énergie que les LLM massifs et polyvalents sur les mêmes tâches.
Dans une étude de 2025 publiée par l’UNESCO, Drobnjak a testé les avantages de l’utilisation de petits modèles – comme celui appelé opus-mt-en-es pour les traductions anglais-espagnol, et d’autres modèles pour le résumé et la réponse aux requêtes – au lieu du modèle Llama 3.1 développé par Meta. Bien que ces modèles plus petits soient souvent moins conviviaux que les modèles d’IA plus populaires, ils sont disponibles gratuitement sur la plateforme d’IA Hugging Face. Selon l’étude, les petits modèles consommaient entre 15 et 50 fois moins d’énergie tout en produisant des résultats de meilleure qualité pour les tâches pour lesquelles ils ont été conçus.
L’abandon des modèles plus grands a entraîné une diminution globale de 90 % de la consommation d’énergie, ce qui en fait la stratégie d’économie d’énergie la plus puissante testée par Drobnjak dans son étude. Comme le dit Gupta : « Vous n’avez pas besoin d’utiliser un modèle comportant des milliards de paramètres pour modifier un e-mail. »
Des chatbots moins bavards
Étant donné que les LLM effectuent de nombreux calculs pour chaque mot consécutif qu’ils produisent, il est utile de choisir des modèles qui produisent moins de texte en général. L’expert en systèmes d’IA Mosharaf Chowdhury de l’Université du Michigan, qui a mesuré la consommation d’électricité des LLM rendus publics, a appris que les modèles qui sont par nature « plus bavards » ont tendance à consommer plus d’énergie.
Par exemple, une version du modèle Qwen développé par la société chinoise Alibaba Cloud consomme beaucoup plus d’énergie lorsqu’elle est en mode « résolution de problèmes avec raisonnement », où elle produit environ 10 fois plus de mots en réponse à une invite par rapport à son mode « conversation textuelle ». Certains experts recommandent donc d’utiliser le mode raisonnement uniquement pour les questions complexes et de s’en tenir au mode standard d’un chatbot.
Le simple fait de demander aux chatbots IA d’être « brefs » ou de leur donner une limite de mots peut également permettre d’économiser de l’énergie. Dans le document de l’UNESCO, Drobnjak et ses collègues ont découvert qu’ils pouvaient réduire la consommation d’énergie du modèle Llama de 50 pour cent lorsqu’ils lui ont demandé de réduire de moitié sa production. En revanche, garder l’invite elle-même courte permettait de réaliser des économies moins importantes : seulement 5 % pour une invite qui faisait la moitié de la longueur de la requête d’origine.
« La taille de la production est ce qui détermine et détermine le plus la dépense énergétique », explique Drobnjak. Elle a collaboré avec la ville de San Francisco pour développer des conseils d’économie d’énergie pour les utilisateurs d’IA, notamment en étant aussi précis que possible et en ajoutant des instructions telles que « cinq balles maximum ».
Passez à la vidéo basse résolution et par lots
Des recommandations similaires s’appliquent à la génération d’images et de vidéos, qui peuvent consommer des ordres de grandeur plus d’énergie que la génération de texte, car elles impliquent d’itérer plusieurs fois des millions de pixels, en traitant à chaque fois à nouveau l’intégralité de l’image, explique Drobnjak. De tels outils sont très populaires : près de 40 % des adolescents âgés de 13 à 17 ans interrogés dans une étude récente du Pew Research Center utilisent l’IA pour créer ou éditer des images ou des vidéos.
Drobnjak recommande de générer des images ou des vidéos uniquement lorsque cela est nécessaire et uniquement à la résolution nécessaire. « Une option consiste simplement à commencer en basse résolution », dit-elle, « et si l’algorithme va dans la bonne direction, vous commencerez alors à augmenter la résolution. » Elle note également que l’édition d’images existantes nécessite toujours moins de calculs que la génération de nouvelles à partir de zéro.
Et lors de la génération de plusieurs images, il est utile de le faire en une seule session ou par lot, ce qui est plus efficace que de le faire dans plusieurs requêtes distinctes.
Ces actions peuvent sembler être une goutte d’eau dans un océan, et à bien des égards, elles le sont, affirment les experts. Mais les petites choses s’additionnent. En attendant que les entreprises technologiques, les scientifiques et les décideurs politiques trouvent des moyens de réduire l’impact environnemental global de l’IA, « l’individu qui sait se procurer le bon outil peut faire une réelle différence », déclare Drobnjak. « L’IA consomme tellement d’énergie que nous devons l’examiner sous tous les angles. »
Note de l’éditeur : cette histoire a été mise à jour le 21 juillet 2026 pour clarifier que la consommation d’énergie des individus qui utilisent beaucoup les outils d’IA est cumulative, pas nécessairement énorme, comme cela a été initialement indiqué.
Cet article a été initialement publié dans Magazine connaissableune publication à but non lucratif dédiée à rendre la connaissance scientifique accessible à tous. Inscrivez-vous à la newsletter de Knowable Magazine.
