Chatpey

Quand on parle de la consommation énergétique de l'intelligence artificielle, deux récits s'affrontent. Le premier agite des chiffres apocalyptiques — des centres de données qui engloutissent l'électricité de pays entiers. Le second balaie la question d'un revers de main — « ce n'est qu'une recherche web un peu plus grosse ». J'ai voulu mettre des chiffres concrets, mesurés autant que possible, sur ce que coûte réellement une requête d'IA — surtout celle qu'on fait tourner chez soi.

D'abord, un avertissement sur les chiffres

Première surprise en creusant le sujet : les estimations sont d'une instabilité déconcertante. Pour une même question posée à une IA, on trouve des valeurs allant de 0,24 à près de 19 wattheures selon la source et le modèle. Le fameux « une requête d'IA consomme dix fois plus qu'une recherche Google », répété partout, remonte à une remarque d'interview de 2023 qui n'a jamais été une mesure. Donc méfiance : tout chiffre unique présenté comme une vérité est suspect. Ce qui suit est en ordres de grandeur, pas en certitudes au décimal près.

La requête distante : comparable à une recherche, le plus souvent

Pour une requête courante envoyée à un grand service en ligne, les estimations sérieuses récentes tournent autour de 0,3 à 0,4 wattheure. Une étude de mai 2025 mesure 0,42 Wh pour une requête GPT-4o ; Google annonce 0,24 Wh pour une requête médiane. Autrement dit, dans ce cas banal, une requête d'IA consomme à peu près autant qu'une recherche web classique — pas dix fois plus.

Le « dix fois », voire « soixante-dix fois », existe pourtant — mais seulement pour les gros modèles dits de raisonnement, ceux qui « réfléchissent » longuement en générant énormément de texte interne. Là, une seule requête peut grimper à 10, 20, voire 40 wattheures. L'écart entre 0,3 et 40, ce n'est pas du bruit de mesure : c'est la différence entre demander la définition d'un mot et demander une dissertation à un modèle surdimensionné.

La requête locale : le compteur ne ment pas

C'est ici que ça devient concret, parce qu'on peut mesurer à la prise, avec un simple wattmètre. Et le résultat est contre-intuitif.

Faire tourner un modèle de taille raisonnable sur sa propre machine consomme, par réponse, de l'ordre de 0,05 à 0,4 wattheure — soit la même zone qu'une recherche web, parfois moins. Sur une machine efficace (puce Apple récente, petit modèle), on descend sous 0,1 Wh par réponse.

La raison est simple : en local, la machine ne consomme que par à-coups. Elle monte en charge une ou deux secondes le temps de générer la réponse, puis retombe au repos. Ça n'a rien à voir avec un jeu vidéo qui sollicite la carte graphique à fond pendant des heures. Ce pic bref change tout le calcul.

Pour donner une échelle parlante : votre ordinateur en bureautique normale tire 30 à 180 watts en continu ; un PC de jeu dédié, 300 à 600 watts. Une requête d'IA locale « tout-venant », c'est donc l'équivalent énergétique d'une à trois secondes de jeu vidéo, ou de quelques dizaines de secondes de travail bureautique. Pour égaler ce qu'on dépense deux heures de jeu, il faudrait enchaîner plusieurs milliers de requêtes locales.

Un bémol honnête : ça vaut pour un modèle de taille raisonnable. Faire tourner un mastodonte de 70 milliards de paramètres sur deux cartes graphiques peut grimper à 6 wattheures par réponse et c'est précisément là que le service distant, mutualisé, reprend du sens. La frugalité locale a une condition : choisir un modèle proportionné à la tâche.

Alors où est le vrai problème ?

Si une requête locale coûte une fraction de seconde de jeu vidéo, et qu'une requête distante banale équivaut à une recherche web, d'où vient l'épouvantail énergétique ?

On croit souvent que c'est l'entraînement des modèles qui consomme le plus. En effet cette phase est massive : entraîner un grand modèle peut consommer l'électricité de centaines de foyers pendant des mois. Mais l'intuition est trompeuse. Les analyses récentes convergent : l'entraînement n'est effectué qu'une fois, tandis que l'usage — l'inférence — se répète des milliards de fois par jour. Résultat, l'inférence représente désormais jusqu'à 90 % de l'énergie consommée sur tout le cycle de vie d'un modèle. Pour un grand modèle récent, servir les utilisateurs pendant trois mois coûte déjà plus d'électricité que tout son entraînement initial.

Le vrai coût, donc, ce n'est ni l'entraînement lointain ni votre requête locale isolée. C'est l'inférence centralisée à l'échelle planétaire : une requête individuelle modeste, multipliée par des centaines de millions d'utilisateurs et des milliards d'appels par jour, sur des modèles souvent surdimensionnés pour la tâche qu'on leur confie. Une seule requête courte à 0,43 Wh n'est rien ; la même répétée 700 millions de fois par jour finit par représenter la consommation annuelle de dizaines de milliers de foyers.

Ce que ça change

La conclusion n'est pas « l'IA ne consomme rien », ni « l'IA va brûler la planète ». C'est plus utile que ça.

Le poste de dépense dominant, c'est l'usage de masse sur de gros modèles distants. Or une grande partie de cet usage — résumer un texte, corriger une lettre, classer des fichiers, répondre à une question courante — ne réclame pas un modèle géant. Le même geste, fait en local sur un modèle frugal, coûte une fraction de seconde de jeu vidéo et reste chez vous. La sobriété énergétique, ici, n'est pas un sacrifice : c'est simplement utiliser l'outil proportionné au besoin, au lieu d'envoyer chaque broutille dans un centre de données dimensionné pour le raisonnement le plus exigeant.

C'est, au fond, la même logique low-tech que partout ailleurs : le bon outil pour le bon usage.

---

Les chiffres cités proviennent de mesures et d'estimations publiées en 2025-2026 (études académiques sur l'empreinte de l'inférence, données constructeurs, mesures au wattmètre sur matériel grand public). Ils décrivent des ordres de grandeur à un instant donné, dans un domaine où l'efficacité évolue vite — à manier comme des repères, pas comme des constantes.

Ce billet a été rédigé avec l'aide d'un assistant IA, à partir de mes recherches et de mes arbitrages. L'outil tenait la plume et vérifiait les sources ; l'angle et le tri sont les miens.