« Quelle quantité d’énergie ChatGPT consomme-t-il ? » est l’une des questions les plus recherchées et les plus débattues sur l’IA. Les estimations publiques vont d’une fraction de wattheure à près de 20 Wh par requête, selon le modèle, la source et les éléments pris en compte. Ce calculateur ne prétend pas trancher le débat. Il met votre utilisation de l’IA en perspective avec des hypothèses transparentes, sourcées et modifiables, une estimation carbone tenant compte de la région et des équivalents concrets du quotidien.
Pourquoi la consommation par requête fait-elle débat ?
Les estimations publiques de l’énergie consommée par requête d’IA varient d’un facteur dix ou davantage. Les fournisseurs publient rarement des chiffres exacts, les modèles et les infrastructures diffèrent fortement, et un « prompt » peut être une question de deux mots ou un raisonnement de plusieurs milliers de jetons. Les premières estimations de 2023 pour les modèles de catégorie GPT-3 avoisinaient 3 Wh par requête. Des analyses plus récentes de modèles de production efficaces (notamment les chiffres communiqués pour Gemini par Google et les estimations de ChatGPT d’Epoch AI) suggèrent une consommation nettement inférieure à 1 Wh pour les requêtes courtes habituelles. Les modèles de pointe qui raisonnent sur de nombreuses étapes intermédiaires peuvent consommer un ordre de grandeur de plus.
Le calculateur propose des estimations ponctuelles issues de la recherche pour cinq catégories : petit/efficace, moyen (catégorie GPT), grand modèle de pointe, génération d’images et génération vidéo. L’hypothèse en Wh par prompt est modifiable, car aucun chiffre unique ne fait autorité. Si vous disposez d’une meilleure estimation pour le modèle utilisé, saisissez-la.
Pourquoi la région du réseau compte autant que le modèle
Un kWh d’électricité n’a pas partout la même empreinte carbone. La base eGRID de l’EPA indique des intensités régionales d’environ 0.08 kg de CO₂/kWh dans le nord-ouest du Pacifique, où l’hydroélectricité est importante, contre 0.45 kg ou plus dans les régions dominées par le charbon, soit un écart proche d’un facteur six. À l’échelle internationale, l’écart est encore plus marqué : un réseau dominé par le nucléaire ou l’hydroélectricité peut émettre nettement moins de 0.1 kg de CO₂/kWh, tandis qu’un réseau dominé par le charbon peut dépasser 0.9 kg.
Deux personnes exécutant les mêmes tâches d’IA peuvent donc avoir des empreintes différentes d’un facteur 5 à 10 selon le lieu de production de l’électricité utilisée pour leurs requêtes. C’est pourquoi la région du réseau est un paramètre à part entière. L’onglet « Comparer les modèles » confronte votre région à un réseau bas carbone, en plus de comparer les catégories de modèles.
Mettre un petit chiffre en perspective et comprendre les leviers
Pour un usage personnel modéré — quelques dizaines de prompts de chat par jour sur un modèle classique — l’empreinte annuelle se mesure généralement en quelques kilogrammes de CO₂, soit l’équivalent de quelques milliers de miles parcourus. C’est peu par rapport à l’énergie du logement, aux voyages en avion ou aux déplacements en voiture. Mais l’empreinte augmente avec l’utilisation et le multiplicateur lié au modèle est important : passer d’un modèle efficace à un modèle de raisonnement de pointe pour la même tâche peut la multiplier par environ 10. La génération intensive d’images ou de vidéos consomme bien davantage par unité que le chat textuel.
Pour réduire votre empreinte liée à l’IA, les deux principaux leviers sont d’utiliser le plus petit modèle capable d’effectuer les tâches courantes et, si vous avez le choix, de privilégier les fournisseurs dont les centres de données fonctionnent avec des réseaux plus propres. Les autres gestes ont un effet négligeable en comparaison.