Chaque question posée à ChatGPT, chaque image générée par une IA, consomme de l’électricité quelque part dans un data center. Ça, plus personne ne le conteste. La vraie question est ailleurs, à quel point ce coût compte, et surtout ce qui nous attend dans les prochaines années.
Une requête IA n’est pas une simple recherche Google
Comparer une requête sur ChatGPT à une recherche Google est tentant, mais ça ne tient pas la route. Une recherche classique va chercher une information déjà indexée. Une IA génératrice de texte, elle, doit calculer chaque mot de sa réponse en mobilisant des puces spécialisées appelées GPU.
Ces puces chauffent énormément, ce qui explique pourquoi les data centers dédiés à l’IA ont besoin de systèmes de refroidissement massifs, souvent alimentés à l’eau potable. Rien que sur le sol américain, on compte environ 3000 data centers, et une part croissante d’entre eux tourne aujourd’hui exclusivement pour faire fonctionner des modèles d’IA.
Aux États-Unis, les data centers représentent désormais environ 4,4% de la consommation électrique totale du pays. Un chiffre qui semble modeste, mais qui a doublé en quelques années à peine, après être resté quasiment stable pendant plus d’une décennie.
Lire Aussi : L’IA consomme des puces à une vitesse folle, et ça pose un vrai problème
Entraîner un modèle coûte cher, le faire tourner coûte encore plus cher
On imagine souvent que le gros de la dépense énergétique se joue au moment de l’entraînement du modèle, cette phase où l’IA ingère des quantités massives de données pour apprendre. C’est vrai, et les chiffres donnent le vertige. Entraîner GPT-4 aurait coûté plus de 100 millions de dollars et consommé environ 50 gigawattheures d’électricité, de quoi alimenter une ville comme San Francisco pendant trois jours entiers.
Mais l’entraînement n’est qu’une étape ponctuelle. Ce qui pèse le plus lourd au fil du temps, c’est l’utilisation quotidienne du modèle une fois qu’il est en ligne, ce que les spécialistes appellent l’inférence. Aujourd’hui, entre 80% et 90% de la puissance de calcul consacrée à l’IA sert justement à répondre aux questions des utilisateurs, pas à entraîner de nouveaux modèles.
Combien coûte réellement une réponse d’IA
C’est ici que les choses deviennent intéressantes, et compliquées à mesurer précisément, car les grandes entreprises comme OpenAI, Google ou Microsoft ne communiquent aucun chiffre officiel sur la consommation de leurs modèles. Des chercheurs de l’université du Michigan ont donc mesuré la consommation de modèles open source équivalents pour se faire une idée.
Pour un modèle de taille modeste, une réponse textuelle demande environ 114 joules une fois tous les calculs annexes intégrés, l’équivalent de faire tourner un four à micro-ondes pendant un dixième de seconde. Pour un modèle beaucoup plus gros, la facture grimpe à plus de 6700 joules par réponse, soit à peu près 8 secondes de micro-ondes.
Générer une image demande, en moyenne, un peu plus d’énergie qu’une réponse textuelle courte, autour de 2300 joules pour une image standard, et le double si on augmente la qualité. Mais c’est la vidéo qui change complètement d’échelle. Produire une simple vidéo de 5 secondes avec un modèle IA peut consommer plus de 3,4 millions de joules, soit plus de 700 fois l’énergie nécessaire pour générer une image. À titre de comparaison, ça correspond à plus d’une heure de fonctionnement d’un micro-ondes, pour 5 secondes de vidéo !
Lire Aussi : Data Centers : pourquoi tout le monde les déteste (et pourquoi c’est légitime)
La source d’électricité utilisée compte plus que la requête
L’impact climatique d’une requête IA ne dépend pas seulement de sa consommation en joules, mais aussi de la source d’électricité utilisée pour la produire.
Une étude de la Harvard T.H. Chan School of Public Health a montré que l’électricité utilisée par les data centers est en moyenne 48% plus polluante que la moyenne américaine. La raison est que ces infrastructures ont besoin d’une alimentation constante, jour et nuit, toute l’année. Elles ne peuvent donc pas dépendre uniquement de sources intermittentes comme le solaire ou l’éolien, et se rabattent souvent sur du gaz naturel ou du charbon, disponibles à toute heure.
L’endroit où se trouve le data center compte aussi énormément. Une même requête traitée en Californie, où le réseau électrique est plus propre, peut générer deux fois moins d’émissions que la même requête traitée en Virginie-Occidentale, où le réseau reste très dépendant du charbon.
Ce que ça représente à grande échelle
Prises une par une, ces requêtes semblent négligeables. Mais avec plus de deux milliards de messages envoyés chaque jour rien que sur ChatGPT, cinquième site le plus visité au monde, les petits chiffres s’additionnent vite.
Un rapport du Lawrence Berkeley National Laboratory, un laboratoire public américain rattaché au département de l’Énergie, donne une idée de la trajectoire. Les serveurs dédiés à l’IA ont consommé entre 53 et 76 térawattheures d’électricité aux États-Unis en 2024. D’ici 2028, ce chiffre pourrait grimper entre 165 et 326 térawattheures par an, soit plus que toute la consommation actuelle des data centers américains réunis, tous usages confondus. À ce niveau, l’IA à elle seule pourrait consommer autant d’électricité que 22% des foyers américains chaque année.
Et la tendance ne va pas s’arranger. Les modèles dits de raisonnement, capables de réfléchir plusieurs étapes avant de répondre, demandent jusqu’à 43 fois plus d’énergie que les modèles classiques pour un simple problème. Avec l’arrivée des agents IA, capables d’exécuter des tâches complexes sans supervision constante, la consommation par utilisateur risque d’augmenter fortement dans les prochaines années.
Lire Aussi : IA : Une consommation d’eau bien plus élevée qu’on ne l’imagine
Pourquoi personne ne connaît les vrais chiffres
Un des problèmes centraux de ce dossier, c’est le manque total de transparence des grandes entreprises du secteur. Ni OpenAI, ni Google, ni Microsoft ne publient de données précises sur la consommation énergétique de leurs modèles phares. Ces informations sont considérées comme des secrets industriels, et aucune réglementation ne les oblige à les partager.
Les chercheurs et journalistes doivent donc se contenter d’estimations basées sur des modèles open source comparables, avec toute la marge d’erreur que ça implique. Le Lawrence Berkeley National Laboratory lui-même reconnaît dans son rapport que le manque de données rend très difficile toute planification sérieuse de l’expansion électrique nécessaire pour suivre la croissance de l’IA.
FAQ
Une recherche Google consomme-t-elle moins qu’une requête ChatGPT ?
Oui, largement moins. Une recherche classique va chercher une information déjà stockée, alors qu’une IA générative doit calculer sa réponse mot par mot.
Générer une image consomme-t-il plus qu’écrire un texte avec une IA ?
En général, un peu plus qu’un texte court, mais c’est surtout la vidéo qui change complètement d’échelle, avec une consommation pouvant dépasser 700 fois celle d’une image.
Les entreprises comme OpenAI ou Google communiquent-elles leurs vrais chiffres de consommation ?
Non. Ces données sont considérées comme des secrets industriels, et aucune des grandes entreprises du secteur ne les publie officiellement à ce jour.
L’IA va-t-elle consommer de plus en plus d’électricité dans les années à venir ?
Oui, fortement. Les projections évoquent un triplement de la part des data centers dans la consommation électrique américaine entre 2024 et 2028, porté notamment par les modèles de raisonnement et les agents IA.
Source : technologyreview.com