Quelle est la consommation d'énergie de l'IA ? (Les vrais chiffres, expliqués)

Une requête ChatGPT typique consomme environ 0,3 watt-heure d'électricité — soit l'équivalent de la consommation d'un four en une seconde — selon OpenAI et des estimations indépendantes. À l'échelle du réseau, les data centers américains ont utilisé environ 176 TWh en 2023, soit environ 4,4 % de l'électricité nationale, et cette part augmente rapidement.

Vous avez sans doute entendu dire que chaque question posée à ChatGPT « consomme dix fois plus d’énergie qu’une recherche Google », ou que l’IA va engloutir tout le réseau électrique. La réalité est plus nuancée : le coût par requête est faible et diminue, tandis que la demande totale des data centers est élevée et en forte croissance. Les deux affirmations sont vraies en même temps, et les chiffres ne prennent sens qu’avec des sources. Les voici — et si vous vous demandez quelle est l’autre moitié de l’empreinte de l’IA, nous avons fait le même exercice pour la consommation d’eau.

Pourquoi l’IA consomme-t-elle de l’énergie ?

La facture d’électricité de l’IA provient de deux activités distinctes, et les confondre est la principale source de confusion.

• L’entraînement est le processus unique de construction d’un modèle. Des milliers de puces spécialisées tournent à plein régime pendant des semaines ou des mois, d’où des coûts exprimés en mégawattheures ou gigawattheures.
• L’inférence correspond à l’utilisation quotidienne — chaque réponse de chat, image ou résumé. Chaque requête coûte peu, mais les modèles populaires en traitent des milliards, si bien que l’inférence domine désormais le total pour les systèmes déployés.
• Les frais généraux s’ajoutent aux deux : refroidissement, réseau, conversion d’énergie dans le data center, généralement mesurés par un indicateur appelé PUE (efficacité d’utilisation de l’énergie).

Quand vous voyez des chiffres très différents sur la « consommation d’énergie de l’IA », vérifiez ce qu’ils couvrent. Une estimation par requête qui ignore le refroidissement, ou un total d’entraînement présenté comme s’il se répétait chaque jour, induira en erreur dans un sens ou dans l’autre.

Quelle quantité d’énergie consomme une requête ChatGPT ?

Le chiffre phare vient d’OpenAI lui-même. En juin 2025, Sam Altman a écrit que la requête ChatGPT moyenne consomme environ 0,34 watt-heure — « à peu près ce qu’un four consommerait en un peu plus d’une seconde, ou une ampoule basse consommation en quelques minutes » (Data Center Dynamics, 2025).

Ce chiffre n’est pas validé par des pairs, et OpenAI n’a pas publié sa méthodologie. Mais il concorde avec des travaux indépendants. Le groupe de recherche Epoch AI estime une requête GPT-4o typique à environ 0,3 Wh, en se basant sur des hypothèses réalistes de longueur de réponse, des puces H100 modernes, et la consommation réelle (et non maximale) (Epoch AI, 2025). Google va plus loin et publie un article technique : la requête texte Gemini médiane consommait 0,24 Wh à la mi-2025 (Google Cloud, 2025).

Deux précisions pour rester honnête :

• L’ancienne estimation de « 3 Wh » n’était pas absurde — elle était datée. Un calcul largement cité en 2023 supposait de longues réponses sur des puces A100 plus anciennes fonctionnant à pleine puissance. La révision d’Epoch a montré que chaque hypothèse gonflait le chiffre, pour une surestimation totale d’environ 10x (Epoch AI, 2025; TechCrunch, 2025).
• Toutes les requêtes ne sont pas typiques. Epoch note qu’un document de 10 000 tokens fait grimper une requête à ~2,5 Wh, une entrée de 100 000 tokens à ~40 Wh, et les modèles de raisonnement qui « réfléchissent » avant de répondre génèrent plusieurs fois plus de tokens par requête. La génération d’images et de vidéos coûte encore plus cher — une étude Hugging Face montre que la génération d’images est la tâche IA courante la plus énergivore (MIT Technology Review, 2023).

Donc la réponse défendable : quelques dixièmes de watt-heure pour une requête texte normale, avec des tâches lourdes allant jusqu’à 10–100x plus.

Les chiffres dans un tableau

Voici les chiffres les plus cités, avec sources et années, pour que vous puissiez les vérifier par vous-même.

Notez les périmètres : les chiffres par requête concernent uniquement le chat texte, et les totaux des data centers incluent toutes les activités de ces bâtiments — streaming, banque, email — pas seulement l’IA.

Entraînement vs inférence : qui consomme le plus ?

L’entraînement fait les gros titres car le chiffre unique est impressionnant. Les chercheurs estiment l’entraînement de GPT-3 à environ 1 287 MWh — soit la consommation annuelle d’électricité de 120 foyers américains (Patterson et al., 2021). Pour un modèle de pointe de classe GPT-4, Epoch AI estime que l’entraînement a nécessité environ 20–25 mégawatts en continu pendant environ trois mois — soit 40–50 GWh, l’équivalent de la consommation de 20 000 foyers américains sur cette période (Epoch AI, 2025).

Mais l’entraînement n’a lieu qu’une fois. L’inférence, elle, se produit des milliards de fois par jour. À l’échelle de ChatGPT, même 0,34 Wh par requête finit par représenter des centaines de mégawattheures quotidiens, si bien que l’énergie totale sur la durée de vie d’un modèle populaire est dominée par son utilisation, pas par sa construction. C’est pourquoi le chiffre par requête — aussi faible soit-il — compte plus pour le total à long terme que n’importe quel chiffre d’entraînement.

Quelle est la consommation totale d’électricité des data centers ?

C’est là que les chiffres deviennent importants, et où se situe la préoccupation légitime.

Un rapport du Lawrence Berkeley National Laboratory, commandé par le Département de l’Énergie américain, estime que les data centers américains ont consommé environ 176 TWh en 2023 — soit 4,4 % de l’électricité nationale — et prévoit 325–580 TWh d’ici 2028, soit 6,7–12 % de l’électricité américaine (LBNL / DOE, 2024). La croissance est passée d’environ 7 % par an (2014–2018) à 18 % par an (2018–2023), principalement à cause des serveurs IA.

À l’échelle mondiale, le rapport Energy and AI de l’Agence Internationale de l’Énergie situe les data centers à environ 415 TWh en 2024 (~1,5 % de l’électricité mondiale), plus du double prévu pour atteindre environ 945 TWh d’ici 2030 — soit un peu plus que la consommation totale du Japon aujourd’hui — l’IA étant le principal moteur et les États-Unis et la Chine représentant près de 80 % de la croissance (IEA, 2025).

Une mise en garde dans les deux sens : ce sont des projections, pas des mesures, et les data centers hébergent aussi beaucoup d’activités non-IA. Nous suivons ces chiffres phares sur notre page statistiques IA.

Comment la consommation d’énergie de l’IA se compare-t-elle aux usages quotidiens ?

Le contexte donne du sens aux watt-heures. Une requête texte typique (~0,3 Wh) équivaut à :

• Environ 1 seconde de fonctionnement de votre four, selon la comparaison d’OpenAI (DCD, 2025).
• Quelques minutes d’une ampoule LED (une ampoule de 10 W consomme 0,3 Wh en environ deux minutes).
• À peu près une recherche Google, du moins selon le chiffre de Google de 2009 (~0,3 Wh) (Google, 2009). L’affirmation virale « 10x une recherche Google » divisait une ancienne estimation IA élevée par ce chiffre de recherche tout aussi ancien — aucun des deux n’est valable aujourd’hui.
• Environ 1/250e d’une heure de streaming vidéo, qui consomme ~77 Wh par heure (IEA, 2020).
• Bien moins que la recharge de votre téléphone (~10–15 Wh), même si générer une seule image IA peut s’en approcher (MIT Technology Review, 2023).

En résumé : votre usage du chatbot est une goutte d’eau dans votre empreinte énergétique personnelle. L’enjeu n’est pas votre consommation — c’est celle de tout le monde réunie, concentrée à certains endroits du réseau.

Pourquoi la consommation par requête baisse-t-elle sans cesse

Les chiffres par requête ci-dessus sont déjà dépassés dans un sens : à la baisse. Google a rapporté que l’énergie de sa requête texte Gemini médiane a chuté de 33x en un an, principalement grâce au logiciel — meilleures architectures de modèles, regroupement plus malin des requêtes, et meilleure utilisation du matériel (Google Cloud, 2025). Chaque nouvelle génération de puces offre aussi plus de calculs par watt, et des techniques comme les modèles mixture-of-experts n’activent qu’une fraction des paramètres à chaque requête.

Le revers est bien connu en économie : quand quelque chose devient moins cher, on en consomme plus. La baisse du coût par token est précisément ce qui permet les modèles de raisonnement, les contextes plus longs et la vidéo IA — qui utilisent bien plus de tokens par tâche. L’efficacité par requête s’améliore tandis que la demande totale continue d’augmenter. Ce n’est pas une contradiction ; c’est le schéma déjà intégré dans les projections du LBNL et de l’AIE.

Alors, faut-il s’inquiéter ?

Réponse équilibrée : oubliez la culpabilité par requête, surveillez la tendance au niveau du réseau.

Par requête, le coût est vraiment faible — comparable à une recherche, une fraction de minute de streaming. Refuser d’utiliser un chatbot pour « économiser l’énergie » revient à prendre l’escalier une fois pour sauver le climat.

À l’échelle du système, les préoccupations sont réelles mais ciblées. Les data centers se concentrent dans certaines régions, où ils peuvent mettre sous tension les réseaux locaux, faire grimper les prix de l’électricité, et — si la nouvelle demande est satisfaite par du gaz plutôt que de l’énergie propre — ralentir la baisse des émissions. L’AIE souligne aussi l’effet inverse : l’IA appliquée aux réseaux, bâtiments et industries pourrait économiser plus d’énergie que les data centers n’en consomment, même si rien n’est garanti (IEA, 2025). Les empreintes énergétiques et hydriques évoluent ensemble ici : moins de calculs, c’est moins d’énergie et moins de refroidissement.

Quelles actions sont mises en place ?

La pression entraîne des réponses visibles dans tout le secteur.

• Des contrats d’énergie propre à une échelle inédite. Microsoft a signé un accord de 20 ans pour relancer un réacteur de Three Mile Island — 835 MW d’énergie décarbonée pour ses data centers, attendus en 2028 (Utility Dive, 2024). Google et Amazon ont pris des engagements similaires dans le nucléaire et les renouvelables.
• Des renouvelables dédiées aux data centers. L’AIE prévoit plus de 450 TWh de nouvelle production renouvelable pour répondre à la demande des data centers d’ici 2035 (IEA, 2025).
• L’efficacité comme objectif produit. Puces sur mesure (TPU, accélérateurs d’inférence), refroidissement liquide, et astuces de modélisation comme la distillation et la quantification réduisent tous les watt-heures par token.
• Plus de transparence. L’article de Google en 2025 sur la consommation par requête était la première mesure publique détaillée d’un grand fournisseur ; OpenAI a suivi avec son propre chiffre. La vérification indépendante reste rare, mais la tendance est positive.

À retenir

Quelle est la consommation d’énergie de l’IA ? Environ 0,3 watt-heure pour une requête texte typique — négligeable individuellement — et environ 415 TWh par an pour les data centers mondiaux, en route vers le double d’ici 2030. Le chiffre par usage est faible et baisse ; le total est élevé et grimpe. Les deux méritent d’être cités avec leur source, et aucun ne justifie ni la panique ni l’indifférence. Pour comprendre la technologie derrière ces chiffres, commencez par notre espace apprendre.

Foire aux questions

Quelle quantité d’énergie consomme une requête ChatGPT ?
Environ 0,3–0,34 watt-heure pour une requête texte typique, selon le chiffre d’OpenAI et une estimation indépendante d’Epoch AI. Cela correspond à quelques minutes d’une ampoule LED. Les longs documents et les modèles de raisonnement peuvent faire grimper une seule requête à plusieurs watt-heures ou plus.

L’entraînement d’un modèle d’IA consomme-t-il plus d’énergie que son utilisation ?
L’entraînement est un coût unique très important — GPT-3 a nécessité environ 1 287 MWh, et un modèle de classe GPT-4 environ 40–50 GWh selon l’estimation d’Epoch AI. Mais des milliards de requêtes quotidiennes font que l’inférence (l’utilisation courante) représente désormais plus d’énergie totale que l’entraînement pour les modèles populaires.

Quelle est la consommation totale d’électricité des data centers ?
Les data centers américains ont consommé environ 176 TWh en 2023 — soit 4,4 % de l’électricité nationale — selon un rapport du Lawrence Berkeley National Laboratory, avec des projections de 325–580 TWh d’ici 2028. À l’échelle mondiale, l’AIE estime la consommation des data centers à environ 415 TWh en 2024, doublant pour atteindre ~945 TWh d’ici 2030.

Une requête ChatGPT est-elle pire qu’une recherche Google ?
Elles sont désormais dans le même ordre de grandeur. Le chiffre officiel de Google en 2009 pour une recherche était d’environ 0,3 Wh — soit le même ordre de grandeur que les estimations actuelles pour ChatGPT. L’affirmation populaire « 10 fois pire » comparait une ancienne estimation IA de 3 Wh à ce chiffre de recherche daté, et les deux chiffres ont évolué depuis.

Comment la consommation d’énergie de l’IA se compare-t-elle au streaming vidéo ?
Regarder une heure de vidéo en streaming consomme environ 0,077 kWh (77 Wh), selon l’analyse de l’AIE — soit l’équivalent d’environ 250 requêtes ChatGPT typiques. Une requête IA unique équivaut à quelques secondes de télévision, bien loin d’un marathon Netflix.

Pourquoi la consommation d’énergie par requête de l’IA diminue-t-elle ?
Grâce à de meilleures puces, des conceptions de modèles plus intelligentes et une meilleure utilisation des ressources. Google a rapporté une baisse de 33x de l’énergie par requête texte Gemini médiane en un an. Le revers : la demande totale continue d’augmenter car l’usage croît plus vite que l’efficacité.

La consommation d’énergie de l’IA est-elle un vrai problème ?
Par requête, non — c’est négligeable. Le vrai enjeu est la croissance globale : les data centers pourraient atteindre 6,7–12 % de l’électricité américaine d’ici 2028, mettant sous tension les réseaux locaux et ralentissant la baisse des émissions si la nouvelle demande est satisfaite par des énergies fossiles. À surveiller, mais pas de quoi paniquer.

Que font les entreprises tech face à la consommation d’énergie de l’IA ?
Elles achètent de l’énergie propre à grande échelle — Microsoft a signé un contrat de 20 ans pour relancer un réacteur de Three Mile Island (835 MW), et l’AIE prévoit plus de 450 TWh de nouvelles énergies renouvelables pour les data centers d’ici 2035 — en plus de concevoir des puces, modèles et systèmes de refroidissement plus efficaces.

Vous souhaitez recevoir des explications claires et sourcées comme celle-ci dans votre boîte mail ? Abonnez-vous à notre synthèse hebdomadaire sur l’IA. Pour plus de chiffres, consultez notre page statistiques IA et l’article compagnon sur la consommation d’eau de l’IA, et pour comprendre la technologie, commencez par l’espace apprendre.

À lire ensuite

ApprendreJun 2026

Combien d'eau l'IA consomme-t-elle ? (Les vrais chiffres, expliqués)

ApprendreJun 2026

Qu'est-ce que l'IA agentique ? Guide du débutant sur les agents IA

ApprendreMay 2026

Qu'est-ce que le RAG en IA ? (Retrieval-Augmented Generation, expliqué simplement)