Chaque réponse d’une IA est calculée quelque part, sur des puces dans un centre de données, avec de l’électricité. Vous ne le voyez pas quand vous tapez une question. Vous le voyez indirectement, dans le prix d’un forfait, dans un délai de réponse, et dans les nouvelles sur les centres de données.


Ce billet explique, en date de novembre 2026, ce qu’on sait de l’énergie et du calcul derrière l’IA, ce qui détermine le coût, et ce qu’une entreprise peut faire pour en consommer moins. Il s’appuie sur des recherches publiées et sur les chiffres que des entreprises ont choisi de divulguer. Quand les données sont minces ou proviennent des entreprises elles-mêmes, nous le disons.


Entraînement et inférence : deux factures différentes


L’entraînement est l’effort unique, très considérable, de construire un modèle : faire passer d’énormes quantités de données dans des milliers de puces pendant des semaines ou des mois. Peu d’organisations le font pour les plus gros modèles.


L’inférence est l’utilisation du modèle terminé : chaque question traitée, chaque courriel rédigé, chaque dossier classé. Chaque utilisation est petite. Ensemble, elles s’accumulent, parce qu’elles sont nombreuses et qu’elles se poursuivent.


Pour une entreprise qui achète l’IA comme service, l’entraînement est le coût de quelqu’un d’autre. Votre coût, c’est l’inférence, et il augmente avec votre usage, la longueur de vos consignes et la taille du modèle que vous appelez.


Le portrait d’ensemble, avec les sources


Le rapport 2025 de l’Agence internationale de l’énergie, *Energy and AI*, estimait que les centres de données ont consommé environ 415 térawattheures (TWh) d’électricité en 2024, soit environ 1,5 % de la consommation mondiale d’électricité. Dans son scénario de référence, ce chiffre passe à environ 945 TWh d’ici 2030, un peu moins de 3 % du total, avec une croissance d’environ 15 % par an. Elle indiquait que les serveurs conçus pour l’IA, les serveurs « accélérés », croissent plus vite, à environ 30 % par an, et expliquent près de la moitié de l’augmentation nette. Ce sont des projections, que l’AIE présente comme des scénarios, pas comme des prévisions d’un avenir fixe.


L’empreinte est donc réelle et croissante, et elle représente aussi une petite part de l’électricité mondiale. Les deux énoncés sont vrais, et un titre qui n’en retient qu’un est incomplet.


Ce que consomme une requête


Les entreprises publient rarement ce genre de chiffre, ce qui explique qu’une divulgation ait attiré l’attention. En août 2025, Google a publié un article et un billet estimant qu’une requête textuelle médiane à son application Gemini consommait 0,24 wattheure d’énergie, produisait 0,03 gramme d’équivalent en dioxyde de carbone et utilisait environ 0,26 millilitre d’eau. Google précisait que ce calcul comptait les puces d’IA, les machines hôtes, la capacité inactive gardée en réserve et les frais généraux du centre de données, mais pas l’entraînement, le réseau ni votre propre appareil. Elle rapportait aussi que l’énergie par requête médiane avait été divisée par 33 en douze mois, grâce à des améliorations logicielles et à une énergie plus propre. Google notait que ces chiffres n’avaient pas été vérifiés de façon indépendante.


Prenez cela comme le chiffre d’une entreprise pour la requête typique d’un produit, pas comme une règle pour tous les modèles ou toutes les tâches. Les longs documents, les images, la vidéo et les agents à plusieurs étapes consomment davantage. Nous n’en tirerons pas une estimation par employé, parce que ce serait une supposition.


Ce qui fait le coût et l’énergie


  • La taille et le type du modèle. Une étude de 2023 de Sasha Luccioni, Yacine Jernite et Emma Strubell (« Power Hungry Processing ») a mesuré l’énergie et le carbone nécessaires pour 1 000 inférences selon les tâches. Elle a constaté que les modèles génératifs polyvalents étaient des ordres de grandeur plus coûteux que des systèmes spécialisés pour diverses tâches, même à nombre de paramètres comparable. Un outil à usage unique peut coûter bien moins cher que de demander la même chose à un modèle généraliste.
  • La quantité de texte en entrée et en sortie. Les consignes et les réponses plus longues coûtent plus cher.
  • Le nombre d’étapes d’un agent. Un agent qui relit tout votre dossier avant chaque étape, ou qui boucle jusqu’à être satisfait, multiplie l’usage.
  • Où et comment ça roule. Un article de 2021 dirigé par David Patterson (Google et UC Berkeley), « Carbon Emissions and Large Neural Network Training », estimait que le choix de la conception du modèle, du centre de données, du processeur et de l’emplacement modifie chacun l’empreinte, la combinaison faisant jusqu’à 100 à 1 000 fois de différence pour l’entraînement. L’idée vaut largement : qui héberge le modèle, et sur quel matériel, compte.
  • La capacité inactive. Les systèmes gardés prêts pour un trafic qui pourrait arriver consomment de l’énergie même au repos. C’est en partie pourquoi le chiffre de Google compte les machines inactives.

Le prix n’est pas l’énergie, et le prix d’un fournisseur reflète bien des choses. Mais les facteurs qui font monter l’un tendent à faire monter l’autre : consommer moins aide généralement les deux.


Quatre façons d’utiliser l’IA efficacement


1. Dimensionner le modèle


Utilisez le plus petit modèle qui réussit vos tests pour chaque tâche. Classer des courriels en cinq catégories exige rarement le modèle le plus capable. Gardez un modèle plus gros pour la rédaction difficile et les décisions de jugement. Le même jeu de tests décrit dans notre billet sur le choix d’un modèle vous indique où passe la ligne.


2. Mettre en cache ce qui se répète


Si chaque requête commence par les mêmes longues consignes, la même liste de prix ou le même texte de politique, vous payez pour le traiter chaque fois. Certains fournisseurs offrent la mise en cache des consignes : un début répété est stocké brièvement et réutilisé. La documentation d’Anthropic, par exemple, indique que les lectures en cache coûtent une fraction du prix d’entrée normal (0,1 fois pour le tarif standard, moins pour certains modèles), avec une durée de cache par défaut de cinq minutes. Vérifiez les conditions actuelles de votre fournisseur, car elles changent.


3. Traiter par lots ce qui peut attendre


Tout n’exige pas une réponse instantanée. Le codage de fin de mois, le nettoyage de catalogue et les rapports de nuit peuvent être mis en file et traités ensemble. L’interface par lots d’Anthropic, par exemple, annonce une réduction de coût de 50 % et la plupart des lots terminés en moins d’une heure. D’autres fournisseurs offrent des options semblables. Le traitement par lots échange la vitesse contre le coût.


4. Se passer du modèle quand du code suffit


Une formule, une requête de base de données ou une règle comme « le total de la facture égale la somme de ses lignes » est plus rapide, moins chère et exactement reproductible. Utilisez le modèle pour ce qui exige du langage ou du jugement, et du code simple pour le reste. C’est aussi bon pour la fiabilité.


Quelques petites habitudes aident aussi : garder des consignes courtes, n’envoyer que les dossiers dont la tâche a besoin, arrêter les agents qui bouclent sans progresser, et mesurer l’usage par tâche terminée pour remarquer quand il dérive.


Ce que ça change pour votre entreprise


  • Attendez-vous à ce que l’usage soit un vrai poste de dépense. Traitez l’IA comme tout service mesuré : sachez ce que vous consommez et ce que coûte une tâche terminée.
  • Demandez aux fournisseurs comment l’usage est mesuré et facturé. Au siège, au volume ou au résultat? Que se passe-t-il à la limite?
  • L’efficacité et la qualité vont souvent de pair. Une consigne plus courte et plus nette et un modèle plus petit, mais testé, sont généralement moins chers et plus faciles à vérifier.
  • Soyez prudent devant les affirmations dans un sens ou dans l’autre. « L’IA va épuiser le réseau » et « une requête ne coûte presque rien » omettent toutes deux du contexte. Cherchez la source, la date et ce qui est compté.
  • Si vous avez des obligations de reddition en matière de durabilité, demandez à votre fournisseur quelles données il peut vous fournir, et notez que les chiffres publiés sont souvent des moyennes du fournisseur, pas des mesures de votre usage.

Ce que ça donne chez Humonix


L’usage de l’IA est inclus dans chaque forfait aux volumes indiqués. Au-delà, il est facturé au prix courant du fournisseur, sans majoration, ou passe par votre propre clé de modèle. L’incitation est donc la même que la vôtre : un travail qui exige moins d’étapes coûte moins cher; nous gardons donc les vérifications courantes sous forme de code et réservons les modèles au langage et au jugement. Voyez Hue et Apportez votre IA.


Nous n’avons pas mesuré la consommation d’énergie d’Humonix elle-même et n’en publions pas de chiffre. Si nous le faisons, nous dirons comment il a été mesuré.


Sources



Ce billet est de l’information générale, pas un avis technique ni juridique.