Niveau : Intermédiaire
Combien d'énergie consomme l'IA ? Les chiffres officiels, sans exagération
Par La rédaction d'Info Agent IA ·
L’IA consomme de l’électricité surtout dans les centres de données, qui représentent selon l’Agence internationale de l’énergie environ 1,5 % de la consommation électrique mondiale, une part appelée à doubler d’ici 2030 sous l’effet de l’IA. À l’échelle d’une simple question à un chatbot, les estimations officielles disponibles sont faibles, de l’ordre de 0,3 wattheure, mais elles restent partielles, non vérifiées et très variables selon l’usage.
Pourquoi l’IA consomme de l’électricité
Un modèle d’IA comme ceux qui animent ChatGPT, Gemini ou Le Chat tourne sur des milliers de processeurs graphiques (GPU), installés dans des centres de données. Ces puces consomment de l’électricité pour calculer, et les bâtiments en consomment encore pour les refroidir.
Deux phases se distinguent :
- L’entraînement. Le modèle apprend à partir d’énormes volumes de textes pendant des semaines ou des mois. C’est un effort ponctuel mais massif, mesuré en calcul d’entraînement.
- L’utilisation, appelée inférence. Chaque fois que vous posez une question, le modèle produit sa réponse token par token. Une requête coûte peu, mais elles se comptent en milliards chaque jour.
Pour situer les acteurs qui construisent ces infrastructures, notre article pilier qui fabrique les IA ? dresse le panorama des fabricants.
À l’échelle mondiale : les centres de données
La source de référence est le rapport « Energy and AI » de l’Agence internationale de l’énergie (AIE). Le site de l’agence n’a pas pu être ouvert directement lors de la rédaction ; nous citons donc ses chiffres tels que les reprend la page de la Commission européenne sur la performance énergétique des centres de données, consultée le 22 octobre 2026.
Un térawattheure (TWh) équivaut à un milliard de kilowattheures. Deux précisions évitent les contresens. D’abord, ces 415 TWh couvrent tous les centres de données, pas seulement l’IA : le stockage en ligne, la vidéo, les sites web et les services cloud y tournent aussi. Ensuite, 1,5 % reste une part modeste de la consommation mondiale, mais la croissance est rapide et très concentrée sur certaines régions, ce qui pèse localement sur les réseaux électriques.
Aux États-Unis et en Europe
Les États-Unis concentrent une grande partie des centres de données liés à l’IA. Un rapport du Lawrence Berkeley National Laboratory, publié par le département de l’Énergie américain le 20 décembre 2024 (consulté le 22 octobre 2026), indique que les centres de données ont consommé environ 4,4 % de l’électricité du pays en 2023, soit 176 TWh, contre 58 TWh en 2014. Le rapport projette entre 6,7 % et 12 % d’ici 2028, soit 325 à 580 TWh. L’écart entre ces deux bornes montre à lui seul l’ampleur de l’incertitude.
En Europe, la Commission a proposé le 21 septembre 2026 un système commun de notation des centres de données (page consultée le 22 octobre 2026). Elle y rappelle, d’après l’AIE, que les centres de données devraient consommer plus de 3 % de l’électricité de l’Union d’ici 2030. Les centres d’une capacité supérieure à 500 kW publieront des informations sur leur consommation d’énergie et d’eau, et les premières étiquettes sont attendues en 2027. Dans le même temps, l’UE vise à tripler sa capacité de centres de données en cinq à sept ans : un enjeu de souveraineté que nous détaillons dans l’IA européenne face aux États-Unis et à la Chine.
| Indicateur | Valeur | Source (consultée le 22 octobre 2026) |
|---|---|---|
| Centres de données, monde | environ 415 TWh, 1,5 % de l’électricité | AIE, citée par la Commission européenne |
| Projection mondiale 2030 | vers 945 TWh | AIE, citée par la Commission européenne |
| Centres de données, États-Unis 2023 | 176 TWh, 4,4 % de l’électricité | LBNL, département de l’Énergie |
| Projection États-Unis 2028 | 325 à 580 TWh, 6,7 % à 12 % | LBNL, département de l’Énergie |
| Projection Union européenne 2030 | plus de 3 % de l’électricité | AIE, citée par la Commission européenne |
Et une question posée à un chatbot ?
C’est la question que tout le monde se pose, et c’est là que les données sont les plus fragiles. Quelques éditeurs et chercheurs ont publié des estimations par requête :
| Estimation | Chiffre publié | Source |
|---|---|---|
| Requête texte médiane dans Gemini (mai 2025) | 0,24 Wh, 0,03 g d’équivalent CO2, 0,26 mL d’eau | |
| Requête typique à GPT-4o | environ 0,3 Wh, fourchette de 0,1 à 4 Wh | Epoch AI |
| Requête moyenne à ChatGPT | environ 0,34 Wh | Sam Altman, PDG d’OpenAI |
| Réponse de 400 tokens dans Le Chat | 1,14 g d’équivalent CO2, 45 mL d’eau | Mistral AI |
Dans son billet du 21 août 2025, Google compare ses 0,24 Wh à moins de neuf secondes de télévision, et affirme avoir divisé par 33 l’énergie par requête entre mai 2024 et mai 2025. L’entreprise précise que ces chiffres n’ont pas été vérifiés par un tiers indépendant. Le centre de recherche Epoch AI a publié le 7 février 2025 une estimation pour GPT-4o d’environ 0,3 Wh, dix fois moins que le chiffre de 3 Wh longtemps cité, tout en soulignant une forte incertitude. Sam Altman avance environ 0,34 Wh dans un billet de son blog personnel, sans méthode détaillée.
Mistral AI a choisi une autre approche : une analyse de cycle de vie de Mistral Large 2, publiée le 22 juillet 2025 avec Carbone 4 et l’ADEME. Elle inclut la fabrication des serveurs, ce qui explique des chiffres plus élevés. Au total, au bout de 18 mois d’utilisation, le modèle avait généré 20,4 kilotonnes d’équivalent CO2 et consommé 281 000 m³ d’eau. Mistral parle elle-même d’une « première approximation ». Toutes ces pages ont été consultées le 22 octobre 2026.
Ce qui fait varier la consommation
Toutes les requêtes ne se valent pas. Plusieurs facteurs font grimper la facture :
- La longueur du contexte. Selon Epoch AI, une requête accompagnée de 10 000 tokens en entrée consommerait environ 2,5 Wh, et autour de 40 Wh avec 100 000 tokens. Coller un long rapport dans votre fenêtre de contexte a donc un vrai coût.
- Le raisonnement. Un modèle de raisonnement produit beaucoup de tokens intermédiaires avant de répondre, donc consomme davantage.
- La taille du modèle. Un petit modèle de langage demande bien moins de calcul qu’un modèle de pointe. Les modèles à poids ouverts, que nous comparons dans IA open source ou propriétaire, peuvent aussi tourner sur du matériel local.
- Le type de contenu. Images, voix et vidéo demandent plus de calcul que du texte.
- L’électricité utilisée. À consommation égale, les émissions dépendent du mix électrique du centre de données.
Vous pouvez estimer la longueur de vos demandes avec notre estimateur de tokens.
Vérifiez-vous Qu'est-ce qui consomme le plus : une question courte à un modèle léger, ou l'analyse d'un rapport de 80 pages par un modèle de raisonnement ?
L’analyse du long rapport, de loin. Elle cumule un contexte très long et un modèle qui génère beaucoup de tokens intermédiaires. Selon les estimations d’Epoch AI, un long contexte peut multiplier la consommation d’une requête par plus de dix.
Ni catastrophisme ni minimisation
La transparence progresse lentement. Les chiffres viennent surtout des éditeurs eux-mêmes, avec des méthodes différentes, ce qui rappelle les limites des benchmarks d’IA : un chiffre isolé ne dit rien sans sa méthode. La notation européenne des centres de données pourrait apporter des données plus homogènes à partir de 2027. Pour suivre d’autres indicateurs sur l’IA, consultez notre page l’IA en chiffres.
Questions fréquentes
Une question posée à ChatGPT ou Gemini consomme-t-elle beaucoup d'électricité ?
Pour une question texte courte, les estimations publiées tournent autour de 0,3 wattheure, soit à peu près quelques secondes de télévision selon Google. Ce chiffre augmente nettement avec les longs documents, les modèles de raisonnement, les images et la vidéo. Il s'agit d'estimations des éditeurs ou de chercheurs, pas de mesures vérifiées par un organisme indépendant.
Quelle part de l'électricité mondiale consomment les centres de données ?
Selon l'Agence internationale de l'énergie, citée par la Commission européenne, environ 1,5 % de l'électricité mondiale, soit 415 TWh par an. L'agence projette un doublement vers 945 TWh d'ici 2030, porté surtout par les calculs liés à l'IA. Les centres de données ne servent pas qu'à l'IA : ils hébergent aussi le cloud, la vidéo et les sites web.
L'entraînement ou l'utilisation : qu'est-ce qui consomme le plus ?
L'entraînement d'un grand modèle est un pic de consommation concentré sur quelques semaines ou mois. L'utilisation quotidienne, appelée inférence, coûte peu par requête mais se répète des milliards de fois. Les éditeurs ne publient pas de répartition systématique entre les deux, donc il est difficile de trancher en général.
Comment réduire l'empreinte de mon usage de l'IA ?
Choisissez un modèle léger pour les tâches simples, évitez de recoller de longs documents à chaque message et regroupez vos demandes. Réservez les modes de raisonnement approfondi et la génération de vidéo aux cas où ils sont vraiment utiles. Ce sont aussi les recommandations publiées par Mistral AI dans son analyse de cycle de vie.