L'empreinte environnementale de l'IA

Ce que l'IA fait bien ici, ce qu'elle fait mal

Ce qu'elle fait bien

• Relever le périmètre d'une publication: le modèle liste ce qu'une méthode compte et ce qu'elle exclut.
• Citer le passage qui fonde une valeur: il renvoie chaque case de la grille à sa page ou à sa section.
• Aligner plusieurs publications: il range leurs chiffres sur les mêmes lignes de périmètre.
• Tirer les questions d'une grille: il transforme chaque case vide en question écrite au fournisseur.
• Écrire le calcul d'un volume: il rédige la formule du tableur qui multiplie les appels par leur longueur moyenne.

Ce qu'elle fait mal

• Donner l'empreinte d'une requête: le modèle cite un chiffre d'une autre date, d'un autre modèle ou d'un autre périmètre.
• Connaître sa propre consommation: il ignore sur quel matériel et dans quel centre de données il tourne.
• Comparer deux chiffres: il rapproche des valeurs mesurées sur des périmètres différents.
• Distinguer mesure et estimation: il reprend une estimation publiée avec l'assurance d'une mesure.
• Reprendre des équivalences: il répète des comparaisons en foyers ou en arbres qui extrapolent des estimations.
• Suivre la baisse des chiffres: il ignore les gains d'efficacité publiés après son entraînement.

Déroulé

Les sources de l'empreinte

L'empreinte d'un système d'IA a quatre sources. L'entraînement calcule les paramètres du modèle avant sa mise à disposition. L'inférence exécute le modèle à chaque requête. Le centre de données ajoute sa consommation propre (refroidissement, distribution électrique). Le PUE (power usage effectiveness) la mesure: il divise l'énergie totale du site par celle des équipements informatiques. Le WUE (water usage effectiveness) rapporte l'eau consommée à cette énergie. Le matériel porte l'empreinte de sa fabrication: extraction des métaux, production des puces et des serveurs.

L'eau se compte à deux endroits. Le centre de données en évapore pour refroidir ses serveurs. Les centrales qui produisent son électricité en consomment. Li et ses coauteurs estiment à 700 000 litres l'eau douce évaporée sur site pour entraîner GPT-3 dans les centres de données américains de Microsoft. Selon eux, le lieu et l'heure du calcul changent la quantité d'eau par kilowattheure.

L'Agence internationale de l'énergie (AIE) évalue la consommation des centres de données à environ 415 TWh en 2024, soit environ 1,5% de l'électricité mondiale. Dans son scénario de base, elle atteint environ 945 TWh en 2030, soit un peu moins de 3%. Ces chiffres couvrent tous les centres de données. Les serveurs équipés d'accélérateurs exécutent l'IA. L'AIE prévoit que leur consommation croisse d'environ 30% par an contre 9% pour les serveurs classiques. Ils portent près de la moitié de la hausse nette.

Ce que mesure un chiffre publié

Un chiffre d'empreinte vaut pour son périmètre: les éléments comptés, la requête mesurée, la date et la méthode.

Google a mesuré en mai 2025 la requête texte médiane de ses applications Gemini: 0,24 Wh, 0,03 g d'équivalent CO₂ et 0,26 mL d'eau. Une mesure limitée à l'accélérateur donne 0,10 Wh pour la même requête. L'accélérateur est la puce qui exécute le modèle (GPU ou TPU). Le système complet ajoute le processeur hôte et sa mémoire, les machines de réserve tenues prêtes pour les pics et la consommation du site. Il arrive à 0,24 Wh, soit 2,4 fois plus. Google exclut l'entraînement. La fabrication des accélérateurs, du processeur hôte et de sa mémoire entre dans le chiffre d'émissions et reste hors du chiffre d'énergie. Une requête longue consomme plus que la médiane.

Les émissions se comptent selon deux méthodes. La méthode fondée sur la localisation applique le mix du réseau local. La méthode fondée sur le marché applique l'électricité que l'entreprise achète par contrat. Le chiffre de 0,03 g de Google suit la seconde.

Mistral AI a publié en juillet 2025 l'analyse de cycle de vie de Mistral Large 2. Carbone 4 l'a conduite avec l'ADEME selon les normes ISO 14040/44 et le GHG Protocol Product Standard. Les cabinets Resilio et Hubblo l'ont relue. L'analyse inclut la fabrication des serveurs et suit la méthode fondée sur la localisation. L'entraînement et 18 mois d'usage jusqu'en janvier 2025 totalisent 20,4 kilotonnes d'équivalent CO₂, 281 000 m³ d'eau et 660 kg d'équivalent antimoine. Ce dernier indicateur mesure l'épuisement des ressources minérales. Une réponse de 400 jetons ajoute 1,14 g d'équivalent CO₂, 45 mL d'eau et 0,16 mg d'équivalent antimoine. Selon Carbone 4, le matériel pèse une part significative de l'impact. L'opacité de la chaîne d'approvisionnement des GPU limite la précision de cette part.

Les 45 mL de Mistral valent 170 fois les 0,26 mL de Google. Les deux chiffres ne se comparent pas. Google compte l'eau que ses centres de données consomment pour servir une requête médiane. Mistral compte une réponse de 400 jetons dans un cycle de vie qui inclut la fabrication. Les modèles diffèrent aussi.

Des chercheurs indépendants estiment la consommation de modèles qu'ils ne peuvent pas mesurer. Jegham et ses coauteurs comparent 30 modèles à partir des données publiques de leurs API. Les modèles les plus gourmands dépassent 29 Wh par requête longue, soit plus de 65 fois la consommation des plus sobres. Les auteurs déduisent le matériel et la consommation du site de chaque fournisseur.

Les leviers d'un usage

Une organisation qui utilise un modèle n'agit ni sur son entraînement ni sur l'efficacité (PUE, WUE) du centre de données. Pour chacun de ses usages, elle choisit le modèle, le nombre et la longueur des appels et le lieu du calcul.

Le modèle adapté à la tâche. Luccioni, Jernite et Strubell ont mesuré 1 000 inférences par tâche. Les modèles génératifs polyvalents y consomment plusieurs ordres de grandeur de plus que les systèmes spécialisés même à nombre de paramètres égal. Classer un courriel ou extraire un montant ne demande pas un modèle qui rédige. Mistral et Carbone 4 recommandent un déploiement sobre: interroger le besoin, dimensionner le modèle, limiter les sorties.

Le classement AI Energy Score mesure des modèles tâche par tâche sur le même matériel (NVIDIA H100). Il donne l'énergie en Wh pour 1 000 requêtes et une note d'une à cinq étoiles. Cinq étoiles désignent les 20% les plus sobres de la tâche. Les étoiles sont relatives et changent à chaque mise à jour. Le score compte seulement l'énergie des GPU pendant l'inférence. Choisissez la classification de texte, puis la génération de texte. Comparez l'énergie des modèles les mieux notés dans les deux tâches.

Le nombre et la longueur des appels. L'empreinte d'un appel se multiplie par le volume. Une chaîne de prompts multiplie les appels. Un document joint en entier à chaque requête l'allonge. L'analyste compte les appels et leur longueur avant de choisir.

Le lieu du calcul. L'eau et le carbone d'un kilowattheure dépendent du site et de l'heure. Un traitement qui peut attendre choisit aussi son heure. L'organisation demande à son fournisseur dans quelle région le calcul tourne et selon quelle méthode il compte ses émissions. La page «La LPD et les données confidentielles» pose la même question pour les données. Le coût en francs de ces choix relève de la page «Mesurer le ROI des initiatives IA».

Ce que le fournisseur documente

L'AI Act oblige le fournisseur d'un modèle d'IA à usage général à tenir une documentation technique (art. 53, par. 1, point a). L'annexe XI y fait figurer la consommation d'énergie connue ou estimée du modèle. Faute de mesure, le fournisseur peut l'estimer à partir des ressources informatiques utilisées. Il remet cette documentation sur demande au Bureau de l'IA et aux autorités nationales compétentes. Le paragraphe 2 du même article en dispense le fournisseur d'un modèle publié sous licence libre et ouverte. La dispense tombe quand le modèle présente un risque systémique. Le fournisseur d'un système d'IA qui intègre le modèle reçoit une autre documentation (art. 53, par. 1, point b). L'annexe XII en fixe le contenu et ne mentionne pas l'énergie. L'organisation demande donc la consommation par contrat. Vous trouverez dans la page «AI Act: classer le risque» quand le règlement vise une organisation suisse.

Mistral demande que chaque fournisseur publie l'impact absolu de son entraînement, l'impact marginal d'une inférence et la part de l'inférence totale dans l'impact du cycle de vie.

Les étapes

1. L'analyste recense les usages d'IA de la solution. Pour chaque usage, il note la tâche, le modèle prévu, le nombre d'appels par mois et la longueur moyenne d'une requête et d'une réponse. Le volume vient des chiffres du métier, par exemple les courriels reçus par mois.
2. L'analyste rassemble les publications du fournisseur. Il prend la méthode ou le rapport complet. Un communiqué donne le chiffre sans son périmètre.
3. Le modèle relève le périmètre de chaque publication. L'analyste lui transmet le document et le prompt modèle. Le modèle remplit la grille et cite le passage qui fonde chaque case.
4. L'analyste vérifie la grille. Il retrouve chaque passage cité dans le document et contrôle la valeur, l'unité et la date. Il supprime une case sans passage. Il compare deux chiffres seulement quand leurs lignes de périmètre coïncident.
5. L'analyste interroge le fournisseur par écrit. Chaque case «non indiqué» devient une question. L'analyste y ajoute la région du calcul et les indicateurs que demande Mistral. La page «Développer, acheter ou configurer» montre comment exiger une pièce pour chaque réponse.
6. L'équipe choisit les leviers. Pour chaque usage, elle teste un modèle plus petit ou spécialisé sur des cas réels du métier. Elle garde le plus sobre qui atteint le seuil de qualité. La page «Mesurer le succès d'une solution IA» fixe ce seuil. L'équipe réduit ensuite le nombre et la longueur des appels. Elle retient une région de calcul quand le fournisseur en propose plusieurs.
7. Le responsable de la politique d'usage rédige la section consacrée à l'empreinte. Cette section nomme les usages couverts et leur volume prévu. Elle donne chaque chiffre retenu avec son périmètre, sa source et sa date. Elle fixe la date de réexamen. La page «Une politique d'usage de l'IA» règle qui utilise l'IA et pour quoi.
8. L'équipe d'exploitation relève les appels réels. Chaque mois, elle compare le volume et la longueur des appels au recensement de l'étape 1. Un écart déclenche une nouvelle estimation. Le suivi d'une solution en exploitation porte ce relevé parmi ses indicateurs.

Prompt modèle

Tu relèves le périmètre des chiffres d'empreinte environnementale publiés pour un modèle d'IA. Tu t'appuies seulement sur le document fourni dans <document>.

<modele>
[MODÈLE]
</modele>

<document>
[PUBLICATION]
</document>

<consignes>
1. Relève chaque chiffre d'empreinte que le document donne pour le modèle nommé dans <modele>. Ignore les chiffres des autres modèles.
2. Présente une grille. Donne une colonne à chaque résultat publié: une requête, une réponse ou un total. Donne une ligne à chaque case: valeur et unité, requête ou période mesurée, date de la mesure, éléments comptés, entraînement, fabrication du matériel, méthode de comptage des émissions, norme ou méthode suivie, auteur et contrôle externe, mesure ou estimation.
3. Pour les éléments comptés, indique si le document inclut l'accélérateur, le processeur hôte et sa mémoire, les machines de réserve et la consommation propre du centre de données.
4. Après chaque case, cite entre guillemets le passage du document qui la fonde avec sa page ou sa section.
5. Écris «non indiqué» quand le document ne dit rien. Ne complète aucune case avec ce que tu sais d'autres sources.
6. Ne convertis aucune unité. Ne calcule aucune équivalence en foyers, en kilomètres ou en arbres.
7. Après la grille, écris une question au fournisseur pour chaque case «non indiqué».
</consignes>

• [MODÈLE] nomme le modèle et sa version quand le document la donne: «Mistral Large 2».
• [PUBLICATION] reçoit le texte complet de la méthode ou du rapport. Un résumé ou un article de presse perd le périmètre. Le document est public: le prompt ne transmet aucune donnée de l'organisation.

La consigne 5 fait apparaître ce que le fournisseur ne publie pas. La consigne 4 permet à l'analyste de retrouver chaque case dans le document.

Exemple

Une compagnie de transports publics de Suisse romande reçoit environ 12'000 courriels par mois: réclamations, objets trouvés, abonnements. Son service clientèle prévoit un assistant. Dans le premier projet, un modèle génératif lit chaque courriel en entier avec les conditions générales. Il fait deux appels par courriel: un pour classer le courriel par motif, un pour rédiger la réponse. Cela fait 24'000 appels par mois.

L'analyste a fait remplir la grille sur trois documents: la publication de Google, celle de Mistral et la documentation du fournisseur retenu. Il a vérifié chaque passage.

L'analyste n'a pas rapproché les colonnes de Google et de Mistral. Il a envoyé au fournisseur neuf questions tirées des cases vides et une question sur la région du calcul. Le fournisseur a répondu qu'il calcule en Europe de l'Ouest. Il a donné pour la requête médiane un chiffre qui compte l'accélérateur seul. L'analyste a inscrit ce chiffre avec son périmètre. Il ne l'a comparé à aucune des colonnes.

L'équipe a ensuite testé sur 500 courriels passés un classificateur spécialisé de la plateforme. Il a attribué le même motif que le service clientèle à 96% des courriels. Le seuil fixé était de 95%. Le classificateur traite désormais les 12'000 courriels du mois. Le modèle génératif ne rédige plus que les réponses écrites, soit 40% des courriels. Il reçoit seulement la section utile des conditions générales. Les autres courriels reçoivent une réponse type ou partent vers le service concerné. Les appels au modèle génératif passent de 24'000 à 4'800 par mois.

Dans la politique d'usage, la section sur l'empreinte nomme l'assistant du service clientèle et son volume prévu. Elle donne le chiffre du fournisseur avec son périmètre et sa date. Elle porte les cases encore vides et fixe le réexamen à six mois.

Essayer avec EcoLogits

Le calculateur EcoLogits estime l'empreinte d'un appel à partir du fournisseur, du modèle, du nombre de jetons produits et du mix électrique du lieu de calcul. Il compte l'usage et la part de fabrication du matériel. Activez le mode Expert («Expert mode»). Choisissez le fournisseur («Provider») et le modèle («Model»). Un scénario d'usage («Usage scenario») fixe la longueur de la réponse («Output completion tokens»). Changez ensuite le lieu du centre de données («Data center location») et comparez les résultats. Le modèle «mistral large» de la capture compte 41 milliards de paramètres actifs sur 675 milliards. Il diffère du Mistral Large 2 de l'analyse de cycle de vie. Ses 103 mg d'équivalent CO₂ et ses 5,14 mL d'eau ne se comparent donc pas aux 1,14 g et aux 45 mL publiés par Mistral. Le calculateur suit sa propre méthode: rangez son chiffre dans la grille comme un autre. Le site est en anglais.

Vérifier le résultat

• Chaque case de la grille cite-t-elle un passage que l'analyste a retrouvé dans le document?
• Chaque chiffre porte-t-il son unité, sa date et la requête mesurée?
• La grille distingue-t-elle mesure et estimation?
• Les chiffres comparés ont-ils les mêmes lignes de périmètre?
• La grille et la section sur l'empreinte sont-elles libres de toute équivalence en foyers, en kilomètres ou en arbres?
• Chaque case «non indiqué» a-t-elle donné une question écrite au fournisseur?
• Le fournisseur a-t-il dit dans quelle région le calcul tourne?
• Chaque usage a-t-il été testé avec un modèle plus petit ou spécialisé?
• Le recensement donne-t-il le volume d'appels et la longueur moyenne de chaque usage?
• La section sur l'empreinte porte-t-elle une date de réexamen?
• Le suivi en exploitation compare-t-il chaque mois le volume réel au recensement?

Limites et risques

Un chiffre vieillit vite. Google rapporte une baisse de 33 fois de l'énergie par requête médiane en un an. Un chiffre publié l'an dernier décrit un autre système. La section sur l'empreinte date chaque chiffre. Le réexamen le remplace par la dernière publication.

Les fournisseurs publient leurs propres chiffres. Google mesure ses modèles. Mistral a commandé son analyse à Carbone 4. Les chercheurs indépendants n'ont pas accès au matériel et estiment. L'analyste nomme l'auteur de chaque chiffre et note s'il s'agit d'une mesure ou d'une estimation.

L'empreinte reste un ordre de grandeur. L'AIE souligne une incertitude substantielle sur la consommation actuelle et future des centres de données. La part du matériel reste imprécise. Les équivalences en foyers ou en arbres extrapolent ces estimations. La section sur l'empreinte présente ses chiffres comme des ordres de grandeur et n'en tire aucune équivalence.

Le total suit le volume. Une baisse par appel se perd quand le nombre d'appels croît plus vite. Le suivi en exploitation compare donc les appels réels au recensement.

La responsabilité reste à l'organisation. Le modèle remplit la grille. L'analyste la vérifie. Le responsable de la politique d'usage signe la section sur l'empreinte et en répond.

Techniques liées

• Évaluation des fournisseurs: la grille où l'empreinte devient un critère noté.
• Analyse des exigences non fonctionnelles: l'exigence d'empreinte avec sa métrique et son seuil.
• Métriques et KPI: l'indicateur qui suit le volume d'appels en exploitation.