1 requête ChatGPT consomme 10x plus qu'une recherche Google

Ce que votre assistant IA ne vous dit jamais avant de vous répondre

Chaque fois que vous tapez une question dans ChatGPT, Claude ou Gemini, quelque chose se passe à des milliers de kilomètres de votre écran. Des milliers de processeurs s'activent simultanément, des systèmes de refroidissement tournent à plein régime, et une quantité d'électricité équivalente à celle d'une petite ville s'écoule en quelques secondes. Ce coût invisible est en train de devenir l'un des défis énergétiques les plus pressants de la décennie.

Derrière la fluidité apparente de l'intelligence artificielle se cache une réalité physique brutale : faire tourner ces modèles demande une infrastructure colossale, et cette infrastructure a faim d'énergie.

Le chiffre qui change tout : 10x

Une recherche Google classique consomme environ 0,3 watt-heure. Une requête vers un grand modèle de langage comme GPT-4 en consomme entre 2,9 et 10 watt-heures, selon la complexité de la tâche. Ce ratio, confirmé par plusieurs études indépendantes dont une publiée par l'Université de l'UMass Amherst, n'est pas un détail technique. C'est un signal d'alarme.

Et ce n'est que le début. L'entraînement initial d'un modèle comme GPT-3 a nécessité environ 1 287 mégawatt-heures, soit l'équivalent de la consommation annuelle de 120 foyers américains — pour une seule session d'entraînement. Les modèles plus récents, plus puissants, sont exponentiellement plus gourmands.

Des data centers qui redessinent la carte énergétique mondiale

Microsoft, Google, Amazon et Meta ne construisent plus seulement des centres de données. Ils construisent des villes électriques. En 2024, Microsoft a annoncé un investissement de 10 milliards de dollars dans de nouvelles infrastructures aux États-Unis. Google a signé des contrats d'énergie renouvelable records. Amazon cherche à réactiver d'anciennes centrales nucléaires.

Ce dernier point mérite une pause. Amazon a conclu en 2024 un accord pour alimenter ses data centers via une centrale nucléaire en Pennsylvanie. Quand les géants du cloud regardent vers le nucléaire pour satisfaire leur appétit énergétique, le message est clair : les énergies renouvelables seules ne suffiront pas à court terme.

Les régions sous tension

• Virginie du Nord (États-Unis) : concentre le plus grand cluster de data centers au monde. La région fait face à des pénuries de capacité électrique locales.
• Irlande : les data centers représentent désormais plus de 20 % de la consommation électrique nationale, forçant le régulateur à geler de nouveaux projets autour de Dublin.
• Pays-Bas : Amsterdam a imposé un moratoire sur les nouvelles installations, arguant que l'eau et l'énergie ne sont plus suffisantes pour répondre à la demande.

L'IA générative amplifie tout

Le boom de l'IA générative depuis fin 2022 a changé l'échelle du problème. Avant ChatGPT, les data centers étaient déjà énergivores — mais leur consommation était relativement prévisible. Aujourd'hui, chaque nouvel utilisateur, chaque nouvelle application, chaque agent autonome ajoute une couche de demande difficile à anticiper.

Goldman Sachs estimait en 2024 que la consommation électrique des data centers pourrait augmenter de 160 % d'ici 2030. L'Agence Internationale de l'Énergie (AIE) confirme cette tendance dans son rapport annuel, soulignant que l'IA pourrait à elle seule consommer autant d'électricité que l'ensemble du Japon d'ici la fin de la décennie.

Faut-il culpabiliser de poser une question à son IA ?

Non. Mais il faut comprendre les implications systémiques. L'impact individuel d'un utilisateur est négligeable. Le problème est structurel : c'est la croissance exponentielle du nombre d'interactions, couplée à des modèles de plus en plus lourds, qui crée la tension.

Des solutions existent et sont activement explorées :

• La distillation de modèles : créer des versions allégées, plus efficaces, comme les modèles "edge" conçus pour tourner sur des appareils locaux.
• L'optimisation matérielle : les nouvelles puces (comme les TPU v5 de Google ou les Blackwell de Nvidia) offrent un meilleur ratio performance/énergie.
• Le refroidissement liquide : remplace progressivement l'air conditionné, réduisant les besoins énergétiques des systèmes de climatisation de 30 à 40 %.
• L'IA pour l'IA : Google utilise DeepMind pour optimiser le refroidissement de ses propres data centers, réduisant la consommation de 40 %.

Ce que cela change pour les entreprises et les décideurs

Pour les DSI, les directeurs RSE et les équipes produit, la question n'est plus théorique. Intégrer l'IA dans ses process, c'est aussi intégrer son empreinte carbone dans ses bilans. Le cadre réglementaire européen — notamment la directive CSRD — pousse les entreprises à rendre compte de leur consommation numérique. L'IA n'échappera pas à cet audit.

Les fournisseurs cloud commencent à proposer des métriques de consommation par requête. Demain, choisir un modèle d'IA pourrait aussi se faire sur la base de son efficacité énergétique, au même titre que ses performances.

Conclusion : la prochaine bataille de l'IA se gagnera en kilowatts

L'intelligence artificielle a ouvert une nouvelle ère technologique. Elle en a aussi ouvert une nouvelle sur le plan énergétique. Les entreprises qui domineront le secteur dans dix ans ne seront pas forcément celles qui ont les modèles les plus puissants, mais celles qui auront résolu l'équation énergie-performance.

La prochaine fois que vous attendez qu'un modèle génère une réponse, quelque part un réacteur tourne, une turbine souffle, un câble chauffe. Ce n'est pas une raison de ne pas utiliser l'IA. C'est une raison de comprendre ce qu'elle coûte vraiment — et d'exiger que ses concepteurs trouvent des réponses à la hauteur de son ambition.

— Reservoir Live