Impact carbone des modèles d’IA
Jouons au juste prix. Combien de CO₂ émet votre requête à ChatGPT ? Un gramme ? 100 ? 10 tonnes ? La réponse est loin d’être simple. Selon les données fournies par Google concernant son IA Gemini, le bilan environnemental serait dérisoire. Une requête simple ne coûterait à la planète que quelques milligrammes de carbone et une infime quantité d’eau. Mais en réalité, la réponse dépendrait surtout de la méthodologie de calcul, de la complexité de la requête ainsi que du niveau de transparence des géants de la tech. Sous forme de Q&A, nous tentons de savoir si l’IA et ses data-centers nous laisseront encore un peu d’eau au lavoir.
Nous résumons ici une partie de l’excellent article sur l’impact environnemental de l’IA rédigé par Lou Welgryn et Théo Alves Da Costa et publié sur le média Bon Pote.
D’où viennent les émissions de CO2 d’un modèle d’IA ?
La majorité de l’impact carbone d’un modèle d’IA provient de la consommation d’électricité des GPU des data centers — des puces optimisées pour les calculs nécessaires aux modèles. Leur puissance moyenne est de 700 watts — autant que le micro-ondes de la cafette !
Les LLM (Large Language Model) tels que ChatGPT d’OpenAI ou Gemini de Google nécessitent d’abord d’être entraînés sur des quantités colossales de données. La phase d’entraînement implique de très nombreux calculs, réalisés par ces fameux micro-ondes informatiques. La puissance nécessaire pour l’entraînement des modèles d’IA double tous les 6 mois depuis 2012.
Pourtant, ce n’est pas ce qui fait transpirer le plus les data centers. Environ 80% des émissions proviennent des requêtes envoyées aux modèles d’IA : demandes de génération de texte, d’images, de vidéos, etc. Si j’envoie une requête, mon prompt est acheminé vers un data center. Des calculs y sont effectués par les GPU, avant que le résultat ne soit renvoyé vers mon ordinateur ou mon téléphone.
Ok mais au final, combien de CO2 j’émets avec une requête à ChatGPT ?
Aujourd’hui, il est difficile d’avoir un chiffre précis pour deux raisons : le contexte de la requête peut varier énormément, et les concepteurs des modèles d’IA communiquent très peu sur leur impact carbone.
Vous l’aurez compris, l’impact carbone d’une requête IA dépend en grande partie de la consommation d’électricité des GPU des data centers. Si mon data center est situé en France, je peux profiter d’une électricité faiblement carbonée (52 grammes de CO2 / kWh), l’électricité d’origine nucléaire étant peu émissive. Par contre, si mon data center est aux Etats-Unis, je consommerai de l’électricité environ 10 fois plus carbonée, soit 520 gCO2 / kWh. Aujourd’hui, la majorité des data centers utilisés par les modèles d’IA se situent aux Etats-Unis.
Du côté de votre requête, demander à ChatGPT de générer un poème pour la Saint-Valentin, une image ou un jeu vidéo entier fait varier énormément la quantité de calculs, et donc son impact carbone. Est-ce que votre requête fait deux phrases ou nécessite l’analyse d’un PDF de 1320 pages ? Est-ce que vous lui demandez une réponse synthétique ou la rédaction d’un roman ? Est-ce que vous utilisez Gemini 3 Pro, Mistral Large 3, Claude Opus 4.6 ? Tous ces paramètres vont avoir beaucoup d’influence sur l’impact carbone de votre requête.
Enfin, difficile d’avoir un calcul précis de l’impact carbone à cause de l’opacité du secteur : aujourd’hui, 84% des requêtes passent par des modèles sans aucune information environnementale. Quant au peu de données disponibles, elles sont rarement fiables et vérifiables. Notons une exception française à ce panorama, avec Mistral AI qui a communiqué de manière transparente sur les impacts environnementaux de son modèle Large 2.
Tu es sûr ? On n’a vraiment pas une idée ?
Il n’existe pas de calcul précis, mais des estimations ont été réalisées à partir de modèles d’IA Open Source. L’Agence Internationale de l’Energie (IEA en anglais, une référence sur les questions énergétiques) a ainsi publié une étude en avril 2025. Les deux graphiques ci-dessous donnent la quantité d’électricité consommée pour les calculs des requêtes (en vert, par les GPU) et pour la charge d’appareils (en mauve).
Attention : l’échelle est différente dans les deux graphiques. La génération de texte nécessite quelques Wh d’électricité, tandis que la génération d’une vidéo de 6 secondes nécessite plus de 100 Wh. Cette quantité d’électricité suffit à charger deux fois votre ordinateur portable !
Si vous générez une vidéo de plus d’une minute, cela revient à faire tourner un micro-ondes pendant une heure.
La génération de texte varie beaucoup en fonction de la taille du modèle : “low” est obtenu sur un modèle avec 9 milliards de paramètres, alors que “high” sur un modèle de 70 milliards de paramètres. Les derniers modèles peuvent atteindre plusieurs centaines de milliards de paramètres.
En convertissant les consommations d’électricité en équivalents d’émissions de CO2, l’impact carbone des différents types de requêtes est indiqué ci-dessous. Pour rappel, la majorité des data centers utilisés par les modèles d’IA se situent aux Etats-Unis, pays dont l’électricité est en moyenne fortement carbonée.
Donc au final, si j’utilise l’IA uniquement pour générer du texte ça va ?
Générer des textes synthétiques à partir de demandes courtes est effectivement beaucoup moins impactant que de générer des vidéos d’AI Slop pour les réseaux sociaux. Malgré tout, une simple recherche Google sera probablement moins émissive qu’une requête IA car nécessitera moins de calculs. Encore mieux : n’oubliez pas que votre cerveau est une machine très économe en énergie. Avant de demander à l’IA la solution à un problème, pourquoi ne pas recourir à nos merveilleuses capacités cognitives ?
Si on élargit, à quoi ressemble l’impact carbone global de l’IA ?
Une seule requête IA peu sembler peu impactante, certes. Mais ChatGPT à lui seul reçoit plus de 2,5 milliards de requêtes par jour, un chiffre qui date d’octobre 2025 et a probablement encore augmenté depuis.
L’ensemble de l’entraînement des modèles et des requêtes IA a entraîné une hausse très importante des émissions de CO2 des concepteurs de modèles. Google a multiplié par deux ses émissions entre 2019 et 2023, tandis que Microsoft les a augmentées de 30%.
Afin de répondre à la demande d’électricité des data centers qui a explosé, des fermetures de centrales à charbon ont été reportées, et des nouveaux projets de centrales à gaz ont été annoncés (le charbon et le gaz sont deux sources d’énergies fossile qui génèrent des quantités importantes de CO2, en particulier pour le charbon). Aux Etats-Unis, 75% des data centers en construction seront alimentés au gaz. Il n’est pas rare que des data centers soient aussi alimentés sur place par des générateurs électriques au diesel.
Les prévisions pour les prochaines années tablent sur une poursuite de la tendance à la hausse. En France, la consommation d’électricité des data centers peut être multipliée par 3,7 d’ici 2035 si aucune politique de transition écologique est mise en place. Emmanuel Macron souhaite un fort développement des data centers en France. 109 milliards d’euros d’investissement privés dans l’IA ont été conclus début février 2026, dont une grande partie pour la construction de data centers. Selon le gouvernement, une telle politique reste compatible avec une IA durable, mais ce n’est pas l’avis de tous les commentateurs.
Même s’il est difficile d’avoir des données précises sur l’impact carbone d’une requête IA, on peut aujourd’hui affirmer avec certitude que les modèles d’IA sont responsables d’une augmentation significative de l’impact carbone des concepteurs comme Google et Microsoft. Et cette tendance se poursuivra très probablement pour les années à venir. En attendant, les promoteurs de l’IA avancent des arguments quelque peu audacieux. Sam Altman, PDG d’Open AI, défend le bilan carbone de l’IA en expliquant qu’un humain a également besoin de beaucoup d’énergie avant d’être assez intelligent pour résoudre des problèmes. Serait-il donc mieux pour la planète de concevoir des IA plutôt que des humains ?
Note : Les impacts environnementaux de l’IA ne se résument pas aux émissions de CO2. On peut citer notamment la consommation d’eau des data centers qui entraîne des conflits d’usage locaux, ou encore la consommation de ressources pour la fabrication des GPU et des data centers. L’auteur s’est concentré sur l’impact carbone afin de simplifier cet article.
Benjamin Karas, étudiant à 42 et consultant Climat
Article rédigé sans assistance de l’IA
