Quand j’ai commencé à utiliser l’IA générative dans mon travail, j’ai hésité. Je m’étais formée à l’écoconception numérique, je savais qu’un assistant IA fonctionne dans des centres de données qui consomment de l’électricité et de l’eau, et j’allais en faire un outil de tous les jours pour accompagner mes clients. La question se pose à toute PME qui affiche une démarche RSE : peut-on utiliser l’IA sans contredire ce que l’on dit par ailleurs ?
Ma réponse tient en deux temps. Oui, c’est compatible, à condition de choisir ses usages. Mais un chiffre rassurant par requête ne dit pas que l’impact global est faible, et les deux se confondent trop souvent. Cet article présente les deux côtés, avec les sources pour que vous puissiez vérifier.
EN BREF
Une requête texte standard sur un grand assistant consomme de l’ordre de 0,24 à 0,34 Wh selon les chiffres publiés en 2025, soit très peu à l’échelle d’une personne. Ces chiffres excluent toutefois l’entraînement des modèles, les réseaux et les appareils des utilisateurs, et l’Agence internationale de l’énergie prévoit que la consommation électrique des centres de données plus que double d’ici 2030. L’IA est donc compatible avec la sobriété si l’on choisit des usages utiles, des modèles adaptés à la tâche, et si l’on évite les usages en volume ou décoratifs.
Article mis à jour le 7 octobre 2026. Les chiffres de ce domaine évoluent vite : la date de chaque source est indiquée en bas de page.
Ce que consomme une requête : des ordres de grandeur récents
En août 2025, Google a publié une méthode de mesure pour son assistant Gemini. Pour une requête texte médiane, elle donne 0,24 Wh d’électricité, 0,03 g de CO₂ équivalent et 0,26 mL d’eau, soit environ cinq gouttes. Google précise que ce chiffre inclut les puces en fonctionnement, les machines gardées en réserve, le processeur et la mémoire, ainsi que le refroidissement et l’alimentation du centre de données. Si l’on ne compte que les puces actives, la valeur tombe à 0,10 Wh.[1]
D’autres chiffres vont dans le même sens. La chercheuse Hannah Ritchie en fait la synthèse : 0,34 Wh annoncé par le dirigeant d’OpenAI, environ 0,3 Wh estimé par l’institut de recherche Epoch AI, environ 1 Wh pour un modèle de la famille Llama.[2] Les valeurs de Google et d’OpenAI sont déclarées par les fournisseurs eux-mêmes, sans audit indépendant à ma connaissance. L’estimation d’Epoch AI est indépendante, donc fondée sur des hypothèses. Et l’écart entre 0,24 Wh et 1 Wh rappelle que le résultat dépend du modèle, de la longueur de la réponse et du type de contenu généré.
Pour se représenter l’échelle : une personne qui envoie 100 requêtes par jour pendant 220 jours ouvrés consomme environ 5,3 kWh par an avec le chiffre de Google (calcul : 0,24 Wh × 100 × 220). Hannah Ritchie en tire une conclusion mesurée : pour la plupart des gens, un usage modéré de ces assistants pèse très peu dans leur empreinte individuelle.
Ces valeurs ont aussi baissé vite. Google indique une division par 33 de l’énergie d’une requête texte médiane entre mai 2024 et mai 2025, grâce à des modèles et des serveurs plus efficaces.[1] C’est une déclaration du fournisseur, mais elle explique pourquoi les chiffres plus anciens, souvent repris sans date, ne sont plus de bons repères.
Ce que le chiffre par requête ne dit pas
Un chiffre unitaire rassure, mais il laisse hors champ plusieurs éléments. Je les liste, parce que l’honnêteté intellectuelle consiste à ne pas retenir seulement la moitié du tableau.
Le périmètre de la mesure
La mesure de Google exclut l’entraînement des modèles, l’énergie des appareils des utilisateurs et celle des réseaux.[2] Elle porte sur l’usage, pas sur la fabrication du modèle, ni sur celle des serveurs.
Le choix du modèle pour la tâche
Une étude de chercheurs (Luccioni, Jernite et Strubell, présentée à la conférence FAccT en 2024) a mesuré l’énergie et le carbone nécessaires à 1 000 requêtes sur différentes tâches. Elle conclut que les modèles génératifs polyvalents sont beaucoup plus coûteux que des modèles conçus pour une seule tâche : les auteurs parlent d’ordres de grandeur.[3] Cette étude repose sur des modèles de 2023 et les écarts ont probablement changé depuis, mais le principe reste utile : un outil généraliste n’est pas toujours le bon choix pour une tâche simple, comme corriger l’orthographe ou classer des messages.
La somme des usages
Selon l’Agence internationale de l’énergie, les centres de données ont consommé 415 TWh en 2024, soit environ 1,5 % de l’électricité mondiale. Elle projette environ 945 TWh en 2030, un peu moins de 3 %, avec l’IA parmi les principaux moteurs de cette hausse.[4] Ce que chaque requête coûte peu, leur multiplication le compense en partie. C’est ce que l’on appelle l’effet rebond : un service moins coûteux est utilisé davantage. Hannah Ritchie le signale elle-même comme réserve à ses conclusions.[2]
La place de l’IA dans l’empreinte du numérique
La version actualisée de l’étude ADEME et ARCEP (janvier 2025, données 2022) estime que le numérique représente 4,4 % de l’empreinte carbone de la France (29,5 Mt CO₂ équivalent) et 11 % de sa consommation d’électricité (51,5 TWh). Côté carbone, les terminaux (ordinateurs, téléphones, téléviseurs, objets connectés) comptent pour 50 %, les centres de données pour 46 % et les réseaux pour 4 %. Surtout, la fabrication des équipements pèse 60 % de cette empreinte, contre 40 % pour l’usage.[5] Deux précautions : l’écart avec les 2,5 % de la précédente étude (données 2020) vient surtout de changements de méthode, notamment la prise en compte des centres de données situés à l’étranger, et non d’une hausse mesurée à elle seule. Et l’étude indique ne pas intégrer l’impact émergent de l’IA générative. Mon analyse, que vous pouvez discuter : tant que la fabrication des équipements pèse l’essentiel de l’empreinte, allonger la durée de vie de vos ordinateurs et téléphones a plus d’effet que de renoncer à l’IA.
Quatre critères pour décider d’un usage dans une PME
Plutôt qu’un oui ou un non global, je propose quatre questions à poser avant chaque usage récurrent.
- Qu’est-ce que cet usage remplace, ou permet ? On entend souvent qu’une requête IA se justifie parce qu’elle remplace des heures de travail. Je me méfie de cet argument : le temps gagné n’efface pas l’énergie consommée, et il ne réduit l’impact que s’il n’est pas réinvesti dans une production plus grande. La bonne question est donc : est-ce que je produis moins, mieux, ou simplement plus ?
- Le modèle est-il adapté à la tâche ? Reformuler un courriel ne demande pas le modèle le plus puissant. Quand une fonction non générative suffit (correcteur, recherche dans vos documents), elle est en général plus légère.
- L’usage produit-il du volume ou de la valeur ? Générer des dizaines d’articles génériques pour « remplir le blog » est coûteux en énergie et sans intérêt pour le lecteur. C’est aussi risqué pour le référencement : Google indique que générer beaucoup de pages sans apporter de valeur aux utilisateurs peut enfreindre sa politique sur le « scaled content abuse », le contenu produit à grande échelle.[6] Les images et vidéos générées pour décorer sont dans la même logique : à utiliser quand elles apportent une information.
- Qui mesure et qui relit ? Une page qui liste vos usages (outil, tâche, données saisies, personne qui relit) suffit pour commencer. Elle permet de revoir le tout chaque trimestre et de retirer ce qui ne sert pas. Elle prépare aussi les obligations de transparence décrites dans l’article sur la réglementation de l’IA en PME.
Ce que je fais dans ma pratique
J’utilise l’IA générative pour des tâches de préparation : plans, premières synthèses, relecture. Je relis et je réécris tout ce qui est publié, et je ne produis pas de contenus en volume. Mes usages sont encadrés par une charte d’usage responsable. Je n’ai pas de mesure de l’énergie consommée par mes propres requêtes, donc je ne prétends pas que mon usage est neutre : je le limite à ce qui apporte quelque chose, et je choisis mes outils en conséquence.
Ce raisonnement sert aussi mes clients. Un site plus léger, un matériel gardé plus longtemps, un hébergement choisi avec soin pèsent plus lourd que la plupart des usages d’IA d’une PME. C’est la raison pour laquelle je commence en général par un bilan numérique avant de parler d’IA.
Questions fréquentes
L’IA consomme-t-elle plus qu’une recherche sur internet ?
Je n’ai pas de chiffre récent, sourcé et comparable pour une recherche classique, donc je ne chiffre pas cette comparaison. Méfiez-vous des ratios du type « dix fois plus » qui circulent sans source ni méthode : la réponse dépend du modèle, de la longueur de la réponse et de ce qui est compté.
Faut-il arrêter d’utiliser l’IA pour avoir une démarche numérique responsable ?
Les sources citées ici ne le montrent pas. À l’échelle d’une personne, un usage modéré pèse peu dans l’empreinte individuelle. À l’échelle de la société, la somme des usages compte et mérite d’être pilotée. Pour une PME, les leviers les plus lourds restent le matériel, l’hébergement et le poids des pages, avant l’IA. Voir l’atelier sobriété numérique.
Comment réduire l’impact de l’IA dans une PME ?
En choisissant des usages qui apportent de la valeur, un modèle adapté à chaque tâche, en évitant le volume et les contenus décoratifs, en listant ses usages et en les revoyant régulièrement. Je propose un cadre pratique dans l’atelier IA responsable.
Sources
Sources consultées le 7 octobre 2026 :
- Google, « Measuring the environmental impact of AI inference », août 2025 : cloud.google.com. Chiffres et méthode publiés par le fournisseur.
- Hannah Ritchie, « What’s the carbon footprint of using ChatGPT or Gemini? » (mise à jour d’août 2025) : hannahritchie.substack.com. Synthèse d’un chercheur indépendant des chiffres de Google, OpenAI et Epoch AI.
- Sasha Luccioni, Yacine Jernite, Emma Strubell, « Power Hungry Processing: Watts Driving the Cost of AI Deployment? », ACM FAccT 2024 : arxiv.org/abs/2311.16863.
- Agence internationale de l’énergie, « Energy and AI », avril 2025, chiffres rapportés par la dépêche AFP du 10 avril 2025 : connaissancedesenergies.org. Je n’ai pas consulté le rapport complet.
- ADEME et ARCEP, étude « Évaluation de l’impact environnemental du numérique en France », version actualisée de janvier 2025 (données 2022) : document de l’étude hébergé sur ecoresponsable.numerique.gouv.fr. Chiffres recoupés avec une question écrite publiée au Sénat en avril 2025 : senat.fr.
- Google Search Central, « Google Search’s guidance on using generative AI content on your website » : developers.google.com.
Pour aller plus loin
- Ce que l’IA fait bien en marketing, et ce qu’elle ne fera pas à la place de votre équipe
- IA responsable en PME : ce que la loi impose en 2026
- Un site web écoconçu, pour réduire l’empreinte de ce qui est visible
- Direction marketing digital externalisée pour PME
Faire le point sur vos usages de l’IA
En 30 minutes, je regarde comment votre entreprise utilise l’IA aujourd’hui et ce qui mérite d’être gardé, encadré ou arrêté.