23 octobre 2026 · Décryptage & ordres de grandeur
IA générative : combien consomment nos questions, images et vidéos ?
Un message à un chatbot, une illustration ou une vidéo créée par IA : derrière l’écran, des serveurs utilisent de l’électricité et des ressources. Voici des repères pour comprendre, sans culpabiliser ni exagérer.
Voir les chiffres clés ↓Ce qu’il faut retenir
Ces chiffres viennent de périmètres différents et ne peuvent pas être comparés comme s’ils mesuraient exactement la même chose.
Une requête texte Gemini
Valeur médiane publiée par Google pour son application en mai 2025. Ce n’est ni « le coût d’un prompt » en général, ni une mesure de ChatGPT.
Source : Google (2025)Une image dans une étude
Moyenne de 2,907 Wh par génération d’image dans un ensemble de modèles étudiés en 2024. Forte dispersion entre modèles et méthodes.
Source : Luccioni et al. (2024)Les centres de données en 2025
Consommation électrique mondiale de tous les centres de données, pas seulement ceux consacrés à l’IA.
Source : AIE (2026)Les chiffres ne portent pas sur les mêmes années, infrastructures, modèles ou frontières de mesure. Ils servent à comprendre des ordres de grandeur, pas à classer précisément les services d’IA.
Pourquoi une IA consomme-t-elle de l’électricité ?
Quand vous posez une question à une intelligence artificielle, le service fait travailler des ordinateurs très puissants installés dans des centres de données, aussi appelés data centers. Ils utilisent de l’électricité pour calculer la réponse et pour faire fonctionner leurs équipements.
1. Entraîner le modèle
Avant son utilisation, le modèle a été entraîné sur de grandes quantités de données. Cette étape mobilise des machines et des ressources. Son impact n’est pas forcément compris dans le chiffre publié « par requête ».
2. Répondre à la demande
À chaque usage — appelé inférence — des serveurs calculent du texte, des images, du son ou de la vidéo. Plus le travail est complexe, plus les besoins peuvent augmenter.
3. Refroidir et alimenter
Les centres de données ont besoin d’alimentation électrique, de réseaux et de refroidissement. Certaines installations utilisent de l’eau pour contribuer à évacuer la chaleur.
4. Fabriquer les équipements
Les puces, serveurs et bâtiments demandent des matériaux, de l’énergie et de l’eau. L’empreinte ne se limite donc pas à ce qui est consommé au moment où vous cliquez.
Wh (wattheure) : une petite quantité d’électricité. kWh : 1 000 Wh. gCO₂e : une estimation des émissions de gaz à effet de serre, qui dépend notamment de la façon dont l’électricité est produite.
Un prompt court, une image ou une vidéo : pas le même travail
Le mot prompt signifie simplement « consigne donnée à l’IA ». Ce n’est pas le nombre de mots à lui seul qui fixe la consommation : le modèle, le raisonnement, la longueur de la réponse et les outils utilisés comptent aussi.
Question textuelle simple
Répondre brièvement à une question courante. Certaines applications modernes affichent des valeurs de l’ordre de quelques dixièmes de Wh pour une demande typique.
Repère mesuré : 0,24 Wh pour Gemini (médiane 2025).Analyse longue, code ou recherche approfondie
Une longue réponse, de multiples étapes de raisonnement ou plusieurs outils peuvent augmenter la consommation. Des tests de modèles complexes rapportent plusieurs Wh, voire plusieurs dizaines de Wh par tâche standardisée.
Pas de valeur universelle : le scénario change tout.Génération d’une image
Créer une image à partir d’une description demande un autre type de calcul. Une étude de 2024 observait une moyenne de 2,9 Wh, avec des résultats très variables.
Repère scientifique, pas « le coût de toute image IA ».Génération de vidéo
Produire un enchaînement d’images, parfois avec de l’audio, peut mobiliser énormément de calcul. La durée, la définition, le modèle et les tentatives changent fortement le résultat.
À ce jour, pas de chiffre unique fiable par vidéo.Il faudrait mesurer, sur la même infrastructure et avec la même méthode, des tâches équivalentes. Comparer directement le « 0,24 Wh de Gemini » à une moyenne de laboratoires sur plusieurs modèles d’images donnerait une impression de précision trompeuse.
Et si l’on multiplie les demandes ?
Modifiez le nombre de requêtes pour visualiser comment un petit coût individuel peut s’additionner. Choisissez ensuite un scénario documenté.
100 × 0,24 Wh = 24 Wh
Calcul pédagogique, non mesure réelle de votre utilisation.Pourquoi le troisième scénario ? Le réglage « 10 Wh » est un exemple de calcul et non un relevé publié pour un service précis. Il illustre un usage plus exigeant ; il ne doit pas être utilisé pour estimer votre empreinte personnelle.
Et l’eau, le CO₂ et les matériaux ?
Les besoins de refroidissement des centres de données varient beaucoup selon le climat et les technologies. Il faut aussi distinguer l’eau prélevée de l’eau consommée : ce n’est pas la même mesure.
Estimation de Google pour une requête textuelle médiane Gemini en mai 2025, selon son périmètre de calcul. Ce chiffre ne décrit pas chaque requête IA ni tous les impacts liés à la fabrication des équipements.
Estimation publiée par Google pour cette même requête. Les émissions réelles dépendent notamment du mix électrique des sites et des frontières retenues dans les calculs.
L’ADEME rappelle que les usages numériques français s’appuient aussi sur des centres de données à l’étranger, dont l’électricité peut être plus carbonée que celle produite en France. L’Arcep souligne en outre le rôle des ressources matérielles et des infrastructures.
Il n’existe pas de quantité d’eau fixe et valable pour toute requête. Les chiffres très différents circulant en ligne s’expliquent notamment par les hypothèses et par les impacts inclus ou exclus. Méfiez-vous des slogans qui n’indiquent ni la source ni la méthode.
Un petit impact par demande peut devenir important à grande échelle
L’Agence internationale de l’énergie estime que les centres de données mondiaux ont utilisé environ 485 TWh d’électricité en 2025. Elle envisage environ 950 TWh en 2030 dans son scénario de référence actualisé en 2026.
Attention : ces valeurs concernent l’ensemble des centres de données, utilisés pour de nombreux services numériques, et pas seulement l’intelligence artificielle. L’IA est toutefois l’un des moteurs importants de la croissance de la demande.
Selon l’ADEME, les données restent encore incomplètes : les fabricants et fournisseurs ne publient pas toujours les mêmes indicateurs, ce qui empêche de faire un bilan complet service par service.
Six bons réflexes pour un usage plus sobre
Préciser son objectif
Indiquez votre besoin, le contexte et la forme de réponse souhaitée pour limiter les allers-retours inutiles.
Choisir le bon outil
Un calcul simple, une recherche ciblée ou un logiciel classique suffit parfois sans génération IA.
Demander la juste longueur
Une réponse courte peut être suffisante : inutile de réclamer une longue analyse pour une question simple.
Limiter les variantes inutiles
Pour les images ou vidéos, définissez le style et le format avant de lancer de nombreuses versions.
Réutiliser ses contenus
Conservez les réponses et les modèles utiles plutôt que de régénérer plusieurs fois la même chose.
Évaluer le bénéfice
Le bon usage est celui qui apporte une vraie valeur : accessibilité, apprentissage, gain de temps ou création pertinente.
L’objectif n’est pas de faire culpabiliser : c’est de mieux comprendre les outils et de choisir les usages adaptés. Les progrès d’efficacité par requête ne suffisent pas toujours à compenser la croissance du nombre et de la complexité des demandes.
Vos questions sur l’empreinte de l’IA
Une question textuelle simple peut avoir un impact individuel faible, mais les résultats varient selon le modèle et l’usage. Multipliées par des millions d’utilisateurs, ces demandes deviennent importantes.
Dans plusieurs tests publiés, la génération d’images est plus énergivore que les tâches textuelles simples. Cela ne constitue pas une règle chiffrée universelle pour tous les modèles et toutes les images.
La vidéo nécessite de produire de nombreuses images successives et peut être très énergivore. La durée, la résolution, le modèle et le nombre d’essais jouent sur l’impact. Il n’existe pas de valeur universelle fiable par vidéo.
Il est plus utile d’examiner le besoin réel et les alternatives. Une IA peut être pertinente pour une tâche utile ; à l’inverse, multiplier des générations sans objectif précis augmente les usages.
Non. Les chiffres sur l’eau dépendent des méthodes de calcul et des infrastructures. Google avance 0,26 mL pour une requête textuelle médiane Gemini dans son périmètre ; d’autres estimations peuvent inclure davantage d’impacts indirects.
Non. Ce sont des exemples et simulations pédagogiques fondés sur des publications distinctes. L’application ne mesure ni votre serveur, ni votre modèle, ni vos émissions effectives.
Comprendre les ordres de grandeur, sans les confondre
Une requête texte ordinaire peut consommer relativement peu à l’échelle individuelle. Une image, une recherche complexe ou une vidéo ne demandent pas nécessairement le même travail. L’impact dépend aussi du lieu, de l’électricité, des équipements et du volume total d’usages.
La meilleure question n’est pas seulement « combien consomme un prompt ? », mais aussi « quel service rend cette demande, et existe-t-il une façon plus simple d’obtenir le résultat ? »
Sources et méthode
Sources institutionnelles, étude scientifique et publications techniques consultées pour cet article. Les données datent de périodes et de périmètres différents ; elles sont explicitement signalées dans le texte.
- ADEME — IA générative : comment quantifier les impacts ? (2026)
- Arcep — IA générative : quels défis environnementaux ? (2026)
- AIE — Key Questions on Energy and AI (2026)
- AIE — chiffres des centres de données (2026)
- Google — Mesurer les impacts d’une requête Gemini (2025)
- Luccioni et al. — Power Hungry Processing (FAccT, 2024)
- Stanford — AI Index 2026, environnement et inférence
- PolitiFact — vérification des chiffres d’eau attribués à ChatGPT (2026)
Mis à jour le 23 octobre 2026 · Service inclusion numérique de la CCTVL. Le comparateur ne mesure pas la consommation réelle des utilisateurs.