Empreinte carbone de l'IA

Deux postes très différents

L'entraînement concentre une grande quantité de calcul sur quelques semaines, dans des centres de données loués pour l'occasion. C'est le poste le plus commenté, parce qu'il est spectaculaire et facile à raconter. Il reste pourtant unique : une fois les paramètres figés, le modèle ne repasse plus par cette phase. Pour une organisation qui consomme un service d'IA tous les jours, cet investissement initial se dilue dans l'usage courant, jusqu'à devenir minoritaire. Le coût se concentre donc sur un petit nombre d'acteurs, pas sur les utilisateurs finaux.

L'inférence, elle, se répète à chaque question posée. Un modèle sollicité par une équipe entière, plusieurs fois par jour, accumule des consommations qui finissent par dépasser celles de sa fabrication. S'y ajoutent le réseau, les serveurs intermédiaires et les terminaux. La comparaison entre les deux postes dépend donc de l'intensité d'usage : un service très sollicité pèse surtout par ses réponses, un modèle utilisé une fois par mois pèse surtout par son entraînement. Un assistant utilisé par trois personnes n'a pas le même profil qu'un service ouvert à des milliers de clients.

Ce que l'on compte vraiment

L'électricité n'est que la partie visible. Un centre de données consomme de l'eau pour refroidir ses machines, parfois en tension avec l'usage local. Les processeurs graphiques doivent être fabriqués, acheminés puis renouvelés tous les quelques années, avec des minerais et une industrie de composants lourde. Le mix électrique du lieu compte autant que la quantité : un kilowattheure produit au charbon et un kilowattheure d'origine hydraulique n'ont pas le même effet sur le climat. Un chiffre d'électricité seul ne dit donc presque rien du coût climatique réel d'un service.

La méthode de comptage change tout. Compter seulement l'électricité achetée par l'exploitant revient à ignorer la fabrication du matériel et son transport. Une comptabilité plus large intègre la chaîne d'approvisionnement, le renouvellement des serveurs et la fin de vie. Les fournisseurs publient rarement ces éléments de façon détaillée, et les chiffres avancés dans la presse reposent souvent sur des hypothèses invérifiables. Un bilan sérieux commence donc par dire ce qu'il laisse de côté. C'est la première question à poser à un fournisseur qui communique un chiffre de consommation.

Mesurer avant d'affirmer

Aucun organisme ne publie aujourd'hui une mesure faisant autorité pour une requête donnée. Les ordres de grandeur circulent, les périmètres diffèrent, les modèles changent de version sans que la consommation soit réévaluée. Un chiffre isolé, sans périmètre ni méthode, ne vaut donc rien dans une décision d'achat. Ce qui vaut, c'est de demander au fournisseur une estimation par usage, avec les hypothèses associées, puis de la confronter à vos volumes réels. Encore faut-il que cette estimation soit comparable d'un fournisseur à l'autre, ce qui est rarement le cas.

Pour un projet interne, l'exercice utile consiste à calculer votre propre consommation : nombre de requêtes, taille des textes envoyés, modèle utilisé, durée de conservation des journaux. On obtient un ordre de grandeur exploitable, améliorable d'un mois sur l'autre. Cela permet aussi de repérer les usages coûteux pour rien, comme un traitement relancé chaque nuit sur des documents inchangés, ou un historique de conversation renvoyé intégralement à chaque question. Un tableur suffit pour cela, à condition de le tenir à jour et de le relire avec les équipes.

Ce que cela change dans un projet

Les leviers sont connus et ne demandent pas de renoncer au service. Choisir un modèle plus petit pour les tâches simples, réserver le grand modèle aux cas difficiles, mettre en cache les réponses répétitives, traiter par lots ce qui peut attendre, envoyer des extraits plutôt que des documents entiers : chaque décision réduit le calcul réel. Le gain écologique suit souvent le gain financier, sans qu'il faille pour autant l'afficher comme un argument commercial. Ces arbitrages se prennent au niveau du produit, pas seulement de l'infrastructure.

Il reste une question de doctrine. Une organisation qui communique sur la sobriété de son IA doit pouvoir expliquer ce qu'elle compte, sur quel périmètre et avec quelles limites. Une phrase honnête sur l'incertitude vaut mieux qu'un chiffre rond. Sur un territoire insulaire, la question de l'énergie et de l'eau n'est pas abstraite : elle relie directement le projet numérique aux contraintes locales, et à la facture que quelqu'un devra payer. C'est aussi un argument de confiance auprès des clients, des financeurs et des partenaires publics.