Combien d'énergie consomme l'IA ? Le vrai bilan 2026

Combien consomme vraiment une requête d'IA ?

Une requête classique à un assistant comme ChatGPT consomme environ 0,34 watt-heure d'électricité, selon un chiffre communiqué par OpenAI (mesure maison, non vérifiée par un tiers indépendant). C'est du même ordre de grandeur qu'une recherche Google d'il y a quelques années, ou quelques secondes d'un four électrique. Prise isolément, une requête ne pèse presque rien.

Le tableau change avec la longueur et la complexité. Générer un texte de 7 500 mots demande environ 2,5 Wh, un texte très long jusqu'à 40 Wh, et une tâche de raisonnement (le modèle « réfléchit » en plusieurs étapes avant de répondre) peut atteindre 50 Wh, soit près de 150 fois une requête courte. La facture énergétique dépend donc moins du fait d'utiliser l'IA que de la façon dont on l'utilise.

• Requête courte : environ 0,34 Wh, l'ordre de grandeur d'une recherche web.
• Texte long : de 2,5 à 40 Wh selon le nombre de mots générés.
• Tâche de raisonnement : jusqu'à 50 Wh, le poste qui explose avec les modèles récents.

L'IA dans la consommation mondiale d'électricité

À l'échelle de la planète, les data centers ont consommé environ 485 TWh en 2025, soit 1,5 % de l'électricité mondiale, d'après les données compilées par Our World in Data à partir des rapports de l'Agence internationale de l'énergie. L'IA seule représente environ 155 TWh, soit 0,5 % du total. C'est réel, mais loin des chiffres catastrophistes parfois avancés.

La trajectoire, en revanche, est raide. L'Agence internationale de l'énergie projette 945 TWh pour les data centers en 2030, soit 3 % de l'électricité mondiale, une part qui aurait donc doublé en cinq ans. La question n'est pas tant la consommation d'aujourd'hui que la vitesse à laquelle elle grimpe, portée par la course aux modèles toujours plus gros. Pour comprendre ce qui rend ces modèles si gourmands, notre article sur les réseaux de neurones éclaire la mécanique sous-jacente.

IA · AOÛT 2026

Ce que consomme vraiment l'IA

• 1,5 % part des data centers dans l'électricité mondiale (2025)
• 0,34 Wh énergie d'une requête ChatGPT type (chiffre OpenAI, non audité)
• 50 Wh énergie d'une tâche de raisonnement, environ 150x une requête courte
• 945 TWh consommation projetée des data centers en 2030 (IEA)

L'énergie par requête varie énormément selon la tâche

Estimation en watt-heures pour un modèle type. Sources OpenAI et Our World in Data, 2025.

• Requête courte 0,34
• Texte de 7 500 mots 2,5
• Texte très long 40
• Tâche de raisonnement 50

À retenir : une requête isolée pèse peu, l'ordre de grandeur d'une recherche web. Ce sont le volume mondial et les tâches de raisonnement qui font vraiment grimper la facture énergétique de l'IA.

Pourquoi le raisonnement change tout

Le vrai bouleversement de 2025 et 2026 vient des modèles de raisonnement. Au lieu de répondre d'un trait, ils génèrent des étapes intermédiaires, testent des pistes, reviennent en arrière. Cette « réflexion » multiplie le nombre de tokens produits, donc l'énergie dépensée. Une même question peut coûter 0,34 Wh en mode standard et 50 Wh en mode raisonnement.

La conséquence est simple : la sobriété passe par le bon usage du bon modèle. Lancer un modèle de raisonnement lourd pour résumer un email est un gaspillage, comme utiliser un semi-remorque pour livrer une lettre. Ce réflexe rejoint la logique de l'IA agentique, qui enchaîne les appels de modèles et peut vite faire grimper la consommation sans qu'on s'en rende compte.

L'eau, l'autre ressource invisible

L'électricité n'est pas le seul enjeu. Les data centers consomment de l'eau pour se refroidir, et le sujet souffre d'un vrai problème de transparence. Les chiffres par requête sont faibles mais réels : environ 0,3 mL par requête pour ChatGPT selon Sam Altman (juin 2025, mesure non auditée) et 0,26 mL par requête médiane pour Gemini selon Google (août 2025, eau de refroidissement uniquement).

Le fameux « demi-litre par requête » vient d'une étude de l'Université de Californie à Riverside souvent mal citée : elle mesurait environ 519 mL pour un email de 100 mots généré par GPT-4, en comptant l'eau totale, production d'électricité incluse, pas une seule requête de chat. À l'échelle mondiale, l'IEA projette la consommation d'eau des data centers à 1 200 milliards de litres en 2030, contre environ 560 milliards en 2025. Google, à lui seul, a utilisé près de 31 milliards de litres en 2024.

Pourquoi l'impact est très concentré

La consommation de l'IA n'est pas répartie uniformément, elle se concentre là où sont les data centers. Aux États-Unis, ils représentent environ 5 % de l'électricité nationale. En Irlande, plus de 20 %. Et dans certains États américains comme la Virginie, ils dépassent 25 % de la demande locale. C'est cette concentration qui crée des tensions sur les réseaux électriques régionaux.

Pour l'utilisateur, cela veut dire que l'empreinte réelle d'une requête dépend aussi du lieu et du moment. Un data center alimenté par de l'hydroélectricité n'a pas le même bilan carbone qu'un autre branché sur une centrale à charbon. La question énergétique de l'IA est donc autant une question d'infrastructure et de mix électrique que de technologie. Elle recoupe d'ailleurs certaines craintes légitimes évoquées dans notre article sur les risques de l'IA.

Faut-il culpabiliser d'utiliser l'IA ?

Mettre les choses en perspective aide à raison garder. Une requête d'IA reste marginale face à un vol en avion, un trajet en voiture ou même le streaming vidéo, qui pèse bien plus lourd dans la consommation numérique mondiale. Culpabiliser sur chaque prompt n'a pas grand sens à l'échelle individuelle.

Le vrai levier est ailleurs : dans les choix d'usage à grande échelle et dans la conception des services. Comprendre la différence entre IA, machine learning et deep learning aide déjà à saisir où se cache l'énergie. Et savoir qu'une image générée par IA n'a pas le même coût qu'un simple texte, comme nous l'expliquons dans notre article sur la génération d'images par IA, permet de faire des choix éclairés.

Ce que les entreprises peuvent faire

Pour une entreprise qui intègre l'IA, la sobriété énergétique est aussi une question de coût et d'image. Quelques principes simples réduisent l'empreinte sans sacrifier la valeur.

• Choisir le bon modèle : réserver les modèles de raisonnement aux tâches complexes, utiliser des modèles légers pour le reste.
• Optimiser les requêtes : des prompts clairs et un contexte bien cadré évitent les allers-retours coûteux.
• Mutualiser et mettre en cache : éviter de recalculer mille fois la même réponse.
• Regarder le mix énergétique : privilégier des fournisseurs et hébergeurs transparents sur leur énergie.

Chez Digital-m, nous privilégions des usages mesurés de l'IA dans nos projets, en choisissant l'outil adapté à chaque tâche plutôt que le plus lourd par défaut. C'est aussi ce que nous transmettons dans nos accompagnements : une IA utile n'est pas forcément une IA énergivore.

Ce qu'il faut retenir

L'IA consomme, mais pas dans les proportions fantasmées. Une requête pèse environ 0,34 Wh, les data centers 1,5 % de l'électricité mondiale en 2025. Le vrai sujet est la trajectoire : 945 TWh projetés en 2030, des tâches de raisonnement 150 fois plus lourdes, et une pression croissante sur l'eau et les réseaux régionaux. Les ordres de grandeur comptent plus que les gros titres.

La bonne approche n'est ni le déni ni la panique, mais la sobriété : le bon modèle pour la bonne tâche. Vous souhaitez intégrer l'IA dans votre activité de façon utile et raisonnée, sans gaspillage ? Parlons de votre projet, nous vous aidons à choisir les bons outils et les bons usages.