Consommation énergétique de l'IA
Pourquoi c’est important
En profondeur
La première chose à comprendre, c'est la séparation entre entraînement et inférence. Entraîner un modèle de pointe est une seule décharge énorme : des dizaines de milliers d'accélérateurs tournant au pas cadencé pendant des semaines ou des mois, les estimations d'énergie pour les plus gros entraînements se situant dans les dizaines de gigawattheures — environ la consommation électrique annuelle d'une petite ville. L'inférence a le profil inverse : chaque requête est peu coûteuse, mais des milliards de requêtes par jour s'accumulent, et à mesure que l'usage déployé a explosé, l'inférence a dépassé l'entraînement comme part la plus grande de la demande électrique totale de l'IA. Les deux phases aboutissent au même endroit — le centre de données — où les GPU et les TPU convertissent l'électricité en chaleur qu'il faut ensuite évacuer, et c'est pourquoi les campus d'IA modernes sont conçus autant autour des postes électriques et du refroidissement qu'autour du silicium.
Entraînement contre inférence
Un entraînement de pointe concentre son énergie dans une seule fenêtre. La grappe derrière — des dizaines de milliers d'accélérateurs reliés par une réseautique à large bande passante — peut tirer 100 MW ou plus de charge informatique continue pour la durée de l'exécution, et c'est pourquoi les sites d'entraînement sont choisis en fonction des postes électriques disponibles et d'une électricité ferme et bon marché. Les travaux plus petits comptent aussi : l'ajustement fin d'un modèle existant coûte des ordres de grandeur de moins qu'un entraînement à partir de zéro, mais des milliers d'organisations qui le font quotidiennement, ça s'additionne.
L'inférence étale plutôt l'énergie. Chaque token généré coûte une infime quantité de calcul, mais un modèle populaire sert des millions d'utilisateurs jour et nuit, donc le compteur ne s'arrête jamais. La propre mesure de Google en 2025 situait un prompt textuel médian de Gemini à environ 0,24 wattheure, et les estimations indépendantes pour des agents conversationnels comparables tombent dans la même fourchette de quelques dixièmes de wattheure — peu par requête, énorme en agrégat. Les modèles de raisonnement ont fortement poussé l'énergie par requête vers le haut, parce qu'ils génèrent de longues chaînes de pensée cachées avant de produire une réponse visible. La règle empirique : l'énergie d'entraînement évolue avec la taille du modèle et du jeu de données comme le décrivent les lois d'échelle, tandis que l'énergie d'inférence évolue avec le nombre d'utilisateurs, la longueur du contexte et la longueur des sorties.
Campus de gigawatts et ententes nucléaires
La réponse de l'industrie a été un déploiement mesuré en gigawatts, une part centrale de l'infrastructure d'IA moderne. Les campus d'IA annoncés prévoient maintenant 1 GW ou plus de capacité sur un seul site — la production d'un gros réacteur nucléaire — et l'AIE estime la consommation mondiale des centres de données à environ 415 TWh en 2024, soit à peu près 1,5 % de toute l'électricité, ce chiffre devant plus que doubler d'ici 2030 avec l'IA comme principal moteur. La tension est déjà visible localement : les centres de données américains tiraient environ 4,4 % de l'électricité nationale en 2023, avec des projections fédérales de 7 à 12 % d'ici 2028, et en Irlande ils représentent environ un cinquième de la demande nationale, ce qui a mené à des restrictions sur les nouveaux raccordements autour de Dublin.
Comme les réseaux ne peuvent pas s'étendre aussi vite, les plus gros acheteurs sont allés directement à la source. Microsoft a signé une entente de 20 ans pour redémarrer le réacteur intact de Three Mile Island, s'assurant environ 835 MW d'électricité sans carbone en continu; Google a conclu une entente avec Kairos Power pour de petits réacteurs modulaires totalisant environ 500 MW d'ici 2035; Amazon a suivi avec ses propres ententes de campus adossées au nucléaire. Ces ententes portent moins sur l'image verte que sur la physique : les grappes d'entraînement et de service ont besoin d'une puissance ferme, 24 heures sur 24, et seuls le nucléaire et une poignée d'autres sources livrent ça à l'échelle du gigawatt.
Une requête ne fera pas tomber le réseau
Une affirmation courante veut que chaque requête à un agent conversationnel soit un désastre environnemental, et les chiffres par requête ne l'appuient pas. À quelques dixièmes de wattheure, un prompt textuel est comparable à quelques minutes d'une ampoule DEL et bien en dessous des estimations virales antérieures qui présumaient que chaque requête déclenchait un énorme calcul tout neuf. Le chiffre par requête continue aussi de baisser à mesure que les modèles et les piles de service s'améliorent.
Mais l'affirmation inverse — que l'énergie de l'IA n'est pas un enjeu — est tout aussi fausse. L'incidence vit dans l'agrégat : des milliards de requêtes quotidiennes, des modalités plus lourdes comme la génération d'images et de vidéos qui coûtent bien plus que le texte, et une demande qui compose à mesure que l'IA s'intègre à la recherche, à la bureautique et au service à la clientèle. Les manchettes catastrophistes comme le rejet du revers de la main ratent le vrai portrait, qui est un problème de planification à l'échelle du réseau plutôt qu'un problème de culpabilité par requête.
Gains d'efficacité et effet rebond de Jevons
La courbe d'efficacité est véritablement abrupte. La quantification, la distillation, le décodage spéculatif et les architectures à mélange d'experts coupent chacun le calcul par token par de grands facteurs, et chaque génération d'accélérateurs de NVIDIA et de ses concurrents améliore substantiellement la performance par watt. Les piles de service sont devenues plus intelligentes aussi, la réutilisation du cache clé-valeur et le traitement par lots continu maintenant une utilisation élevée, et une partie de l'inférence se déplace vers les appareils en périphérie où de petits modèles s'exécutent localement.
Pourtant la consommation totale continue de grimper, ce qui est le paradoxe de Jevons en action : quand le coût par token baisse, la demande ne reste pas plate — des applications auparavant non rentables s'allument, et l'usage s'étend pour remplir le budget. Les prix des tokens ont chuté d'environ un ordre de grandeur par année tandis que le volume total d'inférence a grandi encore plus vite. La perspective réaliste, ce n'est pas que l'efficacité sauve le réseau, mais que l'efficacité détermine combien d'IA un réseau donné peut livrer.