Notion · Coûts et impact
Empreinte carbone d’un usage
Les impacts liés à la réalisation d’une tâche avec un outil numérique. Ils dépendent du modèle, du matériel, du lieu d’exécution et du périmètre retenu ; une requête n’a pas une empreinte universelle.
Comment ça marche
L’empreinte d’un usage de l’IA se compose de trois choses. L’électricité des serveurs qui calculent les réponses, avec l’eau qui sert à les refroidir. La fabrication du matériel, processeurs spécialisés en tête, amortie sur sa durée de vie. Et, en amont, la part de l’entraînement du modèle, répartie sur tous ses utilisateurs.
Pour une entreprise, le levier est l’utilisation. Chaque requête a un coût énergétique qui dépend du modèle, de la longueur du contexte et de la réponse. Multiplié par le nombre de requêtes, ça donne une empreinte que l’on peut estimer, suivre et réduire. Les chiffres précis manquent, mais les ordres de grandeur suffisent à prendre les bonnes décisions.
Un exemple concret
- Inventaire : 40 abonnements à un assistant, une automatisation de comptes rendus, un outil de génération d’images pour les maquettes.
- Mesure : environ 25 000 requêtes par mois pour les assistants, 600 comptes rendus, 1 500 images générées.
- Estimation : en appliquant des facteurs publiés, l’équivalent de quelques centaines de kilomètres en voiture par mois. Modeste face aux déplacements de l’agence, mais en croissance de 30 % par trimestre.
- Décisions : le modèle par défaut des assistants passe au modèle moyen ; les images de maquette sont générées en basse résolution ; un suivi mensuel est ajouté au tableau de bord RSE.
Le chiffre importait moins que la tendance. Voir la courbe monter a suffi à décider.
Ce que ça change pour une équipe
- On sait de quoi on parle. Un ordre de grandeur et une tendance remplacent les intuitions, dans un sens comme dans l’autre : l’IA n’est ni gratuite pour la planète, ni le premier poste d’émission d’une PME.
- Les bons réflexes se diffusent. Le modèle adapté à la tâche, les réponses courtes, pas d’appel inutile : des gestes simples, qui réduisent aussi la facture.
- Le reporting s’enrichit. Pour les entreprises qui publient un bilan carbone ou répondent à des appels d’offres avec des critères environnementaux, l’IA devient un poste suivi comme les autres.
- Les choix d’outils intègrent ce critère. Taille du modèle, localisation des serveurs, efficacité du fournisseur : des questions à poser au moment du choix.
Les limites et les erreurs fréquentes
- Afficher un chiffre précis. Les données des fournisseurs sont parcellaires et les méthodes varient. Annoncer « 2,37 tonnes » est trompeur ; annoncer « de l’ordre de quelques tonnes, en hausse » est honnête.
- Compter seulement l’électricité. L’eau de refroidissement et la fabrication du matériel comptent aussi. Les estimations sérieuses les incluent.
- Culpabiliser l’usage individuel. Une question posée à un assistant pèse peu. Ce sont les automatisations massives et les modèles surdimensionnés qui font la différence.
- Opposer IA et sobriété. Une IA bien utilisée peut réduire d’autres consommations : moins de déplacements, moins de documents imprimés, des processus plus courts. Le bilan se fait sur l’ensemble.
Pour aller plus loin
Une évaluation peut inclure l’électricité, les émissions associées, l’eau et une part des impacts de fabrication du matériel. Les résultats doivent expliciter les hypothèses, les incertitudes et les éléments exclus du calcul.
Où ça se situe chez Opora
Programme 01 · Mieux utiliserUn usage responsable et sobre de l’IA
Estimer ce que vos usages de l’IA consomment et décider où réduire, c’est un exercice du programme Un usage responsable.
Questions fréquentes
L’entraînement ou l’utilisation, qu’est-ce qui pèse le plus ?
L’entraînement d’un grand modèle consomme énormément, mais une seule fois, et cette empreinte est portée par le fournisseur. À l’échelle mondiale, c’est l’utilisation, répétée des milliards de fois, qui finit par peser le plus. Pour une entreprise, seule l’utilisation est pilotable.
Comment estimer l’empreinte de nos usages ?
En comptant les requêtes et les tokens par modèle, puis en appliquant des facteurs d’émission publiés par des organismes indépendants. Le résultat est une estimation à prendre comme un ordre de grandeur, utile pour comparer deux façons de faire plus que pour afficher un chiffre absolu.
Un modèle local est-il moins polluant ?
Souvent, pour des tâches simples : un petit modèle sur une machine existante consomme peu. Mais une machine achetée exprès a sa propre empreinte de fabrication, et un grand modèle local sur un serveur peu efficace peut consommer plus qu’un service mutualisé. Il faut comparer cas par cas.