Questions fréquentes sur la consommation des datacenters et de l'IA
Réponses courtes, chiffrées et sourcées. Chaque réponse renvoie aux pages détaillées du site.
Combien d'électricité consomment les datacenters dans le monde ?
Environ 415 TWh en 2024 (environ 1,5 % de l'électricité mondiale) et environ 485 TWh en 2025 (+17 % en un an) selon l'Agence internationale de l'énergie (IEA). Son scénario central atteint environ 950 TWh en 2030, soit environ 3 % du total.
Quelle part de cette consommation vient de l'IA ?
Selon l'IEA, la consommation des datacenters dédiés à l'IA a augmenté d'environ 50 % en 2025, contre 17 % pour l'ensemble des datacenters, et devrait tripler d'ici 2030. Attention : ce « 50 % » est une croissance, pas une part du total. Il n'existe pas de statistique mondiale fiable de la part de l'IA générative seule.
Combien consomme une requête à un chatbot ?
Les valeurs publiées pour une requête textuelle courte se situent autour de 0,2 à 0,4 Wh : 0,24 Wh médian mesuré par Google pour Gemini, environ 0,34 Wh déclaré par OpenAI en 2025. L'écart avec les requêtes longues, les modèles de raisonnement, les images et les vidéos peut atteindre un ou plusieurs ordres de grandeur.
Qu'est-ce que le PUE d'un datacenter ?
Le PUE (Power Usage Effectiveness) est le rapport entre l'énergie totale consommée par le site et celle des seuls équipements informatiques. Un PUE de 1,10 signifie 10 % d'électricité supplémentaire pour le refroidissement, les onduleurs et l'éclairage. Plus il est proche de 1, plus le site est efficace.
Un datacenter « vert » est-il neutre en carbone ?
Pas automatiquement. Un PUE bas réduit la consommation, mais l'impact carbone dépend surtout de l'intensité carbone de l'électricité consommée, heure par heure, et de la fabrication des équipements. Les achats annuels d'énergie renouvelable ne garantissent pas une alimentation décarbonée à tout instant.
L'IA consomme-t-elle beaucoup d'eau ?
Oui, de deux façons : l'eau évaporée sur site pour le refroidissement (mesurée par le WUE, en litres par kWh) et l'eau consommée pour produire l'électricité. Le WUE varie de moins de 0,2 L/kWh chez certains hyperscalers à 1,8 L/kWh en moyenne historique de l'industrie.
Comment réduire l'empreinte environnementale de l'IA ?
Les leviers principaux sont le choix d'un modèle adapté à la tâche, l'optimisation logicielle (quantification, cache, distillation), un matériel plus efficace, un refroidissement économe, la récupération de chaleur, une électricité bas carbone et la transparence des mesures.
Les datacenters empêchent-ils d'atteindre les objectifs climatiques ?
Pas à eux seuls : ils pèsent environ 1,5 % de l'électricité mondiale. Selon l'IEA, ils expliquent environ un dixième de la hausse de la demande d'électricité d'ici 2030, mais près de la moitié aux États-Unis, avec de fortes concentrations locales. Le résultat dépend de la décarbonation des réseaux qui les alimentent.
Où trouver la consommation énergétique d'un modèle d'IA ?
Dans les rapports environnementaux des opérateurs, dans les publications scientifiques et dans le projet AI Energy Score de Hugging Face. Le règlement européen sur l'IA impose aussi aux fournisseurs de modèles à usage général de documenter leur consommation énergétique.
Pourquoi une réponse plus longue consomme-t-elle plus d'énergie ?
L'énergie d'une réponse est à peu près le nombre de tokens générés multiplié par l'énergie par token. Un modèle moins efficace par token peut donc consommer moins au total si sa réponse est plus courte. Pour comparer, séparez la longueur de l'efficacité : voir le guide pour comparer deux modèles.
Comment comparer deux modèles d'IA ?
Posez le même prompt aux deux, relevez les tokens générés, calculez les mWh par token, puis jugez la qualité des réponses. Les comparateurs publics comme Compar:IA affichent une énergie estimée avec la méthode EcoLogits, qui n'est pas une mesure du fournisseur.
Quelles sont les sources fiables sur l'énergie des LLM ?
Les rapports de l'IEA pour les datacenters, la publication de Google de 2025 pour une mesure en production, des études avec mesures (ML.Energy, AI Energy Score) et des estimations indépendantes (Epoch AI, Microsoft Research, EcoLogits). La page sources officielles les classe par niveau de preuve.
GreenAI.fr est-il lui-même sobre ?
Le site est statique, sans traceur, sans bibliothèque JavaScript tierce ni image lourde : les graphiques sont des éléments HTML natifs. Cette sobriété est un choix de conception, pas une mesure certifiée.
Pour aller plus loin : panorama mondial, PUE et WUE, alternatives, glossaire.
Dernière mise à jour :