Bonne année 2025 à tous !

Il est temps de commencer une nouvelle année. Gageons que 2025 sera riche en aventures numériques et en technologies de pointe ! Comme dans la vidéo ci-dessous utilisant les dernières technologies, je souhaite à tous une bonne année 2025, marquée par une certaine responsabilité…

En effet, les technologies de l’information ont leurs revers : une production polluante, du gaspillage et une consommation énergétique parfois disproportionnée. Il est donc de la responsabilité de chacun d’en faire bon usage et de réfléchir avant de lancer des demandes mal formulées ou inutiles…

Bonne année à tous !

Énergie et IA : que dit ChatGPT o1 Pro « Raisonnement optimal » ?

Ci-dessous le résultat d’une requête dans le mode pro de ChatGPT o1 Pro, version « Raisonnement optimal ». Les liens permettant de vérifier les informations ci-contre ont également été demandés depuis la même version de ChatGPT.

La consommation énergétique, un enjeu majeur pour l’IA

La consommation énergétique des systèmes d’intelligence artificielle (IA) est un sujet de plus en plus débattu. Les centres de données qui hébergent et exploitent les modèles fonctionnent 24 heures sur 24, nécessitant d’importantes ressources électriques pour alimenter et refroidir les serveurs. Nous estimons donc que les infrastructures supportant l’IA contribuent de manière significative à l’empreinte carbone numérique. Les estimations varient, mais force est de constater que chaque requête effectuée sur une IA comme ChatGPT, chaque génération d’image via un réseau de neurones, ou encore chaque requête de recherche en ligne a un coût énergétique. Pour donner des ordres de grandeur, on utilise généralement les kilowattheures (kWh) ou les wattheures (Wh), ce qui permet de comparer plus facilement l’impact des différentes technologies.

Comparez une requête ChatGPT à une requête Google

Une recherche Google standard est souvent citée comme consommant environ 0,3 Wh*, soit 0,0003 kWh. Cette valeur comprend le fonctionnement du serveur, la transmission des données et le coût estimé du réseau. En comparaison, une requête vers ChatGPT, qui mobilise un modèle linguistique massif (transformant plusieurs milliards de paramètres), peut nécessiter entre 3 et 15 Wh par requête, soit 0,003 à 0,015 kWh. L’éventail est large car il dépend de la complexité de la question et de la longueur de la réponse. Ainsi, interagir avec un modèle de langage volumineux peut nécessiter jusqu’à plusieurs dizaines de fois plus d’énergie qu’une simple recherche sur le Web, bien que les chiffres exacts varient en fonction de l’optimisation du serveur et de la charge du réseau.

*1 Wh (wattheure) correspond à l’énergie consommée par un appareil d’une puissance de 1 watt pendant 1 heure.

DemandeEn-tête d’image de type DALL-E

Générer des images à partir de modèles d’IA comme DALL-E ou Stable Diffusion est encore plus coûteux, car cela nécessite un traitement graphique intensif : chaque pixel doit être « imaginé » par le réseau de neurones. Pour un rendu d’image de haute qualité, on peut estimer une consommation comprise entre 15 et 50 Wh, soit 0,015 à 0,05 kWh, par image générée. Là encore, la plage dépend du niveau de détail requis, de la taille de l’image, ainsi que de la capacité du matériel utilisé pour l’inférence (cartes graphiques spécialisées, serveurs optimisés, etc.).

Streaming d’une vidéo HD de 10 secondes de Sora

Enfin, en ce qui concerne la diffusion (streaming) d’une vidéo HD de 10 secondes comme celle de « Sora », il faut distinguer la production ou l’encodage initial de la vidéo de sa simple lecture en ligne. Pour la visualisation, les estimations sont d’environ 0,2 à 0,5 Wh (0,0002 à 0,0005 kWh) par utilisateur, en tenant compte de la lecture, de l’infrastructure réseau et des serveurs. En revanche, la génération d’une telle vidéo par un système d’IA « text-to-video » serait nettement plus gourmande, probablement entre 30 et 100 Wh (0,03 à 0,1 kWh), en raison de la complexité du traitement des images en mouvement. Quoi qu’il en soit, ces chiffres sont à prendre comme des ordres de grandeur : ils illustrent à quel point l’IA peut consommer de l’énergie et invitent à réfléchir sur l’optimisation des algorithmes et des infrastructures pour contenir l’empreinte carbone du numérique.

Et voici les sources proposées par le même ChatGPT o1 Pro, « Raisonnement optimal » toujours en italique :

Voici quelques références et sources pour illustrer les ordres de grandeur évoqués dans chacun des paragraphes. Les valeurs numériques citées peuvent varier en fonction des études, hypothèses et évolutions des équipements ou des infrastructures :

Paragraphe 1 : la consommation énergétique, un enjeu majeur pour l’IA

1. Le projet Shift (2019)« Lean ICT – Vers la sobriété numérique » :
   • Rapport détaillant l’impact environnemental des technologies de l’information, y compris l’IA et les centres de données.
   • Disponible en ligne : theshiftproject.org
2. Koomey, JG (2011)« Croissance de la consommation électrique des centres de données 2005 à 2010 » :
   • Étude universitaire analysant la consommation électrique des datacenters sur plusieurs années.
   • Disponible en ligne : Analyticspress.org
3. Agence internationale de l’énergie (AIE)rapports successifs sur consommation numérique:
   • L’AIE propose régulièrement des rapports et des statistiques sur les consommations énergétiques, y compris celles des centres de données.
   • Voir par exemple : iea.org

Paragraphe 2 : Comparer une requête ChatGPT à une requête Google

1. Google — Données sur l’efficacité énergétique du centre de données :
   • Google communique régulièrement sur l’amélioration de ses infrastructures et la réduction de l’empreinte carbone de ses services.
   • Voir : durabilité.google
2. Berners-Lee, M. (2010)« À quel point les bananes sont-elles mauvaises ? : L’empreinte carbone de tout » :
   • Ouvrage qui cite la consommation énergétique moyenne d’une recherche Google et d’autres activités numériques.
3. Références OpenAI ou techniques de blog:
   • Bien qu’il n’existe pas toujours de publication officielle quantifiant précisément la consommation par requête, plusieurs articles de blog et interviews d’experts suggèrent une gamme pour ChatGPT ou des modèles GPT similaires.
   • Exemples :
     • openai.com/blog/
     • « Consommation d’énergie GPT-3.5 et GPT-4 » (articles techniques non officiels, conférences, etc.)

Paragraphe 3 : Requête d’images de type DALL-E

1. OpenAI — Documentation et annonces autour de DALL-E :
   • Certains articles de blog traitent de la complexité de la génération d’images et des ressources nécessaires.
   • Voir: openai.com/dall-e-2
2. Stabilité IA (diffusion stable):
   • Les discussions techniques sur les forums (GitHub, Reddit) évoquent la consommation des GPU (calcul, inférence) pour générer des images.
   • Exemples : github.com/CompVis/stable-diffusion
3. Rapports de l’industrie/références GPU:
   • Certains fabricants (NVIDIA, AMD) publient des données de consommation ou d’efficacité pour différents types de charges de travail d’IA.
   • Exemples : nvidia.com/en-us/data-center/

Paragraphe 4 : Diffusion d’une vidéo HD de 10 secondes de Sora

1. AIE (2020)« Centres de données et réseaux de transmission de données » :
   • Le rapport comprend des estimations de l’énergie consommée lors du streaming vidéo et du transfert de données.
   • Disponible en ligne : iea.org
2. Le projet Shift (2019)« Lean ICT – Vers la sobriété numérique » :
   • Comprend également des estimations de consommation pour les services de streaming vidéo et OTT.
3. Articles ou études spécifiques au streaming:
   • Diverses publications académiques ou livres blancs (par exemple Cisco, Sandvine) proposent des estimations de consommation d’énergie pour la distribution de contenus audiovisuels en fonction de la qualité (SD, HD, 4K, etc.).
   • Exemples :

Remarqué: Les valeurs précises évoluent rapidement en fonction de l’optimisation des infrastructures (réseau, refroidissement du data center, efficacité GPU…). Les chiffres indiqués dans les paragraphes précédents doivent donc être considérés comme des ordres de grandeur provenant de différents rapports et études.