Comprendre la consommation énergétique et comment l'optimiser
Introduction à l'impact énergétique de l'IA : entraînement vs utilisation.
Coût énergétique : TRÈS ÉLEVÉ
Coût énergétique : FAIBLE
2024 : ~415 TWh/an → 2030 : ~945 TWh/an (doublement)
Part mondiale : <3% de l'électricité mondiale
Différencier entraînement (très énergivore, fait une fois) et utilisation (faible, par requête). Donner les ordres de grandeur.
~0,24 Wh
= 1 prompt
~10 Wh
= 40 prompts
~93 Wh
= 388 prompts
Monde (2023)
~26 000 TWh/an
France (2023)
~460 TWh/an
Datacenters projetés (2030)
~945 TWh/an (<3% mondial)
≈ 2× la consommation de la France
Training : Coût fixe espacé (ponctuel, très énergivore)
Inférence : Coût variable structurel (continu, faible par requête)
→ L'enjeu : espacer les entraînements ET optimiser l'inférence
Comparaisons concrètes : 1 prompt = 0,24 Wh, une recharge smartphone = 40 prompts, 1L d'eau bouillante = 388 prompts.
🎯 4 actions concrètes à votre niveau
"L'essentiel à retenir : Oui, l'IA consomme de l'énergie. Mais cette consommation diminue avec les progrès technologiques. Et vous pouvez utiliser l'IA de manière intelligente et optimisée."
4 actions : choisir le bon modèle, optimiser les prompts, réutiliser/partager, utiliser des outils optimisés.