20 cartes pour aborder l’impact énergétique de l’ia générative

Les questions liées à la consommation des centres de données et à l’empreinte écologique du numérique étaient déjà très présentes avant l’avènement de l’IA générative. Elles le sont encore plus aujourd’hui. 

Pourtant, aussi bien pour des raisons d’accès aux sources que pour des causes structurelles comme l’évolution ultra-rapide des infrastructures et des technologies déployées, il est extrêmement difficile d’y répondre de manière claire et précise.

L’idée de ce jeu d’infographies est donc d’apporter quelques informations simples qui permettent d’aborder les ordres de grandeur à l’œuvre dans cette transformation profonde du paysage numérique mondial.

Les cartes sont consultables directement sur cette page, mais vous pouvez également les télécharger librement au format PDF (lien juste en dessous).

Toutes les sources sur lesquelles s’appuient ces infographies sont publiées dans les cartes elles-mêmes (carte n°20 sur le PDF) ainsi que directement sur cette page dans la section « Sources » ci-après. La grande majorité des données et informations publiées ici sont très récentes (recueillies entre février et mai 2025)..

À noter : Les liens ne sont pas cliquables sur le carrousel, ils le sont en revanche sur la version PDF.

N’hésitez pas à approfondir, manipuler les outils et refaire les calculs. 

Si vous avez des questions ou remarques, n’hésitez pas à nous écrire par email à l’adresse bonjour@cafeia.org

Sources :

CARTES 1, 2 : Le comptage des tokens présentés dans les cartes 1 et 2 est réalisé avec le simulateur « Tokenizer » d’Open Al.

CARTES 5, 6, 7 : Ces moyennes sont établies à partir des données d’Electricity Maps qui mesure l’intensité carbone en équivalent CO, (CO2e). Elles couvrent la période [mai 2024 – avril 2025].

CARTES 9, 10, 11 : Les données chiffrées s’appuient sur ce dossier de la MIT Technology Review publié en mai 2025. La MIT Tech. Rev. a collaboré avec une équipe de l’Université du Michigan pour réaliser leurs mesures en testant plusieurs modèles sur 2 types de GPU. Les résultats sont accessibles ici.

Par ailleurs, la MIT Tech. Rev. s’appuie également sur ces travaux d’une équipe de recherche de Microsoft pour appliquer un facteur multiplicateur (x2) aux résultats de leurs mesures (sans entrer dans les détails, il s’agit de prendre en compte la chaîne des autres équipements qui tournent dans le processus complet).

Sur la carte 10, le score énergétique attribué à Open Al est une estimation sur l’hypothèse que GPT 4 compte 1 000 milliards de paramètres (Open Al ne publie pas les informations). Cependant c’est un chiffre qui semble faire consensus parmi les experts. C’est l’ordre de grandeur que donne la MIT Tech. Rev. dans son dossier.

CARTES 13, 14, 15 et 16 : Les données concernant les utilisateurs sont extraites des Keynote Meta 2025 et Google 1/0 ’25 Keynote ainsi que de données communiquées directement par Open Al.

Les données de consommation d’énergie de la carte 15 proviennent d’un tableau réalisé par la Conseil national du numérique, (disponible en libre téléchargement ici) basé sur les travaux de la MIT Tech. Rev. précités et proposant différentes hypothèses d’usages. C’est le scénario moyen qui est utilisé.

CARTE 17 : Les données Google sont extraites de la « Google 1/0 ’25 Keynote » de mai 2025. Ce sont les chiffres présentés et commentés directement par Sundar Pichai (CEO Google).

CARTE 18 : Les données proviennent d’ici pour la France (2022) et du Figaro pour le Portugal (chiffres 2024)