Le coût réel d'un prompt.

À la fin de cette leçon

Vous saurez estimer l'ordre de grandeur Wh d'une requête IA et appliquer cinq réflexes pour réduire votre empreinte.

Un doublement d'ici 2030

Le rapport Energy and AI de l'Agence internationale de l'énergie chiffre la trajectoire : les datacenters consommaient 415 TWh en 2024, soit 1,5 % de l'électricité mondiale, et devraient atteindre 945 TWh en 2030. L'IA est identifiée comme le premier moteur de cette hausse, sans que le rapport isole la part exacte des sites qui lui sont dédiés. À titre de comparaison, la France entière consomme environ 460 TWh par an, tous usages confondus.

C'est désormais un sujet RSE concret pour les entreprises : engagements climat, bilans carbone, politiques d'achat responsable doivent intégrer l'usage IA. Microsoft a signé des PPA nucléaires pour ses sites français, sécurisant 10 à 15 ans d'approvisionnement décarboné. Le sujet est sorti du laboratoire.

Pourquoi un prompt consomme

Un prompt mobilise deux postes énergétiques. D'abord l'inférence sur GPU : votre requête est traitée par un modèle hébergé sur des cartes graphiques de plusieurs centaines de watts, qui calculent token par token. Ensuite le refroidissement du datacenter : ces GPU dégagent une chaleur considérable qu'il faut évacuer en permanence (climatisation, watercooling).

Un facteur multiplicateur s'ajoute selon le modèle. Un modèle léger (Haiku, Mistral Small, Gemini Flash) tourne sur des GPU plus petits ou plus brièvement. Un modèle Thinking ou agentique mobilise plusieurs étapes de calcul successives, donc plus de Wh par requête.

Wh par type de requête

Ces chiffres sont des ordres de grandeur, pas des mesures précises. Ils dépendent du fournisseur, de la longueur du prompt, du modèle exact, du datacenter. Une requête simple et une recherche Google sont du même ordre de grandeur. C'est en montant vers le raisonnement étendu puis les agents multi-étapes que l'écart se creuse.

L'eau que boit un prompt

Refroidir un datacenter consomme de l'eau, et les chiffres publiés varient d'un facteur mille selon ce qu'on accepte de compter. OpenAI avance 0,3 millilitre par requête, Google 0,26 millilitre pour une requête texte. Une étude de l'université de Californie à Riverside aboutit à environ 500 millilitres pour une réponse de cent mots.

L'écart n'est pas une contradiction, c'est une différence de périmètre. Les éditeurs comptent l'eau du refroidissement sur site. Les chercheurs y ajoutent celle consommée par la centrale qui produit l'électricité. Retenez l'ordre de grandeur du second : c'est celui qui correspond à l'empreinte réelle.

L'indicateur à connaître est le WUE, en litres d'eau par kWh de calcul. Il vaut environ 1,8 pour le parc américain moyen, 1,15 pour les datacenters IA de Google, 0,15 pour AWS. Un écart de plus de dix entre opérateurs, sur une ressource qui se raréfie là où les sites s'installent.

Le travail humain derrière le modèle

Un modèle n'apprend pas seul à refuser une demande violente ou à préférer une réponse à une autre. Des personnes annotent, notent et filtrent, en amont de l'entraînement et après lui. Ce travail est massivement sous-traité, souvent en Afrique de l'Est, pour une rémunération de l'ordre d'un dollar de l'heure.

Une partie consiste à visionner ce qui doit être écarté : violence, abus, contenus traumatiques, à raison d'un élément toutes les cinquante-cinq secondes sous surveillance chronométrée. En avril 2026, Sama, prestataire historique de Meta à Nairobi, a licencié plus de mille personnes après la rupture de son contrat. L'autorité britannique de protection des données a par ailleurs ouvert une enquête sur le partage de contenus sensibles avec des annotateurs humains.

Ce coût-là ne se mesure pas en watts-heures et n'apparaît sur aucune facture. Il ne change pas la décision d'utiliser l'IA, mais il change ce qu'on peut honnêtement dire de son prix.

Cinq réflexes pour réduire l'empreinte

Cinq gestes simples, à intégrer dans votre routine. Du moins coûteux (modèle adapté) au plus structurel (déléguer moins).

Tarif et consommation corrèlent

Sur la plupart des plateformes, le coût €/M tokens corrèle avec le coût énergétique : un modèle plus cher est aussi plus consommateur.

Les pièges courants

Une semaine de prompts, recomptée

Un utilisateur intensif a relu ses sept derniers jours d'échanges. Cent quarante-trois messages envoyés. Voici ce que le tri a donné.

Trente et un messages qui n'auraient pas dû exister. « Reformule », « plus court », « en fait non, reprends ». Chacun relance une génération complète. Le premier prompt était mal cadré, et les trente et un suivants ont payé cette économie de trente secondes.

Dix-neuf messages pour des tâches de dix secondes. Corriger une faute d'accord, trouver un synonyme, convertir une date. Écrire la question a pris plus de temps que faire la chose.

Vingt-deux messages qui auraient tenu en cinq. Cinq questions posées séparément sur le même document, alors qu'un seul message les regroupant aurait donné de meilleures réponses, le modèle disposant du contexte complet.

Le reste, soixante et onze messages, était justifié.

La moitié du volume était donc évitable, et le gain n'est pas seulement écologique : les échanges regroupés donnent des réponses plus cohérentes que la même question découpée en cinq.

À retenir

5 à 10 minutes pour arbitrer

Reprenez vos cinq dernières requêtes IA. Pour chacune, estimez si vous avez utilisé le bon modèle (léger, moyen, Thinking) ou si vous avez sur-dimensionné. Identifiez la requête où vous auriez pu basculer sur un modèle léger sans perte de qualité.