Quelle quantité d’électricité l’IA consomme-t-elle ?

Il n’existe pas de total mondial fiable pour l’électricité utilisée par l’IA seule. L’IA fonctionne dans les centres de données aux côtés du stockage cloud, de la vidéo, des logiciels conventionnels et d’autres charges de travail, et les opérateurs publient rarement suffisamment de détails pour les séparer. La meilleure réponse honnête commence donc par un niveau supérieur.

L'Agence internationale de l'énergie estime que tous les centres de données utilisés environ 415 térawattheures d’électricité en 2024, environ 1.5% de la consommation mondiale d’électricité. Son scénario de base prévoit environ 945 TWh en 2030 et identifie l’IA comme le principal moteur de cette augmentation, aux côtés de la croissance d’autres services numériques. Il s’agit de chiffres modélisés de centres de données, et non d’une lecture de « l’électricité de l’IA ».

Pour un message texte ordinaire, les estimations publiques récentes sont bien inférieures – généralement une fraction de wattheure – mais le choix du modèle, le contexte et la durée de sortie peuvent modifier considérablement le résultat.

Pourquoi le numéro mondial de l'IA est manquant

Un compteur électrique pour centre de données couvre les serveurs, la mise en réseau, le stockage, le refroidissement et la conversion d'énergie. Il n’étiquete pas chaque électron « inférence IA », « formation sur modèle » ou « e-mail ». Un fournisseur peut allouer de l'énergie en interne, mais les rapports publics combinent généralement les services ou rapportent les totaux à l'échelle de l'entreprise.

Même la catégorie de l’IA est glissante. Un modèle de recommandation, un modèle météo, un générateur d'images et un chatbot à long raisonnement sont des charges de travail différentes. Certains partagent des accélérateurs avec d’autres clients. D'autres utilisent des clusters dédiés. Un serveur peut également consommer de l'énergie en attendant du travail, qui doit être allouée d'une manière ou d'une autre si l'objectif est un chiffre par tâche.

C’est pourquoi un total global précis de l’IA devrait susciter des questions sur les limites et la méthode. Il peut s'agir d'un scénario, d'une estimation de capacité ou d'un sous-ensemble de matériel plutôt que d'une consommation directement mesurée.

L’estimation de 415 TWh de l’AIE donne une idée de l’ampleur sans prétendre que chaque tâche du centre de données relève de l’IA. Cela montre également pourquoi un petit pourcentage mondial peut coexister avec de fortes pressions locales. Les grandes installations se regroupent dans des régions particulières et se connectent à des réseaux spécifiques, de sorte que leur effet n’est pas réparti uniformément à travers le monde.

Pour les États-Unis, le Lawrence Berkeley National Laboratory Rapport énergétique des centres de données 2024 modélise l'utilisation historique et une série de scénarios jusqu'en 2028. L'utilisation d'une gamme est importante : la demande future dépend des livraisons d'accélérateurs, de l'utilisation, des améliorations de l'efficacité et de la rapidité avec laquelle les nouveaux sites sont achevés.

L'EPRI publie également des scénarios plutôt qu'un avenir certain. C'est Alimenter l’analyse de l’intelligence prévoit une large diffusion de la consommation électrique des centres de données américains d’ici 2030. Les prévisions diffèrent parce que leurs entrées et leurs dates limites diffèrent, pas nécessairement parce qu’une partie a trouvé un compteur caché.

Un message n'est pas une unité fixe

Au niveau individuel, la question devient plus concrète mais nécessite encore un contexte. Un message d’IA peut être une réécriture de dix mots ou une requête qui traite un document volumineux, effectue une recherche sur le Web et produit plusieurs milliers de mots. Chacun implique une quantité de calcul différente.

Les estimations récentes discutées dans combien d'énergie un ChatGPT utilisations des requêtes placez un échange de texte typique autour d’une fraction de wattheure. Les entrées longues, le raisonnement étendu, les appels d'outils multiples et la génération d'images ou de vidéos peuvent être beaucoup plus exigeants. Le coût énergétique change également en fonction du modèle, du matériel, du traitement par lots et des frais généraux du centre de données.

Cette variation explique pourquoi la multiplication d’un chiffre populaire « par requête » par l’ensemble des utilisations de l’IA produit un total fragile. La combinaison de messages supposée peut dominer la réponse.

La formation et l’inférence comptent toutes deux

La formation est le travail concentré qui crée ou met à jour considérablement un modèle. L'inférence est le travail répété effectué lorsque les gens l'utilisent. La formation peut consommer beaucoup d’argent sur une période limitée ; l'inférence commence ensuite et grandit à chaque demande.

On ne peut pas savoir lequel est le plus grand sur la vie d’un modèle sans savoir à quelle fréquence le modèle est utilisé. Un service largement déployé peut accumuler une énorme demande d’inférence. Un modèle formé puis rarement utilisé peut rester lourd en formation. L'allocation de l'énergie de formation par message nécessite également de deviner l'utilisation du modèle sur sa durée de vie.

La distinction est explorée plus en détail dans Formation à l'IA versus émissions d'inférence. Pour la planification électrique, les deux charges de travail contribuent à la demande des installations. Pour une réception par message, l'inférence opérationnelle est généralement la limite la plus défendable car elle concerne le travail qui vient d'être demandé.

L’efficacité ne garantit pas des totaux inférieurs

Le matériel et les logiciels peuvent fournir davantage de travail d’IA par watt. Des modèles plus petits peuvent réduire les calculs, la quantification peut réduire les besoins en mémoire et en arithmétique, et une utilisation plus élevée peut répartir la surcharge d'un serveur sur un plus grand nombre de requêtes. L’AIE inclut un scénario à haute efficacité précisément parce que ces changements pourraient réduire considérablement la demande future par rapport à son scénario de base.

Mais l’efficacité par tâche et la consommation totale d’électricité sont des questions distinctes. Si l’IA devient moins chère et est intégrée à davantage de produits, le nombre et la complexité des tâches peuvent augmenter plus rapidement que l’énergie par tâche ne diminue. Les nouvelles fonctionnalités peuvent également créer des charges de travail, telles que des agents persistants ou des vidéos générées, qui n'étaient pas courantes auparavant.

C'est la réponse centrale à pourquoi l'IA consomme autant d'énergie: les calculs exigeants deviennent à la fois plus efficaces et plus largement utilisés.

Comment lire une réclamation d'électricité IA

Demandez d’abord si la réclamation couvre l’IA, les serveurs accélérés ou tous les centres de données. Vérifiez ensuite s’il s’agit d’une consommation mesurée, d’une énergie estimée ou d’une capacité projetée. Recherchez l'année, la zone géographique, l'hypothèse d'utilisation et si le refroidissement et la conversion d'énergie sont inclus. Enfin, séparez l’électricité du carbone : le même wattheure peut avoir des émissions différentes selon l’endroit et le moment où il est produit.

Treechat La réception du message est volontairement plus étroite qu’une prévision globale. Il estime l'énergie opérationnelle à partir du modèle et de l'utilisation des jetons, ajoute les frais généraux déclarés du centre de données et la convertit en utilisant une hypothèse de réseau divulguée. Il ne s’agit pas d’une lecture de wattmètre ou d’une affirmation sur l’ensemble du cycle de vie. Les entrées et limites actuelles sont sur notre page méthodologie.

Alors, combien d’électricité l’IA consomme-t-elle ? Assez pour être un moteur important de la croissance des centres de données, mais pas assez pour que les preuves publiques soutiennent un total exact uniquement consacré à l’IA. Utilisez des plages au niveau du système pour les questions de la grille et des estimations au niveau des tâches pour les choix individuels, et ne confondez pas les deux.