Niveau : Intermédiaire · Prérequis : Empreinte environnementale de l’IA · Temps de lecture : ~6 min
Les deux mesures de référence
Depuis 2025, deux acteurs ont publié des mesures détaillées de leur propre empreinte. Ce sont aujourd’hui les données les plus fiables dont nous disposons.- Google : Gemini (août 2025)
- Mistral : Large 2 (juillet 2025)
Google a publié la première mesure détaillée d’un assistant grand public à grande échelle. Pour la requête texte médiane sur Gemini :
Le périmètre complet inclut les puces actives, les puces au repos, le processeur hôte, la mémoire, le refroidissement et les pertes de l’infrastructure. Le périmètre restreint ne compte que la consommation des puces en calcul actif : c’est cette méthode, plus flatteuse, qui est souvent employée par défaut dans le secteur.Google indique par ailleurs une division par 33 de l’énergie et par 44 de l’empreinte carbone par requête sur douze mois, à qualité de réponse supérieure.
Pourquoi un écart de facteur 40 entre les deux ?
0,03 gCO₂e chez Google contre 1,14 gCO₂e chez Mistral : le rapport est de près de 40. Les deux chiffres sont pourtant honnêtes. Comprendre cet écart est le vrai enseignement de cette page.La taille du modèle interrogé
La taille du modèle interrogé
Google mesure une médiane sur tout le trafic de son assistant. Or l’immense majorité des requêtes réelles sont courtes et routées vers des modèles petits et optimisés. Mistral mesure un modèle large spécifique, sollicité intégralement. Comparer les deux revient à comparer la consommation moyenne d’un parc automobile à celle d’un modèle haut de gamme précis.
La longueur de la réponse générée
La longueur de la réponse générée
La génération est séquentielle : chaque token de sortie coûte un passage complet dans le modèle. Une réponse de 400 tokens coûte à peu près quatre fois plus qu’une réponse de 100 tokens. Google mesure une requête médiane, souvent brève ; Mistral fixe volontairement un format long et standardisé.
Le mix électrique du centre de données
Le mix électrique du centre de données
Un kilowattheure n’a pas le même contenu carbone partout. En France, l’électricité tourne autour de 50 à 60 gCO₂e/kWh ; en Allemagne ou aux États-Unis, on dépasse fréquemment 300 à 400 gCO₂e/kWh ; en Pologne ou dans certaines régions asiatiques, on approche 700. À consommation d’énergie identique, l’empreinte carbone peut varier d’un facteur 10 selon le pays d’hébergement.
Le périmètre de l'analyse
Le périmètre de l'analyse
Google mesure l’inférence avec les surcoûts d’infrastructure. Mistral réalise une analyse de cycle de vie qui amortit aussi la fabrication du matériel, la construction du centre de données et l’entraînement du modèle sur chaque requête. Le second périmètre est plus large, donc mécaniquement plus élevé.
Le taux d'utilisation des machines
Le taux d'utilisation des machines
Un GPU réservé mais peu sollicité consomme quand même. Plus le service est fréquenté, plus le coût fixe se dilue sur un grand nombre de requêtes. Un modèle très utilisé est, paradoxalement, plus efficace par requête qu’un modèle confidentiel.
Conclusion pratique : il n’existe pas de « coût d’une requête IA » universel. Tout chiffre unique cité sans son périmètre, son modèle et sa localisation est au mieux une approximation grossière, au pire une manipulation. Utilisez ces valeurs comme des ordres de grandeur, jamais comme des constantes.
Se repérer : quelques comparaisons
Pour situer une réponse d’IA de longueur moyenne dans votre quotidien numérique :Le cas particulier de l’image et de la vidéo
Toutes les modalités ne se valent pas, et l’écart est considérable.Texte
Le moins coûteux. Quelques dixièmes à quelques watt-heures par réponse.
Image
Un à deux ordres de grandeur au-dessus du texte. Une génération d’image implique des dizaines d’étapes de débruitage successives.
Vidéo
De loin le plus lourd. Une vidéo de quelques secondes peut coûter l’équivalent de milliers de requêtes texte.
Mesurer vos propres usages
Deux outils libres, portés par des équipes françaises, permettent d’estimer concrètement vos impacts :EcoLogits
Estime l’empreinte des appels aux API d’IA générative (OpenAI, Anthropic, Mistral, Google…) selon les principes de l’analyse de cycle de vie. Disponible en bibliothèque Python et en calculateur web.
CodeCarbon
Mesure les émissions de vos calculs locaux : entraînements, fine-tuning, traitements de données. S’intègre en quelques lignes dans un script Python.
Ce qu’il faut retenir
- Les seules données solides viennent de Google (0,24 Wh / 0,03 gCO₂e / 0,26 mL par requête médiane) et de Mistral (1,14 gCO₂e / 45 mL pour 400 tokens).
- L’écart entre les deux s’explique par le modèle, la longueur de réponse, le mix électrique, le périmètre et le taux d’utilisation, pas par la malhonnêteté de l’un ou de l’autre.
- Un usage textuel individuel est marginal ; l’image et surtout la vidéo changent complètement l’équation.
- Mesurez plutôt que d’estimer : EcoLogits et CodeCarbon rendent le sujet concret en quelques lignes de code.
Testez vos connaissances
Quiz : Google annonce 0,03 gCO₂e par requête médiane, Mistral 1,14 gCO₂e pour une réponse de 400 tokens, soit un facteur 40. L'un des deux fournisseurs communique-t-il un chiffre trompeur ?
Quiz : Google annonce 0,03 gCO₂e par requête médiane, Mistral 1,14 gCO₂e pour une réponse de 400 tokens, soit un facteur 40. L'un des deux fournisseurs communique-t-il un chiffre trompeur ?
Non, pas nécessairement. Les deux chiffres sont honnêtes mais ne mesurent pas la même chose : Google calcule une médiane sur tout son trafic (majoritairement des requêtes courtes vers des petits modèles), tandis que Mistral mesure un modèle large sollicité sur une réponse longue et standardisée. S’y ajoutent des écarts de mix électrique (jusqu’à un facteur 10 selon le pays), de périmètre (inférence seule contre analyse de cycle de vie complète) et de taux d’utilisation des machines. Sans connaître le modèle, la longueur de réponse, la localisation et le périmètre d’un chiffre, il est impossible de le comparer à un autre.