ÉNERGIE

L'impact environnemental des intelligences artificielles

0
MWh pour GPT-4
0
Tonnes CO2
0
ml eau/requête





Entraînement Inférence Comparaisons Solutions

Comprendre l'impact environnemental

+

Entraînement

Formation initiale du modèle sur des mois

1,750 MWh pour GPT-4
→

Déploiement

Hébergement sur les data centers

24/7 refroidissement
→

Utilisation

Chaque requête consomme de l'énergie

0,3-0,5 Wh/requête

Phase d'entraînement

-

GPT-4

0
MWh
Équivalent à 160 foyers américains/an

GPT-3

0
MWh
502 tonnes CO2 émises

Claude 3

0
MWh*
Estimation basée sur la taille

Évolution de la consommation d'entraînement

Consommation par requête

-

GPT-4o

Optimisé 2024
0,3 Wh
10x plus efficace qu'en 2023

GPT-4

Standard
0,5 Wh
3 minutes d'éclairage LED

Recherche Google

Référence
0,3 Wh
Pour comparaison

Simulateur de consommation

10
Consommation journalière 5 Wh
Équivalent CO2 0,002 kg
Coût énergétique annuel 0,30 €

Impact hydrique des data centers

+
519 ml
Par email de 100 mots (GPT-4)

Data center moyen

300k gallons/jour
= 100k foyers

Hyperscale (Google)

550k gallons/jour
= ville 10-50k hab.

Mise en perspective

+

Production de bœuf

1 440 TWh/an
5% électricité mondiale

Aviation

2,5% émissions
mondiales

Data centers

3,7% émissions
mondiales

IA générative

228 GWh/an
0,0008% mondial

Classement détaillé des modèles

Modèle Entraînement Usage annuel Eau/requête CO2
1
GPT-4 OpenAI
1,750 MWh 391-463 GWh 0,5 ml 550 t
2
GPT-3 OpenAI
1,287 MWh 227 GWh 0,05 ml 502 t
3
Claude 3 Anthropic
~640 MWh* Non communiqué N/C ~200 t*
4
Gemini Google
~750 MWh Non communiqué N/C ~250 t
5
LLaMA 2 Meta
449 MWh Limité Variable 180 t

* Estimations basées sur des données comparatives

Solutions et innovations

+

Modèles spécialisés

IA ciblées 10x plus efficaces que les modèles généralistes

+90% efficacité

Distillation

Réduction de taille avec conservation des performances

-90% taille

Architecture éparse

Modèles MoE activant partiellement leurs paramètres

-1000% énergie

Refroidissement zéro-évaporation

Microsoft : data centers sans évaporation d'eau depuis août 2024

125M litres économisés/an

Énergie renouvelable

Google et Microsoft visent 100% renouvelable d'ici 2030

-80% CO2

Localisation optimale

Data centers dans les régions froides

-40% refroidissement

Usage intelligent

  • Formulation de prompts précis
  • Réutilisation des réponses
  • Choix du modèle adapté
-60% requêtes

Timing optimal

  • Utilisation en heures creuses
  • Planification des entraînements
  • Localisation géographique
-30% émissions

Mutualisation

  • Partage de modèles pré-entraînés
  • Réutilisation des données
  • Collaboration recherche
-70% redondance

Horizon 2030

2024

État actuel

228 GWh/an pour l'IA générative

2027

Expansion IA

85-134 TWh/an prévus (3-5x l'Irlande)

2030

Objectifs durabilité

100% énergies renouvelables (Microsoft/Google)

Outils et ressources

AI Index Report

Rapport Stanford avec données environnementales actualisées

Consulter

Green Algorithms

Calculateur d'empreinte carbone pour vos entraînements

Calculer

Code Carbon

Package Python pour tracker automatiquement vos émissions

Installer

ML CO2 Impact

Mesure en temps réel de l'impact de vos modèles

Mesurer

Agissons ensemble pour une IA responsable

Chaque requête compte. Adoptons des pratiques durables dès aujourd'hui.

Découvrir les solutions Calculer mon impact
🌍