Recherche web ou IA : le duel de l'efficacité énergétique

« Papa, arrête d'utiliser ChatGPT, ça pollue ! »

Visiblement animée par une conscience écologique, ce qui n'est pas pour me déplaire, ma fille aînée m'a souvent fait cette remarque depuis 1 an. Et il est vrai que l'explosion des matériels nécessaires à l'intelligence artificielle - serveurs, processeurs, cartes graphiques... - et la lourde consommation d'électricité et d'eau qui en découle doivent nous interroger.

J'ai voulu creuser le sujet en comparant l'impact environnemental de quelques requêtes sur ChatGPT avec celui d'une recherche habituelle sur un moteur comme Google ou Bing. Mon intuition était qu'en envoyant quelques lignes de texte, au poids numérique quasi nul, pour recevoir quelques paragraphes, au poids tout aussi faible, le bilan énergétique de la recherche d'information restait limité. Pour se faire une idée assez complète d'un sujet sur un moteur de recherche, il faut souvent visiter 3 ou 4 sites, et 4 ou 5 pages sur chacun, chacune chargeant beaucoup de médias (images, vidéos, publicités...) dont la majorité est ignorée ; beaucoup de requêtes et de fichiers volumineux, donc, pour aboutir à une information fragmentée qu'une IA restitue en quelques lignes structurées et contextualisées, sans pollution visuelle.

L'été dernier, pour organiser quelques jours dans le nord de l'Italie (Cinque Terre, grands lacs...), le temps d'un échange m'a suffi pour définir un trajet et réserver directement nos chambres sur Airbnb, sans consulter des sites lourds, souvent lents et chargés de publicités intrusives, en particulier sur mobile. Aurait-il été réellement plus vertueux de faire « à l'ancienne » ? Le plus écologique reste certes de pousser la porte d'une agence de voyage, mais ce n'est pas toujours le plus pratique quand on habite en pleine campagne et qu'on est peu disponible pendant ses heures d'ouverture.

Ce que coûte une requête

La puissance de calcul nécessaire à l'inférence rend aujourd'hui l'IA environ 10 fois plus énergivore par requête. Une recherche classique de type Google consomme environ 0,3 Wh. Même pour ne générer que du texte, un grand modèle doit activer des milliards de paramètres sur des processeurs graphiques très gourmands, et le coût estimé d'une interaction avec un modèle comme GPT-4 ou Gemini Ultra est d'environ 3 Wh, soit 2,5 g de CO2. Une conversation de 20 à 50 questions peut en outre entraîner l'évaporation d'environ 500 ml d'eau : le poids du texte final est anodin, l'électricité et la chaleur nécessaires pour le produire ne le sont pas.

Le parcours complet

L'analyse doit pourtant considérer le parcours de l'utilisateur dans son ensemble. Si l'IA donne une réponse immédiate et lui évite de charger plusieurs sites lourds, d'ouvrir de multiples onglets et de faire tourner son propre ordinateur plus longtemps, le bilan global peut-il s'équilibrer ?

Le poids moyen d'une page web est difficile à fixer, tant les écarts sont grands entre un site marchand, un site de contenu, un réseau social ou une encyclopédie essentiellement textuelle comme Wikipédia ; on peut l'estimer entre 2 et 3 Mo. Le nombre de ressources compte aussi : une page chargeant 10 éléments de 200 Ko consomme moins qu'une page qui en charge 100 de 20 Ko. Leur nature enfin, puisque des vidéos lumineuses et animées sollicitent davantage l'écran et la carte graphique que des éléments statiques et sombres. En face, les quelques paragraphes affichés par une IA pèsent quelques dizaines ou centaines d'octets, 1 caractère valant à peu près 1 octet.

Un article de Techniques de l'ingénieur donne des ordres de grandeur utiles. En retenant qu'une page web consomme en moyenne 60 mWh côté utilisateur et 2,7 mWh côté serveur, et qu'un parcours de recherche charge environ 25 pages, même sans les lire en entier, la consommation totale s'établit autour de 1 500 mWh, soit 1,5 Wh. Les écarts peuvent être considérables entre 25 pages YouTube et 25 pages Wikipédia, et cette variance est bien moindre pour un échange avec une IA, mais je dois donner raison à ma fille : une conversation avec ChatGPT consomme aujourd'hui potentiellement 2 fois plus que la navigation sur de multiples pages pour trouver la même information. L'écart est bien sûr plus grand encore quand l'IA génère des images ou des vidéos, ce dont personne ne doutait et qui n'était pas le point de départ de ma réflexion.

Les petits modèles changent le calcul

Après la course au gigantisme des grands modèles de langage, se développe heureusement la tendance des petits modèles de langage, les SLM, comme Gemini Flash ou GPT-4o mini. Mistral a aussi annoncé en décembre 2025 ses modèles Ministral, plus légers, capables de tourner sur une seule carte graphique, et naturellement plus spécialisés que généralistes.

Ces modèles demandent moins de puissance de calcul et ramènent la consommation entre 0,5 et 0,8 Wh par requête, ce qui, cette fois, la fait passer sous celle d'une recherche traditionnelle. Leur moindre complexité réduit la quantité de données à traiter et allège d'autant le travail imposé aux processeurs graphiques : la consommation électrique est alors divisée par 4 à 6 par rapport aux grands modèles. Espérons que cette tendance s'intensifie, comme les initiatives en faveur de la sobriété numérique au-delà de l'IA, qui profiteraient autant aux utilisateurs, en temps gagné, qu'aux entreprises, en coûts, et à l'environnement.