Ressentir ce qu’il faut pour alimenter l’IA

« Rédige-moi une lettre de résiliation pour mon assurance maladie » (1,7 kcal) ; « Que puis-je cuisiner avec deux tomates, un oignon et un bloc de feta ? » (3,8 kcal) ; ou encore « Qu’est-ce que le paradoxe du grand-père ? » (3,8 kcal). De plus en plus souvent, on cherche aujourd’hui la réponse à ce type de questions auprès d’un chatbot d’intelligence artificielle. Mais quelle est réellement la consommation énergétique de ces systèmes ? Le projet « enerKI » rend précisément cet aspect perceptible, au sens littéral du terme.

Quel lien entre un vélo d’appartement et l’IA ?

On a peut-être déjà entendu dire que les modèles de langage génératifs, tels qu’ils sont utilisés dans les chatbots d’IA, ne sont pas particulièrement économes en ressources. Certains chatbots (comme le prototype BeeChat de la Haute école spécialisée bernoise[1]) indiquent même le « coût » du traitement d’un prompt. Toutefois, même lorsqu’une réponse est accompagnée d’une étiquette affichant une valeur en wattheures, celle-ci reste abstraite et difficile à se représenter.

C’est lors d’une discussion sur la consommation de ressources de l’IA, dans la cuisine à café de Mme Brönnimann, qu’est née l’idée du projet « enerKI »[2]. Daniel Reichenpfader et Gabriel Hess, de l’Institute for Patient-Centered Digital Health, ont transformé ces valeurs abstraites en une expérience concrète, en collaboration avec l’Institut de physiothérapie du département Santé de la BFH.

À première vue, « enerKI » ressemble à un chatbot ordinaire. Ce n’est qu’après avoir saisi et envoyé une question que la différence apparaît : rien ne se passe dans un premier temps. À la place, une invitation s’affiche, demandant à l’utilisateur de produire lui-même l’énergie nécessaire avant que la réponse ne soit révélée.

Pour cela, un vélo d’appartement équipé d’un capteur de puissance est connecté à « enerKI ». Il s’agit alors de pédaler pendant que la réponse s’affiche progressivement à l’écran. Selon l’effort fourni et la complexité de la question, quelques secondes à environ une minute sont nécessaires pour obtenir la réponse complète. (Note : Le nom « enerKI » est un jeu de mots combinant « Energie » (énergie) et « KI » (Künstliche Intelligenz), l’abréviation allemande pour intelligence artificielle.)

Le projet « enerKI » en tournée

Le vélo « enerKI » a été présenté au public lors de deux événements à Berne et à Bienne. Une évaluation menée auprès des utilisateurs a attribué la note maximale à l’expérience globale. Par ailleurs, 71 % des personnes interrogées ont déclaré vouloir adopter à l’avenir un comportement de formulation de prompts plus économe en ressources.

Un site web spécialement conçu pour « enerKI » propose des conseils pour appliquer ces principes au quotidien [3]. Il met également à disposition le logiciel « enerKI », publié sous licence open source MIT, accessible à toute personne intéressée. Le matériel nécessaire et son montage y sont aussi documentés, afin de faciliter de futures utilisations du dispositif.

Des prompts aux wattheures… et aux calories

À propos : afin d’illustrer l’énergie dépensée lors du pédalage dans une autre unité, « enerKI » indique également combien de calories peuvent être consommées pour compenser l’effort fourni. La génération de la recette de l’« omelette méditerranéenne tomate-feta » mentionnée en introduction correspond à une dépense d’un peu moins de quatre kilocalories.

Ce changement de perspective rend la consommation d’électricité tangible : ce qui se produit en une fraction de seconde dans le monde numérique requiert, dans le monde physique, un effort réel. L’omelette dans l’assiette ne procure donc pas seulement du plaisir, mais, du moins en théorie, aussi l’énergie nécessaire pour les prochains prompts.

Bon appétit !

Quelle est la consommation réelle d’électricité de l’IA ?

Des études récentes montrent que la consommation énergétique de l’IA dépend fortement de l’échelle considérée : requêtes individuelles ou système global. Une requête textuelle unique adressée à un chatbot d’IA nécessite typiquement environ 0,3 wattheure d’électricité, soit l’équivalent de quelques secondes de télévision ou de fonctionnement d’un four [4]. Toutefois, cette valeur varie sensiblement selon la taille du modèle, la longueur de la réponse et l’infrastructure utilisée (jusqu’à plusieurs wattheures par requête).

L’entraînement des modèles est nettement plus énergivore : celui de GPT-3, par exemple, a nécessité environ 1 287 mégawattheures d’électricité, soit la consommation annuelle de plus de 100 foyers [5]. Parallèlement, la consommation globale connaît une croissance rapide : les centres de données exploitant l’IA consomment actuellement environ 415 térawattheures par an et pourraient voir leurs besoins plus que doubler d’ici 2030 pour atteindre environ 945 térawattheures. Cela correspond à la consommation électrique actuelle d’un pays entier comme le Japon [6].

Point essentiel : même si chaque prompt individuel consomme peu d’énergie, l’addition de milliards de requêtes à l’échelle mondiale engendre une empreinte écologique significative.

Références

[1] https://www.societybyte.swiss/2025/07/24/beechat-die-alternative-zu-chatgpt-claude-und-co-aus-dem-herzen-der-schweiz/

[2] https://www.societybyte.swiss/2017/05/01/active-and-assisted-living-nutzen-auswirkungen-und-akzeptanz/

[3] https://enerki.ti.bfh.ch

[4] https://www.srf.ch/news/wirtschaft/strom-fuer-rechenzentren-wie-viel-strom-braucht-kuenstliche-intelligenz

[5] Zhenya Ji, Ming Jiang, A systematic review of electricity demand for large language models: evaluations, challenges, and solutions, Renewable and Sustainable Energy Reviews, Volume 225, 2026, 116159, ISSN 1364-0321, https://doi.org/10.1016/j.rser.2025.116159.

(https://www.sciencedirect.com/science/article/pii/S1364032125008329)

[6] International Energy Agency IEA, Report “Energy and AI”, 2025, Available at: https://iea.blob.core.windows.net/assets/dd7c2387-2f60-4b60-8c5f-6563b6aa1e4c/EnergyandAI.pdf