Toutes les intelligences artificielles ne se valent pas côté impact écologique. Une étude révèle d’importantes différences entre les modèles. Et plus ils sont intelligents, plus ils émettent de CO2.

Les intelligences artificielles comme ChatGPT, Gemini ou Claude, font désormais partie du quotidien. Mais derrière leur facilité d’usage se cache une consommation énergétique bien réelle. Alimenter ces modèles demande de puissants serveurs et des centres de données massifs, souvent situés aux États-Unis ou en Europe. Entre refroidissement, calculs et stockage, leur fonctionnement n’est pas sans conséquence sur l’environnement.

Une étude menée par l’université Hochschule München, en Allemagne, montre que certains modèles émettent jusqu’à 50 fois plus de CO2 que d’autres pour répondre à une même question. Les chercheurs ont comparé 14 intelligences artificielles de différentes tailles, entre 7 et 72 milliards de paramètres. Résultat : les modèles les plus “intelligents”, qui fournissent des réponses complexes et détaillées, sont aussi les plus polluants.

Les modèles d’IA qui raisonnent plus polluent jusqu'à 50 fois de plus que ceux qui vont droit au but

Pour générer une réponse, une IA transforme chaque mot en une série de données appelées “tokens”. Les modèles avancés insèrent des milliers de “tokens de raisonnement” pour affiner leur réponse. Cela concerne notamment des modèles comme GPT-o1 et o1 mini, Claude 4.0 Opus ou Gemini 2.5 Pro, présent dans les fonctions avancées comme Gemini Live ou Deep Search.

À l’inverse, des IA comme GPT-3.5 ou Gemini Nano génèrent des réponses plus simples, avec bien moins de calculs. Résultat : les premiers consomment bien plus d’énergie. L’IA Cogito, par exemple, a obtenu un bon taux de précision (près de 85 %), mais a généré trois fois plus de CO2 que d’autres modèles de même taille.

Plus une IA est précise, plus elle consomme de ressources. L’étude montre qu’aucun modèle ayant généré moins de 500 g de CO2 n’a dépassé 80 % de bonnes réponses. Le sujet traité joue aussi un rôle : répondre à une question de philosophie ou d’algèbre demande jusqu’à six fois plus d’énergie que pour une question simple. Les chercheurs encouragent à privilégier les réponses concises, et à éviter les modèles les plus puissants pour les tâches basiques. Une utilisation plus “sobre” de l’IA reste possible, à condition de bien choisir l’outil selon le besoin.