Google et OpenAI ont passé l'année dernière à rassurer le public sur le fait qu'une requête d'IA consomme à peine plus d'électricité qu'un court clip télévisé. Un nouvel audit réel du climatologue Zeke Hausfather suggère que la vérité sur les agents d'IA autonomes est bien plus inquiétante : ils peuvent consommer environ 600 fois plus d'énergie par invite qu'un échange de chat standard. Les résultats, publiés le 8 août 2026 dans une analyse sur The Climate Brink, ajoutent une nouvelle urgence aux questions sur l'empreinte environnementale de l'IA alors que l'industrie s'oriente vers des agents autonomes toujours actifs. Pour des reportages continus sur le débat sur le développement durable qui façonne l'industrie, suivez notre Couverture de l'industrie de l'IA.

Un test de réalité sur les revendications énergétiques des grandes technologies

L'année dernière, Google a signalé qu'une invite de texte Gemini médiane n'utilisait que 0,24 wattheures (Wh) d'électricité, soit moins de neuf secondes de télévision. Le PDG d'OpenAI, Sam Altman, a proposé un chiffre similaire, estimant la requête ChatGPT moyenne à environ 0,34 Wh, à égalité avec une recherche Google de 2009.

Les deux chiffres décrivent un scénario étroit, le meilleur des cas : un échange de texte unique sans raisonnement étendu, sans recherche sur le Web, sans traitement multimodal et sans comportement d'agent en boucle. Comme le souligne Hausfather, ils ne tiennent pas compte des modèles de raisonnement qui génèrent beaucoup plus de jetons par requête, des systèmes multi-agents fonctionnant de manière autonome ou du contexte en cascade que les agents relisent à chaque étape.

Huit semaines, 3,2 milliards de jetons

Hausfather, un climatologue, a suivi méticuleusement sa propre utilisation de l'agent de codage Claude Code d'Anthropic pendant huit semaines. Étant donné que Claude Code stocke des journaux locaux complets de chaque session, y compris le nombre exact de jetons signalés par l'API pour chaque appel de modèle, il a pu reconstruire une image précise de ce qu'un agent demande réellement.

Les chiffres sont frappants. Ses 1 138 invites saisies ont déclenché plus de 14 000 appels modèles, soit une moyenne d'environ douze par invite. Chaque invite a traité en moyenne 2,9 millions de jetons, contre environ un millier de jetons pour un échange de chat classique. Au total, son agent a traité 3,2 milliards de jetons sur la période.

Un détail frappant : environ 96 % de ces jetons étaient des lectures de cache. À chacune des 14 000 étapes, l’agent relit l’intégralité de son contexte accumulé avant de décider quoi faire ensuite. Le texte que Hausfather voit réellement à l'écran (le résultat du modèle) ne représente que 0,4 % de tous les jetons traités. Le coût de calcul caché se produit presque entièrement en coulisses.

Traduire les jetons en électricité

Étant donné qu'aucune partie extérieure ne connaît le coût énergétique exact par jeton pour un modèle frontière, Hausfather a converti son nombre de jetons en valeurs d'électricité en utilisant trois méthodes d'estimation indépendantes avec des hypothèses différentes. Sa meilleure estimation estime la consommation totale à environ 170 kilowattheures (kWh) d'électricité du centre de données sur huit semaines, avec une plage d'incertitude de 70 à 330 kWh.

Par invite, cela équivaut à environ 150 Wh, soit environ 600 fois l'énergie d'une invite de discussion médiane. Sa session médiane de Claude Code a consommé environ 0,6 kWh, soit environ cinquante fois l'électricité nécessaire pour recharger un smartphone. Au cours d'une journée moyenne, la consommation de son agent atteignait 3,0 kWh (allant de 1,2 à 5,9 kWh), soit plus que la consommation quotidienne de deux réfrigérateurs domestiques.

Sa journée la plus intensive – au cours de laquelle plusieurs agents parallèles ont effectué une analyse approfondie des géodonnées – a consommé environ 11 kWh, soit plus d'un tiers de la consommation électrique quotidienne d'un foyer américain moyen.

Ce que cela signifie pour un an d'utilisation d'un agent

À l'échelle d'une année complète, le flux de travail basé sur des agents de Hausfather consommerait environ 1,1 mégawattheures (MWh) d'électricité du centre de données, avec une plage de 0,4 à 2,2 MWh, soit environ un dixième de ce qu'un ménage américain moyen consomme annuellement. Sur la base du mix électrique moyen des États-Unis, cela se traduit par environ 370 kilogrammes d'émissions d'équivalent CO2 par an.

Pour le contexte, cela représente plus que le fonctionnement d’un sèche-linge électrique pendant un an (environ 262 kg) et environ la moitié des émissions directes d’un vol économique aller-retour de San Francisco à New York (environ 700 kg). Hausfather note que cela représente environ huit pour cent des émissions annuelles d’une voiture américaine typique à essence, et environ deux pour cent de l’empreinte carbone annuelle d’un Américain moyen.

"C'est à la fois une source importante d'émissions et une part relativement modeste de mon empreinte carbone totale", écrit-il.

Les vrais leviers : une énergie propre et un routage plus intelligent

Hausfather veille à ne pas formuler le problème autour de la culpabilité personnelle. La retenue imposée par un petit groupe de gros utilisateurs "ne va pas changer les courbes", affirme-t-il. Il met plutôt en avant deux leviers structurels.

Premièrement, le routage des tâches plus simples vers des modèles plus petits fait une différence significative. Les modèles plus petits consomment environ cinq à sept fois moins d'énergie par jeton que les modèles frontières. Deuxièmement – ​​et surtout – l’intensité carbone de l’électricité elle-même est le facteur dominant. Si la même charge de travail fonctionnait en grande partie avec de l'énergie propre, l'empreinte carbone diminuerait d'environ 90 %.

Le problème est le carburant derrière le boom. Selon Hausfather, près des trois quarts de la production d'électricité sur site prévue pour les centres de données américains fonctionnent au gaz naturel, ce qui signifie que l'expansion rapide de l'informatique IA est en grande partie assurée par les combustibles fossiles.

Un avertissement à mesure que les agents évoluent

Les estimations de Hausfather, bien que raisonnables, restent des estimations – et reflètent les modèles d'utilisation actuels. Les laboratoires d'IA s'empressent déjà de déployer des systèmes basés sur des agents qui fonctionnent de manière autonome pendant des jours, des semaines, voire des mois. Si cette vision se concrétise, la consommation d’énergie par « utilisateur » pourrait encore augmenter.

Son message central est que les chiffres par requête publiés par Google et OpenAI déforment la réalité de l’évolution de la technologie. "Une "invite" n'est en fin de compte pas une unité d'utilisation de l'IA, pas plus que les "voyages" ne sont une mesure de la conduite ; c'est la distance que vous parcourez qui compte", a écrit Hausfather.

Gardez une longueur d'avance sur l'IA

À mesure que les agents autonomes passent d’une infrastructure nouvelle à une infrastructure par défaut, leur facture énergétique cachée deviendra plus difficile à ignorer. Pour des rapports continus et vérifiés sur la recherche en IA, la durabilité et les entreprises qui façonnent le domaine, ajoutez notre page d'accueil à vos favoris et lisez plus d'actualités sur l'IA → sur https://aibuzzwire.news.