A note before the figuresUne note avant les chiffres

TRA6008 S3 · in classS3 · en classe

Where I stand

The environmental impact of AI is a topic on which it is easy to be read as taking a side. I try my best to stay neutral.

The problems are real, and nothing in this chapter is meant to deny them: the construction of data centres data centrecentre de traitement de données environmentenvironnement A facility that houses computing, storage, and networking equipment, together with supporting infrastructure such as power supplies, cooling systems, and security systems.Installation qui abrite de l'équipement de calcul, de stockage et de réseau, ainsi que les infrastructures de soutien comme l'alimentation électrique, les systèmes de refroidissement et les systèmes de sécurité. , their demand for electricity and water, and the pace of that growth are serious.

I do try to put the figures in context more than is often done, for instance by separating the cost of one answer from the cost of the industry as a whole (see also the Putting it in proportion page) (voir aussi la page Remettre en proportion). The aim is to give you figures that are current and sourced, so that you can form your own position from them.

Why the figures are hard to get

Even more than for other aspects of LLMs large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. , up-to-date and verifiable figures on this topic are hard to find. Few providers publish any, the main peer-reviewed measurement of the energy per task was made in 2023 on open models far smaller than the ones behind today’s chat products (Luccioni et al., 2024), and efficiency changes fast enough to date a figure within a year (see also the Hard to measure page) (voir aussi la page Difficile à mesurer).

Where a figure in this chapter is a provider’s own report, an estimate, or a measurement made on older models, the text says so and gives its date.

Written in English. The French version was automatically generated and I have not revised it. Rédigé en anglais. La version française a été générée automatiquement et je ne l'ai pas révisée. Updated 24 September 2026

Ma position

L’impact environnemental de l’IA est un sujet sur lequel on est vite perçu comme prenant parti. Je fais de mon mieux pour rester neutre.

Les problèmes sont réels, et rien dans ce chapitre ne vise à les nier : la construction de centres de traitement de données data centrecentre de traitement de données environmentenvironnement A facility that houses computing, storage, and networking equipment, together with supporting infrastructure such as power supplies, cooling systems, and security systems.Installation qui abrite de l'équipement de calcul, de stockage et de réseau, ainsi que les infrastructures de soutien comme l'alimentation électrique, les systèmes de refroidissement et les systèmes de sécurité. , leur demande d’électricité et d’eau, et le rythme de cette croissance sont sérieux.

J’essaie en revanche de remettre les chiffres en contexte plus qu’on ne le fait souvent, par exemple en distinguant le coût d’une réponse de celui de l’industrie dans son ensemble (see also the Putting it in proportion page) (voir aussi la page Remettre en proportion). Le but est de vous donner des chiffres actuels et sourcés, pour que vous puissiez vous faire votre propre opinion.

Pourquoi les chiffres sont difficiles à obtenir

Plus encore que pour d’autres aspects des grands modèles de langue (GML) large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. , des chiffres à jour et vérifiables sont difficiles à trouver sur ce sujet. Peu de fournisseurs en publient, la principale mesure de l’énergie par tâche évaluée par les pairs date de 2023 et porte sur des modèles ouverts bien plus petits que ceux des produits conversationnels actuels (Luccioni et al., 2024), et l’efficacité évolue assez vite pour qu’un chiffre soit dépassé en moins d’un an (see also the Hard to measure page) (voir aussi la page Difficile à mesurer).

Lorsqu’un chiffre de ce chapitre vient du rapport d’un fournisseur, d’une estimation ou d’une mesure faite sur des modèles plus anciens, le texte le précise et en donne la date.

Written in English. The French version was automatically generated and I have not revised it. Rédigé en anglais. La version française a été générée automatiquement et je ne l'ai pas révisée. Mise à jour 24 septembre 2026