Efficiency and reboundEfficacité et effet rebond
TRA6008 S3 · in classS3 · en classe
Per query down, in total up
The energy used per query and the energy used in total move in opposite directions, so a figure for one says nothing about the other.
The energy per query keeps falling. Smaller models built for narrower tasks can match older, larger ones with far less energy, and better software and newer hardware lower the energy used per query (International Energy Agency, 2026). Google, for instance, reported a drop by a factor of 33 in the energy of the median text prompt promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. in its Gemini apps over one year, mostly from improvements to its models (Elsworth et al., 2025).From May 2024 to May 2025, as reported by Google’s own staff.
Total consumption rises regardless, for two reasons (Figure 9figure 9):
- Use grows faster than efficiency. Cheaper and more capable tools get used more, and the extra use can exceed the saving: major model providers reported three times as many active users over one year (International Energy Agency, 2026). A saving eaten up by extra use is a rebound effect, and when the extra use outweighs the saving it is known as the Jevons paradox (Sorrell, 2009), the name the International Energy Agency (2026) uses for what is happening with AI.
- Newer uses cost more per request. Reasoning models reasoning modelmodèle de raisonnement language modelsmodèles de langue A language model designed to improve its performance on complex, multi-step problems by using additional computation during inference.Modèle de langue conçu pour améliorer sa performance sur des problèmes complexes en plusieurs étapes en recourant à un surcroît de calcul pendant l'inférence. , image and video generation and agents AI agentagent agentsagents An AI system that selects and carries out actions toward a goal, often by using tools or calling other programs and adapting later actions to the results it receives.Système d'IA qui choisit et exécute des actions en vue d'un but, souvent en utilisant des outils ou en appelant d'autres programmes et en adaptant ses actions ultérieures aux résultats reçus. that work through several steps all take more energy than a short text answer (see also the What one use costs page) (voir aussi la page Ce que coûte une utilisation).
All of this is drawn from 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. , whose electricity use is expected to roughly double between 2025 and 2030 (International Energy Agency, 2026) (see also the Data centres page) (voir aussi la page Centres de traitement de données).
Moins par requête, plus au total
L’énergie consommée par requête et l’énergie consommée au total évoluent en sens inverse : un chiffre pour l’une ne dit donc rien de l’autre.
L’énergie par requête ne cesse de baisser. Des modèles plus petits, conçus pour des tâches plus étroites, peuvent égaler des modèles plus anciens et plus grands avec bien moins d’énergie, et de meilleurs logiciels et du matériel plus récent réduisent l’énergie consommée par requête (International Energy Agency, 2026). Google, par exemple, a rapporté une baisse d’un facteur 33 de l’énergie de la requête promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. médiane en texte dans ses applications Gemini en un an, surtout grâce à l’amélioration de ses modèles (Elsworth et al., 2025).De mai 2024 à mai 2025, selon le personnel de Google lui-même.
La consommation totale augmente malgré tout, pour deux raisons (Figure 9figure 9) :
- L’utilisation croît plus vite que l’efficacité. Des outils moins chers et plus performants sont davantage utilisés, et ce surcroît d’utilisation peut dépasser l’économie réalisée : les grands fournisseurs de modèles ont déclaré trois fois plus d’utilisateurs actifs en un an (International Energy Agency, 2026). Une économie absorbée par un surcroît d’utilisation est un effet rebond, et quand le surcroît d’utilisation dépasse l’économie, on parle de paradoxe de Jevons (Sorrell, 2009), le nom que l’Agence internationale de l’énergie (2026) donne à ce qui se passe avec l’IA.
- Les nouveaux usages coûtent plus par requête. Les modèles de raisonnement reasoning modelmodèle de raisonnement language modelsmodèles de langue A language model designed to improve its performance on complex, multi-step problems by using additional computation during inference.Modèle de langue conçu pour améliorer sa performance sur des problèmes complexes en plusieurs étapes en recourant à un surcroît de calcul pendant l'inférence. , la génération d’images et de vidéos et les agents AI agentagent agentsagents An AI system that selects and carries out actions toward a goal, often by using tools or calling other programs and adapting later actions to the results it receives.Système d'IA qui choisit et exécute des actions en vue d'un but, souvent en utilisant des outils ou en appelant d'autres programmes et en adaptant ses actions ultérieures aux résultats reçus. qui passent par plusieurs étapes consomment tous plus d’énergie qu’une courte réponse en texte (see also the What one use costs page) (voir aussi la page Ce que coûte une utilisation).
Toute cette énergie est tirée des 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. , dont la consommation d’électricité devrait à peu près doubler entre 2025 et 2030 (International Energy Agency, 2026) (see also the Data centres page) (voir aussi la page Centres de traitement de données).
Sources
- Elsworth, C., Huang, K., Patterson, D., Schneider, I., Sedivy, R., Goodman, S., Townsend, B., Ranganathan, P., Dean, J., Vahdat, A., Gomes, B., & Manyika, J. (2025). Measuring the environmental impact of delivering AI at Google Scale. arXiv preprint arXiv:2508.15734. https://doi.org/10.48550/arXiv.2508.15734
- International Energy Agency (2026). Key Questions on Energy and AI. International Energy Agency, Paris. https://www.iea.org/reports/key-questions-on-energy-and-ai
- Sorrell, S. (2009). Jevons' Paradox revisited: The evidence for backfire from improved energy efficiency. Energy Policy, 37(4), 1456–1469. https://doi.org/10.1016/j.enpol.2008.12.003
Sources
- Elsworth, C., Huang, K., Patterson, D., Schneider, I., Sedivy, R., Goodman, S., Townsend, B., Ranganathan, P., Dean, J., Vahdat, A., Gomes, B., & Manyika, J. (2025). Measuring the environmental impact of delivering AI at Google Scale. arXiv preprint arXiv:2508.15734. https://doi.org/10.48550/arXiv.2508.15734
- International Energy Agency (2026). Key Questions on Energy and AI. International Energy Agency, Paris. https://www.iea.org/reports/key-questions-on-energy-and-ai
- Sorrell, S. (2009). Jevons' Paradox revisited: The evidence for backfire from improved energy efficiency. Energy Policy, 37(4), 1456–1469. https://doi.org/10.1016/j.enpol.2008.12.003