Le coût énergétique de l’IA selon Sam Altman
Le CEO d’OpenAI, Sam Altman, a récemment participé à un événement organisé par The Indian Express. Lors de cette interview, il a abordé une question cruciale : le coût énergétique associé à l’entraînement des modèles d’intelligence artificielle (IA). Altman soutient que de nombreux débats sur le sujet sont injustes et qu’il est essentiel de mieux comprendre ces comparaisons.
Une analogie surprenante : entraîner des humains
Lorsque l’on interroge Altman sur la consommation énergétique de ChatGPT, il souligne une comparaison inattendue : l’entraînement des humains exige également des ressources considérables. Selon lui, il faut environ 20 années de vie et une importante quantité de nourriture pour qu’un humain devienne intelligent. De plus, le processus d’évolution ayant permis d’atteindre ce stade requiert la contribution de milliards de personnes ayant appris à survivre et à comprendre le monde.
“La comparaison juste est de se demander combien d’énergie est nécessaire pour que ChatGPT réponde à une question par rapport à un humain. Dans ce cadre, l’IA est probablement plus efficace en termes de consommation d’énergie.”
Différents coûts entre l’entraînement et l’inférence
Altman distingue clairement le coût d’entraînement du coût d’inférence, c’est-à-dire le moment où la connaissance est réellement appliquée. Bien qu’il reconnaisse que l’entraînement des modèles d’IA consomme beaucoup d’énergie, il souligne que la phase d’inférence a considérablement gagné en efficacité. Cependant, il admet que des preuves concrètes sur la faible consommation énergétique en phase d’inférence manquent encore.
Problématique de l’eau et consommation des centres de données
Altman a également traité la controverse entourant la consommation d’eau des centres de données, affirmant que ces chiffres étaient exagérés. Bien qu’il ait admis qu’il y avait des préoccupations dans le passé liées à la refroidissement évaporatif, il a assuré que ces pratiques ne sont plus en usage, et que les allégations selon lesquelles ChatGPT utilise des quantités colossales d’eau par requête sont infondées.
Quel est le véritable impact énergétique de l’IA ?
À l’heure actuelle, il reste difficile d’obtenir des données claires sur la consommation d’énergie de l’IA, tant lors de l’entraînement que de l’inférence. Certains chercheurs ont surévalué les chiffres, ce qui complique davantage le débat. Aux États-Unis, par exemple, il n’existe pas de législation contraignant la transparence des données relatives à la consommation énergétique des centres de données.
Vers une meilleure efficacité énergétique
Une étude intéressante réalisée par Epoch AI en février 2025 a montré que la consommation d’énergie des modèles d’IA était moins importante que souvent décrite. Les progrès technologiques concernant les puces et les systèmes de refroidissement ont contribué à rendre les centres de données plus efficaces, même si des questions demeurent quant à leur impact global.