Des chercheurs ont mis en lumière un coût environnemental important lié à notre dépendance croissante aux systèmes d’IA sophistiqués. Une nouvelle étude, publiée le 19 juin 2025 dans Frontiers in Communication, démontre que les modèles d’IA dotés de capacités de raisonnement peuvent émettre jusqu’à 50 fois plus de dioxyde de carbone que leurs homologues plus simples lorsqu’ils répondent à des questions identiques.
L’équipe de recherche, dirigée par Maximilian Dauner de la Hochschule München University of Applied Sciences, a évalué 14 modèles de langage de grande taille (LLM) allant de 7 à 72 milliards de paramètres. Ces modèles ont été testés sur 1 000 questions de référence couvrant divers sujets, dont les mathématiques, l’histoire, la philosophie et l’algèbre abstraite.
L’étude a révélé que les modèles de raisonnement généraient en moyenne 543,5 « jetons de réflexion » par question, contre seulement 37,7 jetons pour les modèles concis. Ces étapes de calcul supplémentaires se traduisent directement par une consommation d’énergie et des émissions de carbone accrues. Le modèle le plus précis testé était le modèle Cogito, doté de capacités de raisonnement et de 70 milliards de paramètres, qui a atteint une précision de 84,9 %, mais a produit trois fois plus de CO2 que des modèles de taille similaire offrant des réponses plus concises.
« À l’heure actuelle, nous observons un compromis évident entre la précision et la durabilité inhérent aux technologies LLM », explique Dauner. « Aucun des modèles qui maintenaient les émissions sous la barre des 500 grammes de CO2 équivalent n’a dépassé 80 % de précision. »
La nature des questions posées avait également un impact significatif sur les émissions. Les questions nécessitant un raisonnement complexe, comme l’algèbre abstraite ou la philosophie, entraînaient jusqu’à six fois plus d’émissions que les sujets plus simples comme l’histoire du secondaire.
Les chercheurs soulignent que les utilisateurs peuvent contrôler leur empreinte carbone liée à l’IA grâce à des choix réfléchis. Par exemple, le modèle R1 de DeepSeek (70 milliards de paramètres) répondant à 600 000 questions générerait des émissions de CO2 équivalentes à un aller-retour en avion entre Londres et New York. À titre de comparaison, le modèle Qwen 2.5 d’Alibaba (72 milliards de paramètres) pourrait répondre à environ 1,9 million de questions avec une précision similaire tout en produisant la même quantité d’émissions.
« Si les utilisateurs connaissaient le coût exact en CO2 de leurs résultats générés par l’IA, ils seraient peut-être plus sélectifs quant à l’utilisation de ces technologies », conclut Dauner. Les chercheurs espèrent que leurs travaux encourageront une utilisation plus éclairée et responsable de l’IA sur le plan environnemental, alors que ces technologies s’intègrent de plus en plus dans notre quotidien.