Pourquoi le mode raisonnement et les agents consomment-ils beaucoup plus ?

Les chiffres les plus cités sur l'énergie de l'IA portent sur une requête courte à un assistant, de l'ordre de 0,3 Wh. Fin 2025, les modèles de raisonnement traitaient pourtant plus de la moitié des tokens passés par la plateforme OpenRouter, qui sert surtout des développeurs, et les agents enchaînent seuls les appels au modèle. Cette explication suit le texte que le modèle écrit et relit dans chaque mode, parce que l'énergie en dépend ; l'analyse sur l'évolution dans le temps suit la progression de ces usages.

Un modèle de langage découpe le texte en tokens, des fragments de mot. Il écrit sa réponse un token après l'autre, et chaque token écrit demande un passage dans l'ensemble du modèle, sur des cartes graphiques (l'explication sur les cartes graphiques dit pourquoi). Avant d'écrire, il lit tout le texte qu'on lui donne : la question, la conversation précédente, les documents joints. L'énergie a donc 2 parts, l'une qui suit la longueur du texte écrit, l'autre celle du texte lu.

Epoch AI estime à 0,3 Wh une requête à GPT-4o qui écrit 500 tokens, et Microsoft estime à 0,31 Wh l'énergie d'une requête médiane dans un déploiement optimisé. Le texte lu pèse peu tant qu'il reste court. Avec 10 000 tokens en entrée, environ 20 pages, l'estimation d'Epoch AI passe à 2,4 Wh ; avec 100 000 tokens, à 40 Wh, parce que le calcul de la lecture croît plus vite que la longueur du texte quand celui-ci devient long.

En mode raisonnement, le modèle écrit d'abord un texte intermédiaire, où il décompose la question et vérifie ses étapes, puis sa réponse. L'utilisateur n'en voit le plus souvent qu'un résumé, ou rien, mais chaque token de ce brouillon coûte comme un token de la réponse. Hugging Face a mesuré 3 modèles ouverts avec et sans raisonnement : ils écrivent 300 à 800 fois plus de tokens et consomment 154 à 697 fois plus d'énergie avec le raisonnement activé, selon le modèle. En moyenne, les modèles de raisonnement de son classement consomment 30 fois plus que les modèles sans raisonnement, une comparaison entre familles de modèles plutôt qu'entre 2 réglages.

L'écart dépend de la longueur du brouillon, donc de la tâche et du réglage. Le PEReN, pour l'Arcep, a mesuré 22 modèles ouverts : activer le raisonnement y ajoute 92 % d'énergie en moyenne, avec un intervalle à 95 % de -21 % à +348 %, et 849 % en moyenne sur des exercices de programmation, contre 41 % sur des questions de culture générale. Pour GPT-5, l'estimation de Jegham et ses coauteurs va de 2,33 Wh avec un effort de raisonnement minimal à 17,15 Wh avec un effort élevé, pour une question de longueur moyenne, soit 7 fois plus. Sur une tâche de texte simple, l'AIE compte environ 2 fois l'électricité d'un modèle de taille comparable.

Usages

Le mode raisonnement multiplie l'énergie

Énergie avec raisonnement, rapportée à la même demande sans, en multiple · Mesures de 2025 et 2026

PEReN, moyenne22 modèles ouverts× 1,9

PEReN, codemaximum, une tâche× 9,5

Hugging Face, moyenne2 groupes de modèles× 30

Hugging Face, même modèle3 modèles, avec puis sans× 150 à 700

1101001 000

Source : Arcep et PEReN, 2026 ; Hugging Face, 2025 · projetcelsius.com/ia · CC BY 4.0

PNGCSV

Un agent reçoit un objectif plutôt qu'une question. Il appelle le modèle, qui décide d'une action : lire un fichier, lancer une recherche, exécuter du code. Le résultat est ajouté au contexte, et le modèle est rappelé avec l'ensemble, qui s'allonge à chaque étape. Le texte relu grossit ainsi d'appel en appel. Anthropic indique que ses agents consomment environ 4 fois plus de tokens qu'une conversation, et ses systèmes à plusieurs agents environ 15 fois plus . Sur des tâches de correction de logiciels, Bai et ses coauteurs comptent 1 000 fois plus de tokens pour un agent que pour un échange de code ou un raisonnement sur du code, surtout des tokens d'entrée, c'est-à-dire du contexte relu.

Le climatologue Zeke Hausfather a relevé son propre usage de Claude Code pendant 8 semaines de 2026 : 1 138 instructions tapées, plus de 14 000 appels au modèle et 3,2 milliards de tokens. 96 % de ces tokens sont des relectures du contexte, mises en cache, et le texte qu'il voit ne fait que 0,4 % du total. Cela fait, selon lui, 12 appels et 2,9 millions de tokens en moyenne par instruction. Il en estime l'énergie à 150 Wh par instruction, de 60 à 290 Wh selon la méthode de conversion des tokens en énergie et le coût prêté à une relecture en cache (10 % de celui d'une lecture nouvelle dans son estimation centrale, de 1 à 25 % dans ses bornes) ; c'est l'estimation d'un utilisateur intensif, pas une étude. Microsoft estime que les requêtes longues de raisonnement et les requêtes d'agents consomment plus de 10 fois l'énergie d'une requête médiane, et l'AIE écrit que le raisonnement, les agents et la génération de vidéo peuvent consommer des centaines ou des milliers de fois l'énergie d'une génération de texte simple, sans détailler le calcul. D'autres estimations publiées, plus basses, sont détaillées dans notre article sur l'empreinte de Claude↗.

D'une réponse courte estimée à 0,3 Wh à une instruction d'agent estimée à 150 Wh, le rapport est de 500 environ, notre calcul ; Zeke Hausfather compte, lui, environ 600 fois une question médiane. Une instruction d'agent n'est pas une question : elle déclenche en moyenne 12 appels au modèle. L'écart tient d'abord au nombre de tokens : un brouillon plus long, puis un contexte relu à chaque appel. À l'échelle d'une journée, l'usage intensif d'agents relevé par Zeke Hausfather fait environ 3 kWh ; l'analyse d'une année d'usage en tire l'ordre de grandeur annuel, l'analyse des tâches par métier le replace à côté des autres usages, et celle sur les gestes chiffre ce que change le choix du mode.

Pour nous, au Projet Celsius, un chiffre d'énergie « par requête » ne dit plus grand-chose s'il ne précise pas le mode. La réponse courte, autour de 0,3 Wh, est l'usage le mieux documenté et le moins coûteux ; le raisonnement et les agents la multiplient de 2 à plusieurs centaines de fois selon le modèle, la tâche et les estimations disponibles, et ce sont eux qui se répandent. Les éditeurs ne publient pas l'énergie de leurs modes de raisonnement ni de leurs agents : les ordres de grandeur ci-dessus viennent de modèles ouverts, d'estimations extérieures et du relevé d'un utilisateur. Pour l'utilisateur, le levier est le même dans les 2 cas : la quantité de texte que l'on fait écrire et relire au modèle.