Quels gestes réduisent le plus l'impact de son usage de l'IA ?

Les conseils qui circulent pour réduire l'impact de son usage de l'IA se ressemblent : ne plus dire merci, écrire des consignes courtes, supprimer ses conversations, limiter les vidéos. Ils sont rarement chiffrés, et presque jamais rapportés à ce qu'une personne fait de l'IA en une année. L'ADEME juge pourtant cette échelle plus représentative, dans son avis de juillet 2026↗ :

Nous avons fait ce calcul pour 3 profils de la Base Impact de l'IA : une personne qui se sert des offres gratuites chez elle, un salarié de bureau, un développeur qui confie des tâches à des agents. Leurs fréquences d'usage, jusqu'aux 594 heures d'agent du développeur, sont des hypothèses de Projet Celsius appuyées sur des enquêtes ; l'analyse sur le poids d'une année d'usage détaille de quoi chaque année se compose. Ici, chaque geste est appliqué seul à l'année du profil, et l'on mesure ce qu'il retire. Les gains ne s'additionnent pas.

L'année d'usage personnel courant consomme 750 Wh aux serveurs, avec le modèle moyen et sans raisonnement. 2 clips vidéo et 1 recherche approfondie en font 43 %, les 365 questions rapides 15 %.

Le raisonnement et la taille du modèle s'appliquent à chaque demande faite à l'assistant. La Base compte en raisonnement poussé 10 fois l'électricité d'une réponse directe, et pour un grand modèle de pointe environ 4 fois l'électricité par token du modèle moyen, d'après le banc ML.ENERGY ; l'analyse sur une année d'usage détaille ces réglages. À l'effet moyen mesuré par le PEReN, laisser le raisonnement sur toutes les demandes coûte autant que les clips de l'année. En raisonnement poussé, il coûte plus que n'importe quelle tâche à laquelle on renonce. Aucune source ne dit quelle part des demandes passe aujourd'hui par le raisonnement.

Les mesures publiées divergent, parce qu'elles ne comparent pas la même chose. Le Pôle d'expertise de la régulation numérique (PEReN), service de l'État, active ou non le raisonnement sur les mêmes modèles ouverts : +92 % en moyenne↗, avec un intervalle à 95 % allant de −21 % à +348 %, et +849 % en moyenne sur des exercices de programmation. Pour GPT-5, une estimation publiée en 2025↗ donne, pour une requête de longueur moyenne, 2,33 Wh en effort de raisonnement minimal et 17,15 Wh en effort élevé, plus de 7 fois plus ; l'effort minimal n'est pas l'absence de raisonnement. Hugging Face↗ mesure 150 à 700 fois plus d'énergie pour 3 modèles testés avec puis sans raisonnement, qui écrivent alors 300 à 800 fois plus de tokens.

Pour la taille du modèle, la même estimation de 2025 donne pour une question courte 0,052 Wh avec Llama 3.1 8B et 2,2 Wh avec Llama 3.1 405B, 43 fois plus, centre de données compris ; la Base compte 0,05 Wh pour une question rapide posée à un modèle de la petite classe. Un modèle de cette taille ne suffit pas à toutes les tâches. Une étude de 2025↗ estime que choisir pour chaque tâche le plus petit modèle qui y suffit retirerait 27,8 % de l'électricité de l'inférence dans le monde, de 1 à 98 % selon la tâche. Les 49 % du petit modèle sur toutes les demandes sont une borne haute.

Le PEReN en tire une recommandation aux utilisateurs :

L'année d'un salarié de bureau qui se sert de l'IA consomme 1,3 kWh. 220 recherches sur le web confiées à un assistant en font 47 %, chacune 9 fois les 0,3 Wh que Google donnait en 2009 pour une recherche classique.

Faire sans IA une recherche sur le web sur 2 retire 21 %, 3 fois plus que de diviser par 2 ses questions rapides. Le petit modèle, borne haute, retire ici 71 %, plus que chez soi, parce que le travail de bureau ne compte ni clip ni image.

Une partie de l'année ne dépend pas du salarié. Quand l'IA intégrée à la suite bureautique transcrit et résume ses réunions sans qu'il le demande, environ 5 par semaine dans les hypothèses de la Base, l'année passe à 2,2 kWh, 71 % de plus. Ce réglage se décide quand l'organisation choisit l'outil, comme le modèle servi par défaut ; le modèle de charte du hub propose de les fixer pour toute l'organisation.

L'année du développeur qui confie environ 2 h 40 par jour à des agents, décrite dans l'analyse sur une année d'usage, consomme 400 kWh, de 190 à 770 kWh selon le coût du contexte relu en cache. Les heures d'agent en font 99 %.

À cette échelle, supprimer toutes les tâches faites sans agent, questions, conversations, recherches et suggestions de code, retirerait moins de 1 % de l'année. Le geste porte sur le nombre d'heures d'agent, et sur le modèle qui les exécute. La Base ne fait pas varier ce modèle : son heure d'agent reprend la session d'un agent de pointe, et aucune mesure publiée ne porte sur le même travail mené par un plus petit modèle.

L'heure d'agent de la Base reprend l'estimation que le climatologue Zeke Hausfather tire des tokens↗ qu'il a relevés pendant 8 semaines de 2026 avec Claude Code. Il recommande de ne pas lancer d'agents pour des tâches futiles et de confier les tâches simples à des modèles plus petits, qui consomment selon lui 5 à 7 fois moins par token qu'un modèle de pointe, ce qu'il fait lui-même de plus en plus. Il ajoute qu'il ne veut pas en exagérer la portée : la retenue personnelle de la petite population des gros utilisateurs ne fera pas plier les courbes. L'efficacité ne déterminant que la quantité d'intelligence obtenue par unité d'énergie, le levier qui compte le plus est selon lui l'intensité carbone de l'électricité (notre traduction).

Mis côte à côte, les 3 profils montrent que l'effet d'un geste sur l'année dépend de la part de l'année que fait la tâche qu'il touche, et que cette part change d'un profil à l'autre.

Le merci en donne l'exemple le plus net. Dans la Base, un merci et sa courte réponse consomment 0,044 Wh. Des chercheurs de Hugging Face ont mesuré 0,245 Wh en moyenne↗ sur 10 000 conversations, dans des conditions de laboratoire : un petit modèle ouvert en précision FP32, une demande à la fois, l'énergie de la machine seule, la conversation entière relue et une réponse pouvant aller jusqu'à 256 tokens. Le contexte relu et la longueur de la réponse font l'essentiel de l'écart. Dans une année où l'on dit merci chaque jour, ne plus le dire retire de 2 à 11 % de l'usage personnel courant, et 0,01 % au plus de l'année du développeur avec agents.

La même mécanique sépare l'effet d'un geste sur une demande de son effet sur une année. Dans la Base, une réponse 2 fois plus courte consomme 46 % de moins. Appliqué aux 365 questions rapides de l'année, ce geste en retire 7 %, parce que les questions rapides font 15 % de l'année.

Les gestes que la Base ne chiffre pas, comme supprimer ses conversations, joindre un document plus court ou faire tourner un modèle sur son ordinateur, sont traités dans l'article du blog sur les gestes qui réduisent l'impact de l'IA↗, qui part d'un profil de 52 vidéos par an.

Le pays des serveurs ne change pas l'électricité consommée ; le CO2e suit le réseau qui les alimente. Avec l'électricité de l'Union européenne, chacune des 3 années émet 54 % de moins qu'avec la moyenne mondiale, et 91 % de moins avec celle de la France, comme le montre l'analyse sur une année d'usage.

Pour une personne, ce levier passe par le choix de l'assistant, et reste invérifiable : les grands assistants ne disent pas dans quel pays une demande donnée est traitée. Une organisation peut en revanche inscrire une région d'hébergement dans un contrat, l'un des leviers de l'analyse sur la décarbonation de l'IA. Les éditeurs des assistants fermés ne publient pas non plus l'énergie d'une image, d'une vidéo ou du mode raisonnement. Le Classement des IA note les 10 principaux assistants sur leur sobriété, raisonnement activé par défaut compris.

La personne ne choisit pas toujours ces réglages. Le modèle servi et le raisonnement sont réglés par l'éditeur, qui peut les choisir lui-même selon la demande. Les aperçus rédigés par une IA en tête des moteurs de recherche font 6 % de l'année personnelle courante sans avoir été demandés, et l'IA de la suite bureautique ajoute 71 % à l'année du salarié de bureau.

L'ADEME le relève dans son avis, à propos de l'IA intégrée par défaut aux services numériques :

Les 4 principes qu'elle donne aux utilisateurs portent sur la taille du modèle, la longueur du contenu demandé, la précision des demandes et la vidéo. Aucun ne mentionne le mode raisonnement.

Les gestes de cette page retirent de quelques grammes à 2 kgCO2e par an pour un usage personnel ou de bureau, moins de 0,03 % des 8,3 tCO2e de l'empreinte d'un Français, et environ 90 kgCO2e au développeur qui divise par 2 ses heures d'agent. Pour nous, au Projet Celsius, le premier geste d'un utilisateur est de regarder 2 réglages, le modèle et le raisonnement. Laissés au plus haut sur toutes les demandes, ils pèsent plus que n'importe quelle tâche à laquelle on renonce ; à l'effet moyen mesuré par le PEReN, le raisonnement pèse autant que les clips de l'année. Le second geste est de repérer ce qui pèse dans son année : les clips et les recherches approfondies chez soi, les recherches sur le web au bureau, les heures d'agent pour qui en fait travailler. Une organisation, qui multiplie ces valeurs par son effectif, peut fixer ces réglages pour tous. L'outil « Mon empreinte IA » calcule ces leviers pour chacun, à partir de ses propres usages.