Data scientist, 1 an
Une année de travail d'un data scientist qui se sert de l'IA : environ 26 000 suggestions de code, 390 fonctions générées, 630 questions rapides, et 8 autres tâches.
- Le code et les agents font 72 % des émissions.
- Environ 1 500 demandes à l'IA dans l'année, soit 6,6 par jour de travail, sans compter 26 400 suggestions de code ni 13 200 tâches confiées à une IA spécialisée.
- 2,5 fois l'empreinte IA d'un salarié de bureau, au même usage.
- Une estimation : les fréquences et la part faite avec l'IA sont nos hypothèses.
Répartition des émissions par poste
1,5 kgCO2e au total : 3,2 kWh d'électricité × 458 gCO2e/kWh (serveurs dans le monde).
Construction du calcul
Une année de travail d'un data scientist qui se sert de l'IA, tâche par tâche : code, suggestions, données explorées, éléments classés par un modèle ; avec des agents, des heures d'agent. Les fréquences viennent du contenu du métier, le recours à l'IA des enquêtes d'usage (OpenAI, Microsoft, Crédoc) ; ce sont des hypothèses, réglables.
Comparaison avec les autres métiers et activités
Échelle logarithmique.
Caractéristiques
| Unité | 1 personne, 1 an : 220 jours |
|---|---|
| Lieu par défaut | monde, 458 gCO2e/kWh (Ember 2025, cycle de vie) ; 11 autres lieux au choix |
| Compté | les tâches faites avec l'IA pendant une année de travail, refroidissement du centre de données compris |
| Non compté | la fabrication des serveurs, l'entraînement des modèles, l'appareil de la personne et les tâches faites sans IA |
| Statut | estimé |
Toutes les caractéristiques identifiant, version, règle de la valeur, sources, licence
| Identifiant | IA-0310, projetcelsius.com/ia/base/IA-0310/ |
|---|---|
| Version | 0.1 du 2 novembre 2026 |
| Catégorie | Métiers et activités, une personne, un an |
| Choix de la valeur retenue | calcul de la base à partir des entrées dont celle-ci est faite, aux quantités de l'unité |
| Sources | calcul de la base |
| Licence | CC BY 4.0 |
Émissions selon le lieu des serveurs
Émissions associées à l’électricité (CO2e)
- Pologne1,9 kgCO2e
- Monde1,5 kgCO2e
- États-Unis1,2 kgCO2e
- Union européenne670 gCO2e
- France130 gCO2e
× 14 entre la Pologne et la France, pour la même électricité
Ember 2025, en cycle de vie. Le même usage consomme 3,2 kWh dans chaque lieu.
Paramètres d'usage
Réglages avancés outillage, classe de modèle, raisonnement, taille de l'image, calage, durée
Tâches et fréquences
Fréquence et part faite avec l'IA, tâche par tâche · usage courant
Régler chaque tâche 12 tâches, fréquence et part faite avec l'IA
| Tâche | Fréquence | Part avec l'IA | Par an | Électricité | Part |
|---|---|---|---|---|---|
| Générer une fonction | 385 | 450 Wh | 14 % | ||
| Suggestion de code | 26 400 | 1,8 kWh | 57 % | ||
| Analyser un tableur | 55 | 150 Wh | 5 % | ||
| Question rapide | 634 | 190 Wh | 6 % | ||
| Conversation de 10 échanges | 52,8 | 190 Wh | 6 % | ||
| Interroger un PDF | 26,4 | 120 Wh | 4 % | ||
| Résumer 30 pages | 15,8 | 77 Wh | 2 % | ||
| Rédiger une page | 21,1 | 9,6 Wh | 0 % | ||
| Présentation de 10 diapos | 6,6 | 75 Wh | 2 % | ||
| Écrire un e-mail | 264 | 61 Wh | 2 % | ||
| Tâche spécialisée | 13 200 | 26 Wh | 1 % | ||
| Heure d'agent de codene s'applique pas avec cet outillage |
Résultat pour le cas choisi
220 jours, serveurs dans le monde : 1,5 kgCO2e, 3,2 kWh.
Pour un bilan carbone
| Poste | achats de services (GHG Protocol scope 3, catégorie 1) ; BEGES réglementaire, catégorie 4 |
|---|---|
| Quantité | 1 poste sur un an |
| Facteur | 1,5 kgCO2e par poste sur un an, IA-0310 version 0.1, selon le réseau du lieu (location-based), serveurs dans le monde |
| Total | 1,5 kgCO2e · non compté : la fabrication des serveurs, l'entraînement des modèles, l'appareil de la personne et les tâches faites sans IA |
Répartition des émissions par famille de tâches
Émissions associées à l’électricité (CO2e)
- Code et agents1,1 kgCO2e · 72 %
- Texte et conversation400 gCO2e · 28 %
Fréquence et émissions de chaque tâche du métier « Data scientist »
Profil d'usage type
Hypothèse de Projet Celsius
Le data scientist courant fait écrire 9 fonctions ou requêtes, accepte environ 600 suggestions, explore un jeu de données avec l'IA, lui pose 14 questions, ouvre une discussion de méthode et fait classer 300 textes par un petit modèle. Environ 33 demandes par semaine, sans compter les suggestions ni les textes classés. Sur l'année, environ 3,2 kWh. Sobre, 1,1 kWh ; intensif, 6,1 kWh ; avec des agents, 8 heures par semaine et environ 160 kWh.
Détail par poste
Quantité, valeur unitaire, contribution et nature des données de chaque poste
| Poste | Quantité | Valeur unitaire | Contribution | Part | Nature de la donnée |
|---|---|---|---|---|---|
| Suggestion de code | 26 000 fois | 0,069 Wh | 1,8 kWh | 57 % | hypothèse · Stack Overflow |
| Générer une fonction | 390 fois | 1,2 Wh | 450 Wh | 14 % | hypothèse · Stack Overflow |
| Question rapide | 630 fois | 0,3 Wh | 190 Wh | 6 % | hypothèse · Crédoc |
| Conversation de 10 échanges | 53 fois | 3,5 Wh | 190 Wh | 6 % | hypothèse · Microsoft Research |
| Analyser un tableur | 55 fois | 2,8 Wh | 150 Wh | 5 % | hypothèse · OpenAI |
| Interroger un PDF | 26 fois | 4,7 Wh | 120 Wh | 4 % | hypothèse · Microsoft Research |
| Résumer 30 pages | 16 fois | 4,9 Wh | 77 Wh | 2 % | hypothèse · Microsoft Research |
| Présentation de 10 diapos | 6,6 fois | 11 Wh | 75 Wh | 2 % | hypothèse · Microsoft Research |
| Écrire un e-mail | 260 fois | 0,23 Wh | 61 Wh | 2 % | hypothèse · Microsoft Research |
| Tâche spécialisée | 13 000 fois | 0,002 Wh | 26 Wh | 1 % | hypothèse |
| Rédiger une page | 21 fois | 0,45 Wh | 9,6 Wh | 0 % | hypothèse · Microsoft Research |
Voir les 11 lignes
Entrées qui l'utilisent (6)
ETI de 500 personnes, Grande entreprise (5 000), France, Salariés de bureau, Île-de-France, Union européenne
Nature des données
Relevés publiés, conventions, hypothèses
- hypothèses de Projet Celsius 100 %
Une part compte en hypothèse dès qu'une quantité posée par Projet Celsius (une fréquence, une part faite avec l'IA, un effectif) entre dans son calcul, même si le reste repose sur des relevés publiés.
Hypothèses d'usage
Fréquence, part faite avec l'IA selon l'adoption, source de chaque hypothèse
Générer une fonction : 5 par jour, 35 % avec l'IA en usage courant · outillage assistant conversationnel ou IA dans la suite bureautique
Environ 5 fonctions ou requêtes écrites par jour, hypothèse faute de fréquences publiées pour ce métier dans O*NET ; recours comme pour les développeurs (Stack Overflow, 2025) ; remplacé par les heures d'agent quand il y a des agents.
Part faite avec l'IA : 10 % en usage sobre, 35 % courant, 80 % intensif · hypothèse · Stack Overflow · Générer une fonction
Suggestion de code : 150 par jour, 80 % avec l'IA en usage courant
Environ 150 suggestions proposées par jour quand l'assistant est actif, hypothèse ; recours comme pour les développeurs (Stack Overflow, 2025).
Part faite avec l'IA : 30 % en usage sobre, 80 % courant, 100 % intensif · hypothèse · Stack Overflow · Suggestion de code
Analyser un tableur : 1 par jour, 25 % avec l'IA en usage courant
Environ 1 jeu de données à explorer par jour, hypothèse ; part faite avec l'IA appuyée sur l'écart de 16 fois entre les plus actifs et le médian pour l'analyse de données (OpenAI, 2025).
Part faite avec l'IA : 5 % en usage sobre, 25 % courant, 60 % intensif · hypothèse · OpenAI · Analyser un tableur
Question rapide : 8 par jour, 36 % avec l'IA en usage courant
Environ 8 questions par jour, hypothèse ; part faite avec l'IA appuyée sur le Crédoc (2026), ajustée au métier.
Part faite avec l'IA : 12 % en usage sobre, 36 % courant, 100 % intensif · hypothèse · Crédoc · Question rapide
Conversation de 10 échanges : 1 par jour, 24 % avec l'IA en usage courant
Environ 1 discussion de méthode par jour, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Part faite avec l'IA : 8 % en usage sobre, 24 % courant, 84 % intensif · hypothèse · Microsoft Research · Conversation de 10 échanges
Interroger un PDF : 2 par semaine, 30 % avec l'IA en usage courant
Environ 2 articles ou documentations interrogés par semaine, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Part faite avec l'IA : 10 % en usage sobre, 30 % courant, 100 % intensif · hypothèse · Microsoft Research · Interroger un PDF
Résumer 30 pages : 1 par semaine, 36 % avec l'IA en usage courant
Environ 1 long document à résumer par semaine, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Part faite avec l'IA : 12 % en usage sobre, 36 % courant, 100 % intensif · hypothèse · Microsoft Research · Résumer 30 pages
Rédiger une page : 2 par semaine, 24 % avec l'IA en usage courant
Environ 2 pages de rapport par semaine, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Part faite avec l'IA : 8 % en usage sobre, 24 % courant, 84 % intensif · hypothèse · Microsoft Research · Rédiger une page
Présentation de 10 diapos : 22 par an, 30 % avec l'IA en usage courant
Environ 2 présentations de résultats par mois, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Part faite avec l'IA : 10 % en usage sobre, 30 % courant, 100 % intensif · hypothèse · Microsoft Research · Présentation de 10 diapos
Écrire un e-mail : 10 par jour, 12 % avec l'IA en usage courant
Environ 10 e-mails par jour, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Part faite avec l'IA : 4 % en usage sobre, 12 % courant, 42 % intensif · hypothèse · Microsoft Research · Écrire un e-mail
Tâche spécialisée : 1 000 par semaine, 30 % avec l'IA en usage courant
Environ 1 000 éléments à classer par semaine (textes, avis, tickets), hypothèse ; part confiée à un modèle spécialisé posée sans enquête publiée.
Part faite avec l'IA : 5 % en usage sobre, 30 % courant, 100 % intensif · hypothèse · Tâche spécialisée
Heure d'agent de code : 4 par jour, 40 % avec l'IA en usage courant · outillage agents
Environ 4 heures par jour où un agent peut travailler, hypothèse ; part faite avec l'IA appuyée sur la durée d'usage déclarée par les développeurs (Stack Overflow, 2026).
Part faite avec l'IA : 10 % en usage sobre, 40 % courant, 90 % intensif · hypothèse · Stack Overflow · Heure d'agent de code
Chiffres publiés en appui
OpenAI (2025) : 16 fois le médian
Usage de l'outil d'analyse de données par les plus actifs, rapporté au médian, chez les salariés de la fonction données
Appui du recours à l'analyse de données du data scientist · mesuré · la source ↗
Microsoft Research, Tomlinson et al. (2026) : 0,357 score d'applicabilité
Score d'applicabilité de l'IA générative des data scientists (code 15-2051), 200 000 conversations avec Bing Copilot, de 0 à 1
Sert au coefficient du métier : racine du score rapporté à 0,25, le score des employés de bureau · calcul · la source ↗
Conventions de méthode
Avec leurs alternatives
| La journée et l'année de travail | Une année de travail compte 220 jours et 44 semaines, une année personnelle 365 jours ; les listes de tâches des métiers donnent, en médiane, environ 2 demandes à l'IA par jour travaillé à l'adoption sobre, 6 à l'adoption courante, 21 à l'adoption intensive, hors suggestions de code · alternatives : 365 jours pour un usage personnel ; les profils de la version précédente (5, 20 et 80 requêtes par jour), remplacés par les listes de tâches |
|---|---|
| Le lieu par défaut | Sans autre information, les serveurs sont dans le monde, à l'électricité moyenne mondiale · alternatives : les États-Unis, où tournent la plupart des grands assistants |
| L'électricité, location-based, en cycle de vie | Le kilowattheure est celui du pays des serveurs, en cycle de vie, d'une seule source pour tous les pays · alternatives : market-based, avec les contrats d'achat, affiché à côté quand il est publié |
| Deux chiffres significatifs | Une valeur calculée s'arrondit à deux chiffres significatifs, une valeur publiée est reprise avec la précision de sa source ; le calcul garde toute la précision |
| La formule | la somme de ce qui compose l'entrée, puis le CO2e : l'électricité (Wh) multipliée par l'intensité du lieu des serveurs (gCO2e/kWh), divisée par 1 000 |
| Calculer un cas sans entrée | La formule, les valeurs par défaut et un exemple pas à pas |
Sources du calcul
16 publications, pour cette entrée et celles qui servent à la calculer, avec les paramètres choisis.
Le résultat est calculé par Projet Celsius. Les sources ci-dessous étayent ses usages, ses facteurs et sa conversion ; elles ne mesurent pas toutes ce total.
Usages et hypothèses
Ces publications éclairent les tâches et les usages de l'IA. Elles ne mesurent pas l'empreinte carbone du cas calculé.
Rôle et limites : Apec
Ce que couvre la publication. fréquence d'usage de l'IA générative au travail, 2 000 cadres du secteur privé interrogés en mars 2025
Ce qu'elle ne couvre pas. les non-cadres et le nombre de demandes
Lecture de la base. Enquête française récente sur la fréquence au travail ; copie lue sur un site de presse spécialisée
Appui du réglage « Usage courant »
Périmètre du chiffre repris. L'utilisateur médian de ceux qui se servent de l'IA, fin 2026 : il y recourt chaque jour travaillé pour une partie de ses questions, de ses écrits et de ses lectures, environ 5 à 15 demandes par jour dans un métier de bureau. Dans une organisation ou un territoire, il fixe aussi la part des salariés qui s'en servent (25 %).
Limite. Ce réglage reste une hypothèse de la base, pas une mesure du métier.
Rôle et limites : Crédoc
Auteur. Crédoc pour l'Arcep, l'Arcom, le CGE et l'ANCT
Ce que couvre la publication. usage de l'IA générative des 12 ans et plus en France en 2025 : qui, pour quoi, à quelle fréquence, payant ou non
Ce qu'elle ne couvre pas. le nombre de demandes
Lecture de la base. L'enquête de référence en France, 4 145 personnes
Data scientist, 1 an → : Question rapide →
Environ 8 questions par jour, hypothèse ; part faite avec l'IA appuyée sur le Crédoc (2026), ajustée au métier.
Périmètre du chiffre repris. calcul de la réponse, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Rôle et limites : EnronSent
Auteur. Will Styler
Ce que couvre la publication. 96 106 messages envoyés par des salariés d'Enron, 13 810 266 mots
Ce qu'elle ne couvre pas. les messages reçus
Lecture de la base. Des e-mails professionnels de 2000 et 2001 : un ordre de grandeur, pas une norme
Écrire un e-mail → : Écrire, avec raisonnement →
L'e-mail écrit, 150 mots
Périmètre du chiffre repris. serveur, hors centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Écrire un e-mail → : Lire 1 000 tokens →
Convention de longueur : un e-mail
Périmètre du chiffre repris. Un e-mail courant : les messages envoyés du corpus Enron comptent en moyenne environ 144 mots ; chiffre lu dans un extrait, notice non vérifiée
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Écrire un e-mail → : Écrire, avec raisonnement →
Convention de longueur : un e-mail
Périmètre du chiffre repris. Un e-mail courant : les messages envoyés du corpus Enron comptent en moyenne environ 144 mots ; chiffre lu dans un extrait, notice non vérifiée
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Epoch AI · février 2025
How much energy does ChatGPT use? ↗ (nouvel onglet)
Question rapide · Relire en cache
Usages et hypothèses · Énergie et facteurs
Rôle et limites : Epoch AI
Ce que couvre la publication. le calcul depuis le matériel et la taille supposée du modèle
Ce qu'elle ne couvre pas. les mesures réelles
Lecture de la base. Un calcul public, transparent
Référence de la valeur retenue
Périmètre du chiffre repris. GPT-4o, 500 tokens écrits, périmètre complet
Limite. Un calcul public, depuis le matériel et la taille supposée du modèle
Conversation de 10 échanges → : Relire en cache →
Le contexte relu à chaque tour depuis le cache : les échanges précédents, et le document déjà dans la conversation s'il y en a un
Périmètre du chiffre repris. serveur, convention C4
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
GitHub · mai 2023
How GitHub Copilot is getting better at understanding your code ↗ (nouvel onglet)
Lire 1 000 tokens
Rôle et limites : GitHub
Ce que couvre la publication. environ 6 000 caractères de code lus pour une suggestion
Ce qu'elle ne couvre pas. l'électricité
Lecture de la base. Un billet de 2023, mis à jour en 2024 : la taille actuelle n'est pas publiée
Suggestion de code → : Lire 1 000 tokens →
Le code autour du curseur, environ 6 000 caractères ou 125 lignes, lu par un petit modèle
Périmètre du chiffre repris. serveur, hors centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Les 4 autres publications de cette partie
Microsoft Research · juillet 2025
Working with AI: Measuring the Applicability of Generative AI to Occupations ↗ (nouvel onglet)
Data scientist, 1 an · Conversation de 10 échanges · Interroger un PDF · et 4 autres entrées
Rôle et limites
Auteur. Kiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts, Siddharth Suri (Microsoft)
Ce que couvre la publication. 200 000 conversations avec Bing Copilot rapprochées des activités d'O*NET ; score d'applicabilité par métier, en données ouvertes (version 7 d'octobre 2026)
Ce qu'elle ne couvre pas. l'adoption réelle par métier
Lecture de la base. Mesure ce à quoi l'IA sert et réussit, pas qui l'utilise
Observation publiée sur les usages
Périmètre du chiffre repris. Score d'applicabilité de l'IA générative des data scientists (code 15-2051), 200 000 conversations avec Bing Copilot, de 0 à 1
Limite. Sert au coefficient du métier : racine du score rapporté à 0,25, le score des employés de bureau
Data scientist, 1 an → : Conversation de 10 échanges →
Environ 1 discussion de méthode par jour, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Périmètre du chiffre repris. messages, contexte relu en cache, réponses, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Data scientist, 1 an → : Interroger un PDF →
Environ 2 articles ou documentations interrogés par semaine, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Périmètre du chiffre repris. document lu, réponse, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Data scientist, 1 an → : Résumer 30 pages →
Environ 1 long document à résumer par semaine, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Périmètre du chiffre repris. document lu, résumé écrit, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Data scientist, 1 an → : Rédiger une page →
Environ 2 pages de rapport par semaine, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Périmètre du chiffre repris. tokens lus et écrits, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Data scientist, 1 an → : Présentation de 10 diapos →
Environ 2 présentations de résultats par mois, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Périmètre du chiffre repris. tâches simples, centre de données compris
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Data scientist, 1 an → : Écrire un e-mail →
Environ 10 e-mails par jour, hypothèse ; part faite avec l'IA tirée de la valeur commune à tous les métiers pour cette tâche, puis ajustée au métier d'après l'étude de Microsoft sur 200 000 conversations.
Périmètre du chiffre repris. tokens lus et écrits, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
OpenAI · décembre 2025
The state of enterprise AI, 2025 report ↗ (nouvel onglet)
Data scientist, 1 an · Analyser un tableur
Rôle et limites
Ce que couvre la publication. usage réel des clients d'entreprise de ChatGPT et enquête auprès de 9 000 salariés
Ce qu'elle ne couvre pas. les offres grand public et tout volume absolu par salarié
Lecture de la base. Rapport d'éditeur ; les écarts entre utilisateurs sont la donnée utile
Observation publiée sur les usages
Périmètre du chiffre repris. Usage de l'outil d'analyse de données par les plus actifs, rapporté au médian, chez les salariés de la fonction données
Limite. Appui du recours à l'analyse de données du data scientist
Data scientist, 1 an → : Analyser un tableur →
Environ 1 jeu de données à explorer par jour, hypothèse ; part faite avec l'IA appuyée sur l'écart de 16 fois entre les plus actifs et le médian pour l'analyse de données (OpenAI, 2025).
Périmètre du chiffre repris. tokens lus et écrits, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Projet Celsius · novembre 2026
Tokens par mot, par ligne de code et par cellule, mesurés avec 7 découpages publics
Lire 1 000 tokens · Écrire 1 000 tokens · Relire en cache · et 1 autre entrée
Rôle et limites
Ce que couvre la publication. 479 888 mots de 196 articles du blog et leur traduction anglaise, code du site et de la bibliothèque Python, un tableau de mesures ; découpages de GPT-4o, GPT-4, Llama 3, Gemini (via Gemma 3), Mistral, DeepSeek et Qwen
Ce qu'elle ne couvre pas. le découpage de Claude, non public
Lecture de la base. Une mesure sur des textes techniques, chiffres compris ; à refaire si les éditeurs changent de découpage
mesure de Projet Celsius, refaite à la demande avec les découpages publics
Suggestion de code → : Lire 1 000 tokens →
Convention de longueur : une ligne de code
Périmètre du chiffre repris. De 10 tokens par ligne (bibliothèque standard de Python) à 19 (le code TypeScript de ce site), mesuré avec le découpage de GPT-4o
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Suggestion de code → : Écrire 1 000 tokens →
Convention de longueur : une ligne de code
Périmètre du chiffre repris. De 10 tokens par ligne (bibliothèque standard de Python) à 19 (le code TypeScript de ce site), mesuré avec le découpage de GPT-4o
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Analyser un tableur → : Lire 1 000 tokens →
Le tableur, 200 lignes et 10 colonnes, et la question
Périmètre du chiffre repris. serveur, hors centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Analyser un tableur → : Lire 1 000 tokens →
Convention de longueur : un tableur de 200 lignes
Périmètre du chiffre repris. Un tableau de 200 lignes et 10 colonnes de chiffres et de libellés courts : 4,7 tokens par cellule, mesuré sur un tableau réel
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Conversation de 10 échanges → : Relire en cache →
Convention de longueur : une page
Périmètre du chiffre repris. Une page de rapport, titres et paragraphes compris : entre le feuillet de 1 500 signes (250 mots) et une page A4 pleine en simple interligne (environ 550 mots, à 6,1 signes par mot mesurés sur nos articles)
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Interroger un PDF → : Lire 1 000 tokens →
Convention de longueur : une page
Périmètre du chiffre repris. Une page de rapport, titres et paragraphes compris : entre le feuillet de 1 500 signes (250 mots) et une page A4 pleine en simple interligne (environ 550 mots, à 6,1 signes par mot mesurés sur nos articles)
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Résumer 30 pages → : Lire 1 000 tokens →
Convention de longueur : une page
Périmètre du chiffre repris. Une page de rapport, titres et paragraphes compris : entre le feuillet de 1 500 signes (250 mots) et une page A4 pleine en simple interligne (environ 550 mots, à 6,1 signes par mot mesurés sur nos articles)
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Résumer 30 pages → : Écrire, avec raisonnement →
Convention de longueur : une page
Périmètre du chiffre repris. Une page de rapport, titres et paragraphes compris : entre le feuillet de 1 500 signes (250 mots) et une page A4 pleine en simple interligne (environ 550 mots, à 6,1 signes par mot mesurés sur nos articles)
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Rédiger une page → : Écrire, avec raisonnement →
Convention de longueur : une page
Périmètre du chiffre repris. Une page de rapport, titres et paragraphes compris : entre le feuillet de 1 500 signes (250 mots) et une page A4 pleine en simple interligne (environ 550 mots, à 6,1 signes par mot mesurés sur nos articles)
Limite. Cette publication appuie la quantité de texte ou de contenu traitée, pas son empreinte carbone.
Stack Overflow · 2025
2025 Developer Survey, AI ↗ (nouvel onglet)
Générer une fonction · Suggestion de code
Rôle et limites
Ce que couvre la publication. fréquence d'usage de l'IA et des agents, tâches confiées, environ 33 000 répondants
Ce qu'elle ne couvre pas. le nombre de demandes
Lecture de la base. Enquête en ligne de développeurs volontaires, plus engagés que la moyenne
Data scientist, 1 an → : Générer une fonction →
Environ 5 fonctions ou requêtes écrites par jour, hypothèse faute de fréquences publiées pour ce métier dans O*NET ; recours comme pour les développeurs (Stack Overflow, 2025) ; remplacé par les heures d'agent quand il y a des agents.
Périmètre du chiffre repris. tokens lus et écrits, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Data scientist, 1 an → : Suggestion de code →
Environ 150 suggestions proposées par jour quand l'assistant est actif, hypothèse ; recours comme pour les développeurs (Stack Overflow, 2025).
Périmètre du chiffre repris. code lu, suggestion écrite, petit modèle, centre de données
Limite. La quantité et la part confiée à l'IA sont des hypothèses de la base, pas une empreinte mesurée.
Énergie et facteurs
Les références des valeurs retenues et des entrées qui servent à ce calcul.
Google · août 2025
Measuring the environmental impact of delivering AI at Google scale ↗ (nouvel onglet)
Question rapide
Rôle et limites : Google
Ce que couvre la publication. puces, hôte, machines en réserve, centre de données, eau sur site
Ce qu'elle ne couvre pas. fabrication, entraînement
Lecture de la base. La seule mesure en production publiée par un éditeur
Référence de la valeur retenue
Périmètre du chiffre repris. Médiane d'un prompt texte ; puces, hôte, machines en réserve, centre de données
Limite. La seule mesure en production publiée par un éditeur, non auditée par un tiers
Luccioni et al. · octobre 2024
Power Hungry Processing ↗ (nouvel onglet)
Générer une image · Tâche spécialisée
Rôle et limites : Luccioni et al.
Auteur. Luccioni, Jernite et Strubell
Ce que couvre la publication. carte graphique, processeur, mémoire
Ce qu'elle ne couvre pas. centre de données
Lecture de la base. Modèles ouverts seulement
Créer une image → : Générer une image →
Une image, de la taille choisie : standard par défaut
Périmètre du chiffre repris. carte graphique, processeur, mémoire ; hors centre de données
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Référence de la variante « Image standard, environ un mégapixel »
Périmètre du chiffre repris. Moyenne des modèles ouverts testés, 1 000 images ; médiane 1,35 Wh, maximum 11,49 Wh
Limite. Modèles ouverts seulement ; les générateurs fermés ne publient rien
Référence de la variante « Classer un texte »
Périmètre du chiffre repris. Classification de texte, moyenne des modèles ouverts testés : 0,002 kWh pour 1 000 inférences
Limite. Modèles de 2023, mesurés sur un nœud de 8 cartes A100
Microsoft Research · 2026
Estimation de l'énergie des requêtes en production (Joule) ↗ (nouvel onglet)
Question rapide
Rôle et limites : Microsoft Research
Auteur. Microsoft Research, Oviedo et al.
Ce que couvre la publication. nœuds H100, production
Lecture de la base. Calée sur la production
Référence de la valeur retenue
Périmètre du chiffre repris. Médiane, 500 tokens lus et 300 écrits, nœuds H100
Limite. Pas une mesure, mais calée sur la production ; juge les estimations publiques 4 à 20 fois trop hautes
ML.ENERGY · février 2026
The ML.ENERGY Leaderboard v3, données par tâche ↗ (nouvel onglet)
Lire 1 000 tokens · Écrire 1 000 tokens
Rôle et limites : ML.ENERGY
Auteur. Chung et al., université du Michigan
Ce que couvre la publication. énergie de la carte graphique par token, par réponse, par image, en régime établi, selon le nombre de requêtes servies à la fois
Ce qu'elle ne couvre pas. processeurs, mémoire de l'hôte, refroidissement du centre de données, fabrication
Lecture de la base. Le meilleur banc ouvert : il sert à comparer les tailles de modèles entre elles, pas comme valeur de production
Appui du réglage « Petit modèle »
Périmètre du chiffre repris. Un modèle d'environ 8 milliards de paramètres actifs, comme Llama 3.1 8B : environ 6 fois moins d'électricité par token que le modèle moyen, selon le banc ML.ENERGY.
Limite. Le réglage est une convention de la base appuyée sur cette publication.
Référence de la variante « Petit modèle, environ 8 milliards de paramètres »
Périmètre du chiffre repris. Llama 3.1 8B, une carte H100, 64 requêtes à la fois, carte graphique seule, par 1 000 tokens écrits, lecture de la question comprise
Limite. Carte graphique seule, sur un banc : la base n'en garde que le rapport au modèle de 70 milliards, 1 pour 6,7
Le relevé porte sur un autre périmètre ; il ne constitue pas une mesure directe de cette entrée.
Rôle et limites : OpenAI
Auteur. Sam Altman, OpenAI
Ce que couvre la publication. une requête moyenne
Ce qu'elle ne couvre pas. méthode, périmètre
Lecture de la base. Une phrase, sans méthode
Référence de la valeur retenue
Périmètre du chiffre repris. « Une requête moyenne », sans méthode publiée
Limite. Aucun périmètre publié ; cohérent avec Google
L'autre publication de cette partie
Watershed · août 2026
Estimating GHG Emissions from AI Use ↗ (nouvel onglet)
Lire 1 000 tokens · Écrire 1 000 tokens · PUE du centre de données
Rôle et limites
Ce que couvre la publication. facteurs par 1 000 tokens, centre de données
Lecture de la base. Des facteurs par défaut, calés sur des services hors production
Référence de la variante « Modèle moyen, facteur par défaut de Watershed »
Périmètre du chiffre repris. Facteur par défaut pour 1 000 tokens lus, modèle moyen, au serveur
Limite. Une valeur par défaut, calée sur des services hors production
Référence de la variante « Modèle moyen, facteur par défaut de Watershed »
Périmètre du chiffre repris. Facteur par défaut pour 1 000 tokens écrits, modèle moyen, au serveur
Limite. Une valeur par défaut, calée sur des services hors production
Générer une fonction → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Référence de la valeur retenue
Périmètre du chiffre repris. Facteur par défaut, du serveur au centre de données
Limite. Une valeur par défaut, pas une mesure
Facteur de référence : Modèle moyen, facteur par défaut de Watershed
Périmètre du chiffre repris. Facteur par défaut pour 1 000 tokens lus, modèle moyen, au serveur
Limite. Ce relevé concerne la variante de référence, pas une mesure de « Petit modèle, environ 8 milliards de paramètres ». Une valeur par défaut, calée sur des services hors production
Facteur de référence : Modèle moyen, facteur par défaut de Watershed
Périmètre du chiffre repris. Facteur par défaut pour 1 000 tokens écrits, modèle moyen, au serveur
Limite. Ce relevé concerne la variante de référence, pas une mesure de « Petit modèle, environ 8 milliards de paramètres ». Une valeur par défaut, calée sur des services hors production
Suggestion de code → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Analyser un tableur → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Question rapide → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Conversation de 10 échanges → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Interroger un PDF → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Résumer 30 pages → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Rédiger une page → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Créer une image → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Écrire un e-mail → : PUE du centre de données →
Le centre de données, convention C3
Périmètre du chiffre repris. refroidissement et pertes du bâtiment
Limite. Ce chiffre porte sur une partie du calcul ; il ne mesure pas l'entrée entière.
Conversion en carbone
La source du facteur électrique du lieu sélectionné.
Dans le monde : 458 gCO2e/kWh, cycle de vie.
Ember · 2026
Global Electricity Review 2026, et Our World in Data d'après Ember ↗ (nouvel onglet)
Électricité du réseau
Rôle et limites : Ember
Auteur. Ember, Our World in Data
Ce que couvre la publication. production d'électricité en cycle de vie, par pays
Ce qu'elle ne couvre pas. garanties d'origine
Lecture de la base. Une même source pour tous les pays
Conversion de l'électricité en carbone : dans le monde
Périmètre du chiffre repris. la production de l'électricité en cycle de vie, construction des centrales et combustibles compris
Limite. Une moyenne du pays choisi, pas le contrat d'électricité ni le centre de données d'un service précis.
Historique
Entrée en version 0.1 du 2 novembre 2026, dans la base en version 0.3
- 2 novembre 2026Version 0.1 de l'entrée, à la date de sa valeur actuelle.
- 31 octobre 2026Création de la base, dans sa première version (0.1).