Questions fréquentes sur l'IA et son matériel

L'IA tourne sur des serveurs dont il faut fabriquer les cartes graphiques, la mémoire et les métaux, puis les remplacer au bout de quelques années. Les réponses aux questions les plus posées sur ce matériel, chacune avec son chiffre, sa source et la page qui la détaille.

1.Les cartes graphiques et les serveurs

Qu'est-ce qu'un GPU ?

La puce d'une carte graphique, conçue pour mener des milliers de calculs à la fois ; elle fait aujourd'hui surtout tourner l'IA.

Le détail et les sources

GPU vient de l'anglais graphics processing unit. Celui de la H100 SXM de Nvidia (2022) réunit 16 896 cœurs de calcul, quand un processeur ordinaire mène beaucoup moins d'opérations de front ; début 2025, cette génération faisait 77 % de la puissance de calcul installée des puces d'IA de Nvidia, selon Epoch AI.

Lire l'analyse →Source : Nvidia ↗De quoi est faite une IA →

Pourquoi l'IA a-t-elle besoin de cartes graphiques ?

Parce qu'un modèle de langage fait des milliards d'opérations à chaque mot, qu'une carte graphique mène de front.

Le détail et les sources

Environ 140 milliards par mot pour un modèle dense de 70 milliards de paramètres, selon notre calcul ; une H100 SXM de Nvidia en fait jusqu'à 989 000 milliards par seconde sur des nombres de 16 bits. C'est surtout la lecture de sa mémoire, à 3,35 téraoctets par seconde, qui limite la vitesse d'une réponse.

Lire l'analyse →Source : Nvidia, fiche technique de la H100 ↗L'électricité d'une heure de carte H100 →

Quelle est la puissance d'une carte graphique H100 ?

700 W au plus pour la carte seule ; avec sa part du serveur, une heure de calcul vaut une cinquantaine de recharges de téléphone.

Le détail et les sources

Ces 700 W sont ceux de la version des serveurs d'IA, montée par 8 dans un serveur qui peut atteindre 10,2 kW, soit 1 275 W par carte, processeurs et ventilation compris. Faute de mesure publiée en service, la Base Impact de l'IA retient 900 W en moyenne par carte, part du serveur comprise, soit 70 % de ce maximum.

Voir la fiche de la Base →Source : Nvidia, fiche technique de la H100 ↗Pourquoi l'IA a besoin de cartes graphiques →

Combien de cartes graphiques faut-il pour faire tourner un modèle d'IA ?

Assez pour loger tout le modèle en mémoire : au moins 2 cartes H100 pour un modèle de 70 milliards de paramètres.

Le détail et les sources

Selon notre calcul, ces paramètres occupent 140 Go sur 16 bits, pour 80 Go de mémoire par carte. Les services traitent ensuite de nombreuses demandes à la fois sur les mêmes cartes, ce qui réduit l'électricité par demande.

Lire l'analyse →Source : Nvidia, fiche technique de la H100 ↗L'électricité d'une heure de carte H100 →

Combien y a-t-il de cartes graphiques d'IA dans le monde ?

Environ 13 millions de cartes d'IA en service en 2025, d'après les estimations : aucun fabricant ne publie ce nombre.

Le détail et les sources

C'est la reconstitution de l'association GreenIT, dans près de 1,9 million de serveurs. Nvidia aurait livré à lui seul environ 4,5 millions de cartes pour centres de données en 2025, contre 1,3 million en 2023.

Lire l'analyse →Source : GreenIT ↗Le dossier Semi-conducteurs →

Où sont fabriquées les puces d'IA ?

Surtout en Asie de l'Est : Taïwan pour les puces de calcul, la Corée du Sud et le Japon pour leur mémoire.

Le détail et les sources

TSMC grave les puces de Nvidia et d'AMD ; SK hynix, Samsung et Micron produisent la mémoire. D'après l'estimation de Greenpeace, l'électricité de cette fabrication se partageait en 2024 entre Taïwan, environ 38 %, la Corée du Sud, 32 %, et le Japon, 30 %.

Lire l'analyse →Source : Greenpeace Asie de l'Est ↗L'électricité de fabrication des puces d'IA →

Les puces d'IA deviennent-elles plus efficaces ?

Oui, mais moins vite que les modèles : un même calcul demande environ 10 fois moins d'électricité tous les 8 ans.

Le détail et les sources

Les opérations par watt des cartes graphiques doublent tous les 2,4 ans depuis 2008 ; les 8 ans sont notre calcul. Chez Google, 2 générations de puces ont divisé par 2 à 3 les émissions d'un calcul de 2020 à 2024, fabrication comprise, quand l'énergie d'une question médiane à Gemini était divisée par 33 en un an (août 2025).

Lire l'analyse →Source : Epoch AI ↗L'IA consomme-t-elle plus ou moins avec le temps ? →

2.La fabrication et le cycle de vie

Combien de temps dure un serveur d'IA ?

De 3 à 6 ans selon les hypothèses publiées, dont aucune n'est une mesure.

Le détail et les sources

L'association GreenIT retient 3 ans, car on jette souvent le serveur entier quand une carte tombe en panne. Google répartit la fabrication de ses puces sur 6 ans, et Meta, Amazon et Alphabet amortissent leurs serveurs sur 5 à 6 ans dans leurs comptes.

Lire l'analyse →Source : GreenIT ↗La fabrication amortie par heure de carte →

Prolonger la durée de vie du matériel réduit-il l'empreinte de l'IA ?

Oui : une puce gardée 6 ans plutôt que 3 retire 8 % des émissions d'un calcul, 30 % sur un réseau bas carbone.

Le détail et les sources

C'est notre calcul sur l'analyse de cycle de vie d'une puce de Google de 2024 : 8 % avec le réseau moyen de Google en 2023, 30 % avec une électricité comme celle de la France. Sur un tel réseau, ce levier pèse autant que choisir le plus petit modèle suffisant, 28 % selon une étude de 2025.

Lire l'analyse →Source : Google, analyse de cycle de vie de ses puces ↗Quel modèle d'IA pour quelle tâche →

De quoi est faite une IA ?

De serveurs, dans des centres de données : des puces de calcul sur des cartes graphiques, leur mémoire, des processeurs et du stockage.

Le détail et les sources

Ces pièces sont faites de silicium très pur relié par du cuivre, d'aluminium, d'or dans les contacts et de métaux plus rares. Au 14 novembre 2026, nous n'avons trouvé aucune composition d'un serveur d'IA publiée au kilogramme près.

Lire l'analyse →Le dossier Métaux et ressources →

Quelle est l'empreinte de fabrication d'une carte graphique d'IA ?

De 164 à 235 kgCO2e pour une carte H100 selon la méthode, autant que 1 200 à 1 700 km en voiture.

Le détail et les sources

Nvidia publie 1 312 kgCO2e pour la carte mère qui en porte 8, jusqu'à la sortie d'usine, soit 164 kgCO2e par carte. L'Agence de la transition écologique estime une carte seule à 235 kgCO2e, et 8 cartes d'IA qu'elle a évaluées vont de 61 à 318 kgCO2e chacune, distribution et fin de vie comprises.

Lire l'analyse →Source : Agence de la transition écologique, copie de lafibre.info ↗La fabrication d'un serveur d'IA, par composant →

Combien émet la fabrication d'un serveur d'IA ?

Environ 8,3 tCO2e pour un serveur à 8 cartes H100, autant que l'empreinte annuelle d'un Français.

Le détail et les sources

L'association GreenIT estime 8 341 kgCO2e pour un serveur d'entrée de gamme, fabrication, distribution et fin de vie comprises. Nvidia publie, jusqu'à la sortie d'usine, 1 312 kgCO2e pour la seule carte mère qui porte les 8 cartes, sans processeurs, mémoire vive ni stockage, et 2 274 kgCO2e pour celle de la génération suivante.

Voir la fiche de la Base →Source : GreenIT ↗La fabrication d'un serveur d'IA, par composant →

Qu'est-ce qui pèse le plus dans la fabrication d'un serveur d'IA ?

La mémoire, qui fait 42 % des émissions de fabrication de la carte mère portant les 8 cartes graphiques.

Le détail et les sources

C'est la seule partie du serveur que Nvidia détaille (2025) : la mémoire y devance les puces de calcul et de réseau, 25 %, et le refroidissement, 18 %. Sur la carte mère de la génération suivante, la HGX B200, elle monte à 49 %.

Voir le graphique →Source : Nvidia, empreinte carbone de la HGX H100 ↗La fabrication d'un serveur d'IA, dans la Base →

Combien d'électricité faut-il pour fabriquer les puces d'IA ?

Environ 1 TWh en 2024 pour les puces d'IA de Nvidia et d'AMD, un peu moins d'une journée de consommation d'électricité en France.

Le détail et les sources

Greenpeace Asie de l'Est estime 983,9 GWh, mémoire comprise, contre 218 GWh en 2023 pour Nvidia seul ; c'est la seule estimation publiée. Tirée surtout du charbon et du gaz d'Asie de l'Est, cette électricité a émis environ 453 600 tCO2e, sans les gaz fluorés de la gravure ni les matières.

Voir le graphique →Source : Greenpeace Asie de l'Est ↗La fabrication des puces d'IA, dans la Base →

Les chiffres d'une question à une IA comptent-ils la fabrication des serveurs ?

Non pour l'électricité ; pour les émissions, seulement certains chiffres, comme ceux publiés pour Gemini et pour Le Chat.

Le détail et les sources

Pour une question médiane à Gemini, les 0,24 Wh mesurés par Google ne comptent pas la fabrication, mais ses 0,03 gCO2e, calculés avec ses contrats d'électricité, ajoutent celle des puces. Les 1,14 gCO2e d'une réponse de 400 tokens de Le Chat comptent la fabrication et le transport des serveurs, avec l'électricité du réseau local.

Voir le graphique →Source : Google ↗L'empreinte d'une réponse de Le Chat →

Qu'est-ce qu'une analyse de cycle de vie d'un modèle d'IA ?

Le bilan des impacts d'un modèle sur le climat, l'eau et les ressources, de l'extraction des matières à la fin de vie.

Le détail et les sources

La seule publiée par un éditeur est celle de Mistral Large 2 (Mistral AI, juillet 2025). Entraînement et 18 mois d'usage y font 20 400 tCO2e, 281 000 m³ d'eau et 660 kg d'antimoine équivalent, l'unité de l'épuisement des ressources, dont 61 % viennent du matériel des serveurs.

Voir le graphique →Source : Mistral AI ↗Analyse de cycle de vie et Bilan Carbone® ↗

La construction des centres de données pèse-t-elle dans l'empreinte de l'IA ?

Peu : moins de 1 % des émissions de Mistral Large 2, seul modèle dont l'éditeur a publié l'analyse de cycle de vie.

Le détail et les sources

Pour une puce d'IA de 2024 gardée 6 ans, Google compte 109 kgCO2e de bâtiments dans 692 kgCO2e d'émissions de fabrication et de construction, contre 5 759 kgCO2e pour son électricité selon le réseau.

Lire l'analyse →Source : Google, analyse de cycle de vie de ses puces ↗L'analyse du cycle de vie de Mistral Large 2 →

Mon téléphone ou mon ordinateur pèse-t-il plus que mon usage de l'IA ?

Oui, pour un usage courant : un smartphone pèse autant qu'environ 70 000 réponses de Le Chat, près de 80 par jour pendant 2,5 ans.

Le détail et les sources

Un smartphone émet 80,2 kgCO2e sur 2,5 ans, presque tout pour sa fabrication, et un ordinateur portable 193 kgCO2e sur 5 ans, selon l'Agence de la transition écologique. La comparaison est notre calcul, avec 1,14 gCO2e par réponse de Le Chat, fabrication des serveurs comprise.

Voir le graphique →Source : Impact CO2, Agence de la transition écologique ↗L'empreinte d'une année d'usage de l'IA →

3.Les métaux et les déchets

Quels métaux faut-il pour faire tourner l'IA ?

Du cuivre, de l'aluminium, de l'or et des métaux plus rares comme le gallium et le germanium, autour du silicium des puces.

Le détail et les sources

Selon l'Agence internationale de l'énergie, les centres de données, tous usages confondus, demanderaient en 2030 environ 512 000 tonnes de cuivre, 2 % de la demande mondiale de 2024, et 11 % de la demande de gallium de 2024. Aucune composition d'un serveur d'IA n'est publiée au kilogramme près.

Lire l'analyse →Source : Agence internationale de l'énergie ↗Le dossier Métaux et ressources →

L'IA utilise-t-elle des terres rares ?

Oui, un peu : en 2030, les centres de données demanderaient plus de 3 % de la demande de 2024 en terres rares pour aimants.

Le détail et les sources

C'est l'estimation de l'Agence internationale de l'énergie, tous usages des centres confondus, pour le néodyme, le praséodyme, le dysprosium et le terbium. Nous n'avons trouvé aucune quantité publiée pour un serveur d'IA ni pour une réponse.

Lire l'analyse →Source : Agence internationale de l'énergie ↗Le dossier Métaux et ressources →

Combien de déchets électroniques l'IA produit-elle ?

De 1,2 à 5 millions de tonnes cumulées de 2020 à 2030, 2 à 8 % des déchets électroniques mondiaux d'une seule année.

Le détail et les sources

C'est une modélisation de l'IA générative sans mesures de réduction, publiée en 2024. Le monde a produit 62 millions de tonnes de déchets électroniques en 2022, selon les Nations unies ; le rapport de 2 à 8 % est notre calcul.

Voir le graphique →Source : Nature Computational Science ↗Le dossier Recyclage et réemploi →

Recycle-t-on les serveurs d'IA ?

Nous n'avons trouvé aucun taux publié pour les serveurs d'IA ; environ 1 tonne de déchets électroniques mondiaux sur 5 est recyclée de façon documentée.

Le détail et les sources

En 2022, 22,3 % des déchets électroniques du monde ont été collectés et recyclés de façon documentée, selon les Nations unies. Réemploi, réparation et recyclage des équipements des centres de données réduiraient de 16 à 86 % les déchets de l'IA générative d'ici 2030.

Voir le graphique →Source : Global E-waste Monitor, Nations unies ↗Le dossier Recyclage et réemploi →

4.L'entraînement des modèles

Combien émet l'entraînement d'un modèle d'IA ?

De quelques dizaines à plus de 10 000 tCO2e, soit jusqu'à l'empreinte annuelle de plus de 1 200 Français.

Le détail et les sources

Les bilans publiés comptent le plus souvent l'électricité seule : 11 390 tCO2e pour les 3 tailles de Llama de Meta, avec l'électricité du réseau local, et 552 tCO2e estimées pour GPT-3. L'Allen Institute for AI compte 312 tCO2e pour ses modèles OLMo, plus 159 tCO2e d'essais que les autres éditeurs ne publient pas.

Voir le graphique →Source : Meta, fiche du modèle Llama ↗L'entraînement d'un modèle, dans la Base →

Combien d'électricité faut-il pour entraîner un modèle d'IA ?

De quelques centaines de MWh à plusieurs dizaines de GWh ; pour GPT-4, autant qu'environ un mois et demi d'usage de ChatGPT.

Le détail et les sources

433 MWh pour BLOOM, entraîné en France en 2022, environ 1 287 MWh estimés pour GPT-3 et 32,8 GWh pour GPT-4, centre de données compris, selon des chercheurs. OpenAI, Anthropic et Google ne publient pas l'électricité de l'entraînement de GPT-4, Claude ou Gemini.

Voir la fiche de la Base →Source : étude de l'empreinte de BLOOM ↗Les émissions de 4 entraînements publiés →

Combien de cartes graphiques faut-il pour entraîner un grand modèle ?

Des millions d'heures de carte, par exemple 10 000 cartes pendant 2 semaines pour GPT-3 ; leur nombre est rarement publié.

Le détail et les sources

Pour GPT-3, des chercheurs estiment 10 000 cartes V100, une génération bien moins puissante, pendant 14,8 jours. Meta publie 39,3 millions d'heures de cartes H100 pour ses modèles Llama, et des chercheurs estiment GPT-4 à 57 millions d'heures de cartes A100.

Voir le graphique →Source : Meta, fiche du modèle Llama ↗L'électricité d'une heure de carte H100 →

Combien a émis l'entraînement de GPT-4 ?

Environ 15 000 tCO2e estimées, autant que l'empreinte annuelle de 1 800 Français.

Le détail et les sources

OpenAI ne publie pas ce bilan ; c'est une estimation de chercheurs, avec l'électricité moyenne des États-Unis (octobre 2025). Les deux tiers viennent de l'électricité des serveurs, un cinquième de la fabrication du matériel.

Voir la fiche de la Base →Les émissions de 4 entraînements publiés →

Une question sur un chiffre ?

Une erreur, une source à ajouter, une question de méthode, une demande de presse : écrivez-nous. Guillaume Pakula, Clément Reynaud, Sébastien Pierfederici et Alexandre Veilly vous répondent.

Nous écrire →

Projet Celsius, qui tient ce hub, aide aussi les entreprises à mesurer et réduire l'empreinte de leurs usages de l'IA.

Compter l'IA dans son Bilan Carbone® ↗
Projet Celsius, cabinet de conseil en stratégie environnementale

Nous accompagnons les entreprises qui comptent l'IA dans leur Bilan Carbone®

Visiter Projet Celsius ↗