Google vient de publier des chiffres réels sur la consommation d’énergie de l’IA – Et ils ne sont pas ce que vous pensez

Tout le monde parle de l’empreinte énergétique massive de l’IA. Vous avez vu les titres : “ChatGPT utilise autant d’électricité qu’un petit pays” ou “Chaque requête IA boit une bouteille d’eau.”

Google vient de publier des données réelles de leurs systèmes de production, et les chiffres racontent une histoire complètement différente.

Le coût énergétique réel de votre requête IA

Voici ce que Google a trouvé : La requête médiane Gemini utilise 0,24 watt-heures d’énergie. C’est moins d’électricité que regarder la télévision pendant neuf secondes. Consommation d’eau ? Cinq gouttes. Pas cinq verres. Cinq gouttes.

Le fossé entre la perception publique et la réalité est massive. Les estimations précédentes affirmaient que les requêtes IA consommaient entre 10 et 50 millilitres d’eau par requête. Certaines études suggéraient une consommation d’énergie 30 fois supérieure à ce que Google mesure dans la production.

Pourquoi une telle différence ? Parce que personne n’a mesuré de vrais systèmes à grande échelle jusqu’à présent. Les études universitaires effectuent des tests isolés sur du matériel sous-utilisé. Ils mesurent essentiellement la consommation de carburant d’une voiture alors qu’elle est à l’arrêt dans l’allée.

L’amélioration de 44 fois

Google a réduit ses émissions de carbone liées à l’IA de 44 fois en un an. Pas 44 pour cent – 44 fois.

Ceci n’est pas une amélioration théorique dans un laboratoire. Cela se passe actuellement sur les systèmes qui servent des milliards de requêtes. Ils ont obtenu cela grâce à une combinaison d’optimisation logicielle (amélioration de 33 fois) et de sources d’énergie plus propres (amélioration de 1,4 fois).

La plupart des études ne regardent que les puces IA qui effectuent les calculs. C’est comme mesurer la consommation d’énergie d’un restaurant en ne comptant que les fours, en ignorant les réfrigérateurs, les lumières et le système de climatisation.

Les données de Google montrent l’image complète : Oui, les accélérateurs IA utilisent 58 % de l’énergie. Mais vous avez également besoin de processeurs et de mémoire classiques (24 %), de capacités de sauvegarde pour la fiabilité (10 %) et de systèmes de refroidissement (8 %). Si vous omettez l’un de ces éléments dans vos mesures, vos chiffres sont essentiellement sans signification.

Lorsque Google a appliqué la méthodologie étroite que tout le monde utilise – en ne mesurant que les puces IA sur des machines entièrement utilisées – leur chiffre d’énergie est tombé à 0,10 watt-heure. Le système de production réel utilise 2,4 fois plus d’énergie parce que les systèmes réels ont besoin de redondance, de refroidissement et d’infrastructures de support.

Ce que cela signifie réellement pour l’avenir de l’IA

Le récit autour de la consommation d’énergie de l’IA a besoin d’un retour à la réalité. Oui, l’IA utilise de l’énergie. Mais les systèmes correctement optimisés sont beaucoup plus efficaces que les scénarios catastrophiques le laissent supposer.

Le contexte est important ici. Ces 0,24 watt-heures par requête ? Les Américains utilisent environ 30 kilowatt-heures d’électricité par jour en moyenne. Vous auriez besoin de lancer 125 000 requêtes IA pour correspondre à une journée d’utilisation d’énergie ménagère typique.

L’histoire de la consommation d’eau est encore plus dramatique. Ces cinq gouttes d’eau par requête ? Vous utilisez plus d’eau dans la première seconde de lavage de vos mains.

La pile d’optimisation

Google n’obtient pas ces chiffres grâce à une seule avancée. Ils empilent les optimisations à chaque couche du système.

Ils exécutent des modèles “brouillons” plus petits qui esquissent les réponses, puis vérifient avec des modèles plus grands uniquement lorsque nécessaire. Ils regroupent des milliers de requêtes ensemble pour l’efficacité. Ils utilisent des puces personnalisées conçues spécifiquement pour les charges de travail IA qui sont 30 fois plus efficaces que leur première génération.

Leurs centres de données fonctionnent à seulement 9 % de surcharge par rapport au minimum théorique – essentiellement aussi efficaces que possible physiquement. Et ils sont de plus en plus alimentés par des sources d’énergie propres, réduisant les émissions même lorsque l’utilisation d’électricité augmente.

En résumé

Cela ne fonctionne que lorsque les entreprises optimisent réellement leur pile complète et mesurent correctement. Les entreprises qui traitent les infrastructures IA comme une après-pensée, en exécutant des systèmes inefficaces sur des réseaux électriques sales ? Ce sont eux qui créent les problèmes dont tout le monde s’inquiète.

Le fossé entre les systèmes IA efficaces et inefficaces est absolument massive. Et en ce moment, la plupart de l’industrie exécute toujours la version inefficace.