Comprendre l'empreinte énergétique de nos usages IA, choisir les bons modèles, construire des prompts sobres — sans sacrifier la qualité pédagogique.
⏱ Module 2hEnseignants · Primaire et secondaireHuggingChat · Modèles libres
Où se passe vraiment la consommation ?
80–90 %
Entraînement des modèles — hors de notre contrôle
C'est là que se concentre l'essentiel de l'empreinte d'un modèle IA, une fois pour toutes. Ce coût est payé par les entreprises, pas par nos usages quotidiens.
10–20 %
Inférence (notre usage quotidien) — là où on peut agir
Chaque requête envoyée à un modèle consomme une petite quantité d'énergie. C'est notre terrain d'action réel.
Levier
Les millions de requêtes triviales — pas les usages pédagogiques ciblés
Questions simples posées à GPT-4o au lieu d'une recherche, reformulations basiques en boucle. Pas nos ateliers créatifs.
⚠️ Image, vidéo, musique — la nuance essentielle
Oui, la génération image/vidéo/musique consomme davantage qu'une question textuelle. Mais dans un cadre pédagogique ciblé, cet usage est justifié et minoritaire.
La règle n'est pas ne jamais générer — c'est ne pas faire générer n'importe quoi n'importe comment.
Ne pas faire générer directement par les élèves en masse : préparer les ressources en amont ou travailler sur un exemple partagé.
Préférer des modèles locaux/légers quand c'est possible.
L'analyse d'images ou sons déjà générés reste l'option la plus sobre — sans sacrifier la pédagogie.
💡 Modèles légers pour image & musique
Images : Stable Diffusion (local, via Automatic1111 ou ComfyUI) — ~0,1 Wh sur GPU local vs ~300 Wh sur service cloud. SDXL-Turbo génère en quelques secondes.
Musique : MusicGen (Meta, open-source) — modèle 300M paramètres utilisable localement. Udio/Suno uniquement pour la mise en musique finale, pas pour chaque brouillon.
Vidéo : Préférer des montages d'images fixes + voix (TTS local ou ElevenLabs) plutôt que la génération vidéo complète. Si génération vidéo : 1 seul rendu par groupe, partagé.
📊 Comparaison honnête
Recherche Google / Qwant
0,3 Wh
Question GPT-4o
3–10 Wh
Question Llama 3.2 3B (HuggingChat)
0,5–1 Wh
Image IA cloud (DALL-E, Midjourney…)
~300 Wh
Image Stable Diffusion local (GPU perso)
~0,1 Wh
Panorama des chiffres clés — ADEME 2025
Empreinte carbone
4,4 %
des émissions de la France en 2022, sans prendre en compte l'essor de l'IA. Ce chiffre pourrait tripler d'ici 2050.
Consommation électrique
11 %
de la consommation électrique française est liée aux services numériques.
Ressources par an
117 M
de tonnes de ressources (métaux, énergie, eau…) utilisées par an pour le numérique en France, soit 1,7 tonne par Français.
📱 Focus smartphone — 70 matériaux, 50 métaux
Un smartphone fait 4 fois le tour du monde avant d'arriver en point de vente. Pas moins de 70 matériaux (dont 50 métaux) sont nécessaires à sa fabrication. Le taux de collecte pour recyclage est estimé à seulement 5 %.
Un Français remplace son téléphone tous les 2,5 à 3 ans en moyenne.
Pour une tablette ou un ordinateur, passer de 2 à 4 ans d'usage améliore de 50 % son bilan environnemental.
80 % des matériaux d'un smartphone (en poids) sont recyclés — mais seuls 5 % des appareils sont collectés.
Cycle de vie du numérique
🏭 Phase de fabrication
60 % de l'impact environnemental d'un terminal se fait lors de la fabrication.
Consommation d'énergie, d'eau, de matières premières, extraction de métaux rares, pollutions liées à la dispersion de produits toxiques, impacts sanitaires.
⚡ Phase d'utilisation
40 % de l'impact lors de l'utilisation — mais cette part ne cesse d'augmenter avec l'essor de l'IA générative, des contenus HD et du streaming.
Data centers, réseaux, stockage : des infrastructures physiques très conséquentes derrière nos usages.
🏢 Data centers — 46 % des impacts du numérique français
Derrière la production d'objets numériques (50 %) et devant les infrastructures réseaux (4 %), les data centers représentent déjà 46 % des impacts du numérique français. Ce sont de véritables bâtiments industriels où fonctionnent en continu des milliers de machines : serveurs, systèmes de stockage, équipements réseau.
Les modèles d'IA nécessitent des serveurs bien plus puissants et denses, génèrent davantage de chaleur, et mobilisent des volumes massifs de données. Leurs impacts environnementaux devraient croître fortement à cause du recours massif à l'IA.
🎬 Le coût énergétique de la vidéo
Le format vidéo est le plus consommé. L'impact carbone des usages audiovisuels représente 1/3 de l'empreinte carbone du numérique en France — soit 0,9 % de l'empreinte carbone totale du pays, et 2,9 % de la consommation électrique française.
1 heure de streaming = entre 6 et 57 gCO₂eq, soit l'équivalent d'un TGV roulant sur 2 à 20 km. Ne pas systématiser l'usage de la vidéo en communication, la réserver aux contenus pour lesquels elle est indispensable.
Idées reçues sur le numérique
Nuancé« Le numérique a moins d'impact environnemental que le papier »
Pas forcément. Bien qu'immatériel, le numérique a une empreinte bien réelle. En France, sa phase de fabrication représente la 1ʳᵉ source d'impacts. L'empreinte du papier se concentre sur sa production, celle du digital sur la diffusion, l'usage et le stockage. Les deux ne s'opposent pas : chacun présente des avantages spécifiques, et il est pertinent de combiner les deux approches selon les usages.
Faux« Les sites internet éco-conçus sont moches »
Écoconcevoir n'exclut pas un travail graphique. Il s'agit d'optimiser le poids des images, d'alléger le code, d'éviter les carrousels et vidéos superflues — mais cela n'empêche en rien la créativité.
Faux« Si j'adopte le numérique responsable, le référencement de mon site sera affecté »
L'écoconception renforce la performance des sites. En se centrant sur le besoin usager, le tri et la suppression des contenus superflus n'affectent aucunement le trafic. Tous les sites qui opèrent ce nettoyage constatent une hausse de leur trafic et une meilleure qualification de leur référencement.
Vrai« La dématérialisation permet de réduire les consommations de papier » — mais pas systématiquement.
Attention aux transferts de pollution : les impacts du papier et des octets sont différents. Un support n'est pas systématiquement moins impactant que l'autre. Tout dépend de l'usage.
📈 Croissance explosive des requêtes ChatGPT
Les requêtes ChatGPT sont passées de 451 millions en 2024 à 2,6 milliards en 2025 — soit une multiplication par 6 en un an. Dans ce contexte, chaque geste de sobriété compte, et la pédagogie auprès des élèves devient essentielle.
🌍 Équipements dans le monde
Serveurs au niveau mondial
79,5 millions
Équipements réseaux (routeurs, box ADSL…)
30,5 milliards
Ratio par internaute
~6 équipements
Quiz d'ouverture — vote à main levée
Pour chaque situation, voter : moteur de recherche / petit modèle / gros modèle / à éviter
Situation
Réponse
Chercher la date d'un texte de loi RGPD
Moteur
Générer 10 questions Safe/Risqué/Interdit sur des données élèves
Petit modèle
Adapter un texte pour un élève dys
Petit modèle
Écrire un prompt complexe pour un jeu de rôle historique
Gros modèle
Générer des images IA cloud en masse, sans réflexion
À éviter
Choisir son modèle sur HuggingChat
La règle d'or : commencer par le plus petit. Si insuffisant, monter d'un cran.
Pour 90 % des tâches (quiz, reformulation, prompts structurés), Llama 3.2 3B suffit.
Modèle
Taille
Idéal pour…
Éco. vs GPT-4o
Llama 3.2 3B ★ sobre
3 Md
Quiz RGPD, questions flash, reformulation dys
~90 %
Mistral 7B Instruct
7 Md
Adapter un texte dys, structurer un prompt
~75 %
Llama 3.1 8B
8 Md
Podcast pédagogique, jeu de rôle historique
~70 %
Mixtral 8x7B
47 Md*
Ingénierie pédagogique complexe, HTML avancé
~40 %
GPT-4o / Claude Sonnet
~1 000 Md*
Réserver aux tâches vraiment complexes
référence
* Estimations — tailles exactes non publiées officiellement.
Prise en main HuggingChat en 4 gestes
1
Ouvrir huggingface.co/chat — pas de compte requis
2
Cliquer sur le menu déroulant de modèle (haut gauche)
3
Choisir Llama 3.2 3B ou Mistral 7B selon la tâche
4
Test : "Explique-moi ce qu'est un token en 3 phrases simples."
💡 Le principe
Chaque aller-retour = rechargement du contexte entier = consommation inutile. Écrire un prompt complet du premier coup économise de l'énergie et du temps.
Avant / Après — Bonjour Mon Général
❌ Prompt glouton — 5 échanges
"Joue un personnage." "Un personnage historique." "Napoléon." "Parle à la première personne." "Pour des CM2."
✅ Prompt sobre — 1 seul envoi
"Tu es Napoléon Bonaparte en 1815. Tu parles à la première personne, en français simple adapté au CM2. Réponds à mes questions sur ta vie et tes décisions, en restant dans ton époque."
Structure en 4 blocs = zéro aller-retour
Rôle
Qui est l'IA dans ce contexte ?
Contexte
Niveau, matière, contraintes
Tâche
Ce qu'on attend précisément
Format
Liste, texte court, tableau…
Comparaison directe — même résultat, 10× moins d'énergie
Usage par défaut
ChatGPT GPT-4o ~8 Wh par échange · Données USA · Conversation qui traîne
Usage sobre
HuggingChat + Llama 3.2 3B ~0,8 Wh · Prompt unique et complet · Résultat équivalent
⚠️ Image, vidéo & musique — la vraie règle
Pas de génération en masse par les élèves chacun de leur côté. En revanche, ces outils sont au cœur de vos ateliers les plus forts — ils restent légitimes et pédagogiquement justifiés.
Le principe : un rendu partagé, préparé en amont, avec les outils les plus légers disponibles.
Variante sobre
Créer des images avec l'IA
Options
A
Analyser des images déjà générées — même pédagogie sur les biais visuels, consommation quasi nulle.
B
Une image par groupe (pas par élève) via un modèle léger. Recommandés : Stable Diffusion local (SDXL-Turbo) ou Craiyon pour les plus jeunes.
C
Prompt collectif : la classe rédige ensemble un seul prompt → 1 rendu → analyse commune.
Variante sobre
Cadavre exquis musical
×10 à ×20 d'économie
Principe
Faire rédiger les couplets papier crayon et seul l'enseignant utilise l'IA SUNO pour créer les chansons dans le style choisi par les élèves.
Variante sobre
Vidéo pédagogique
Moins énergivore
Principe
Quand la génération de vidéo est utile, garder le contrôle de l'IA GEN (ce qui de toutes façons est le principe) et faire travailler en groupe ou en classe entière pour générer moins de séquences.
Choisissez 3 gestes et notez-les sur une carte. Suivi possible dans 15 jours.
Je commence par huggingface.co/chat avec Llama 3.2 3B avant d'ouvrir ChatGPT
Je vérifie si une recherche Qwant suffit avant toute requête IA
Mon prompt est complet dès le premier envoi (Rôle → Contexte → Tâche → Format)
Pour la génération image/vidéo/musique : je prépare en amont, 1 rendu partagé par groupe — pas de génération individuelle en masse
Je préfère un modèle léger (SD local, MusicGen) au service cloud quand c'est possible
J'ouvre une nouvelle conversation pour chaque nouveau sujet
Dans mes ateliers élèves, je travaille sur un exemple partagé plutôt que de faire générer chacun de son côté
J'explique à mes élèves où se situe vraiment la consommation énergétique (entraînement vs usage)
Je signale le coût énergétique d'une requête IA vs une recherche classique à mes élèves et collègues