Amazon avait publier des chiffres pour l'entrainement d'un GPT 4-like, la production de CO2 correspondait à 1 aller-retour Paris-New York en gros porteur. Il y a une centaine de vol transatlantique par jour.
Les vols transatlantiques sont actuellement en baisse alors que la conso de l'IA est en croissance très forte. La comparaison est difficile à tenir.
Amazon est une des boîtes avec Meta parmis les plus en retard sur l'IA. Si Anthropic ou OpenAI donne la quantité d'énergie et d'eau utilisée pour entraîner un de leurs modèles récent, ok ça pourrait être un indicateur. La date des chiffres est aussi importante, parce qu'il y a eu une grosse augmentation de la durée et de et la complexité de l'entraînement des LLMs. Puis maintenant, la distillation étant une source d'entraînement majeure, faudrait aussi compter le coût d'inférence utilisée pour entraîner les modèles.
Là où je bosse et où on débute tout juste, on est déjà à une moyenne de 10 000k pour une trentaine de développeurs. Ceux qui s'en servent le plus sont dans les 600€ par mois mais en croissance constante, linéaire. Les modèles ont encore une fois tendance à consommer de plus en plus de tokens, ça va pas s'arranger.
D'un autre coté, le pdg de MistralIA en regardant l'usage de l'IA dans sa propre boite parle de 10k€ par développeur et par an soit 1kw en continu ou un demi-gpu par personne, soit 400kg de CO2 en France.
Traduire ça en conso de 1kw, je serais curieux de voir la source.
[^] # Re: Spéculations
Posté par damaki . En réponse au journal Gains potentiels de l'IA en terme d'optimisation énergétique, et consommation d'énergie. Évalué à 6 (+4/-0). Dernière modification le 04 juin 2026 à 16:39.
Les vols transatlantiques sont actuellement en baisse alors que la conso de l'IA est en croissance très forte. La comparaison est difficile à tenir.
Amazon est une des boîtes avec Meta parmis les plus en retard sur l'IA. Si Anthropic ou OpenAI donne la quantité d'énergie et d'eau utilisée pour entraîner un de leurs modèles récent, ok ça pourrait être un indicateur. La date des chiffres est aussi importante, parce qu'il y a eu une grosse augmentation de la durée et de et la complexité de l'entraînement des LLMs. Puis maintenant, la distillation étant une source d'entraînement majeure, faudrait aussi compter le coût d'inférence utilisée pour entraîner les modèles.
Là où je bosse et où on débute tout juste, on est déjà à une moyenne de 10 000k pour une trentaine de développeurs. Ceux qui s'en servent le plus sont dans les 600€ par mois mais en croissance constante, linéaire. Les modèles ont encore une fois tendance à consommer de plus en plus de tokens, ça va pas s'arranger.
Traduire ça en conso de 1kw, je serais curieux de voir la source.