55 secondes de streaming vidéo, c’est le coût environnemental d’une simple requête via une intelligence artificielle (IA) comme Le Chat. Contre l’opacité du secteur, Mistral AI, start-up française d’IA, vient de publier un bilan environnemental complet de son modèle phare Mistral Large 2, le modèle qui alimente notamment Le Chat. Objectif : poser les bases d’un standard global de mesure et de comparaison pour améliorer la sobriété numérique de ces technologies.
Le rapport, publié en juillet 2025, a été élaboré en partenariat avec Carbone 4, un cabinet de conseil spécialisé dans la stratégie bas-carbone et l’Agence de la transition écologique (Ademe), selon la méthodologie Frugal AI de l’Afnor, conforme aux normes ISO 14040/44 et au GHG Protocol Product Standard.
Lire aussi : Mesurer l’empreinte carbone de ses contenus générés par l’IA, c'est possible !
Entraînement des IA : un impact massif sur l’ensemble du cycle de vie
Le modèle Mistral Large 2 (123 milliards de paramètres) a généré, après 18 mois d’usage, 20,4 kt de CO₂e, 281 000 m³ d’eau et 660 kg équivalent antimoine (Sb eq) — une mesure qui reflète l’épuisement des ressources abiotiques (comme les métaux ou les minéraux). Ce bilan intègre les émissions liées à la fabrication des serveurs ainsi que l’intensité carbone des infrastructures utilisées.
Lors de la génération d’une réponse par le modèle une fois déployé (appelée “inférence”), une réponse de 400 tokens — soit environ 350 mots — via Le Chat équivaut à 1,14 g de CO₂e, 45 mL d’eau et 0,16 mg Sb eq. Des chiffres plutôt modestes en apparence, que Mistral se garde de ne pas multiplier par les volumes réels de requêtes.
Lire aussi : Ecoconception numérique : l’Arcep et l’Arcom lancent le Forum des parties prenantes
Normaliser les indicateurs d’impact
Mistral AI s’engage ainsi pour la normalisation des indicateurs d'impact des IA génératives à travers trois métriques : l’impact absolu de l’entraînement (quantité totale de CO₂, d’eau et de ressources consommées pour développer un modèle), l’impact marginal de l’inférence (émissions et ressources nécessaires à chaque réponse générée une fois le modèle en production), et le ratio inférence / cycle de vie total (proportion entre l’impact cumulé de l’usage et celui de l’entraînement, permettant d’évaluer l’amortissement environnemental du modèle dans le temps).
