Pendant deux ans, l’industrie tech et la presse généraliste ont répété en boucle un mantra aussi effrayant qu’approximatif : « Une requête sur ChatGPT consomme 10 fois plus d’électricité qu’une recherche Google ». Ce chiffre, brandi à chaque dîner en ville pour justifier une éco-anxiété toute fraîche, reposait non seulement sur un téléphone arabe statistique, mais surtout sur une tricherie méthodologique classique : on comparait la réponse directe d’une IA au seul traitement serveur d’un moteur de recherche, en oubliant tout ce qui se passe une fois que vous cliquez sur un lien.
Car soyons honnêtes : une recherche web ne s’arrête pas à l’affichage de dix liens bleus. Elle finit sur des sites modernes qui pèsent le poids d’un éléphant mort pour afficher trois paragraphes de texte. Accrochez votre compteur Linky, on refait le match en conditions réelles, équations à l’appui.
La genèse d’un mythe : le fameux facteur 10
Pour comprendre comment nous en sommes arrivés là, il faut regarder les deux chiffres isolés qui ont servi à construire le dogme :
- Côté recherche web (serveur uniquement) : L’unique chiffre officiel jamais publié par Google remonte à 2009. À l’époque, Mountain View annonçait qu’une recherche consommait 0,3 Wh (0,0003 kWh). Depuis ? Silence radio. Les estimations académiques récentes sur les infrastructures modernisées (notamment les travaux de Wim Vanderbauwhede) situent plutôt le traitement pur d’une recherche autour de 0,04 à 0,05 Wh.
- Côté LLM : En 2023, des chercheurs (Alex de Vries dans la revue Joule), repris par l’Electric Power Research Institute (EPRI) en 2024, ont estimé une requête ChatGPT à 2,9 Wh (arrondi à 3 Wh). Le calcul était enfantin : $3 / 0,3 = 10$. Le slogan était né.
Le problème ? Cette estimation de 2023 reposait sur des hypothèses pessimistes : des GPU d’ancienne génération, des réponses interminables et zéro optimisation logicielle. Depuis 2025, les mesures en production publiées par Google (arXiv:2508.15734) et les réévaluations d’Epoch AI ont divisé par dix l’estimation pour une requête LLM courte, la ramenant entre 0,24 et 0,34 Wh.
L’angle mort du web moderne : l’obésité morbide des pages et le cirque des trackers
Comparer 0,05 Wh (recherche) à 0,30 Wh (LLM) n’a de sens que si vous vous contentez de lire le titre d’un lien sans jamais cliquer dessus. Dès que vous ouvrez un site web pour obtenir votre réponse — une recette de cuisine, un tutoriel Linux ou la météo — le compteur explose.
En 2025-2026, selon les relevés du HTTP Archive (Web Almanac), le poids médian d’une page web dépasse allègrement les 2,5 Mo sur desktop (et plus de 2,2 Mo sur mobile), contre quelques dizaines de kilo-octets au début des années 2000. Pourquoi un article contenant 5 Ko de texte brut pèse-t-il 500 fois plus lourd ?
- La taxe publicitaire et les trackers : Une page média ou grand public embarque en moyenne 50 à 100 scripts tiers (analytique, fingerprinting, régies publicitaires). Avant même d’afficher une phrase, votre navigateur déclenche une enchère en temps réel (Real-Time Bidding), interrogeant des dizaines de serveurs aux quatre coins de la planète en moins de 100 millisecondes pour savoir qui va vous vendre des chaussettes.
- Le CPU du client qui bout : Exécuter plusieurs mégaoctets de JavaScript mal optimisé fait chauffer le processeur de votre smartphone ou de votre ordinateur portable, consommant localement de l’énergie que les études centrées sur les data centers ignorent royalement.
- Le transfert réseau : Chaque mégaoctet transitant sur le réseau (fibre, 4G/5G, routeurs intermédiaires) a un coût énergétique bien réel.
Le calcul de bout en bout : 3 sites web contre 1 prompt
Posons l’équation complète — du data center jusqu’à la batterie de votre ordinateur — en utilisant les métriques physiques et réseaux standards :
- Poids d’une page web moderne : ~2,5 Mo (dont ~650 Ko de JavaScript et ~1 Mo de médias/pubs) contre ~0,05 Mo (50 Ko avec l’enveloppe réseau TLS/JSON) pour un échange texte avec un LLM.
- Intensité énergétique du réseau (modèles IEA / Aslan et al.) : ~0,03 kWh par Go transféré, soit 0,03 Wh par Mo.
- Puissance d’un laptop moderne (type MacBook / ultraportable) : 8 W au repos (lecture simple), 10 W en navigation active avec scripts de fond, et 22 W en pic de charge CPU (compilation JIT du JavaScript, calcul du DOM, vidéos auto-play).
Scénario A : La recherche Web classique (1 recherche + 3 sites visités)
Vous cherchez une information technique. Le premier site est une ferme à contenu SEO mal traduite, le deuxième cache sa réponse sous trois pop-ups RGPD et une vidéo en lecture automatique, et le troisième contient enfin la bonne réponse. Durée totale de l’opération : 3 minutes (180 secondes).
- Coût Data Center (Moteur + Serveurs Web + AdTech) : 0,05 Wh pour la requête moteur + 0,06 Wh pour les 3 serveurs CMS d’origine ($3 \times 0,02\text{ Wh}$) + 0,15 Wh pour la cascade d’enchères publicitaires RTB et trackers ($3 \times 0,05\text{ Wh}$) = 0,26 Wh.
- Coût Réseau : Page de résultats (0,5 Mo) + 3 sites complets ($3 \times 2,5\text{ Mo}$) = 8 Mo transférés.
$$\text{Énergie}_{\text{réseau}} = 8\text{ Mo} \times 0,03\text{ Wh/Mo} = 0,24\text{ Wh}$$ - Coût Terminal Client :
- Chargement et exécution lourde des scripts pendant 18 secondes (6 s par page à 22 W) :
$$\text{Énergie}_{\text{charge}} = 22\text{ W} \times \frac{18\text{ s}}{3600\text{ s/h}} = 0,11\text{ Wh}$$ - Lecture, tri et fermeture des bannières cookies pendant les 162 secondes restantes (à 10 W car les trackers tournent en tâche de fond) :
$$\text{Énergie}_{\text{lecture}} = 10\text{ W} \times \frac{162\text{ s}}{3600\text{ s/h}} = 0,45\text{ Wh}$$ - Sous-total client : $0,11 + 0,45 =$ 0,56 Wh.
- Chargement et exécution lourde des scripts pendant 18 secondes (6 s par page à 22 W) :
Total du parcours Web : $0,26 + 0,24 + 0,56 = 1,06\text{ Wh}$.
Scénario B : La requête directe vers un LLM
Vous posez exactement la même question à un LLM. Le modèle génère 300 mots (environ 400 tokens) en 10 secondes, et vous mettez 35 secondes à lire la réponse propre en Markdown, sans aucune bannière cookie ni vidéo d’assurance. Durée totale : 45 secondes.
- Coût Data Center (Inférence GPU/TPU) : 0,30 Wh (moyenne entre les 0,24 Wh de Google et les 0,34 Wh d’OpenAI/Epoch AI).
- Coût Réseau : 0,05 Mo transféré $\times$ 0,03 Wh/Mo = 0,0015 Wh (négligeable).
- Coût Terminal Client : Le processeur reste au repos à 8 W pendant les 45 secondes de génération et lecture :
$$\text{Énergie}_{\text{client}} = 8\text{ W} \times \frac{45\text{ s}}{3600\text{ s/h}} = 0,10\text{ Wh}$$
Total du parcours LLM standard : $0,30 + 0,0015 + 0,10 = 0,40\text{ Wh}$.
Le verdict mathématique (et l’ironie de la situation)
Mettons les chiffres côte à côte pour voir où part réellement l’électricité :
| Poste de consommation | Parcours Web (3 sites + pubs) | Requête LLM standard | Requête LLM « Raisonnement » |
| Data Center (Serveurs / GPU) | 0,26 Wh | 0,30 Wh | 5,00 Wh |
| Transfert Réseau | 0,24 Wh | < 0,01 Wh | < 0,01 Wh |
| Terminal Client (CPU / Écran) | 0,56 Wh | 0,10 Wh | 0,25 Wh |
| TOTAL BOUT EN BOUT | 1,06 Wh | 0,40 Wh | 5,25 Wh |
Ce calcul met en lumière quatre réalités que le marketing des deux camps préfère soigneusement éviter :
- L’illusion du périmètre restreint : Si l’on ne regarde que le serveur central (0,05 Wh pour Google seul contre 0,30 Wh pour le LLM), l’IA semble 6 fois plus énergivore. Mais dès qu’on intègre l’écosystème parasitaire du web moderne, le parcours web complet consomme 2,6 fois plus d’énergie qu’une requête LLM directe (1,06 Wh contre 0,40 Wh).
- L’externalisation de la facture : Le web publicitaire décharge son inefficacité sur votre machine et sur le réseau : 75 % de l’énergie du parcours web (0,80 Wh sur 1,06 Wh) est payée par votre batterie et votre opérateur télécom pour faire tourner des scripts de tracking. Le LLM, lui, concentre 75 % de sa facture énergétique dans le data center.
- Le facteur uBlock Origin : Ironie suprême, si l’internaute installe un bloqueur de publicités et de trackers (comme uBlock Origin), le poids des pages chute de 70 %, le CPU client ne chauffe plus, le temps de lecture baisse, et le parcours web retombe autour de 0,45 Wh — faisant jeu égal avec le LLM.
- Le gouffre du « Reasoning » et des AI Overviews : Ne sortez pas le champagne pour l’IA pour autant. Dès que vous activez un modèle dit « de raisonnement » (qui génère des milliers de tokens de réflexion invisibles avant de répondre) ou que vous lui injectez un PDF de 100 pages, la consommation serveur bondit entre 5 Wh et 40 Wh, pulvérisant n’importe quelle session web. Pire encore : avec les résumés IA imposés en haut des moteurs de recherche (AI Overviews), l’industrie a réussi l’exploit de cumuler le coût d’inférence du LLM et le coût du web obèse.
En résumé, le web moderne s’est tellement saboté en transformant chaque page de 10 Ko en un sapin de Noël de scripts publicitaires qu’il a réussi à rendre l’inférence matricielle sur GPU énergétiquement compétitive sur des questions simples. Deux aberrations d’ingénierie qui se regardent en chiens de faïence pendant que les centrales électriques tournent à plein régime.
Sources et références
- Google (2009) : Powering a Google search — Publication officielle fixant la consommation serveur d’une recherche à 0,0003 kWh (0,3 Wh).
- Google Research (2025) : Measuring the environmental impact of AI inference (
arXiv:2508.15734) — Mesures en production établissant la médiane d’une requête Gemini à 0,24 Wh et 0,26 mL d’eau. - Epoch AI (2025) : How much energy does ChatGPT use? — Réévaluation technique des requêtes courtes (~0,3 Wh) face aux requêtes à contexte long ou modèles de raisonnement (jusqu’à 40 Wh).
- Alex de Vries (2023) : The growing energy footprint of artificial intelligence, revue Joule — Première estimation académique haute de l’inférence LLM (2,9 Wh).
- Electric Power Research Institute – EPRI (2024) : Powering Intelligence: Analyzing Artificial Intelligence and Data Center Energy Consumption — Rapport ayant popularisé le ratio 1 pour 10.
- HTTP Archive (2025/2026) : Web Almanac (Page Weight & Third Parties) — Statistiques mondiales sur le poids médian des pages web (> 2,5 Mo) et le volume de JavaScript tiers.
- Aslan et al. / Agence Internationale de l’Énergie (IEA) : Modèles d’intensité électrique de la transmission de données sur les réseaux de télécommunications fixes (~0,03 kWh/Go).
- Greenspector / ProPublica / The Shift Project : Analyses de cycle de vie et mesures de la surconsommation énergétique (CPU client et réseau) induite par les scripts publicitaires, les trackers et le Real-Time Bidding.

Laisser un commentaire