Sommaire
En bref : par prompt, l’IA devient vraiment beaucoup plus efficace : selon Google, le prompt texte médian de Gemini a consommé 33× moins d’énergie en 12 mois. Pourtant, l’électricité des data centers devrait plus que doubler d’ici 2030, et l’AIE désigne l’IA comme le principal moteur. Ce schéma porte un nom et a une preuve vieille de 160 ans. Dans les années 1860, les hauts fourneaux écossais ont ramené leur charbon par tonne de fer à moins d’un tiers, et l’Écosse a brûlé dix fois plus de charbon. W. S. Jevons l’a consigné en 1865 ; on l’appelle aujourd’hui le paradoxe de Jevons. « Plus efficace » ne tranche pas la question énergétique : c’est la quantité que nous utilisons qui la tranche.
33× moins d’énergie par prompt
En août 2025, Google a publié la quantité d’énergie que son assistant Gemini consomme pour répondre. Le chiffre phare : « over a recent 12 month period, the energy and total carbon footprint of the median Gemini Apps text prompt dropped by 33x and 44x, respectively, all while delivering higher quality responses. » (sur une période récente de 12 mois, l’énergie et l’empreinte carbone totale du prompt texte médian des applications Gemini ont baissé respectivement de 33x et de 44x, tout en fournissant des réponses de meilleure qualité).
En valeur absolue, Google estime que « the median Gemini Apps text prompt uses 0.24 watt-hours (Wh) of energy » (le prompt texte médian des applications Gemini consomme 0,24 wattheure (Wh) d’énergie). Selon sa propre comparaison : « The per-prompt energy impact is equivalent to watching TV for less than nine seconds. » (l’impact énergétique par prompt équivaut à regarder la télévision pendant moins de neuf secondes).
Ce chiffre concerne le modèle d’une seule entreprise, Gemini, et son prompt texte médian. Il ne concerne pas « l’IA » dans son ensemble.
Et pourtant, le total devrait doubler
Passons à l’autre chiffre. L’Agence internationale de l’énergie (AIE) indique : « Data centres accounted for around 1.5% of the world's electricity consumption in 2024, or 415 terawatt-hours (TWh). » (les data centers ont représenté environ 1,5 % de la consommation mondiale d’électricité en 2024, soit 415 térawattheures (TWh)).
Et elle s’attend à une hausse : « Data centre electricity consumption is set to more than double to around 945 TWh by 2030. This is slightly more than Japan's total electricity consumption today. AI is the most important driver of this growth, alongside growing demand for other digital services. » (la consommation d’électricité des data centers devrait plus que doubler pour atteindre environ 945 TWh d’ici 2030, soit un peu plus que la consommation totale d’électricité du Japon aujourd’hui. L’IA est le moteur le plus important de cette croissance, aux côtés de la demande croissante pour d’autres services numériques).
Donc : beaucoup moins par usage, beaucoup plus au total. Ce n’est pas une contradiction dès qu’on se rappelle que le total est l’énergie par prompt × le nombre de prompts, et que c’est le second chiffre qui explose.
C’est déjà arrivé, avec le charbon
En 1865, W. S. Jevons publie The Coal Question. Il y avance une thèse qui semble à l’envers : « It is wholly a confusion of ideas to suppose that the economical use of fuel is equivalent to a diminished consumption. The very contrary is the truth. » (c’est une pure confusion d’idées de supposer que l’usage économe du combustible équivaut à une consommation réduite. C’est exactement le contraire qui est vrai).
Sa preuve, c’est la sidérurgie écossaise. Les hauts fourneaux y étaient devenus bien plus efficaces, et pourtant : « the reduction of the consumption of coal, per ton of iron, to less than one-third of its former amount, has been followed, in Scotland, by a ten-fold total consumption » (la réduction de la consommation de charbon par tonne de fer à moins d’un tiers de ce qu’elle était a été suivie, en Écosse, d’une consommation totale multipliée par dix).
Moins d’un tiers du charbon par tonne. Dix fois plus de charbon au total. Selon ses mots, « the greater number of furnaces will more than make up for the diminished consumption of each. » (le plus grand nombre de fourneaux compensera largement la consommation réduite de chacun).
Son explication : c’est l’économie elle-même qui pousse l’usage. « It is the very economy of its use which leads to its extensive consumption. It has been so in the past, and it will be so in the future. » (c’est l’économie même de son usage qui conduit à sa consommation massive. Il en a été ainsi par le passé, et il en sera ainsi à l’avenir).
Le paradoxe de Jevons
L’idée porte aujourd’hui son nom. Le projet Energy History de Yale : « His insight, often called Jevons' Paradox, is today used to explain why increased energy efficiency does not necessarily reduce present-day demand for electricity or gasoline. » (son intuition, souvent appelée paradoxe de Jevons, sert aujourd’hui à expliquer pourquoi une meilleure efficacité énergétique ne réduit pas forcément la demande actuelle d’électricité ou d’essence).
Appliqué à l’IA : des prompts moins chers, c’est plus de prompts. Et l’usage est déjà énorme. « ChatGPT receives 2.5 billion prompts from global users every day, OpenAI told Axios, » (ChatGPT reçoit chaque jour 2,5 milliards de prompts d’utilisateurs du monde entier, a déclaré OpenAI à Axios) rapportait TechCrunch en juillet 2025. Et ce n’est qu’un seul produit.
Le PDG de Microsoft l’a dit à propos de l’IA. En janvier 2025, cité par Fortune, Satya Nadella écrivait : « Jevons paradox strikes again! As AI gets more efficient and accessible, we will see its use skyrocket, turning it into a commodity we just can't get enough of. » (le paradoxe de Jevons frappe encore ! À mesure que l’IA devient plus efficace et accessible, son usage va s’envoler, jusqu’à en faire une commodité dont on ne se lasse jamais).
Les chercheurs s’en sont emparés aussi. Un article de 2025 de Luccioni, Strubell et Crawford « examines how the problem of Jevons' Paradox applies to AI, whereby efficiency gains may paradoxically spur increased consumption. » (examine comment le problème du paradoxe de Jevons s’applique à l’IA, les gains d’efficacité pouvant paradoxalement stimuler une hausse de la consommation).
Une précision importante : rien de tout cela ne dit que les 33× de Gemini ont causé le doublement. Jevons est le mécanisme que les sources invoquent pour expliquer pourquoi efficacité et hausse des totaux vont de pair, pas une mesure de ce cas précis.
Pour l’échelle
Les data centers ne sont pas toute l’histoire de l’électricité mondiale. L’AIE, encore : « Data centres account for around one-tenth of global electricity demand growth to 2030, less than the share from industrial motors, air conditioning in homes and offices, or electric vehicles. » (les data centers représentent environ un dixième de la croissance de la demande mondiale d’électricité d’ici 2030, moins que la part des moteurs industriels, de la climatisation des logements et des bureaux, ou des véhicules électriques).
À retenir
- Par prompt, l’IA devient vraiment beaucoup plus efficace (Gemini : 33× en un an).
- L’usage total continue pourtant de grimper, parce qu’un usage moins cher, c’est beaucoup plus d’usage. Jevons l’a vu avec le charbon en 1865.
- « Plus efficace » ne tranche donc pas la question énergétique ; c’est la quantité que nous utilisons qui la tranche. (Et les data centers restent environ un dixième de la croissance de la demande mondiale.)
Sources
- Google Cloud (Amin Vahdat, Jeff Dean), Measuring the environmental impact of AI inference, 21 août 2025
- IEA, Energy and AI, executive summary, avr. 2025
- W. S. Jevons, The Coal Question, 2e éd., Macmillan, 1866, chap. VII « Of the Economy of Fuel », p. 123–125 et 134–135
- Yale University, Energy History, W. Stanley Jevons, The Coal Question (1865)
- TechCrunch, ChatGPT users send 2.5 billion prompts a day, 21 juil. 2025
- Fortune, Microsoft CEO Satya Nadella on DeepSeek and the Jevons paradox, 27 janv. 2025
- Luccioni, Strubell, Crawford, From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate, arXiv, janv. 2025
La vidéo est animée en code et le script a été écrit avec l’aide de l’IA ; chaque chiffre ci-dessus est vérifié auprès des sources. Illustratif : le graphique à deux courbes (elles montrent l’allure, pas des données ; les chiffres sourcés figurent sur les barres et les compteurs), les hauts fourneaux et les blocs de charbon, et la grille de bulles de prompts. La vidéo est en anglais. Réalisée avec Shotloop, mon app Mac gratuite pour faire des vidéos explicatives en code, corrigées un plan à la fois.