🠔 Retour

Impact Environnemental de ChatGPT

ChatGPT est un modèle de langage basé sur l'intelligence artificielle qui, comme tous les services numériques, a un impact environnemental. Cette fiche explore l'empreinte carbone d'une requête sur ChatGPT en comparaison avec d'autres actions quotidiennes.

10+ Millions

Nombre de requêtes quotidiennes [1]

161 Pays

Présence mondiale de ChatGPT [2]

1.54 g CO2

Émissions de CO2 par requête [1]

Comparaison de l'empreinte carbone [1]

Une requête sur ChatGPT génère 1.54 g de CO2, ce qui est significativement moins que d'autres actions individuelles telles que la consommation de viande de boeuf ou un trajet en voiture thermique.
L'intelligence artificielle, bien qu'exigeant des ressources importantes, reste une alternative moins polluante en comparaison à d'autres activités humaines.

Impacts supplémentaires [1][3]

20-30% Empreinte carbone

Fabrication des serveurs

5,4M Litres

Ressources en eau pour l'entraînement de GPT-3

502 Tonnes

CO2 pour l'entraînement de GPT-3

Le numérique, bien qu'il soit devenu une partie intégrante de notre quotidien, a un impact environnemental non négligeable. Les serveurs qui alimentent les services numériques, y compris ChatGPT, consomment une grande quantité d'énergie et de ressources. L'empreinte environnementale de ces infrastructures est déjà importante, et leur impact pourrait croître avec l'augmentation continue de la demande en services numériques.

En comparaison, une requête sur ChatGPT demande 4 à 5 fois plus de ressources de calcul qu'une recherche sur un moteur de recherche standard. C'est pourquoi il est essentiel de considérer ces impacts dans le contexte de notre consommation numérique globale.

Conseils pour réduire l'empreinte carbone

Limitez le nombre de requêtes non essentielles pour réduire l'empreinte carbone.

Utilisez des requêtes spécifiques et précises pour optimiser l'efficacité.

Privilégiez l'usage du Wi-Fi aux réseaux mobiles, car la 4G consomme 23 fois plus d'énergie que le Wi-Fi.

Limiter l'usage en multitâche

Eviter la génération inutile d'image ou multimédia

Reduire la complexité des prompts

Éviter de conserver des conversations très longues : ouvrir une nouvelle discussion limite le contexte calculé par le modèle et réduit l'énergie utilisée.

Privilégier l’utilisation de la version web plutôt que l’application mobile, qui peut générer davantage de logs et de traitement en arrière-plan.

Sources