Ressource gratuite · Kit Word + Excel

Kit IA frugale : les décisions qui pèsent vraiment sur l’empreinte de votre projet IA

Ce que pèse réellement une requête, un mode raisonnement, un agent ou une vidéo ; ce que disent l’AFNOR, l’ADEME et l’Arcep ; et les dix décisions de cadrage, d’achat et de pilotage qui font l’essentiel du gain, sans écrire une ligne de code. Des ordres de grandeur sourcés, pas de chiffres chocs.

📄 Word, 40 pages📊 Classeur Excel, 6 outils🌱 Fondé sur l’AFNOR Spec 2314🆓 Gratuit

Télécharger le kitVoir les ordres de grandeur

Il existe deux récits sur l’empreinte de l’IA, et les deux s’appuient sur des chiffres réels. Le premier dit qu’une requête consomme dix fois une recherche Google et avale une bouteille d’eau. Le second dit qu’une requête pèse moins qu’une seconde de four et que le sujet est clos. Ils décrivent simplement des choses différentes : une requête médiane de 2026 ou une requête de 2023, l’eau de refroidissement sur site ou l’eau totale, un facteur carbone « market-based » après achat de certificats ou le mix réel du réseau. Entre les deux, la personne qui commande un projet IA ne trouve ni les ordres de grandeur dont elle a besoin, ni surtout ce qu’elle peut décider.

Ce kit part de la définition française de référence, celle de l’AFNOR Spec 2314 : la frugalité d’un service d’IA passe « par une redéfinition des usages ou des exigences de performance ». Redéfinir les usages et les exigences, c’est une décision de commanditaire avant d’être une optimisation de code. Et les données le confirment : les grands écarts d’empreinte (facteur 59 entre un petit et un grand modèle, facteur 13 à 700 pour le mode raisonnement, facteur 8 à 10 selon le pays d’hébergement, facteur 2 en divisant la longueur des réponses) se jouent au cadrage, au choix de la solution et à l’achat. Le kit rassemble ces leviers, les référentiels officiels qui les fondent, et les outils pour les appliquer.

1. Ce que pèse vraiment l’IA, en ordres de grandeur

Les valeurs ci-dessous viennent des fournisseurs eux-mêmes (Google, OpenAI, Mistral), de laboratoires (Hugging Face, Microsoft Research, universités) et des agences (AIE, ADEME, Arcep), toutes publiées entre 2024 et 2026. Elles sont exprimées en wattheures par requête : 1 000 Wh font 1 kWh, à peu près une recharge complète d’une centaine de smartphones. Le kit donne pour chacune la source, la date et le niveau de confiance, et explique pourquoi le CO2 et l’eau d’une même requête varient d’un facteur 30 à 170 selon le périmètre retenu.

Objet	Ordre de grandeur	Sources
Une classification ou une extraction par un modèle spécialisé	0,002 à 0,05 Wh	Luccioni, Jernite, Strubell (ACM FAccT 2024)
Une requête texte standard à un assistant	0,2 à 0,4 Wh	Google 0,24 Wh (août 2025), OpenAI 0,34 Wh, Epoch AI 0,3 Wh, Microsoft Research 0,31 Wh, AIE 0,10 à 0,40 Wh (avril 2026)
Une requête en mode raisonnement	3 à 40 Wh	Microsoft Research (×13), Jegham et coll. (o3 12 Wh, GPT-5 jusqu’à 33,8 Wh), AI Energy Score v2 (×30 en moyenne, ×150 à ×700 pour un même modèle)
Une tâche d’agent ou de recherche approfondie	15 à 60 Wh	AIE, « Key Questions on Energy and AI » (avril 2026) ; KAIST (jusqu’à 348 Wh en laboratoire)
Une image générée	0,5 à 3 Wh	MIT Technology Review et ML.ENERGY (mai 2025), Luccioni 2024, AIE 2026
Une vidéo générée de cinq secondes	100 à 950 Wh	Hugging Face (juillet 2025), MIT Technology Review, AIE 2026
L’entraînement d’un grand modèle	20 400 tCO2e pour Mistral Large 2, 18 mois d’exploitation compris	Mistral AI, Carbone 4, ADEME (juillet 2025)
Le pays d’hébergement	46 gCO2e/kWh en France, 210 dans l’Union européenne, 384 aux États-Unis, 458 dans le monde	ADEME Base Empreinte 2025, Ember 2026
Les centres de données dans le monde	485 TWh en 2025, 950 TWh attendus en 2030	AIE, avril 2026

Trois conclusions en découlent, et elles structurent le kit. L’inférence, c’est-à-dire l’usage, domine désormais l’entraînement : vos décisions d’usage pèsent plus que les choix techniques d’un laboratoire. Les grands écarts sont des décisions, pas des optimisations : aucun des leviers ci-dessous ne demande une ligne de code. Et les chiffres se lisent avec leur périmètre : un commanditaire frugal ne calcule pas au gramme, il sait quelles questions poser et refuse les chiffres sans périmètre.

2. Ce que dit le cadre, et ce qui vous oblige vraiment

La France a produit en deux ans un corpus unique sur l’IA frugale : l’AFNOR Spec 2314 et ses trente et une bonnes pratiques (juin 2024), le Kit d’engagement en quinze bonnes pratiques de l’Ecolab, du Hub France IA et de l’AFNOR (juin 2025), la fiche pratique pour l’achat responsable de solutions d’IA de la DINUM et de la Direction des achats de l’État (novembre 2025), l’avis de l’ADEME (22 juillet 2026), le rapport de l’Arcep (21 mai 2026) et celui du Sénat (16 septembre 2026). Le kit en extrait ce qu’un commanditaire peut utiliser tel quel : les trois conditions cumulatives d’un service frugal, le parcours en six étapes, les questions de sourçage et les clauses types, les sept critères d’algorithmie du RGESN.

Il faut aussi le dire sans détour : aucun texte n’impose aujourd’hui d’obligation environnementale directe à l’entreprise qui déploie un assistant ou un agent d’IA. Les obligations pèsent sur les fournisseurs de modèles (documentation de l’énergie des modèles à usage général, annexe XI de l’AI Act), sur les centres de données (reporting européen, label de durabilité A à G proposé par la Commission le 21 septembre 2026 pour 2027), sur les fournisseurs de cloud (collecte de l’Arcep avec segmentation IA, publication en 2027) et sur les acheteurs publics. Elles vous concernent indirectement : parce qu’elles produisent des données que vous pouvez exiger, parce que l’IA achetée entre dans votre scope 3, et parce que vos allégations environnementales sont encadrées depuis le 27 septembre 2026. Le levier du commanditaire est donc contractuel et organisationnel.

Date	Ce qui arrive	Ce que vous pouvez en faire
2 août 2026	Pouvoirs d’exécution de la Commission sur la documentation énergétique des modèles à usage général (AI Act, annexe XI).	Demander dans vos appels d’offres la consommation d’énergie documentée du modèle.
27 septembre 2026	Application de la directive 2024/825 sur les allégations environnementales.	Relire toute communication « IA responsable » ou « IA verte » avec le chapitre 4 de l’AFNOR Spec 2314.
31 mars 2027	Deuxième collecte Arcep des fournisseurs de cloud ; publication des données 2025 dans l’enquête « Pour un numérique soutenable » 2027.	Comparer vos hébergeurs sur des données publiques.
2 août 2027	Mise en conformité des modèles à usage général antérieurs à août 2025.	Tous vos fournisseurs disposent alors d’une documentation énergétique : plus d’excuse.
15 août 2027	Premiers labels de durabilité A à G des centres de données, si l’acte délégué est adopté tel que proposé.	Exiger la note du centre de données dans vos contrats d’hébergement.
2028	Rapport de la Commission sur la normalisation de l’efficacité énergétique de l’IA (article 40) ; suites parlementaires (écoscore des modèles).	Préparer des indicateurs compatibles avec un futur écoscore : gCO2e par unité d’œuvre, location-based.

3. Les dix leviers du commanditaire

Chaque levier est documenté par au moins une source publiée entre 2024 et 2026 et se décide sans écrire une ligne de code. Le kit donne pour chacun la décision, ce que disent les données, la question à poser à son équipe ou à son fournisseur, et le piège à éviter. Les quatre premiers font l’essentiel du gain.

Levier	Gain documenté	Source
1. Le plus petit modèle capable de la tâche, par défaut ; le grand modèle sur justification	Facteur 59 entre Llama 3.1 8B et 405B ; jusqu’à 90 % d’économie avec des petits modèles spécialisés	MIT TR et ML.ENERGY 2025 ; UNESCO et UCL 2025 ; Arcep 2026
2. Raisonnement, recherche approfondie et agents désactivés par défaut	Facteur 13 à 700 pour le raisonnement ; 15 à 60 Wh par tâche d’agent	Microsoft Research 2025 ; AI Energy Score v2 ; AIE 2026 ; ADEME 2026
3. Classer plutôt que générer, texte plutôt qu’image, image plutôt que vidéo	Facteur jusqu’à 1 450 entre classification et génération d’image	Luccioni 2024 ; AIE 2026
4. Des réponses courtes et un contexte maîtrisé	Diviser par deux la longueur des réponses : 54 % d’énergie en moins	UNESCO et UCL 2025
5. Un hébergement bas carbone, prouvé en location-based	46 gCO2e/kWh en France contre 458 au niveau mondial : facteur 8 à 10	ADEME, Ember 2026, Arcep 2026
6. Réutiliser plutôt que ré-entraîner : prompt, RAG cadré, fine-tuning léger	RAG : 20 à 51 % d’énergie en moins avec un périmètre ajusté	Guo, Gao, Bogner 2026 ; AFNOR Spec 2314 ; RGESN
7. Cache, regroupement des requêtes et routage	« Un prompt complexe vaut mieux que cinq prompts simples »	Razorfish et Green IT 2024 ; Mistral 2025
8. Exiger des modèles compressés et une note d’efficience	Quantification : 22 à 44 % d’énergie en moins ; jusqu’à 73 % avec un ensemble d’optimisations	UNESCO et UCL 2025 ; Fernandez, Luccioni et coll. 2025 ; Hugging Face
9. Différer les traitements non urgents en heures de faible intensité carbone	De 9 à 58 gCO2e/kWh dans l’année en France : facteur 6 (levier secondaire)	RTE 2025 ; fiche MiNumEco
10. Piloter, sensibiliser, arrêter : cinq indicateurs, deux seuils, un référent, une charte	12 % seulement des organisations mesurent l’empreinte de leur IA générative	Capgemini 2025 ; Kit d’engagement Ecolab 2025

4. Le cas des assistants achetés sur étagère

La plupart des grandes organisations ne construisent pas de systèmes d’IA : elles achètent des licences de Copilot, de ChatGPT Enterprise, de Gemini, de Claude ou de Vibe (ex-Le Chat) de Mistral. On entend alors que l’empreinte est l’affaire de l’éditeur. Sa part est réelle ; la vôtre demeure, et le kit la détaille en sept leviers : le paramétrage par défaut (modèle et modes), la désactivation des fonctions « augmentées » non nécessaires que l’ADEME recommande depuis juillet 2026, le nombre de licences et leur taux d’utilité, le lieu d’inférence et le facteur carbone de votre tenant, les rapports d’usage comme proxy de mesure, la sensibilisation des utilisateurs, et la clause de transparence dans le contrat cadre. Il liste ce qu’un commanditaire peut exiger d’un éditeur en 2026 : trois de ces informations correspondent à ce que l’éditeur produit déjà pour les régulateurs.

5. Acheter : les questions, les indicateurs, les clauses

Puisqu’aucun texte ne vous oblige, c’est votre contrat qui obligera votre fournisseur. Le kit transpose aux contrats privés les questions de sourçage et les clauses types de la fiche pratique de l’État : des questions distinctes pour l’éditeur du modèle, l’intégrateur et l’hébergeur ; neuf indicateurs à exiger avec, pour chacun, la bonne réponse et le drapeau rouge (pays et centre de données d’inférence, PUE et WUE, empreinte par unité d’œuvre et méthode, convention location-based, énergie d’entraînement, note d’efficience, taille du modèle, options de bornage, rapport d’usage) ; six clauses rédigées (transparence, reporting, proportionnalité et non-complexification, ré-entraînement et versions, cycle de vie des données, compétences) ; et la règle de pondération, 10 % minimum de la note globale, recommandée par la DINUM et la Direction des achats de l’État. La grille du classeur note quinze critères en cinq familles et classe vos candidats sur 100.

6. Piloter : cinq indicateurs, deux seuils, un référent

Le minimum qui tient dans la durée : le nombre de requêtes, l’électricité estimée, les émissions estimées en location-based, la part des requêtes en mode coûteux et le coût mensuel, avec le taux d’utilité des licences en indicateur de contexte. Deux seuils, repris de la règle de gouvernance que la SNCF a rendue publique avec sa calculatrice Impact’IA : au-delà d’une tonne de CO2e par an, une réflexion documentée ; au-delà de dix tonnes, un plan de réduction obligatoire. Un référent IA frugale, comme le demande le Kit d’engagement de l’Ecolab, tient le registre des cas d’usage et prépare la revue trimestrielle en comité de pilotage. Le kit traite aussi ce que tous les guides oublient : les critères d’arrêt, de ré-entraînement et de décommissionnement, et la façon d’en parler publiquement sans tomber sous le coup de la directive sur les allégations environnementales.

7. Ce que contient le kit

Le document Word compte 40 pages, en huit parties et six annexes : le mode d’emploi et les trois conditions de frugalité ; ce que pèse vraiment l’IA (ordres de grandeur, pourquoi les chiffres divergent, cinq idées fausses, trois conclusions) ; ce que dit le cadre (référentiels, obligations réelles, calendrier 2026-2028) ; l’auto-diagnostic en douze questions ; le cadrage (test de nécessité, arbre de décision « IA ou pas IA », niveau de performance suffisant, famille de tâche, volume d’usage et formule AFNOR, effets rebond, fiche d’impact) ; les dix leviers et le cas des assistants sur étagère ; l’achat (questions de sourçage, indicateurs, six clauses, pondération) ; le pilotage (indicateurs, seuils, référent, charte, décommissionnement, communication) ; la feuille de route à 90 jours et 12 mois. Les annexes fournissent la fiche d’impact d’une page, la charte de sobriété d’usage en neuf règles, la note au comité de direction, la check-list en trente points, le glossaire en quinze termes et les sources datées.

Le classeur Excel reprend les outils en six onglets, plus un onglet de références où chaque hypothèse chiffrée a sa source et sa date : l’auto-diagnostic qui calcule votre profil et la phase à travailler en priorité ; le calculateur qui transforme vos volumes par type de tâche, votre pays d’hébergement et votre PUE en fourchette annuelle de kWh, de kgCO2e et de litres, avec le niveau par rapport aux seuils et les gains d’un hébergement en France ; la matrice de décision besoin par option avec l’indice d’impact de chacune ; la grille d’évaluation des fournisseurs en quinze critères pondérés ; le tableau de bord sur douze mois ; le registre des cas d’usage avec empreinte estimée, niveau, critères de ré-entraînement et d’arrêt. Pour un chiffrage plus fin incluant l’entraînement et la fabrication, le kit renvoie vers la calculatrice Impact’IA de la SNCF.

Le kit, partie par partie : ce que chaque partie contient et à quoi elle sert. Les modèles à remplir sont dans le document Word et le classeur Excel.

Partie 1. Ce que pèse vraiment l’IA

Pourquoi les chiffres ne sont pas d’accord entre eux

Chaque source choisit son périmètre. Google compte l’eau de refroidissement sur site (0,26 mL) mais pas celle de la production d’électricité, et convertit l’énergie avec un facteur market-based de 94 gCO2e/kWh, contre 345 en location-based en 2024. Meta déclare 0 tCO2e pour l’entraînement de Llama 3.1 en market-based, 11 390 en location-based. D’où la règle de lecture du kit : devant tout chiffre, demandez quel périmètre, quelle convention carbone, quelle eau, quelle requête.

Cinq idées fausses, et ce que disent les données

« Le problème, c’est l’entraînement » : selon l’AIE, la consommation « a déjà basculé de manière décisive de l’entraînement vers l’inférence ». « Chaque requête est négligeable » : Google a divisé par 33 l’énergie médiane d’une requête Gemini en douze mois, mais ses émissions ont augmenté de 18 % en 2025, celles de Microsoft de 25 % : c’est le paradoxe de Jevons. « Notre fournisseur est neutre en carbone » : la fabrication du matériel, 130 à 270 kgCO2e par GPU, est exclue de presque tous les chiffres par requête.

« Chaque conversation avale une bouteille d’eau »

Le « 500 mL pour 10 à 50 réponses » (Ren et coll., 2023) concernait GPT-3 et incluait l’eau de production de l’électricité ; Google annonce 0,26 mL en ne comptant que le refroidissement sur site ; Mistral trouve 45 mL par réponse en analyse complète. L’écart d’un facteur 170 vient du périmètre. La plupart de l’eau est indirecte et dépend du lieu : exigez le WUE et la localisation.

Partie 2. Ce que dit le cadre : référentiels, obligations, calendrier

AFNOR Spec 2314, « Référentiel général pour l’IA frugale » (juin 2024)

Gratuite, élaborée à l’initiative de l’Ecolab, elle fixe une méthode d’évaluation fondée sur l’analyse de cycle de vie et trente et une fiches de bonnes pratiques classées par gain et par effort. Son parcours en six étapes sert de plan de projet : questionner le besoin, identifier toutes les solutions, avec ou sans IA, évaluer chacune sur le cycle de vie, intégrer l’évaluation aux décisions, outiller le suivi de l’usage réel, réadapter les rôles.

RGESN, Référentiel général d’écoconception des services numériques, version 2024

Sur ses 78 critères, sept portent sur l’algorithmie et se posent tels quels à un fournisseur : nécessité de l’entraînement (9.1), complexité proportionnée à l’usage (9.2), entraînement et données limités (9.3 et 9.4), ré-entraînement optimisé (9.5), compression (9.6), stratégie d’inférence (9.7). Le critère 1.1 demande que le service ait « été évalué favorablement en termes d’utilité en tenant compte de ses impacts environnementaux ».

Les normes et métriques qui arrivent

La recommandation UIT-T L.1801, approuvée le 26 février 2026, est la première méthodologie internationale complète et compare un service avec et sans IA. SCI for AI (Green Software Foundation, 17 décembre 2025) mesure l’intensité carbone par unité fonctionnelle : par token, par image, par page. L’AI Energy Score (version 2 du 4 décembre 2025) note les modèles de une à cinq étoiles sur dix tâches : l’outil de comparaison gratuit le plus simple pour un acheteur.

Partie 3. Auto-diagnostic en douze questions

Lecture du résultat

Douze questions notées 0, 1 ou 2, soit 24 points : cadrage sur 6, choix de la solution sur 6, achat sur 4, pilotage sur 8. Elles mesurent si l’empreinte est devenue une variable de vos décisions. De 0 à 8, profil « Découverte » : commencez par le modèle par défaut et les modes coûteux. De 9 à 16, « En chemin » : travaillez la phase la moins bien notée. De 17 à 24, « Frugal » : documentez, pour pouvoir en parler publiquement sans risque.

Partie 4. Cadrage : décider avant de construire

Le test de nécessité

Cinq questions, en une réunion avec le métier et la DSI : quel problème, pour qui, et comment saurons-nous qu’il est résolu ? une solution sans IA le résout-elle à 80 % ? quelle est la forme d’IA la plus simple qui suffit ? quel niveau de performance est suffisant ? quel volume d’usage et quels effets rebond ? Le seuil d’acceptation s’écrit avant de tester, on teste d’abord le plus petit modèle plausible sur cinquante cas réels, et on ne monte en gamme que sur échec mesuré.

L’arbre de décision « IA ou pas IA »

Huit questions, chacune avec une orientation par défaut et un indice d’impact (requête texte standard = 1) : solution sans IA si une règle ou un outil existant suffit à 80 % (indice proche de 0) ; petit modèle spécialisé pour classer ou extraire (0,03 à 0,3) ; réponse bornée ou RAG cadré pour rédiger court (1 à 3) ; modèle de pointe et raisonnement sur justification (10 à 130) ; agent pour des tâches rares (50 à 200) ; image si le texte ne suffit pas (2 à 10) ; vidéo exceptionnelle (300 à 3 000).

Estimer le volume d’usage : la formule a·x + b + c·y

L’AFNOR raisonne sur une année de service : a, le coût d’une inférence ; x, le nombre de requêtes ; b, l’entraînement amorti ; c·y, les ré-entraînements. Pour un modèle acheté, l’essentiel est a·x. Exemple du kit : 500 utilisateurs à 10 requêtes par jour ouvré, soit 1,1 million par an, font environ 400 kWh et 180 kgCO2e en texte standard ; 13 000 kWh et 6 tonnes en raisonnement permanent ; plus de 15 tonnes avec dix tâches d’agent par jour et par personne (au facteur d’émission mondial de 458 gCO2e/kWh).

La fiche d’impact d’une page

Destinée au comité qui décide du lancement, elle réunit le besoin, l’alternative sans IA étudiée, la solution retenue, le volume estimé, l’ordre de grandeur annuel en fourchette, le niveau par rapport aux seuils, les leviers activés, les réponses du fournisseur, les indicateurs et le critère d’arrêt, ainsi que trois effets rebond probables (dix versions d’un texte, un résumé par réunion) avec leur mesure de contrôle.

Partie 5. Choix de la solution : les dix leviers du commanditaire

Levier 5 : un hébergement bas carbone, en location-based

L’inférence tourne en France ou dans un pays européen à électricité bas carbone, preuve à l’appui en location-based ; le market-based n’est pas accepté. Dans la calculatrice de la SNCF, un même projet passe de 41 à 180 kgCO2e en déplaçant l’inférence de France aux États-Unis. Le piège : confondre résidence des données et lieu de calcul. Demandez le lieu de l’inférence, pas celui du stockage.

Levier 6 : réutiliser plutôt que ré-entraîner

Dans l’ordre : prompt bien construit, RAG cadré, fine-tuning léger ; le ré-entraînement reste l’exception, déclenché par une dégradation mesurée et non par un calendrier. Ajuster le seuil de similarité d’un RAG réduit l’énergie de 20 à 51 % sans perte de précision (Guo, Gao et Bogner, 2026). Le piège : le RAG « tout le SharePoint », plus coûteux à chaque question et moins pertinent.

Ce qu’un commanditaire peut exiger d’un éditeur d’assistant en 2026

Le lieu d’inférence de son tenant et le facteur location-based associé ; le PUE et le WUE des centres de données ; l’énergie par requête médiane et en mode raisonnement, avec le périmètre ; la consommation d’énergie documentée du modèle (annexe XI de l’AI Act) ; une note d’efficience ; la désactivation par groupe des modes coûteux ; un rapport d’usage mensuel. Trois de ces informations sont déjà produites pour les régulateurs.

Partie 6. Achat et contrat : exiger, pondérer, écrire

Les questions de sourçage, par type de fournisseur

À poser par écrit, réponses annexées au contrat. À l’éditeur : quel est le plus petit modèle de votre catalogue capable de nos cas d’usage ? À l’intégrateur : quelle alternative sans IA ou plus légère avez-vous étudiée, et comment limitez-vous les tokens ? À l’hébergeur : quels PUE, WUE et CUE, et un rapport d’empreinte par tenant en location-based, fabrication des serveurs incluse ?

Les indicateurs à exiger, et la bonne réponse

Pour chaque indicateur, le kit donne la bonne réponse et le drapeau rouge. Lieu d’inférence : un pays et un site nommés, pas « nos données sont en Europe ». PUE : inférieur à 1,3, avec le WUE. Empreinte par unité d’œuvre : une valeur médiane et une en mode raisonnement, avec périmètre, méthode et date. Convention carbone : le market-based seul est un drapeau rouge. Pour l’énergie d’entraînement, la réponse « confidentiel » après le 2 août 2027 en est un autre.

Six clauses pour un contrat privé

Transparence environnementale, reporting trimestriel, proportionnalité et non-complexification, ré-entraînement et versions (conserver une version antérieure douze mois), cycle de vie des données, compétences. La grille du classeur note quinze critères en cinq familles (transparence 30 %, efficience 25 %, hébergement 20 %, contrat 15 %, gouvernance 10 %), et l’environnement pèse au moins 10 % de la note globale, comme le recommande la fiche MiNumEco.

Partie 7. Pilotage et gouvernance : cinq indicateurs, deux seuils, un référent

Les cinq indicateurs

Chacun a son déclencheur : un nombre de requêtes en hausse de plus de 30 % en un mois appelle une explication ; les émissions estimées se comparent aux seuils d’une et dix tonnes par an ; au-delà de 10 % de requêtes en mode coûteux, on revoit les paramétrages ; sous 40 % de taux d’utilité des licences, on réattribue, on forme ou on arrête. Le kgCO2e par dossier traité est l’indicateur de maturité.

La charte de sobriété d’usage

Neuf règles, chacune justifiée par un ordre de grandeur : se demander si l’IA est nécessaire, poser une question complète du premier coup, demander la version courte, réserver le raisonnement et les agents aux tâches qui le méritent, pas d’image quand le texte suffit, ne pas régénérer « pour voir », garder le modèle par défaut, réutiliser les prompts validés, signaler les usages inutiles au référent.

Arrêter, ré-entraîner, décommissionner

Trois règles écrites dès le lancement. Arrêt : taux d’utilité inférieur à 20 % pendant deux trimestres, résultat métier non atteint ou redondance avec une fonction standard. Ré-entraînement : seulement sur dégradation mesurée sous le seuil d’acceptation, jamais par calendrier. Décommissionnement : données supprimées ou archivées, licences libérées, index détruits, bilan d’une ligne au registre.

Partie 8. Feuille de route à 90 jours et à 12 mois

Les 90 premiers jours

Jours 1 à 30, voir clair : nommer le référent, inventorier cas d’usage et licences, remplir l’auto-diagnostic, adopter la charte. Jours 31 à 60, chiffrer et régler : passer au calculateur les cinq cas les plus volumineux, rédiger la fiche d’impact du plus lourd, régler les paramétrages par défaut, interroger les trois principaux fournisseurs. Jours 61 à 90, piloter : tableau de bord, première revue en comité, clauses de transparence et de reporting au premier renouvellement.

8. Questions fréquentes

Une requête à ChatGPT consomme-t-elle vraiment dix fois une recherche Google ?

C’est un chiffre de 2023, fondé sur une hypothèse de 2 000 tokens par réponse. Les mesures et estimations de 2025-2026 convergent vers 0,2 à 0,4 Wh pour une requête texte médiane (Google, OpenAI, Epoch AI, Microsoft Research, AIE). Mais la médiane cache la queue de distribution : un mode raisonnement, un contexte long ou un agent coûtent dix à mille fois plus. La bonne question n’est plus « combien par requête » mais « quel modèle, quel mode, combien de tokens ».

Sommes-nous obligés de mesurer l’empreinte de notre IA ?

Non, pas directement. L’AI Act impose la documentation énergétique aux fournisseurs de modèles à usage général, pas aux entreprises qui les utilisent ; la loi REEN et les décisions de l’Arcep visent les collectivités, les centres de données et les fournisseurs de cloud. Indirectement, l’IA achetée entre dans le scope 3 de votre reporting et vos allégations environnementales sont encadrées. Le kit explique ce qui vous oblige et ce qui ne vous oblige pas, et ce que vous pouvez exiger de vos fournisseurs grâce à leurs propres obligations.

Nos outils sont Copilot ou ChatGPT Enterprise : que pouvons-nous faire ?

Beaucoup : choisir le modèle et les modes par défaut, désactiver les fonctions « augmentées » inutiles comme le recommande l’ADEME, mesurer le taux d’utilité des licences, obtenir le lieu d’inférence et le facteur carbone de votre tenant, utiliser les rapports d’usage comme mesure, former les utilisateurs et introduire une clause de transparence au renouvellement. Le kit y consacre une section et liste ce qu’un commanditaire peut exiger d’un éditeur en 2026.

Le kit calcule-t-il notre empreinte exacte ?

Non, et personne ne le peut aujourd’hui : 84 % des modèles ne font l’objet d’aucune information environnementale (Arcep, mai 2026). Le calculateur donne une fourchette basse-haute à partir des unités d’œuvre publiées, de vos volumes, de votre pays d’hébergement et de votre PUE, assez précise pour classer vos cas d’usage par rapport aux seuils et prendre des décisions. Pour une analyse de cycle de vie, il renvoie vers la méthode AFNOR et vers un bureau d’études.

Pourquoi des seuils à une et dix tonnes ?

Parce qu’ils sont simples, publics et éprouvés : ce sont ceux que la SNCF applique à ses projets numériques et qu’elle a rendus publics avec sa calculatrice Impact’IA en 2026. Une tonne de CO2e correspond à peu près à un aller-retour Paris New York par passager ; dix tonnes, à un peu plus que l’empreinte annuelle d’un habitant de la France. Vous pouvez les adapter à votre taille, mais gardez-en deux : un qui oblige à réfléchir, un qui oblige à agir.

Par quoi commencer ?

Par les deux décisions les plus rentables et les plus rapides : le modèle par défaut le plus léger capable de la tâche, et les modes coûteux (raisonnement, agents, image, vidéo) désactivés par défaut. Puis par l’auto-diagnostic en douze questions, qui vous dit quelle phase travailler ensuite. La feuille de route à 90 jours du kit est écrite pour une organisation qui part de zéro.

9. Aller plus loin

Ce kit complète les quatre autres kits du commanditaire : le kit IA Act couvre ce qui s’applique à un déployeur et le programme de littératie IA, le kit RGPD couvre la qualification des projets et le dossier que le DPO attend, le kit IA et dialogue social prépare la consultation du CSE et le kit Sécurité et données traite les risques de sécurité du projet. Le kit Gouvernance des systèmes d’IA fournit le registre et la grille de qualification, le modèle de charte IA fixe les règles d’usage, dans lesquelles la charte de sobriété de ce kit s’insère. Les organisations qui veulent passer rapidement leurs cas d’usage au test de nécessité et régler leurs assistants sur un mode sobre le font dans le cadre de la formation IA en entreprise et de la mission Gouverner vos agents.

À lire aussi : Kit Sécurité et données du commanditaire de projet IA, Kit IA Act du commanditaire : la feuille de route 2026-2027, Kit RGPD du commanditaire de projet IA, Gouvernance des systèmes d’IA : le kit 2026 et Charte IA en entreprise : le modèle 2026 à télécharger.

Toute la série des kits gratuits. Pour piloter l’adoption : modèle de charte IA, kit Ambassadeurs IA, kit du manager face à l’IA, kit Feuille de route d’adoption, grille de maturité IA, kit Mesure et ROI de l’IA et kit Gouvernance des IA. Pour le commanditaire de projet IA : kit IA Act, kit RGPD, kit Sécurité et données, kit IA et dialogue social, kit Souveraineté IA et kit IA responsable. Par métier : kit IA RH, kit IA marketing, kit IA finance, kit IA juristes, kit IA du commercial, kit IA du chef de projet, kit IA de l’innovateur et kit IA du communicant.

10. Sources

Les chiffres et les règles cités sur cette page et dans le kit s’appuient sur les sources suivantes, datées. Toutes sont gratuites. Le kit en cite une quarantaine d’autres en annexe.

• AFNOR, AFNOR Spec 2314, Référentiel général pour l’IA frugale, juin 2024.
• Ecolab (CGDD), Hub France IA, AFNOR, Kit d’engagement pour une IA frugale : 15 bonnes pratiques, juin 2025.
• MiNumEco, Ecolab, Direction des achats de l’État, Fiche pratique pour l’achat responsable de solutions d’IA, novembre 2025.
• ADEME, avis « L’intelligence artificielle générative : des impacts environnementaux importants », 22 juillet 2026.
• Arcep et PEReN, Intelligence artificielle générative : quels défis environnementaux ?, 21 mai 2026.
• Sénat, L’empreinte environnementale de l’IA : un défi pour la planète, une opportunité pour la France et l’Europe, rapport n° 949, 16 septembre 2026.
• Mistral AI, Carbone 4, ADEME, analyse de cycle de vie de Mistral Large 2, 22 juillet 2025 ; Google, Measuring the environmental impact of AI inference, 21 août 2025.
• Agence internationale de l’énergie, Key Questions on Energy and AI, avril 2026 ; UNESCO et UCL, « Smarter, Smaller, Stronger: Resource-Efficient Generative AI », 2025.
• S. Luccioni, Y. Jernite, E. Strubell, Power Hungry Processing: Watts Driving the Cost of AI Deployment?, ACM FAccT 2024 ; Hugging Face et coll., AI Energy Score, version 2, 4 décembre 2025 ; Microsoft Research, Energy Use of AI Inference, Efficiency Pathways, and Test-Time Scaling, 2025.
• SNCF, Direction du Numérique Responsable et Direction RSE, calculatrice Impact’IA, juillet 2026, licence CC BY-NC-SA ; GenAI Impact, EcoLogits ; ministère de la Culture et DINUM, Compar:IA.