Une IA à l’énergie renouvelable.

Où tes prompts reçoivent leur réponse

Toute l’inférence IA de Union AI tourne sur Scaleway Generative APIs, dans l’Union européenne. Scaleway regroupe tous ses serveurs IA dans un seul centre de données, DC5, construit pour ce type de charge. Les chiffres ci-dessous ne sont donc pas une moyenne sur un parc hétérogène : ce sont les chiffres du bâtiment où vont réellement tes prompts.

Ce que signifient ces chiffres

Le PUE (power usage effectiveness, ou indicateur d’efficacité énergétique) est l’énergie totale consommée par un centre de données divisée par celle consommée par les serveurs eux-mêmes. À 1,25, chaque kWh de calcul coûte 0,25 kWh de plus pour le refroidissement et l’alimentation électrique. À la moyenne mondiale de 1,55, ce surcoût est de 0,55 kWh, plus du double.

Le refroidissement sans climatisation explique l’essentiel de cet écart. Le centre de données IA souffle de l’air extérieur filtré à travers les serveurs et n’ajoute un refroidissement par évaporation (adiabatique) que lorsqu’il fait plus de 28 °C dehors. Scaleway chiffre l’économie d’énergie de refroidissement à 30 à 40 % par rapport au reste du marché.

Le WUE (water usage effectiveness) est le nombre de litres d’eau par kWh. La plupart des centres de données utilisent des tours de refroidissement, qui évaporent de grandes quantités d’eau toute l’année. Celui-ci n’en a pas, et ne consomme de l’eau que les jours de chaleur.

Tu n’as pas à nous croire sur parole. L’opérateur publie le PUE du centre de données IA en direct, en temps réel, avec à côté la valeur sur les douze derniers mois.

Ce que nous ajoutons

Le centre de données est le travail de Scaleway, pas le nôtre. Ce que nous maîtrisons, c’est la quantité de calcul que demande chaque réponse, et là nous avons fait trois choix.

• Pas de GPU inactif. Nous fonctionnons en serverless : les modèles tournent sur du matériel partagé qui sert de nombreux clients, et nous payons au token. Aucune carte graphique dédiée n’attend, allumée, notre prochaine requête.
• Des modèles qui ne réveillent que la partie utile. Nos modèles sont des modèles mixture-of-experts, qui n’utilisent qu’une fraction de leurs poids par mot. Standard, le niveau du quotidien, active environ 3 milliards de ses 35 milliards de paramètres pour chaque token.
• Du lourd seulement quand il le faut. Les questions courantes, les résumés et les reformulations vont aux niveaux plus légers. Pro, le plus gros modèle, sert aux problèmes difficiles, pas à chaque message. Le modèle derrière chaque niveau est indiqué sur la page de transparence IA.

Méthodologie : l’énergie par réponse

Sous chaque réponse du chat, tu vois une petite étiquette comme ≈ 0,2 Wh. C’est une estimation, pas une mesure. Scaleway, qui fait tourner les modèles pour nous, ne communique pas l’énergie par requête : nous la calculons donc à partir de ce que nous savons, à savoir le nombre de tokens utilisés par la réponse, le niveau qui a répondu et l’efficacité du centre de données.

Tout ce qu’il faut pour vérifier se trouve ci-dessous : la formule, chaque valeur, un exemple détaillé et les sources. En cas de doute, nous arrondissons à la hausse : si l’estimation est fausse, elle devrait l’être par excès. Version de la méthode 1, revue le 28 septembre 2026.

La formule

• Les tokens sont les nombres que le fournisseur du modèle indique pour la réponse, les mêmes que ceux que nous mesurons pour la facturation. Rien n’est deviné à partir de la longueur du texte. Un token correspond à peu près aux trois quarts d’un mot.
• Les valeurs d’entrée et de sortie sont fixes pour chaque niveau, en wattheures pour 1 000 tokens, pour la carte graphique et le reste du serveur. Elles figurent dans le tableau ci-dessous.
• 1,25 est le PUE du centre de données IA (Scaleway, données 2024). Il ajoute l’énergie du refroidissement et de l’alimentation électrique à celle des serveurs.
• 51,9 g CO₂e par kWh est la moyenne du réseau électrique qui alimente le centre de données, sur l’ensemble du cycle de vie (ADEME Base Empreinte, électricité 2024).

D’où viennent les valeurs par niveau

Personne ne publie de mesures d’énergie pour les modèles exacts derrière nos niveaux, sur le matériel et à la charge où Scaleway les fait tourner. Chaque valeur est donc construite en quatre étapes à partir des mesures publiées les plus proches.

1. Ce que consomme la carte graphique par mot écrit. D’après le ML.ENERGY Leaderboard, qui mesure l’énergie GPU par token de sortie sur des cartes NVIDIA H100. Nous prenons la valeur d’un serveur moyennement chargé (taille de batch 64) ; les serveurs de production chargés consomment 2 à 5 fois moins par token. Quand un modèle n’a pas été mesuré, nous utilisons 0,10 joule par milliard de paramètres actifs, le haut de la fourchette observée pour des modèles similaires.
2. Le reste du serveur. Une valeur GPU laisse de côté le processeur, la mémoire et les machines gardées prêtes mais inactives. Dans la répartition mesurée par Google, ils ajoutent environ 57 %, nous multiplions donc par 1,6.
3. La lecture de ton prompt. L’entrée est lue en parallèle et coûte bien moins par token que l’écriture de la réponse : les mesures situent le rapport entre 1:10 et 1:35. Nous comptons un token d’entrée comme un cinquième de token de sortie, ce qui garde une marge d’au moins deux fois.
4. Le pire cas par niveau. Si le modèle d’un niveau n’est pas disponible, un modèle de secours répond. Chaque niveau prend la valeur la plus élevée entre son modèle et ses modèles de secours, arrondie à la hausse : un modèle de secours ne rend donc jamais l’estimation trop basse.

Les valeurs par niveau

Les colonnes entrée et sortie concernent le serveur seul, avant le surcoût du centre de données. Les deux dernières colonnes correspondent à un message moyen de 900 tokens en entrée et 500 en sortie, surcoût compris.

La valeur d’un niveau est la plus élevée entre son propre modèle et ses modèles de secours : deux niveaux peuvent donc afficher le même chiffre. Les niveaux plus lourds consomment davantage, parce que leurs modèles activent plus de paramètres pour chaque mot écrit.

Exemple détaillé : un message moyen sur Standard

Un message moyen compte 900 tokens en entrée (ta question plus la conversation jusque-là) et 500 tokens en sortie.

Dans le chat, cela s’affiche comme ≈ 0,2 Wh et ≈ 0,008 g CO₂e. Le même message sur Pro, le niveau le plus lourd, représente environ 1,7 Wh.

Est-ce que ça tient la route ?

• Epoch AI estime à environ 0,3 Wh une requête ChatGPT (GPT-4o) avec 500 tokens de sortie, et juge ce chiffre plutôt pessimiste.
• Google a mesuré une médiane de 0,24 Wh par prompt texte Gemini, tout compris.
• Des chercheurs de Microsoft situent la médiane des grands modèles sur serveurs H100 à 0,31 Wh par requête.

Standard active environ 3 milliards de paramètres par mot : il est donc normal de se situer sous ces chiffres. Pro en active beaucoup plus et se situe au-dessus : c’est là que notre arrondi à la hausse se voit le plus.

Carbone : deux affirmations, tenues séparément

1. L’électricité est 100 % renouvelable. Scaleway alimente le centre de données en électricité renouvelable couverte par des garanties d’origine. Une garantie d’origine est un certificat attestant qu’une quantité équivalente d’électricité renouvelable a été injectée dans le réseau, pas un câble reliant un parc éolien au bâtiment.
2. Le chiffre de CO₂e utilise malgré tout la moyenne du réseau. En comptant les certificats, il serait proche de zéro. Nous montrons ce que la même électricité émettrait à la moyenne du réseau auquel le centre de données est raccordé : 51,9 g CO₂e par kWh sur l’ensemble du cycle de vie. C’est plus que le chiffre du gestionnaire de réseau lui-même : l’erreur, s’il y en a une, va donc dans le sens de la surestimation.

Ce que l’estimation ne couvre pas

• Pas de compteur par requête. Chaque valeur est une estimation tirée de mesures publiées sur des modèles similaires, sur du matériel similaire.
• Du matériel partagé. Les modèles tournent sur des cartes graphiques partagées avec d’autres clients. Leur taux d’occupation fait varier l’énergie par token d’un facteur 5 à 10, et nous ne connaissons ni la charge de Scaleway ni les types exacts de cartes. Nous supposons une charge modérée sur des cartes de la classe H100.
• Les modèles récents. Aucun des modèles derrière nos niveaux n’a encore de mesure d’énergie publiée : leurs valeurs viennent donc de leurs prédécesseurs ou de leur taille.
• Les prompts très longs. La valeur par token d’entrée est fixe. Un prompt de plusieurs centaines de milliers de tokens coûte plus par token que cela : pour un tel prompt sur Contexte long, l’estimation est donc probablement trop basse.
• L’entraînement et la fabrication. Nous faisons tourner des modèles open-weight entraînés par d’autres, et nous ne savons pas ce que cet entraînement a consommé. La fabrication des serveurs, des cartes et du bâtiment n’est pas non plus dans le chiffre.
• Uniquement le modèle. Notre site, la base de données, les paiements et ton propre appareil ne sont pas inclus.

Quand Scaleway publiera l’énergie par requête, ou que de meilleures mesures de ces modèles paraîtront, nous remplacerons l’estimation et relèverons la version de la méthode.

Où tu le vois

• Sous chaque réponse du chat, avec le CO₂e et un lien vers cette section.
• Pour toute la conversation, en haut du chat.
• Par mois, dans Facturation : chaque réponse du chat et chaque appel API depuis le 1er du mois.

Sources de l’estimation

Chaque valeur de cette section provient de l’une de ces sources :

• ML.ENERGY Leaderboard v3.0, H100 energy per output token (data of 2026-02-16)
• Chung et al., Where Do the Joules Go? Diagnosing Inference Energy Consumption (2026)
• Elsworth et al., Measuring the environmental impact of delivering AI at Google scale (2025)
• Epoch AI, How much energy does ChatGPT use? (2025)
• Oviedo et al., Energy Use of AI Inference, Efficiency Pathways, and Test-Time Scaling (Joule, 2026)
• Delavande, Pierrard and Luccioni, Small Talk, Big Impact: The Energy Cost of Thanking AI (2026)
• Scaleway Impact Report 2025 (PDF)
• ADEME Base Empreinte, electricity 2024, average consumption mix

Ce que nous affirmons, et ce que nous n’affirmons pas

• ✓Vrai : Chaque inférence IA tourne dans un centre de données alimenté à 100 % par de l’électricité renouvelable, dans l’Union européenne.
• ✓Vrai : Ce centre de données a un PUE de 1,25 et est refroidi sans climatisation (Scaleway, données 2024).
• ✓Vrai : Chaque réponse du chat affiche une estimation de sa consommation d’énergie et de son CO₂e, calculée avec la méthode publiée ci-dessus.
• ✕Faux : « Une IA neutre en carbone. » L’approvisionnement renouvelable repose sur des garanties d’origine, pas sur un parc éolien relié au bâtiment, et la fabrication des serveurs a sa propre empreinte.
• ✕Faux : « Les modèles ont été entraînés avec de l’énergie verte. » Nous faisons tourner des modèles open-weight entraînés par d’autres. Nous ne pouvons pas vérifier avec quelle énergie cet entraînement a été fait, donc nous ne l’affirmons pas.
• ✕Faux : « Toute notre infrastructure est verte. » Ces chiffres couvrent l’inférence. L’hébergement du site, la base de données et les paiements tournent chez les autres acteurs de notre page sous-traitants, avec leurs propres chiffres.
• ✕Faux : « Une énergie mesurée par message. » Le chiffre sous chaque réponse est une estimation tirée de mesures publiées, arrondie à la hausse, pas le relevé d’un compteur.

Sources

Tous les chiffres du centre de données sont ceux de Scaleway, pour 2024, tirés du Scaleway Impact Report 2025 (PDF). La moyenne mondiale de PUE de 1,55 est le chiffre de l’Uptime Institute cité dans ce rapport. Pourquoi l’hébergement européen compte au-delà de l’énergie : c’est expliqué dans l’IA souveraine européenne.