Sources & data
Every number on this site comes from one of these sources. Cross-referenced 2025-2026.
Cost of one prompt (reference)
⚡
0.3 Wh
💧
0.3 mL
🌍
0.2 g
The four unit costs, and what each one is
Every figure on this site starts from these four numbers. Two of them are not the same kind of number, and that is stated here rather than hidden.
- 💬Text prompts0.3 Whmeasured
a published measurement, used as is.
Epoch AI : énergie par requête ChatGPT - 🧠Reasoning20 Whmeasured
a published measurement, used as is.
« How Hungry is AI? » (arXiv 2505.09598) - 🖼️Images9 Whsite assumption
the site's own figure for a commercial service. The source brackets it, it does not replace it: a research model at its default settings does less than a product sold to the public.
Luccioni, Jernite & Strubell : « Power Hungry Processing: Watts Driving the Cost of AI Deployment? » (arXiv 2311.16863, nov. 2023 ; ACM FAccT, juin 2024) : 1,38 kWh pour 1 000 images avec Stable Diffusion v1.5, 11,49 kWh avec Stable Diffusion XL, le modèle le moins efficace du panel - 🎬Videos25.3 Whmeasuredrevised September 23, 2026
a published measurement, used as is.
Delavande, Pierrard & Luccioni : « Video Killed the Energy Budget: Characterizing the Latency and Power Regimes of Open Text-to-Video Models » (arXiv 2509.19222, 23 sept. 2025, Hugging Face) : de 0,14 Wh (AnimateDiff) à 415 Wh (WAN2.1-T2V-14B) par clip, réglages par défaut de chaque modèle, mesuré par CodeCarbon sur GPU H100
Artificial intelligence & digital
- Epoch AI : énergie par requête ChatGPT
- Google Cloud (21 août 2025) : impact environnemental de l'inférence IA, 0,24 Wh, 0,26 mL d'eau et 0,03 g CO₂e pour le prompt texte médian de Gemini Apps
- OpenAI / Sam Altman : « The Gentle Singularity »
- « How Hungry is AI? » (arXiv 2505.09598)
- IEA : Energy and AI
- de Vries : « The growing energy footprint of artificial intelligence », Joule (oct. 2023, DOI 10.1016/j.joule.2023.09.004) : 2,9 Wh par requête ChatGPT contre 0,3 Wh pour une recherche Google, hypothèse fondée sur un parc de GPU Nvidia A100
- IEA : « Electricity 2024 » (janv. 2024), reprend l'estimation de 2,9 Wh par requête ChatGPT contre 0,3 Wh par recherche Google
- IEA : empreinte du streaming vidéo
- EcoLogits / GenAI Impact
- Hugging Face : AI Energy Score / S. Luccioni (énergie image & vidéo)
- « The Hidden Cost of an Image » (arXiv 2506.17016)
- OpenAI / TechCrunch : ChatGPT ~2,5 milliards de prompts/jour (2026) ; part de l'IA générative ~80 % (Demandsage / Statista). Calcul : ChatGPT ~900 Md/an ÷ 0,8 ≈ 1 100 Md pour toute l'IA générative.
- NBER / OpenAI : « How People Use ChatGPT » (Chatterji et al., 2025) : 700 M d'utilisateurs hebdomadaires, ~18 Md de messages/semaine, part professionnelle 47 % → 27 % (juin 2024 → juin 2025)
- Apec : baromètre « Les cadres et l'IA » (mars 2026) : usage quotidien 12 % → 21 %, usage hebdomadaire 35 % → 50 %
- Patterson et al. : émissions carbone des grands réseaux de neurones, GPT-3 (arXiv 2104.10350)
- Patterson et al. (Google) : répartition entraînement/inférence de l'énergie IA, 2019-2021 (arXiv 2204.05149)
- Mistral AI : analyse de cycle de vie de Le Chat, avec l'ADEME (juillet 2025)
- Google : « Measuring the environmental impact of delivering AI at Google Scale » (arXiv 2508.15734, août 2025)
- Luccioni, Jernite & Strubell : « Power Hungry Processing: Watts Driving the Cost of AI Deployment? » (arXiv 2311.16863, nov. 2023 ; ACM FAccT, juin 2024) : 1,38 kWh pour 1 000 images avec Stable Diffusion v1.5, 11,49 kWh avec Stable Diffusion XL, le modèle le moins efficace du panel
- Delavande, Pierrard & Luccioni : « Video Killed the Energy Budget: Characterizing the Latency and Power Regimes of Open Text-to-Video Models » (arXiv 2509.19222, 23 sept. 2025, Hugging Face) : de 0,14 Wh (AnimateDiff) à 415 Wh (WAN2.1-T2V-14B) par clip, réglages par défaut de chaque modèle, mesuré par CodeCarbon sur GPU H100
- Oviedo et al. : « Energy use of AI inference, efficiency pathways, and test-time scaling », Joule (avril 2026, DOI 10.1016/j.joule.2026.102430 ; préprint arXiv 2509.20241) : médiane de 0,31 Wh par requête, intervalle interquartile 0,16 à 0,60 Wh
- Microsoft Cloud Blog (15 juin 2026) : « Scaling AI with 8 to 20x energy efficiency », 0,16 à 0,60 Wh et 0,0 à 0,067 mL d'eau pour une requête type
- Aslan et al. (2018), Journal of Industrial Ecology : « Electricity Intensity of Internet Data Transmission », 0,06 kWh par gigaoctet pour les réseaux fixes en 2015, intensité divisée par deux tous les deux ans
- Mytton (2024), Journal of Industrial Ecology : « Network energy use not directly proportional to data volume », l'énergie d'un réseau ne se divise pas par gigaoctet transporté
- RTE : les data centers en chiffres clés (conso. actuelle et projections 2030/2035)
- Arcep : enquête « Pour un numérique soutenable », 5ᵉ édition (mai 2026)
- Cushman & Wakefield : part de l'IA dans la demande de data centers (mai 2026)
- Euronews : datacenter Mistral AI à Bruyères-le-Châtel, financement 830 M$ (mars 2026)
- Bpifrance : joint-venture MGX/Bpifrance/Mistral AI/Nvidia, campus IA 1,4 GW en Île-de-France
- Anthropic : localisation des serveurs (hébergement par défaut aux États-Unis)
- Commission européenne : marché du cloud souverain, 180 M€ à quatre fournisseurs (avril 2026)
- Usine Digitale : OVHcloud et Scaleway face aux hyperscalers américains (VivaTech 2026)
Electricity
- ADEME : consommation des appareils ménagers
- US EIA : usage électrique des foyers
- US DOE : estimation de la conso des appareils (archive)
- US DOE/EPA : fueleconomy.gov (véhicules électriques)
- ENERGY STAR : lave-vaisselle & électroménager
- Eurostat : énergie des ménages
- UK Ofgem : consommation domestique type
Water
- Water Footprint Network : produits animaux (Mekonnen & Hoekstra)
- Water Footprint Network : cultures (Mekonnen & Hoekstra 2011)
- Water Footprint Network : coton (Chapagain et al. 2006)
- US EPA WaterSense : usages domestiques de l'eau
- USGS : usage de l'eau aux États-Unis (Circular 1441)
- European Environment Agency : eau des ménages
CO₂: transport, food & goods
- myclimate : calculateur d'émissions de vol
- Our World in Data : empreinte carbone des régimes alimentaires (Scarborough et al.)
- UCLA : empreinte carbone des animaux de compagnie (G. Okin)
- Zemo Partnership : fabrication des véhicules (analyse de cycle de vie)
- MIT Climate Portal : empreinte de la construction d'une maison
- Our World in Data : empreinte carbone des transports (DEFRA)
- Our World in Data : GES par aliment (Poore & Nemecek 2018)
- ADEME : Base Empreinte / Impact CO2
- UK DEFRA/DESNZ : facteurs de conversion GES
- European Environment Agency : CO₂ des voitures neuves
- ICAO : calculateur carbone aérien
- ICCT : transport maritime / croisières
- US EPA : émissions d'un véhicule type
- Apple : Product Environmental Reports
- Fairphone : Life Cycle Assessment
- MIT : empreinte d'une paire de baskets (Cheah et al. 2013)
- Dell / HP : analyses de cycle de vie (laptop)(book / report reference)
- Mike Berners-Lee, « How Bad Are Bananas? » : 4 g/email et 50 g avec grosse pièce jointe (éd. 2010), révisés en éd. 2020 à ~0,3 g en moyenne (0,03 g pour un spam filtré, jusqu'à 26 g pour un email marketing lu par 1 destinataire sur 100)(book / report reference)
- ADEME (2011) : « Analyse comparative des impacts environnementaux de la communication par voie électronique » : 19 g CO₂e pour un email de 1 Mo envoyé à un destinataire(book / report reference)
- Eurostat : empreinte carbone par habitant
Source · data updated on June 30, 2026