Combien consomme un prompt Copilot ?
Un prompt Copilot coûte vraisemblablement 0,31 Wh d’électricité, dans une fourchette de 0,16 à 0,60 Wh. Le chiffre vient de Microsoft, et il ne mesure pas Copilot : c’est la médiane d’une simulation de l’inférence à grande échelle, publiée dans Joule en avril 2026 (vérifié le 11 novembre 2026). Dans la même simulation, une requête de raisonnement monte à 3,91 Wh, soit 13 fois plus.
Recherche vérifiée le 11 novembre 2026 · Sources : 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 · 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 » · Epoch AI : énergie par requête ChatGPT · « How Hungry is AI? » (arXiv 2505.09598) · 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
| Source | Nature du chiffre | Par requête | Entre 0,16 et 0,60 Wh ? |
|---|---|---|---|
| Microsoft (Oviedo et al., Joule, avril 2026) | Simulation sur trois modèles à poids ouverts de plus de 200 milliards de paramètres, 300 tokens en sortie en médiane | 0,31 Wh | Médiane de l’étude |
| Google, Gemini Apps (août 2025) | Mesure sur le parc du fournisseur | 0,24 Wh | Oui |
| OpenAI, ChatGPT (juin 2025) | Déclaration, sans méthode publiée | 0,34 Wh | Oui |
| Epoch AI, GPT-4o (2025) | Estimation indépendante par le calcul, 500 tokens en sortie | 0,30 Wh | Oui |
| « How Hungry is AI? », GPT-4o (2025) | Estimation indépendante depuis le débit observé, 300 tokens en sortie, serveurs Microsoft Azure | 0,42 Wh | Oui |
| de Vries, ChatGPT (Joule, 2023) | Estimation en conditions hors production | 2,90 Wh | Non |
Source : Table 1 de Oviedo et al., préprint arXiv 2509.20241 (version 2, 9 juin 2026), lue le 11 novembre 2026. Les valeurs sont celles que l’article reporte, pour une requête de texte sans raisonnement. Les auteurs précisent que la comparaison n’est pas normalisée : produits, modèles, longueurs de requête et méthodes diffèrent. Aucune de ces lignes ne mesure Copilot.
D'où vient le chiffre de 0,31 Wh ?
D’un article évalué par les pairs, signé par huit chercheurs de Microsoft : Felipe Oviedo et ses coauteurs, « 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, déposé en septembre 2025, relu pour cette page dans sa version 2 du 9 juin 2026). Aucun wattmètre n’a été branché sur un serveur. La méthode est une simulation de Monte-Carlo, à 10 000 tirages par modèle. Les auteurs partent des débits publiés de cinq modèles à poids ouverts, en tokens par seconde sur des nœuds de huit ou dix GPU H100. La requête type compte 500 tokens en entrée et 300 en sortie en médiane. Le chiffre de 0,31 Wh mélange les trois modèles de plus de 200 milliards de paramètres : DeepSeek-R1, Llama 3.1 405B et Llama 3.1 Nemotron Ultra. La sortie est une distribution, pas un nombre : médiane 0,31 Wh, intervalle interquartile 0,16 à 0,60 Wh. Le dépôt de code publié avec l’article qualifie ces résultats de « directionnels » plutôt que de mesures définitives, et dit ce qu’ils laissent dehors : ni fabrication du matériel, ni cycle de vie complet.
Pourquoi ce chiffre ne mesure-t-il pas Copilot ?
Parce que Microsoft ne le prétend nulle part. Le mot Copilot n’apparaît pas une seule fois dans l’article. Le billet du blog Microsoft Cloud du 15 juin 2026 le cite une seule fois, dans sa phrase d’ouverture, comme exemple de service reposant sur un grand modèle de langage. C’est une illustration, pas une attribution. Copilot ne tourne pas sur les modèles à poids ouverts que l’étude simule : il s’appuie sur les modèles d’OpenAI et sur les modèles maison de Microsoft, dont les débits réels ne sont pas publics. Le seul pont que posent les auteurs est une hypothèse de taille : ils jugent le seuil de 200 milliards de paramètres raisonnable pour des modèles fermés comme GPT-4o. La simulation encadre donc Copilot, elle ne le pèse pas. La situation ressemble à celle de Claude, où aucun chiffre officiel n’existe non plus, à ceci près que l’encadrement est bien mieux étayé pour Copilot.
Ce chiffre est-il cohérent avec ceux de Google et d'OpenAI ?
Oui, et c’est ce qui le rend utile. Les auteurs publient eux-mêmes la comparaison (Table 1 de l’article), reprise dans le tableau de cette page. Google a mesuré 0,24 Wh pour le prompt texte médian de Gemini Apps, le 21 août 2025, sur son propre parc. OpenAI a annoncé 0,34 Wh pour une requête moyenne, le 10 juin 2025, sans note de méthode. Deux estimations indépendantes de GPT-4o donnent 0,30 Wh (Epoch AI) et 0,42 Wh (étude « How Hungry is AI? », qui place les modèles d’OpenAI sur les serveurs de Microsoft Azure). Les quatre chiffres tombent dans l’intervalle de 0,16 à 0,60 Wh. Le chiffre le plus repris avant eux, 2,9 Wh par requête ChatGPT (de Vries, 2023), en sort : il vaut environ neuf fois la médiane de Microsoft, rapport calculé par ce site. L’hypothèse de 0,3 Wh que ce site retient pour un prompt texte tombe à 3 % de cette médiane. Les auteurs jugent les estimations faites hors production surévaluées d’un facteur 4 à 20 : elles ne comptent ni le traitement par lots ni l’accélération de l’inférence. L’argument est technique et il tient. Il vient aussi d’une entreprise qui a intérêt au chiffre bas : les huit auteurs sont salariés de Microsoft, et l’article le déclare.
Et l'eau ?
Le même billet donne 0,0 à 0,067 mL par requête type, avec une médiane que Microsoft décrit comme moins d'une goutte. L'écart avec Google saute aux yeux : 0,26 mL pour Gemini, soit près de quatre fois le haut de la fourchette de Microsoft. Les deux chiffres portent sur l'eau consommée sur site pour refroidir les serveurs, et aucun des deux ne compte l'eau prélevée en amont pour produire l'électricité. La différence tient au parc et au climat : la part de refroidissement à air, l'efficacité d'usage de l'eau et l'emplacement des centres pèsent plus lourd que le modèle. Comparer deux chiffres d'eau entre fournisseurs revient à comparer deux géographies, pas deux IA.
Que change une requête de raisonnement ?
Tout, et c’est le résultat le plus citable de l’article. Une requête de raisonnement, que les auteurs fixent à 5 000 tokens en sortie en médiane, coûte 3,91 Wh (intervalle interquartile 2,15 à 7,05 Wh) : 13 fois la requête type. Une part notable des tirages dépasse 10 Wh. Les auteurs portent le calcul à l’échelle d’un service entier. Un milliard de requêtes types par jour demande 0,73 GWh. Si 10 % de ces requêtes passent en raisonnement, le total monte à 1,7 GWh par jour : plus du double. Copilot met justement en avant ses modes agent et raisonnement. La médiane de 0,31 Wh décrit donc l’usage d’hier, pas celui vers lequel le produit va. Les mêmes auteurs attendent à l’inverse des gains d’efficacité, côté modèles, serveurs et puces, capables de diviser l’énergie par requête par 8 à 20. Avec des gains prudents, d’un facteur 1,5 à 3, leur scénario à 10 % de raisonnement retombe à 0,8 GWh par jour. Ils préviennent eux-mêmes qu’un gain d’efficacité ne garantit pas une baisse de la consommation totale : une requête moins chère en appelle davantage.
Que laisse de côté la simulation quand Copilot travaille en agent ?
Presque tout ce qui distingue un agent d’une simple question. La simulation de Microsoft définit une requête comme un seul prompt et une seule réponse en texte. Un agent qui enchaîne dix étapes compte donc pour dix requêtes, et son coût suit le nombre total de tokens produits. Les auteurs écrivent ce qu’ils n’ont pas compté : l’orchestration entre les étapes, les appels d’outils et la gestion des longs contextes. Ils signalent aussi que leur modèle traite mal les très longues entrées, de l’ordre de 100 000 tokens, où lire le contexte coûte bien plus d’énergie. Ils nomment les usages concernés : les agents de programmation, le résumé de plusieurs documents et la recherche documentaire. Pour les sorties très longues, ils supposent un débit constant alors que les systèmes réels ralentissent, ce qui sous-estime probablement l’énergie. L’étude ne couvre enfin que le texte : ni image, ni vidéo. Les 0,31 Wh valent donc pour une question courte posée à un assistant, pas pour une tâche confiée à un agent.
Un prompt Copilot en gestes du quotidien
Aucun chiffre officiel n'existe pour Copilot : ces équivalences utilisent l'hypothèse standard du site pour un prompt texte (0,3 Wh, 0,3 mL, 0,2 g), pas une donnée du fournisseur.
- 1 heure d'ampoule LED = 33 prompts Copilot
- 1 heure de télévision = 233 prompts Copilot
- 1 verre d'eau = 833 prompts Copilot
- 1 douche de 5 minutes = 166 667 prompts Copilot
- 1 email avec pièce jointe = 95 prompts Copilot
- 1 km en voiture = 850 prompts Copilot
Ce chiffre dit ce que coûte un prompt, pas ce qu'il rapporte. Pour une TPE ou une PME, la vraie question arrive juste après : quels usages de Copilot valent le temps qu'ils prennent, et lesquels tiennent du réflexe. C'est le terrain du studio ghis.fr, qui édite ce calculateur. Ici, on mesure et on source.