Batterie de 0 à 100 % (env. 12 Wh)
53.8
% de batterie
Le saviez-vous ?La génération d'un article standard (environ 2 000 tokens) a un impact physique réel. Les équivalences ci-dessous représentent la moyenne de consommation constatée sur 39 modèles de langage (LLM) évalués selon le référentiel EcoLogits.
Modèle standard (9 W)
43.0
minutes
Streaming en qualité HD
3.9
minutes
Comparateur d'empreinte LLM
Simulez l'impact de vos choix d'architecture. Sélectionnez un cas d'usage et comparez deux modèles de langage (LLM) pour identifier le plus sobre énergétiquement.
1. Définissez votre cas d'usage
2. Comparez l'impact de deux modèles
Modèle A (référence)
Modèle B (comparaison)
Comparaison des impacts
Cas « Email / Petit paragraphe » — jauges relatives avec badge de gain sur le modèle le plus sobre.
Énergie
Consommation électrique directe (GPU/CPU) pendant le traitement.
Consommation électrique — Wh
gpt-4
9.06 Wh
claude-opus-4
8.52 Wh
-6%
Métaux Rares (ADPe)
Impact matériel (métaux rares) de la fabrication des serveurs, rapporté à l'usage.
Ressources minérales — ng Sb eq
gpt-4
20.24 ng Sb eqclaude-opus-4
10.69 ng Sb eq-47%
Équivalences vie quotidienne
Impact traduit en repères du quotidien. Le chiffre en bleu MaydAI indique le modèle au meilleur bilan énergétique (valeur la plus basse).
Recharge smartphone
Batterie de 0 à 100% (env. 15Wh)75.5
% de batterie
gpt-4
71.0
% de batterie
claude-opus-4
Ampoule LED (9 W)
Modèle standard (9W)60.4
minutes
gpt-4
56.8
minutes
claude-opus-4
Streaming Netflix
Streaming en qualité HD5.4
minutes
gpt-4
5.1
minutes
claude-opus-4
Plateforme MaydAI
Passez de la simulation à l'action
Réalisez un audit de conformité IA Act complet et intégrez ces métriques d'impact directement dans votre registre de traitements.
Démarrer mon essai gratuitMéthodologie d'évaluation par EcoLogits
L'approche scientifique : l'Analyse du Cycle de Vie (ACV)
Pour garantir des mesures fiables, cette évaluation s'appuie sur la méthodologie open-source EcoLogits, encadrée par l'Analyse du Cycle de Vie (ACV) selon la norme ISO 14044.
- Modélisation ascendante (Bottom-up) : Au lieu de faire des estimations globales, la méthodologie calcule et agrège l'impact environnemental de chaque composant individuel du service utilisé.
- Périmètre strict : L'évaluation se concentre sur les tâches d'inférence de l'IA (la génération de réponses) et l'hébergement dans les data centers (calcul et refroidissement). L'entraînement des modèles et les terminaux utilisateurs sont exclus.
Les 4 indicateurs d'impact mesurés
L'impact d'une IA ne se limite pas à sa consommation électrique. L'évaluation porte sur quatre critères majeurs :
- Réchauffement climatique (GWP) : Émissions de gaz à effet de serre (équivalents CO2).
- Épuisement des ressources (ADPe) : Consommation de minéraux et métaux bruts (équivalents antimoine) liés à la fabrication du matériel.
- Énergie primaire (PE) : Énergie consommée à partir de sources naturelles (exprimée en mégajoules).
- Empreinte Eau (WCF) : Quantité d'eau consommée par les centres de données pour le refroidissement et non restituée à sa source.
Précision technique et conditions réelles
- Estimation de la latence : Le calcul énergétique inclut le Time-to-first-token (TTFT, pré-remplissage) et le débit (Throughput, phase de décodage).
- Matériel de dernière génération : Les référentiels EcoLogits simulent des environnements de production modernes utilisant des serveurs optimisés (GPU H100, moteurs d'inférence vLLM).
Découvrez en détail l'Analyse du Cycle de Vie (ACV) des modèles d'IA.
Consulter la documentation officielle sur ecologits.ai