# Peser — Le vrai coût : énergie, eau, données, travail caché > **Cycle 3 « Vivre avec l'IA » · Épisode 07.** Page : `/peser/` > **Mouvement :** Dans la cité (citoyen) — premier épisode de ce troisième et dernier mouvement. > **Hub :** `/penser-avec-l-ia/#cycle-3` > **Design :** ocre `#d4944f` (humain) · teal `#0E6E66` (IA) · Fraunces + Inter + JetBrains Mono · mode clair/sombre · **blocs de prompt clairs même en sombre**. > **Registre :** tutoiement. > **Footer :** composant standard du site (`lb-footer`) — ne pas personnaliser. > **Accroche LinkedIn :** « Chaque requête a un coût. Le connaître, ce n'est pas culpabiliser — c'est choisir en connaissance de cause. » --- ## Bandeau supérieur (topbar) - Lien marque → `https://laurentberthelier.site/` - Lien série → `https://laurentberthelier.site/penser-avec-l-ia/` (libellé : « Penser avec l'IA ») - Mono topbar : « CYCLE 3 | 07 · Peser » ## Hero - **Eyebrow :** Vivre avec l'IA · Cycle 3 · Épisode 07 - **Titre :** Peser - **Sous-titre :** Le vrai coût : énergie, eau, données, travail caché - **Chapô :** Depuis le début de la série, l'IA a été traitée comme un outil neutre en arrière-plan — on parle de prompts, de méthode, de jugement, jamais de ce qu'il y a derrière l'écran. Ce septième épisode ouvre le dernier mouvement, « Dans la cité », en nommant ce coût : l'énergie consommée, l'eau utilisée pour refroidir les data centers, les données humaines qui ont servi à entraîner les modèles, et le travail caché d'annotation, souvent sous-traité et mal payé. Pas pour culpabiliser un usage individuel — pour choisir en citoyen informé. - **Étiquette (`episode-meta`) :** Pour qui : Conseillers · Durée : ~7-8 min · Niveau : Intermédiaire. - **Dans la série :** prolonge [C2-06 · Outiller](/outiller/) · ↩ [Hub Cycle 3](/penser-avec-l-ia/#cycle-3) ## Ouverture de mouvement Ce septième épisode ouvre le dernier mouvement de la trilogie, **« Dans la cité »** — après l'autre (Accompagner, Transmettre, Protéger) et l'équipe (Assumer, Partager, Se positionner), la place du citoyen. --- ## Le problème — Une requête, ça n'a l'air de rien Tu tapes une question, une réponse arrive en quelques secondes, tu passes à la suivante. Rien dans cette expérience ne donne l'impression qu'il se passe quoi que ce soit de physique : pas de bruit de moteur, pas de fumée, pas de facture immédiate sous les yeux. Et pourtant, chaque requête met en mouvement une chaîne bien réelle — des serveurs qui chauffent, de l'eau qui circule pour les refroidir, des données humaines qui ont nourri l'entraînement du modèle, et des personnes, quelque part, qui ont trié et annoté des millions d'exemples pour que la machine sache reconnaître un CV d'une lettre de motivation. En Mission Locale, ça donne ce genre de scène : un conseiller lance une dizaine de requêtes par jour — reformuler un mail, générer une image pour un support, résumer un compte rendu — sans jamais s'être demandé si toutes ces tâches avaient besoin du même outil, ni ce que chacune coûte réellement. Ce n'est pas de la négligence : c'est que rien, dans l'interface, n'invite à se poser la question. Ce que ce septième épisode fait, c'est nommer ce coût — pas pour culpabiliser un usage individuel qui pèse, à l'échelle, assez peu, mais pour donner les moyens de choisir en connaissance de cause. > Chaque requête a un coût. Le connaître, ce n'est pas culpabiliser — c'est choisir en connaissance de cause. --- ## La méthode — Quatre coûts qu'on ne voit jamais depuis le clavier Derrière chaque réponse générée, quatre coûts se cumulent, invisibles depuis ton écran : **L'énergie.** Faire tourner un modèle d'IA — surtout un modèle « lourd » de raisonnement complexe ou de génération d'image — consomme de l'électricité, dans des centres de données qui tournent 24 heures sur 24. **L'eau.** Cette électricité produit de la chaleur, qu'il faut évacuer : de nombreux data centers utilisent de l'eau pour leurs systèmes de refroidissement, en quantités qui se comptent par centre en millions de litres chaque année. **Les données.** Les modèles ont été entraînés sur des quantités massives de textes, d'images, de conversations — largement issus du travail et de la création de millions de personnes, rarement consultées ni rémunérées pour cet usage. **Le travail caché.** Avant qu'un modèle sache distinguer une réponse utile d'une réponse toxique, des humains — souvent des travailleurs sous-traités dans des pays à bas coût de main-d'œuvre — ont annoté, trié et modéré des millions d'exemples, pour des salaires très inférieurs à ceux du secteur. **Le principe qui change tout :** connaître l'ordre de grandeur de ce coût ne sert pas à culpabiliser une requête isolée — cela change la façon de choisir : la fréquence d'usage, le choix entre un modèle lourd et un modèle léger, et surtout la question qu'on ne se pose presque jamais : est-ce que j'ai vraiment besoin de l'IA pour cette tâche précise ? **Glossaire — « modèle léger » vs « modèle lourd » :** un modèle léger répond vite à des tâches simples (reformuler une phrase, corriger une faute) avec peu de calcul. Un modèle lourd — raisonnement complexe, génération d'image ou de vidéo — mobilise beaucoup plus de puissance de calcul, donc plus d'énergie, pour un même usage. --- ## L'atelier — Peser ses usages en 3 maillons Situation : tu veux comprendre l'ordre de grandeur du coût de tes usages IA, adopter un réflexe de sobriété avant de lancer une requête lourde, et apprendre à comparer concrètement l'impact de différents modèles. Trois maillons, à faire une fois pour installer le réflexe. **Maillon 1 — Un ordre de grandeur pour une tâche type** *(livrable : une fourchette réaliste, pas un chiffre inventé)* Prends une tâche que tu fais souvent — générer un compte rendu d'entretien — et compare-la à deux usages très différents : un modèle « léger » pour cette même tâche de texte simple, et un usage « lourd » type génération d'image ou raisonnement complexe poussé. ``` | Usage | Ordre de grandeur (indicatif) | |---------------------------------------------------------------------|----------------------------------------------------------| | Question courte à un modèle léger (reformuler une phrase, corriger un mail) | Comparable à quelques secondes d'ampoule LED allumée | | Réponse longue d'un modèle de raisonnement complexe (analyser un dossier, générer un plan détaillé) | Nettement plus — de l'ordre de dizaines de fois l'usage léger | | Génération d'une image ou d'une vidéo | Parmi les usages les plus coûteux d'un usage courant de l'IA | ``` *Point de contrôle :* retiens l'ordre de grandeur (« un modèle lourd coûte nettement plus qu'un modèle léger »), pas un chiffre précis — les chiffres exacts varient selon les sources et vieillissent vite ; l'ordre de grandeur, lui, reste vrai plus longtemps. **Maillon 2 — Le réflexe « juste besoin » avant une requête lourde** *(livrable : une question à te poser avant de lancer)* Avant de lancer une requête qui sollicite un modèle lourd, prends trois secondes pour te demander si la tâche a vraiment besoin de cette puissance — ou si un outil plus simple suffit. C'est l'écho d'*Outiller* (Cycle 2, épisode 06), mais ici du point de vue du coût plutôt que de la seule adéquation à la tâche : ``` Pour cette tâche : [ex. « retrouver la date d'une aide, générer une illustration pour un atelier, résumer un long rapport »] - Est-ce que je connais déjà la réponse, ou une recherche classique suffirait ? [oui/non] - Est-ce que cette tâche a vraiment besoin d'un modèle de raisonnement complexe ou d'une génération d'image, ou un modèle léger / un outil plus simple ferait l'affaire ? [oui/non] - Si je peux répondre « oui, un outil plus simple suffit » à l'une des deux questions : je change d'outil avant de lancer. ``` *Point de contrôle :* ce réflexe ne vise pas à te faire renoncer à l'IA — il vise à réserver les modèles lourds aux tâches qui en ont vraiment besoin, et à garder les modèles légers ou une recherche classique pour le reste. **Maillon 3 — Utiliser Compar:IA pour comparer l'impact des modèles** *(livrable : une première comparaison faite toi-même)* **Compar:IA** (comparia.beta.gouv.fr) est une plateforme publique française qui permet de comparer plusieurs modèles d'IA à l'aveugle, sans créer de compte, dans le respect du RGPD — et qui affiche l'impact énergétique estimé de chaque réponse. Ce lien mérite sa place dans l'encart RGPD du site : cet épisode en est le développement complet. ``` 1. Va sur comparia.beta.gouv.fr — aucun compte nécessaire. 2. Pose la même question à deux modèles différents affichés côte à côte, à l'aveugle (tu ne sais pas lequel est lequel avant d'avoir voté). 3. Compare les deux réponses, puis regarde l'impact énergétique affiché pour chacune. 4. Vote pour la réponse que tu préfères — cela sert aussi à la recherche publique française sur l'évaluation des modèles. 5. Recommence une fois par mois, sur une tâche réelle de ton quotidien, pour garder ce réflexe de comparaison vivant. ``` *Point de contrôle final :* après une ou deux comparaisons, tu devrais pouvoir répondre à cette question sans hésiter : pour mes tâches les plus courantes, un modèle léger suffit-il, ou ai-je vraiment besoin d'un modèle lourd ? --- ## Le revers — Deux pièges symétriques : la culpabilisation et le « c'est trop gros pour compter » Le premier piège est la culpabilisation individuelle : se sentir personnellement responsable du coût environnemental de l'IA, au point de culpabiliser chaque requête. Cette posture ignore l'échelle réelle du problème — l'usage individuel d'un conseiller ou d'un jeune pèse peu face à l'entraînement des modèles et au fonctionnement industriel des data centers. La vraie responsabilité est largement structurelle : elle concerne les entreprises qui conçoivent les modèles et choisissent où et comment construire leurs infrastructures. Le second piège est son symétrique inverse : le « c'est trop gros pour que ça compte », qui dédouane de tout geste personnel sous prétexte que le problème dépasse l'individu. Cette posture confond « la responsabilité principale n'est pas la mienne » avec « rien de ce que je fais n'a d'importance » — ce qui n'est pas la même chose. **Le bon réflexe :** connaître l'ordre de grandeur, sans culpabiliser ni ignorer : ce n'est ni se flageller pour chaque requête, ni se dédouaner de tout geste sous prétexte que le problème est structurel. C'est simplement choisir, en connaissance de cause, quand un modèle lourd est justifié et quand il ne l'est pas. --- ## À retenir Peser le vrai coût de l'IA, c'est connaître l'ordre de grandeur énergie/eau/données/travail caché derrière une requête, adopter le réflexe « juste besoin » avant de lancer un modèle lourd, et utiliser Compar:IA pour comparer concrètement l'impact des modèles. Ni culpabilisation individuelle, ni « c'est trop gros pour compter » : un citoyen informé choisit en connaissance de cause. --- ## Quiz — Testez vos connaissances Quiz intégré directement dans la page (section `#pz-quiz`, juste avant « Bibliothèque de liens »), sur le modèle des pages `/decouper/` et `/accompagner/` : 3 niveaux de 8 questions (Facile / Intermédiaire / Expert), QCM à 4 réponses et Vrai/Faux mélangés aléatoirement (Fisher-Yates), barre de progression, explication après chaque réponse avec lien de retour vers l'épisode, écran de score final, bouton rejouer. Préfixe CSS/JS : `pz-` (Peser). **🟢 Facile** 1. Quel est le titre de l'épisode 07 du Cycle 3 « Vivre avec l'IA » ? → **Peser** 2. Le sous-titre de cet épisode évoque quatre éléments. Lesquels ? → **Énergie, eau, données, travail caché** 3. Cet épisode ouvre le dernier mouvement de la trilogie, appelé « Dans la cité ». → **Vrai** 4. Quelle est la durée annoncée de cet épisode ? → **~7-8 min** 5. Cet épisode est annoncé comme étant de niveau « Débutant ». → **Faux** (niveau Intermédiaire) 6. Quel outil concret la page recommande-t-elle pour comparer l'impact de plusieurs modèles d'IA ? → **Compar:IA** 7. Selon la page, connaître le coût de l'IA sert avant tout à culpabiliser chaque usage individuel. → **Faux** (c'est pour choisir en connaissance de cause) 8. Dans l'atelier proposé, en combien de maillons les usages sont-ils pesés ? → **3** **🟡 Intermédiaire** 1. Parmi les quatre coûts cités par la page, lequel concerne les centres de données et leur besoin de refroidissement ? → **L'eau** 2. Selon la page, le « travail caché » désigne le travail d'entraînement électrique des serveurs. → **Faux** (il désigne l'annotation, le tri et la modération par des humains) 3. Dans le Maillon 1 de l'atelier, à quoi la page compare-t-elle une question courte posée à un modèle léger ? → **À une ampoule LED allumée quelques secondes** 4. Selon le tableau du Maillon 1, la génération d'une image ou d'une vidéo figure parmi les usages les plus coûteux d'un usage courant de l'IA. → **Vrai** 5. Quel est le nom du réflexe proposé dans le Maillon 2, à adopter avant de lancer une requête lourde ? → **Le réflexe « juste besoin »** 6. Le Maillon 2 est présenté comme un écho à un épisode précédent du Cycle 2. Lequel ? → **Outiller** 7. Que faut-il faire sur Compar:IA avant de savoir quel modèle a produit quelle réponse ? → **Voter à l'aveugle entre deux réponses** 8. Compar:IA nécessite la création d'un compte utilisateur pour être utilisé. → **Faux** (sans créer de compte) **🔴 Expert** 1. Selon la page, quel est le premier des deux pièges symétriques présentés dans la section « Le revers » ? → **La culpabilisation individuelle** 2. Le second piège, symétrique au premier, est nommé « c'est trop gros pour que ça compte ». → **Vrai** 3. Selon la page, la responsabilité principale du coût environnemental de l'IA est présentée comme étant surtout… → **Structurelle, celle des entreprises qui conçoivent les modèles** 4. Quel est le nom de l'épisode qui précède « Peser » dans le Cycle 3, selon le pied de navigation ? → **Se positionner** 5. Quel est l'épisode suivant, vers lequel pointe le pied de navigation de cette page ? → **Posséder** 6. Quelle est l'accroche finale (citation) de la page « Peser » ? → **« Chaque requête a un coût. Le connaître, ce n'est pas culpabiliser — c'est choisir en connaissance de cause. »** 7. Selon le glossaire de la page, un modèle « léger » mobilise davantage de puissance de calcul qu'un modèle « lourd ». → **Faux** (c'est l'inverse) 8. Dans le bloc « À retenir », quels trois réflexes/outils sont cités comme résumant l'épisode ? → **Ordre de grandeur, réflexe « juste besoin », Compar:IA** --- ## Bibliothèque de liens **Sur ce site** - [Penser avec l'IA — la série](https://laurentberthelier.site/penser-avec-l-ia/) — le hub de la trilogie. - [Outiller](https://laurentberthelier.site/outiller/) — Cycle 2, épisode 06 : choisir le bon outil pour la bonne tâche, ici prolongé sous l'angle du coût plutôt que de la seule adéquation. - [Se positionner](https://laurentberthelier.site/se-positionner/) — Épisode 06 du Cycle 3 : dernier épisode du mouvement « Avec les autres » qui précède celui-ci. **Ailleurs** - [Compar:IA](https://comparia.beta.gouv.fr) — Plateforme publique française : comparaison de modèles d'IA à l'aveugle, sans compte, RGPD, avec affichage de l'impact énergétique. --- ## Pied de navigation - ← Épisode 06 → *Se positionner* → `/se-positionner/` - Épisode 08 → *Posséder* → `/posseder/` - Bloc nav série : « Cycle 3 · Vivre avec l'IA · 9 publiés / 9 », liste des 9 épisodes publiés, plus de mention « à venir » (Cycle 3 complet), aria-current sur 07. ## Photo Pexels — colibri en plein vol butinant une fleur orange. Fichier : `photos/peser.jpg`. ## Footer Footer **standard du site** (composant `lb-footer`, identique sur toutes les pages) : ``` laurentberthelier.site · Laurent Berthelier · Mis à jour le 4 juillet 2026 · RGPD ``` Ne pas personnaliser ce footer par page. --- ## Remerciements ©️ Laurent Berthelier assisté par Claude.ai - [https://laurentberthelier.site/](https://laurentberthelier.site/)