Avenir de l’IA : ce que promettent ses dirigeants, ce qu’elle coûte et qui la paie

Fin octobre 2026, les géants du numérique ont publié leurs prévisions d’investissement pour 2026 : Amazon maintient 220 milliards de dollars, Alphabet prévoit de 195 à 205 milliards et Meta de 135 à 145 milliards. Microsoft a ramené sa prévision annuelle de 175 à 170 milliards. Dans son rapport d’octobre 2026 sur la stabilité financière, le Fonds monétaire international (FMI) range une correction boursière liée à l’IA parmi les trois grands risques. Quel est l’avenir de l’IA, qui la paie, et à quel prix pour la planète ?

Pour y répondre, nous avons croisé près de soixante sources : déclarations des dirigeants, comptes publiés, rapports d’institutions financières, de l’Agence internationale de l’énergie (AIE) et d’organismes publics, études scientifiques. Nous avons aussi relevé, dans leurs propres rapports environnementaux, l’électricité, l’eau et les émissions de Microsoft, Google, Amazon et Meta. Le sujet n’a rien d’abstrait pour une TPE, une association ou un particulier : la course à l’IA fait déjà grimper le prix des ordinateurs et pèse sur les réseaux électriques.

Des calendriers qui divergent

Le 10 juin 2025, Sam Altman, PDG d’OpenAI, l’éditeur de ChatGPT, a publié un essai intitulé « The Gentle Singularity ». Il y écrit que l’humanité est proche de construire une superintelligence numérique et juge probable l’arrivée, en 2026, de systèmes capables de trouver des idées nouvelles. Il prévient que des catégories entières d’emplois vont disparaître, mais promet un monde qui s’enrichira assez vite pour envisager de nouvelles politiques. Il présente OpenAI comme une entreprise de recherche sur la superintelligence, « before anything else » : avant toute autre chose.

Dario Amodei, PDG d’Anthropic, concurrent d’OpenAI, invite dans un essai de janvier 2026 à imaginer un « pays de génies » apparu vers 2027. Il y prévoit que l’IA bouleversera la moitié des emplois de bureau de débutants en un à cinq ans. Il concède qu’il est délicat, pour un patron du secteur, d’écrire qu’après certains États, le risque suivant vient des entreprises d’IA elles-mêmes. Avec des milliers de milliards de dollars à gagner chaque année, même les mesures les plus simples peinent selon lui à s’imposer. Le contrôle des exportations de puces que défend Anthropic a été, écrit-il, largement rejeté.

Tous les dirigeants ne partagent pas ce calendrier. En septembre 2025, Demis Hassabis, PDG de Google DeepMind, a contesté que les modèles actuels soient des intelligences de « niveau doctorat », comme OpenAI le disait de GPT-5. Il situe l’intelligence artificielle générale (AGI), capable d’égaler l’humain dans la plupart des tâches, à cinq à dix ans. En février 2025, Satya Nadella, PDG de Microsoft, a jugé absurde qu’une entreprise proclame elle-même avoir franchi une étape vers l’AGI. Pour lui, le vrai critère serait une croissance de l’économie mondiale de 10 %.

Les chercheurs se montrent plus prudents, même si leurs échéances avancent. Une enquête publiée en janvier 2024, la plus grande du genre selon ses auteurs, a interrogé 2 778 chercheurs. Si la recherche se poursuit sans entrave, ils estimaient à 50 % la probabilité que des machines surpassent seules l’humain dans toutes les tâches d’ici 2047. C’est treize ans plus tôt que lors de l’enquête précédente. Le 17 octobre 2025, Andrej Karpathy, ancien chercheur d’OpenAI, a jugé trop optimistes les calendriers annoncés pour les agents, ces IA censées mener seules des tâches complètes : il parle d’une « décennie des agents ».

Certaines prédictions ont déjà été démenties. En 2016, Geoffrey Hinton, futur prix Nobel de physique, conseillait d’arrêter de former des radiologues, que l’IA devait surpasser en cinq ans. Neuf ans plus tard, la Mayo Clinic, dans le Minnesota, a vu ses effectifs de radiologues augmenter de 55 %, jusqu’à 400 médecins. Hinton reconnaît s’être trompé de calendrier, mais pas de direction, et dit avoir peut-être parlé trop largement : il ne visait que l’analyse d’images. L’exemple ne vaut que pour un établissement, mais il rappelle qu’une prouesse technique ne supprime pas mécaniquement un métier.

Côté économie, Daron Acemoglu, professeur au MIT, estimait fin 2024 que l’IA n’ajouterait que 1,1 à 1,6 % au PIB en dix ans. Un gain de productivité de 0,5 % en dix ans vaut mieux que rien, admet-il, mais reste décevant au regard des promesses des industriels et de la presse technologique. Le rapport scientifique international sur la sécurité de l’IA, publié le 3 février 2026 sous la présidence de Yoshua Bengio, décrit des capacités en dents de scie. Les meilleurs systèmes échouent encore sur certaines tâches en apparence simples. Les premières données que recense le rapport ne montrent aucun effet sur l’emploi global, mais des signes de baisse de la demande de débutants dans certains métiers exposés, comme l’écriture.

À notre avis, ces écarts de calendrier ne doivent rien au hasard. Les prédictions les plus rapprochées viennent de dirigeants dont les entreprises lèvent des dizaines de milliards de dollars et doivent justifier des investissements colossaux. Cela ne les rend pas fausses, mais une promesse ne pèse pas autant qu’un résultat mesuré. Pour le lecteur, la bonne méthode consiste à séparer ce qui est démontré, ce qui est annoncé et ce qui relève du pari.

Des centaines de milliards, des pertes qui se creusent

Les comptes des géants donnent la mesure de la course. Amazon a investi 77,3 milliards de dollars au seul troisième trimestre 2026, contre 35,1 milliards un an plus tôt. Sur douze mois, son flux de trésorerie disponible est négatif de 42,4 milliards : l’entreprise l’explique surtout par ses achats d’équipements pour l’IA. Son PDG, Andy Jassy, annonce des dépenses nettement supérieures en 2027 et dit voir clairement venir des retours financiers attractifs. Meta a investi 34,91 milliards de dollars sur le même trimestre, remboursements de crédit-bail compris.

Les laboratoires d’IA lèvent des sommes inédites. Le 31 mars 2026, OpenAI a bouclé une levée record de 122 milliards de dollars d’engagements, à une valorisation de 852 milliards. Amazon s’est engagé à investir jusqu’à 50 milliards, NVIDIA et SoftBank 30 milliards chacun. NVIDIA, dont les puces équipent le plus avancé des centres de données construits pour OpenAI, devient ainsi actionnaire d’un utilisateur de son matériel. Fin mai 2026, Anthropic a levé 65 milliards à une valorisation de 965 milliards.

D’après des comptes audités obtenus par le blogueur Ed Zitron et vérifiés par le Financial Times, OpenAI a réalisé 13,07 milliards de dollars de revenus en 2025. Sa perte d’exploitation atteint 20,92 milliards, et sa perte nette 38,5 milliards, alourdie par une charge comptable de 41,55 milliards liée à sa transformation en société à but lucratif. OpenAI a refusé de commenter ces chiffres. En février 2026, selon des documents internes rapportés par The Information, l’entreprise prévoyait de consommer 25 milliards de dollars de trésorerie en 2026 et 57 milliards en 2027, sans flux positif avant 2030. Anthropic viserait l’équilibre dès 2028 ; nous n’avons trouvé aucun chiffre vérifiable de ses pertes.

Les grands chantiers prennent du temps. Stargate, le programme de centres de données d’OpenAI, d’Oracle et de SoftBank, est présenté comme un investissement de 500 milliards de dollars. D’après les estimations de l’institut de recherche Epoch AI, seul le site d’Abilene, au Texas, était en service en avril 2026, pour environ 0,3 gigawatt. Plus de 9 gigawatts sont prévus d’ici 2029, avec six autres sites en construction. Epoch y voit plus qu’une simple ambition, mais rappelle que les plans peuvent changer : OpenAI a renoncé à agrandir Abilene à 2,1 gigawatts pour reporter cette capacité ailleurs.

Une partie de l’argent circule en boucle. Le FMI recense quatorze opérations rendues publiques depuis 2023 : environ 300 milliards de dollars de prises de participation des géants du nuage dans des entreprises d’IA financièrement plus fragiles. S’y ajoutent 650 milliards de dette, en échange de 1 400 milliards d’engagements de revenus futurs, en services ou en commandes de puces. Anthropic, que le rapport ne nomme pas, illustre ce mécanisme. Le 18 novembre 2025, NVIDIA et Microsoft se sont engagés à y investir jusqu’à 10 et 5 milliards de dollars respectivement. Anthropic s’est engagé à acheter 30 milliards de capacité de calcul sur Azure, le nuage de Microsoft.

Nous avons désormais une économie qui tient sur une seule jambe, celle de l’IA.

La dette prend une place croissante. Amazon, Alphabet, Meta, Microsoft et Oracle ont émis 121 milliards de dollars d’obligations sur le marché américain en 2025, contre 28 milliards par an en moyenne de 2020 à 2024, selon la banque BofA Securities. Dans un scénario défavorable, le FMI estime qu’un net recul de l’investissement dans l’IA pourrait amputer le PIB mondial de 1,1 % d’ici 2028. Une récession mondiale resterait toutefois peu probable. Jason Wu, de la division des marchés mondiaux du FMI, résume le risque. Si l’IA peine à rapporter, les participations perdront de leur valeur, la dette risque de devenir difficile à rembourser et les revenus promis pourraient ne jamais venir.

Les tenants de la thèse inverse ont des arguments. En octobre 2025, les analystes de la banque ING relevaient que ces investissements étaient financés par la trésorerie que dégage l’activité des géants. Goldman Sachs titrait une note « Why we are not in a bubble … yet » : pas encore une bulle, donc. Le FMI reconnaît que ces groupes tirent de solides bénéfices de leurs activités principales. Mais il relève que leur trésorerie disponible recule vite et que l’endettement leur devient de plus en plus nécessaire ; celle d’Amazon est déjà passée dans le rouge.

En France, une première série de 109 milliards d’euros d’investissements liés à l’IA a été suivie début juin 2026 d’une nouvelle vague de 93 milliards, selon l’AFP. En janvier 2026, le gouvernement évaluait à 28,6 gigawatts la puissance électrique recherchée par les projets, dont 5,8 gigawatts déjà sécurisés par un site et un engagement de raccordement. La jeune pousse française Mistral AI, cofondée en 2023 par Arthur Mensch, a levé 3 milliards d’euros en septembre 2026, dans un tour mené par Samsung. Elle est valorisée plus de 21 milliards d’euros, loin des sommets américains.

Les puces, goulet d’étranglement

Le concepteur de puces NVIDIA récolte les fruits de cette course. Au deuxième trimestre de son exercice 2027, clos fin juillet 2026, ses ventes aux centres de données ont atteint 89,0 milliards de dollars, en hausse de 117 % sur un an. Sa marge brute s’établit à 75,0 %. Le groupe prévoit 108 milliards de dollars de chiffre d’affaires, à 2 % près, au trimestre suivant, sans y inclure de ventes de puces de calcul en Chine. Son PDG, Jensen Huang, affirme que l’IA est devenue rentable et résume : « compute is revenue », le calcul, c’est du chiffre d’affaires.

Ses comptes révèlent aussi une forte dépendance. Sur ses 89 023 M$ (millions de dollars) de ventes aux centres de données, 48 710 M$ viennent des seuls grands fournisseurs de nuage. Les sommes que lui doivent ses clients atteignent 63,1 milliards de dollars. Le délai moyen de paiement est passé de 45 à 60 jours, NVIDIA ayant accordé des délais étendus, dans de gros contrats sur plusieurs trimestres, à certains clients bien notés. Ses engagements auprès de ses fournisseurs et partenaires sont passés de 119 à 279 milliards de dollars en un trimestre, principalement pour s’assurer de la mémoire.

Derrière NVIDIA, la chaîne tient à quelques maillons. Le taïwanais TSMC, qui fabrique les puces pour le compte de leurs concepteurs, détenait 72,5 % du marché de la fonderie au deuxième trimestre 2026, selon le cabinet TrendForce. Le néerlandais ASML est la seule entreprise au monde à produire les machines de lithographie à ultraviolets extrêmes (EUV), qui gravent les circuits des puces les plus avancées. Les plus perfectionnées peuvent se vendre entre 320 et 400 millions d’euros, d’après des analystes. L’Europe détient donc, avec ASML, un maillon décisif de la chaîne.

La pénurie de mémoire touche directement les particuliers et les entreprises. Le coréen SK hynix, grand fournisseur de mémoire pour l’IA, a dégagé une marge d’exploitation record de 80 % au troisième trimestre 2026. Ses contrats à long terme couvrent déjà, selon l’entreprise, plus de la moitié de sa capacité de production prévue pour 2027 et 2028. D’après des chiffres préliminaires du cabinet IDC, les livraisons mondiales de PC ont chuté de 20,1 % sur un an au troisième trimestre. Fabricants et distributeurs avaient en partie stocké plus tôt dans l’année. Le prix moyen des PC devrait augmenter de 18,3 % en 2026. Nous avions documenté cette flambée de la mémoire en août.

La géopolitique pèse tout autant. Le 27 janvier 2025, la sortie du modèle chinois DeepSeek R1 a effacé plus de 589 milliards de dollars de la valeur boursière de NVIDIA en une séance. C’est la plus forte perte jamais subie par une entreprise en un jour, selon Forbes. Son éditeur affirmait avoir entraîné son modèle précédent, DeepSeek-V3, avec onze fois moins de calcul que Meta pour Llama 3. La Chine, elle, a presque disparu des ventes de calcul de NVIDIA. Au trimestre clos le 26 juillet 2026, les puces Hopper de NVIDIA livrées en Chine pesaient moins de 1 % du chiffre d’affaires centres de données.

L’électricité, une demande qui s’emballe

Toute cette puissance de calcul consomme de l’électricité. Selon l’AIE, les centres de données ont consommé environ 415 térawattheures (TWh) en 2024, soit 1,5 % de l’électricité mondiale ; les États-Unis en représentaient 45 %, la Chine 25 % et l’Europe 15 %. En avril 2025, l’agence prévoyait plus qu’un doublement, à environ 945 TWh en 2030. Le 16 avril 2026, elle a indiqué que leur consommation avait bondi de 17 % en 2025, contre 3 % pour la demande mondiale. Elle prévoit un doublement d’ici 2030 et un triplement pour les centres dédiés à l’IA, même si la consommation par tâche d’IA baisse très vite.

À l’échelle du monde, ces volumes restent limités ; localement, ils pèsent lourd. En Irlande, les centres de données ont absorbé 23 % de l’électricité mesurée en 2025, contre 5 % en 2015, selon l’office statistique national. Aux États-Unis, le réseau PJM dessert 67 millions d’habitants dans l’Est et le Midwest. Pour Monitoring Analytics, qui contrôle son marché en toute indépendance, les centres de données y ont ajouté 29,4 milliards de dollars de coûts lors des quatre dernières enchères de capacité. Le contrôleur plaide pour qu’ils achètent leur capacité dans une enchère séparée.

En France métropolitaine, le service statistique du ministère de la Transition écologique évalue la consommation des centres de données entre 4,3 et 6 TWh en 2024. Cela représente 1 à 1,5 % de l’électricité du pays. RTE, le gestionnaire du réseau de transport, a accepté un très grand nombre de demandes de raccordement. Il juge pourtant la consommation réelle du numérique difficile à anticiper : les centres déjà raccordés n’utilisent que 20 % de leur puissance contractuelle. À notre avis, les annonces de gigawatts appellent donc la prudence.

Freinés par la lenteur des raccordements, de nombreux projets misent sur du gaz produit sur place, surtout aux États-Unis, note l’AIE. Le 14 avril 2026, l’association de défense des droits civiques NAACP a porté plainte contre xAI, la société d’IA d’Elon Musk. Elle l’accuse d’exploiter sans permis de rejets atmosphériques 27 turbines à gaz à Southaven, dans le Mississippi, pour Colossus 2, le centre qui fait tourner Grok. En Louisiane, Meta paie 11 milliards de dollars pour dix centrales au gaz d’Entergy, dont sept restent à approuver. Meta assure que les autres clients d’Entergy ne paieront pas ses coûts.

Le nucléaire, mis en avant par les géants, arrivera plus tard. Le réacteur n° 1 de Three Mile Island, rebaptisé Crane, doit redémarrer pour alimenter les centres de données de Microsoft. Début avril 2026, son exploitant Constellation visait toujours 2027 ; une analyse du gestionnaire de réseau PJM évoquait un raccordement en 2031 seulement. Pour l’AIE, la crainte d’une IA qui accélérerait le réchauffement paraît exagérée : l’IA pourrait réduire d’environ 5 % les émissions liées à l’énergie en 2035, bien plus que les émissions des centres de données. Mais des effets rebond pourraient en annuler une partie : l’IA n’est pas une solution miracle.

Notre relevé : les géants face à leurs chiffres

Pour mesurer l’effet de l’IA sur les géants eux-mêmes, nous avons lu leurs derniers rapports environnementaux, en comparant chaque chiffre à l’année de référence que l’entreprise a choisie. Un point de méthode s’impose : les émissions dues à l’électricité se calculent de deux façons. La méthode dite « market-based » déduit l’électricité renouvelable achetée, par contrats ou par certificats ; la méthode « location-based » reflète le mélange réel d’énergies du réseau local. L’écart entre les deux est souvent spectaculaire.

Chez Microsoft, la consommation d’électricité est passée de 10 770 714 mégawattheures sur l’exercice 2020 à 37 026 353 sur l’exercice clos fin juin 2025. Ses émissions ont crû de 25 % en un an, surtout à cause de la construction de centres de données, alors que l’entreprise vise un bilan carbone négatif en 2030. Pour l’électricité, elles atteignent 12 030 556 tonnes selon le réseau local, contre 2 707 428 tonnes selon la méthode « market-based ». Ce dernier chiffre, de 259 090 tonnes un an plus tôt, a bondi notamment parce que Microsoft a renoncé en février 2025 aux certificats « spot », achetés à court terme. Sa consommation d’eau est passée de 3 990 à 8 170 millions de litres entre les exercices 2020 et 2025.

Le 30 juin 2026, le billet de Google sur son rapport annuel a mis en avant une baisse de 2 % de ce que Google appelle ses émissions opérationnelles. Sa demande d’électricité a pourtant augmenté de 37 %, la plus forte hausse de son histoire. Le billet ne donne pas le total retenu pour son objectif climatique : environ 14,5 millions de tonnes d’équivalent CO2 en 2025, selon le site CarbonCredits. C’est 18 % de plus qu’en 2024, et 81 % de plus qu’en 2019. Google reconnaît que le déploiement de son infrastructure d’IA va plus vite que la décarbonation des réseaux électriques.

Amazon a émis 80,85 mégatonnes (millions de tonnes) d’équivalent CO2 en 2025, en hausse de 16 % sur un an, contre 51,17 mégatonnes en 2019. L’entreprise explique cette hausse par l’expansion de ses activités. Ses émissions liées à l’électricité, 5 % de son bilan, ont crû de 34 %, à cause de ses centres de données et de l’électrification de ses livraisons et de ses bâtiments. Selon le média Heatmap, Amazon ne publie pas de données récentes sur sa consommation d’électricité ; le consultant néerlandais Hendrik Rood l’estime à 78 000 gigawattheures pour ses centres de données en 2025. Amazon maintient son objectif de zéro émission nette en 2040.

Meta, dont les dernières données publiées portent sur 2024, illustre le mieux l’écart entre les deux méthodes, et a le mérite de publier les deux calculs, centre par centre. Cette année-là, les émissions liées à l’électricité de ses centres de données atteignaient 135 tonnes d’équivalent CO2 selon la méthode « market-based », contre 5 862 614 tonnes selon le réseau local. À notre avis, une électricité présentée comme entièrement renouvelable sur le bilan de l’année masque l’essentiel. Chez Microsoft, Google et Amazon, les émissions augmentent, et chacun cite lui-même ses centres de données ou son infrastructure d’IA parmi les causes.

Une requête, combien d’énergie et d’eau ?

Que pèse une seule question posée à un assistant ? Google estime qu’une requête texte médiane dans son application Gemini demande 0,24 wattheure (Wh), soit moins de neuf secondes de télévision. Elle émettrait 0,03 gramme d’équivalent CO2 et consommerait 0,26 millilitre d’eau. Sam Altman avance 0,34 Wh pour une requête moyenne de ChatGPT, sans publier de méthode ; OpenAI n’a pas répondu à Wired sur ce calcul. Sasha Luccioni, responsable climat chez Hugging Face, plateforme de modèles ouverts, accorde peu de crédit à ce chiffre. Comme OpenAI, Anthropic garde ses modèles fermés, ce qui interdit toute mesure indépendante de leur consommation, souligne Wired.

L’opacité domine : sur la plateforme OpenRouter, Luccioni et ses coauteurs ont calculé que 84 % de l’usage des grands modèles de langage, en mai 2025, concernait des modèles sans aucune donnée environnementale. Mistral AI est allée plus loin que Google avec l’analyse de cycle de vie de son modèle Large 2, publiée en juillet 2025 avec Carbone 4 et l’ADEME. Entraînement et dix-huit mois d’usage compris, le bilan atteignait, en janvier 2025, 20,4 kilotonnes d’équivalent CO2 et 281 000 mètres cubes d’eau consommée. Une réponse de 400 jetons dans Le Chat coûte 1,14 gramme d’équivalent CO2 et 45 millilitres d’eau, hors appareil de l’utilisateur. Ces chiffres ne se comparent pas directement à ceux de Google.

L’eau est l’autre ressource en jeu. En avril 2025, SourceMaterial et le Guardian recensaient 38 centres de données d’Amazon, de Microsoft et de Google en service dans des régions déjà en pénurie d’eau, et 24 autres en développement. En Aragon, en Espagne, trois centres en projet d’Amazon sont autorisés à utiliser environ 755 720 mètres cubes d’eau par an. En décembre 2024, l’entreprise a demandé 48 % d’eau en plus pour ses trois centres existants. Amazon et Google assurent tenir compte du manque d’eau ; Microsoft a refusé de commenter.

Sur le terrain, un usage mesuré

L’usage progresse mais reste minoritaire. En 2025, 18 % des entreprises françaises de 10 salariés ou plus utilisaient au moins une technologie d’IA, trois fois plus qu’en 2023, et 58 % de celles de 250 salariés ou plus, d’après l’Insee. Parmi celles qui ne s’en servent pas, 71 % disent ne pas en voir l’utilité. Les gains ne vont pas de soi : début 2025, dans un essai de l’organisme METR, des développeurs expérimentés ont mis 19 % de temps en plus avec l’IA. En février 2026, METR jugeait probable que l’IA les aide désormais davantage, sans pouvoir dire de combien.

L’autre voie : petite, ouverte et locale

Une autre voie se dessine sur nos propres machines. En août 2025, Epoch AI estimait qu’une carte graphique de jeu haut de gamme suffit à faire tourner des modèles égalant la pointe d’il y a six à douze mois. Il citait la RTX 5090, vendue moins de 2 500 dollars, et admettait que l’écart réel pourrait être un peu plus long. Une étude publiée sur arXiv montre que de petits modèles locaux réussissent 88,7 % d’un million de vraies requêtes à un seul échange. L’efficacité par watt du local a été multipliée par 5,3 entre 2023 et 2025. À modèle identique, le matériel local reste toutefois au moins 1,4 fois moins efficace que celui des centres de données.

Les autorités ouvrent la porte. La CNIL juge « généralement plus opportun et plus sécurisé » de déployer l’IA générative sur site quand on lui confie des données personnelles ou des documents sensibles. Elle reconnaît que le coût pousse souvent vers un hébergement distant. L’ADEME juge possible une IA frugale fondée sur de petits modèles spécialisés, qui présenterait un « triple avantage environnemental, économique et de souveraineté ». Le règlement européen sur l’IA s’applique depuis le 2 août 2026, mais ses règles sur les usages à haut risque attendront le 2 décembre 2027. Nous avons détaillé les outils libres pour une IA chez soi.

À notre avis, l’IA ne se jouera pas seulement dans les centres de données géants : les modèles locaux ont de l’avenir. Nos articles en ont donné des exemples au fil des mois. NVIDIA fait tenir un gros modèle dans 24 Go de mémoire, et Conduit, qui se connecte aussi directement à Ollama, met une IA auto-hébergée dans la poche. Avec une carte graphique haut de gamme, l’écart avec la pointe se compte en mois. Une IA locale garde les données chez soi, ne dépend pas des tarifs d’un éditeur et peut reposer entièrement sur des outils libres.

Ce choix a ses limites, et nous ne les taisons pas. La mémoire coûte cher : début octobre 2026, la DGX Spark de NVIDIA dotée de 128 Go est passée à 6 950 dollars. À modèle identique, le matériel local est moins efficace par watt ; un modèle plus petit peut compenser, mais il échoue encore sur une partie des requêtes. Pour une TPE, une association ou un particulier, le premier réflexe consiste à se demander si l’IA est utile. Ensuite : garder les données sensibles hors des services grand public, vérifier la licence réelle d’un modèle dit ouvert, et choisir un petit modèle local quand il suffit, après l’avoir testé sur ses propres documents.