TL;DR : en local, le texte et la voix coûtent peu. Un petit modèle écrit un courriel pour 0,055 Wh, quatre fois moins que ce que Google annonce pour une requête Gemini, et trois minutes d’audio se transcrivent pour 0,04 Wh. L’image, elle, coûte cher : 9,5 Wh, plus que la moyenne mesurée en centre de données. Et un gros modèle dense consomme près du double d’une requête Gemini. La sobriété dépend du modèle et de la tâche, pas du simple fait d’être chez soi.
« Combien consomme une requête ChatGPT » est une question que beaucoup se posent. Nous en avons posé une autre, à laquelle personne ne répond avec des mesures : combien consomme une IA qui tourne sur votre propre ordinateur ? Nous avons passé au wattmètre trois tâches courantes sur le Mac qui fabrique ce site, un MacBook Pro 16 pouces M1 Max de 64 Go.
La méthode, en quatre lignes
- L’appareil de mesure : macmon, un utilitaire libre qui lit sans mot de passe les capteurs de puissance d’un Mac à puce Apple, relevé toutes les demi-secondes. Nous donnons deux chiffres : la machine entière, écran compris, et la puce seule (processeurs, carte graphique, moteur neuronal).
- Le repos : 18 à 20 W pour la machine, 4 W pour la puce, avant chaque série.
- Le texte : la même demande en français à chaque modèle, « un courriel d’environ 250 mots à un client pour lui annoncer trois jours de retard et une remise de 10 % », dans Ollama, réglages figés, deux passages par modèle.
- L’énergie est intégrée sur la durée exacte de chaque requête, chargement du modèle mis à part.
Le texte : de 0,055 à 0,44 Wh pour le même courriel
| Modèle | Sur le disque | Durée | Énergie, machine | Énergie, puce |
|---|---|---|---|---|
| gemma4:e2b (Google, 2 milliards effectifs) | 7,2 Go | 3,8 s | 0,055 Wh | 0,038 Wh |
| qwen3.6:35b-a3b (Alibaba, 35 milliards, 3 actifs) | 22 Go | 13 s | 0,18 Wh | 0,073 Wh |
| gemma4:12b (Google, 12 milliards) | 7,6 Go | 11 s | 0,26 Wh | 0,14 Wh |
| qwen3.8:27b-mlx (Alibaba, 27 milliards) | 18 Go | 18,5 s | 0,44 Wh | 0,24 Wh |
Les quatre courriels sont utilisables, en français correct, avec le retard et la remise. Le plus petit reste flou sur le délai (sa commande sera « livrée dans un délai de trois jours au lieu du délai initialement prévu »), les autres sont plus nets. Pour une tâche de ce genre, le petit modèle suffit.
La surprise est le troisième de la liste. qwen3.6:35b-a3b compte 35 milliards de paramètres,
mais c’est un « mélange d’experts » qui n’en active que 3 à chaque mot. Il consomme moins que le
modèle de 12 milliards, et 2,5 fois moins que le modèle dense de 27 milliards, pour un courriel
plus long. Ce qui coûte, ce n’est pas ce que le modèle stocke, c’est ce qu’il calcule.
À température 0, deux passages rendent le même texte au caractère près, sauf le modèle servi par le moteur MLX d’Ollama, dont les deux courriels diffèrent. Un cinquième modèle, un 27 milliards dit « ternaire », téléchargé la semaine dernière, ne s’est pas chargé du tout : Ollama 0.32.15 répond « tensor output.weight size overflow ». Il n’est pas dans le tableau.
La voix : trois minutes d’audio pour 0,04 Wh
Nous avons fait lire l’un de nos propres textes, 520 mots, par une voix de synthèse de macOS, puis transcrit les 3 min 8 s obtenues avec Parakeet, le modèle de NVIDIA, par parakeet-mlx. Commande relancée deux fois, chargement compris : 5 secondes, 32 à 40 fois plus vite que le temps réel, pour 0,041 à 0,048 Wh, soit environ 0,015 Wh par minute d’audio.
Le texte transcrit diffère de l’original sur 15 % des mots. Le chiffre se lit avec son contenu : une bonne part est de la mise en forme (« Go » devient « gigaoctets », « six » devient « 6 ») et des noms anglais écorchés (« Draw Things » devient « drauting »), mais il y a aussi de vraies fautes d’accord et quelques mots qui basculent en anglais au milieu d’une phrase française. Une voix de synthèse et un texte truffé de chiffres : c’est une épreuve dure, pas une moyenne.
L’image : 9,5 Wh, et c’est là que le local perd
Pour notre guide sur Qwen-Image 2.1 dans Draw Things, nous avons mesuré quatre images de 1024 x 1024 pixels : 9,2 à 9,7 Wh chacune pour la machine entière, 3,7 à 5,2 Wh pour la seule puce, en 5 min 44 s à 7 min 32 s. Ce qui va plus vite tire plus de watts, et l’énergie par image bouge à peine. Une image coûte autant qu’environ 170 courriels écrits par le petit modèle.
Face aux chiffres des géants
| Ce qui est publié | Énergie annoncée | Ce qu’on sait de la mesure |
|---|---|---|
| Une requête texte médiane de Gemini | 0,24 Wh | Google, août 2025 : puces, serveurs, machines au repos et refroidissement compris |
| Une requête moyenne de ChatGPT | 0,34 Wh | Sam Altman, patron d’OpenAI, 2025, sans méthode publiée |
| Une image générée, moyenne | 2,9 Wh | Luccioni et al., 2023, sur huit cartes A100 et des modèles de 2023 |
Notre petit modèle fait quatre fois mieux que Gemini, le 12 milliards fait jeu égal, le dense de 27 milliards fait presque deux fois pire. Pour l’image, notre Mac consomme plus de trois fois la moyenne de 2023 pour la machine entière, 1,3 à 1,8 fois pour la seule puce.
Ce que ces chiffres ne disent pas
- Une seule machine, haut de gamme. Rien sur un PC, rien sur une puce plus récente.
- Pas la même chose de part et d’autre : la requête médiane de Gemini n’est pas notre courriel, et nous comptons l’écran là où Google compte le refroidissement. Ce sont des ordres de grandeur, pas un match.
- Ni la fabrication des machines, ni le réseau, ni l’entraînement des modèles, d’un côté comme de l’autre.
Notre avis
« L’IA locale est plus sobre » n’est vrai qu’à moitié, et c’est la moitié qui compte le plus souvent : écrire, résumer, transcrire, les tâches de tous les jours. Un petit modèle bien choisi y dépense moins qu’un géant du nuage. Pour l’image, et avec un gros modèle dense, c’est l’inverse. Le bon réflexe n’est donc pas « local ou nuage », c’est le plus petit modèle qui fait le travail ; et pour savoir lequel votre machine peut porter, notre calculateur vous dit ce que votre Mac peut faire tourner.
