AI Carbon Footprint Calculator — All Models (2026)
CO2 emissions for GPT-4o, Claude, Gemini, Llama, image gen, video gen, and local models.
L'intelligence artificielle est gourmande en énergie. Une requête GPT-4 consomme environ 10 fois plus d'énergie qu'une recherche Google. L'entraînement d'un grand modèle de langage peut émettre autant de CO2 que 5 voitures sur toute leur durée de vie.
En France, grâce au parc nucléaire, l'électricité est parmi les moins carbonées d'Europe (~50 gCO2/kWh). Les data centers français ont une empreinte carbone 5 à 8 fois inférieure à ceux alimentés par des énergies fossiles. Choisir un hébergeur avec des data centers en France réduit significativement l'impact.
L'ADEME publie des facteurs d'émission de référence pour le numérique. Le bilan carbone numérique d'une entreprise inclut obligatoirement les émissions liées aux serveurs (scope 3).
Training GPT-4 is estimated to have emitted ~500 tonnes CO2 — equivalent to 500 transatlantic flights. At scale, cumulative inference emissions overtake training emissions within months of deployment. Model efficiency (smaller models for appropriate tasks) reduces both cost and emissions simultaneously.
Emission estimates based on Patterson et al. (2021), Lannelongue et al. Green Algorithms framework, and subsequent industry analysis. Figures are midpoint estimates; actual emissions vary 3-5x depending on data center location, hardware generation, and grid carbon intensity.
