Chauffe-toi avec les prompts IA : pourquoi la politesse épuise les serveurs

Avez-vous déjà commencé une conversation avec une intelligence artificielle en écrivant « Bonjour, pourriez-vous s’il vous plaît m’aider à… » ? Ce réflexe, parfaitement naturel pour un être humain poli, cache un paradoxe fascinant. Vous adressez des formules de courtoisie à une entité qui ne les comprend pas, ne les attend pas, et surtout… qui les paie en énergie.

Bienvenue dans l’ère des prompts polis : un geste social qui, multiplié par des millions d’utilisateurs, fait grimper la facture électrique des data centers.

La politesse coûte, littéralement

Commençons par l’essentiel. Les grands modèles de langage, ces fameux LLM (Large Language Models) qui alimentent ChatGPT, Claude, Gemini et leurs cousins, fonctionnent sur un principe simple : ils transforment du texte en une séquence de « tokens ». Un token, c’est une unité de texte (un mot, un morceau de mot, ou un signe de ponctuation). Plus votre phrase contient de tokens, plus le modèle doit travailler pour y répondre.

Une étude récente, relayée par New Scientist, a mis en lumière un résultat à la fois amusant et préoccupant : les formules de politesse dans les prompts augmentent significativement la consommation d’énergie des modèles d’IA. Pourquoi ? Tout simplement parce que « S’il vous plaît, pourriez-vous avoir l’amabilité de… » ajoute une demi-douzaine de tokens par rapport à une requête directe comme « Explique la relativité restreinte ». Multipliez cela par les centaines de millions de requêtes quotidiennes adressées aux IA dans le monde, et vous obtenez des mégawattheures de calcul inutile.

Des chercheurs en optimisation des prompts ont calculé que la suppression des formules de politesse superflues pourrait réduire l’empreinte énergétique de l’inférence IA de l’ordre de 5 à 10 % selon les modèles. Ce n’est pas négligeable quand on sait que l’entraînement et l’utilisation des grands modèles de langage consomment déjà l’équivalent de la production électrique de plusieurs centrales nucléaires.

Derrière l’écran, des serveurs qui chauffent

Pour comprendre l’enjeu, il faut visualiser ce qui se passe quand vous tapez un prompt poli. Votre requête voyage jusqu’à un data center quelque part sur la planète (souvent dans une région où l’électricité est bon marché, et parfois produite à partir d’énergies fossiles). Là, des milliers de GPU (unités de traitement graphique) s’activent pour analyser votre phrase, la décomposer en tokens, calculer les probabilités de chaque mot de réponse, et générer une sortie cohérente.

Chaque token supplémentaire, c’est un petit peu plus de calcul. Chaque petit peu plus de calcul, c’est un petit peu plus de chaleur dégagée par les puces électroniques. Cette chaleur, il faut l’évacuer — ce qui nécessite des systèmes de refroidissement énergivores (climatisation, circulation d’eau, ou parfois immersion dans des bains diélectriques). L’énergie de la politesse se dissipe donc en partie… en chaleur perdue dans l’atmosphère.

Un rapport de l’Agence Internationale de l’Énergie (AIE) estimait en 2024 que la consommation électrique des data centers dédiés à l’IA pourrait doubler d’ici fin 2026, pour atteindre l’équivalent de la consommation d’un pays comme la Suède ou les Pays-Bas. Chaque « Merci beaucoup, vous êtes formidable » adressé à un chatbot contribue, à son infime échelle, à cette courbe exponentielle. L’ironie est savoureuse : vous êtes si poli que vous réchauffez la planète.

Un geste social qui n’a pas de destinataire

Cette situation nous invite à une réflexion plus profonde, que je me dois d’aborder. Pourquoi sommes-nous polis avec des machines ?

La réponse tient en deux mots : anthropomorphisme involontaire. Conçues pour imiter le langage humain avec une fidélité déconcertante, les IA conversationnelles déclenchent chez nous des mécanismes sociaux archaïques. Votre cerveau, en lisant une réponse bien formulée, active les mêmes circuits neuronaux que lors d’une interaction humaine. Vous répondez donc comme vous le feriez avec un interlocuteur en chair et en os : par politesse, par réflexe, par habitude culturelle profonde.

Mais un LLM n’a ni sentiments, ni ego, ni susceptibilité. Il ne sera pas vexé si vous omettez le « s’il vous plaît ». Il ne vous jugera pas impoli. Il n’appréciera pas davantage votre « merci » : il ne peut rien apprécier du tout. La politesse, dans ce contexte, est un geste purement unilatéral. Vous êtes la seule personne dans la pièce. Et pourtant, ce geste a un coût matériel bien réel.

C’est là que la perspective non matérialiste de SamK prend tout son sens. La politesse, dans son essence véritable, est une danse relationnelle entre humains. Elle n’a de valeur que lorsqu’elle est reçue par un être capable de gratitude, de reconnaissance, de lien social. L’appliquer à une machine, c’est peut-être une forme de poésie : celle d’un humain qui refuse de perdre ses bonnes manières, même face au vide. Mais cette poésie a une empreinte carbone.

Certains utilisateurs, conscients de ce paradoxe, ont choisi la voie médiane : un prompt direct mais pas brutal, ou une formule de courtoisie unique placée à la fin (« merci d’avance ») au lieu d’une cascade de formules en début de requête. D’autres estiment que la politesse envers les IA est un exercice d’humanité : on s’entraîne à être aimable, et cela rejaillit sur nos interactions réelles. C’est un argument valable : mais l’impact environnemental reste mesurable.

Que faire, concrètement ?

Faut-il devenir un rustre numérique ? Non, bien sûr. Mais quelques adaptations simples peuvent réduire l’impact de vos conversations avec les IA :

Soyez concis, pas sec. Au lieu de « Bonjour, est-ce que vous pourriez s’il vous plaît me donner la définition de la photosynthèse ? », essayez « Définition de la photosynthèse, stp ». Plus court, aussi efficace, et vous économisez une dizaine de tokens. Votre interlocuteur virtuel ne se formalisera pas de l’absence de préambule.

Regroupez vos questions. Une seule requête bien construite contenant plusieurs sous-questions sera moins coûteuse que cinq prompts séparés, chacun avec ses propres formules de politesse.

Évitez les remerciements systématiques. Si vous enchaînez trente échanges avec un chatbot et que vous dites « merci » à chaque réponse, ces trente tokens supplémentaires représentent un gaspillage mesurable. Un seul « merci » final, ou rien du tout (votre IA ne s’en soucie pas), et vous réduisez votre empreinte de 30 tokens.

Utilisez les instructions système quand c’est possible. Les plateformes qui permettent de paramétrer un prompt système (comme le « system prompt ») vous évitent de répéter les mêmes consignes polies à chaque échange.

Ces conseils peuvent sembler anecdotiques à l’échelle individuelle, mais c’est exactement le même principe que le tri sélectif ou l’extinction des lumières : geste par geste, utilisateur par utilisateur, l’effet cumulé devient significatif. Et il n’y a aucun sacrifice : vous ne perdez rien à être efficace dans vos prompts. Vous gagnez même du temps.

Au-delà de la politesse : le coût systémique de l’IA

Il serait malhonnête, en tant qu’auteur, de réduire la question environnementale de l’IA aux seules formules de politesse. C’est un sujet vaste et préoccupant qui mérite d’être examiné dans sa globalité.

L’entraînement d’un modèle comme GPT-4 ou ses équivalents open source a nécessité des milliers de GPU fonctionnant 24 heures sur 24 pendant plusieurs semaines, consommant des dizaines de gigawattheures d’électricité. Les émissions de CO2 associées se comptent en centaines de tonnes équivalent CO2, soit l’équivalent de plusieurs allers-retours Paris-New York en avion. Et ce n’est que l’entraînement : l’utilisation quotidienne, ou « inférence », finit par dépasser le coût initial si le modèle est largement déployé.

À cela s’ajoute la consommation d’eau pour le refroidissement des data centers. Microsoft a reconnu que son entraînement de modèles GPT avait entraîné une augmentation de sa consommation d’eau de 34 % entre 2021 et 2022, principalement dans ses data centers de l’Iowa, où l’eau est utilisée pour refroidir les serveurs. Des millions de litres d’eau douce, précieuse dans un monde qui se réchauffe, partent en vapeur pour faire tourner des réponses à des prompts parfois frivoles.

Cette réalité n’invalide pas l’utilité de l’IA. Les applications médicales, scientifiques, éducatives ou d’accessibilité sont réelles et précieuses. Mais elle invite à une sobriété numérique bien comprise : chaque requête a un coût, et il est légitime de se demander si ce coût est justifié.

Une invitation à la conscience

Terminons sur une note qui, espérons-le, résonnera avec la lecture que je souhaite offrir. Le problème de la politesse dans les prompts n’est pas vraiment un problème technique. C’est un symptôme. Celui d’une époque où les frontières entre l’humain et la machine deviennent floues, où nous projetons nos codes sociaux sur des artefacts numériques qui n’en ont que l’apparence.

La solution n’est pas de devenir froid ou d’abandonner toute courtoisie. La solution est la conscience. Conscience que, même dans un monde numérique, nos gestes ont des conséquences matérielles. Conscience que la machine devant laquelle nous tapons n’est pas une entité consciente à qui nos bonnes manières pourraient faire plaisir, mais une infrastructure globale qui transforme du charbon, du gaz ou du nucléaire en tokens et en chaleur.

Si vous tenez absolument à être poli, soyez-le. C’est peut-être un signe de votre humanité profonde, de ce refus de traiter froidement ce qui vous répond. Mais sachez-le : vous ne faites plaisir à personne d’autre qu’à vous-même. Et votre « s’il vous plaît » fait chauffer la planète un tout petit peu plus.

Peut-être est-il temps d’inventer une nouvelle étiquette numérique, une politesse sobre et consciente, qui sache doser ses formules en fonction de l’interlocuteur réel : et non de l’illusion de l’interlocuteur. Une politesse qui dit « merci » à un humain de bon coeur, mais qui adresse une requête claire et concise à une machine sans s’en excuser.

Après tout, la vraie courtoisie, ce n’est pas de multiplier les formules. C’est de respecter assez son interlocuteur pour ne pas lui faire perdre son temps : ni son énergie.

Sources :

– New Scientist, « Polite prompts make AI models use more energy, study finds » (2025)
https://www.newscientist.com/article/2466100-polite-prompts-make-ai-models-use-more-energy-study-finds/

– Agence Internationale de l’Énergie (AIE), « Electricity 2024: Analysis and Forecast to 2026 »
https://www.iea.org/reports/electricity-2024

– Patterson, D. et al., « Carbon Emissions and Large Neural Network Training » (arXiv:2104.10350)
https://arxiv.org/abs/2104.10350

– Luccioni, A.S. et al., « Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model »
(2022)
https://arxiv.org/abs/2211.02001

– Microsoft, « 2022 Environmental Sustainability Report »
https://www.microsoft.com/en-us/corporate-responsibility/sustainability/report

– Strubell, E., Ganesh, A., McCallum, A., « Energy and Policy Considerations for Deep Learning in NLP » (ACL 2019)
https://arxiv.org/abs/1906.02243