Bien que Bitcoin ne définisse pas d'adresse, $MT propose un staking à 35 % APR au sein de son écosystème AI memecoin → Voir les options de staking.
Espace sponsorisé
Pendant des années, le débat sur le coût environnemental de l’intelligence artificielle a tourné autour de l’eau. Au fil du temps, on s’est rendu compte que ces calculs, même s’ils reflétaient une consommation considérable, n’étaient pas tout à fait exacts. La conversation s’est ensuite déplacée vers un problème beaucoup plus tangible : l’énorme quantité d’électricité requise par les centres de données, une pression qui compromet déjà la stabilité énergétique de certains pays.
Aujourd’hui, alors que l’IA entre dans sa phase agentique, une nouvelle étude prévient que ce que nous avons vu jusqu’à présent pourrait n’être qu’un prologue.
Qu’a mesuré exactement KAIST ?
L’Institut supérieur coréen des sciences et technologies (KAIST) a quantifié le coût énergétique des agents d’IA et l’a comparé à celui des chatbots traditionnels. La différence structurelle entre les deux est essentielle à la compréhension des résultats.
Un chatbot fonctionne selon un schéma simple : l'utilisateur fait une demande, le système renvoie un résultat et l'interaction se termine. Un agent, quant à lui, fonctionne comme une chaîne d’opérations dans laquelle le logiciel exécute de manière autonome plusieurs actions avant de fournir une réponse. Cela signifie que le matériel qui le prend en charge reste opérationnel beaucoup plus longtemps.
Selon l’étude, utilisant un modèle linguistique à grande échelle comparable aux services commerciaux actuels, une seule requête complexe adressée à un agent consommait 348,41 Wh d’électricité.
L’écart augmente selon le cadre
La consommation n’est pas uniforme : elle dépend de l’agent et du modèle sur lequel elle se construit. Lors des tests KAIST, un framework appelé LATS a utilisé 62,1 fois plus d’énergie qu’un chatbot IA classique.
Le cas le plus extrême concernait un agent monté sur le modèle Llama-3.1 Instruct 70B de Meta, qui atteignait un pic de consommation 136,5 fois supérieure par requête.
Autrement dit : la même question, posée à un agent plutôt qu’à un chatbot, peut multiplier la facture énergétique par plus de deux ordres de grandeur dans les scénarios les plus exigeants.
Ce que cela implique
Les données KAIST arrivent au pire moment possible pour le discours sur l’efficacité de l’industrie. L'ensemble du secteur – d'OpenAI à Google, en passant par les startups qui promettent des « employés numériques » – parie son avenir commercial précisément sur des agents autonomes : des systèmes qui naviguent, comparent, exécutent et décident sans intervention humaine constante.
Si chacun de ces agents consomme des dizaines ou des centaines de fois plus qu’un chatbot, le problème énergétique de l’IA ne croît pas de manière linéaire, mais se multiplie plutôt à chaque couche d’autonomie supplémentaire. Et cela alors que les réseaux électriques de plusieurs pays sont déjà mis à rude épreuve en raison de l’expansion des centres de données.
Pour l’écosystème crypto, cette dynamique n’est pas une mince affaire. La concurrence pour l’électricité bon marché entre les centres de données d’IA et les opérations minières redéfinit déjà des marchés énergétiques entiers, et une ère agentique avec une consommation multipliée ne fera qu’intensifier ce conflit. Dans le même temps, cela ouvre un espace aux récits de réseaux informatiques et énergétiques décentralisés qui cherchent à tirer parti de ce goulot d’étranglement.
L’adolescence de l’intelligence artificielle, comme toute adolescence, s’annonce coûteuse. Cependant, dans ce cas, la différence est que nous assumerons tous le coût via la facture d’électricité.
-Nyrie