L'IA coûte une fortune à faire tourner : et si on pouvait diviser la facture par 1000 ?

Chaque fois que vous posez une question à ChatGPT, un datacenter quelque part dans le monde allume des milliers de GPU pour quelques dixièmes de secondes. Le coût total de cette opération pour vous : zéro. Le coût réel pour l’infrastructure : plusieurs centimes, parfois plus, selon la complexité de la requête.

Maintenant multipliez par des milliards de requêtes par jour, par des centaines de modèles déployés en production, par des pipelines d’agents qui enchaînent des dizaines d’appels consécutifs pour accomplir une seule tâche.

L’IA, telle qu’elle est construite aujourd’hui, brûle une quantité d’énergie que peu d’industries peuvent égaler. Et personne n’a vraiment résolu ce problème. Pas encore.

En juin 2026, Naveen Rao, ex-responsable de l’IA chez Databricks, a annoncé la création d’Unconventional AI avec une promesse audacieuse : diviser par mille la consommation énergétique de l’inférence IA, grâce à une architecture radicalement différente basée sur des oscillateurs physiques. (Source : TechCrunch, 25 juin 2026)

C’est le genre d’annonce qu’on entend souvent dans la tech et qu’on oublie six mois plus tard. Mais pour comprendre pourquoi celle-ci mérite qu’on s’y attarde, il faut d’abord comprendre l’ampleur du problème qu’elle prétend résoudre.

Le coût réel de l’IA : ce que personne ne met en avant

L’entraînement : la partie visible

Quand les médias parlent du coût de l’IA, ils évoquent surtout l’entraînement. GPT-4 aurait coûté entre 50 et 100 millions de dollars à entraîner. Llama 3, Meta aurait dépensé plusieurs centaines de millions sur l’ensemble de ses modèles. Ces chiffres impressionnent, et ils sont réels.

Mais l’entraînement est un coût ponctuel. Il est visible, quantifiable, et les grandes entreprises ont les moyens de l’absorber. Ce n’est pas là que se cache le vrai problème.

L’inférence : la partie invisible

L’inférence, c’est ce qui se passe quand un modèle répond à une requête. Chaque question posée à un LLM, chaque image générée, chaque appel d’API déclenche une passe forward à travers des milliards de paramètres. Pour un modèle de la taille de GPT-4, cela mobilise des dizaines de GPU pendant une fraction de seconde.

Multiplié par l’échelle d’utilisation, l’inférence représente la majorité des coûts opérationnels de l’IA en production. OpenAI a estimé, au pic de ChatGPT en 2023, des coûts d’inférence de l’ordre de 700 000 dollars par jour. Ce chiffre a évolué depuis, mais la mécanique reste la même.

Les API publiques de modèles masquent cette réalité derrière des grilles tarifaires en dollars par million de tokens. Il est facile d’oublier ce que ces tokens représentent physiquement : de l’électricité, des machines, du refroidissement.

L’énergie : le problème systémique

Les datacenters qui font tourner l’IA mondiale consomment des quantités d’énergie comparables à des nations entières. L’Agence Internationale de l’Énergie estimait en 2024 que les datacenters consommeraient plus de 1 000 TWh par an d’ici 2026, un chiffre en forte hausse depuis l’explosion des workloads IA.

Microsoft, Google et Amazon investissent massivement dans des centrales nucléaires et des parcs solaires dédiés à leurs datacenters. Ce n’est pas de l’altruisme environnemental : c’est une nécessité opérationnelle.

Le problème fondamental est architectural. Les GPU sont des processeurs massivement parallèles, excellents pour les multiplications matricielles qui sont au coeur du deep learning. Mais ils ont été conçus pour le jeu vidéo, pas pour l’inférence IA. Leur consommation énergétique est colossale parce que leur design n’est pas optimisé pour cette tâche.

Les coûts cachés que les benchmarks ne montrent pas

Le coût par token en production réelle

Les modèles sont souvent évalués en termes de qualité de réponse, de MMLU, de HumanEval, d’autres benchmarks techniques. Ce que ces évaluations ne capturent pas, c’est le coût réel par inférence dans un contexte de production.

Un modèle deux fois plus performant sur un benchmark qui coûte dix fois plus à faire tourner n’est pas forcément le bon choix. Pourtant, la compétition dans le domaine de l’IA a longtemps privilégié les métriques de qualité pure sans suffisamment pondérer l’efficacité énergétique.

Le multiplicateur des agents

L’essor des architectures agentiques aggrave le problème. Un agent qui accomplit une tâche complexe ne fait pas un seul appel au LLM : il en enchaîne des dizaines, parfois des centaines. Chaque décision, chaque vérification, chaque itération génère une requête d’inférence.

Si le coût d’une inférence simple est déjà significatif, le coût d’un pipeline agentique complet peut représenter des dizaines à des centaines de fois ce montant. Pour des cas d’usage professionnels automatisés à grande échelle, les budgets d’API peuvent exploser en quelques jours.

Le coût du contexte long

Les modèles modernes offrent des context windows de 128 000 à 1 million de tokens. C’est techniquement impressionnant. Mais chaque token dans le contexte a un coût : l’attention quadratique signifie que traiter un contexte de 100 000 tokens est exponentiellement plus cher que traiter un contexte de 1 000 tokens.

Les équipes qui injectent de grandes quantités de documentation dans des RAG, qui maintiennent de longs historiques de conversation, ou qui utilisent des modèles pour analyser des documents entiers se retrouvent avec des factures d’API qui peuvent surprendre.

Les coûts d’infrastructure propre

Au-delà des APIs, les équipes qui déploient leurs propres modèles (open source ou fine-tunés) doivent gérer leur propre infrastructure. Un seul noeud d’inférence pour un modèle de 70 milliards de paramètres nécessite 4 à 8 GPU A100. Un seul GPU A100 consomme 400W. Une heure de compute sur 8 GPU A100 : environ 3 200 Wh, sans compter le refroidissement.

Pour une startup qui veut déployer un modèle propriétaire en production 24h/24, la facture d’électricité et de location d’infrastructure peut rapidement dépasser le budget produit.

Pourquoi l’architecture GPU est fondamentalement limitée pour l’IA

La raison profonde pour laquelle l’inférence IA est aussi coûteuse tient à l’inadéquation entre le matériel utilisé et la tâche effectuée.

Un LLM en inférence effectue essentiellement des multiplications de matrices à très haute précision (fp16, bf16, voire int8) pour des millions de paramètres, à chaque token généré. Les GPU excellent à cette tâche. Mais ils le font avec une consommation énergétique massive parce qu’ils maintiennent des milliers de coeurs en activité simultanée, des caches mémoire à haute bande passante, et une horloge qui tourne à des fréquences élevées en permanence.

C’est un peu comme utiliser un avion à réaction pour livrer une lettre dans la ville voisine. L’outil fonctionne. Il n’est juste pas optimisé pour le problème.

Les TPUs de Google, les puces Trainium d’Amazon, les Gaudi d’Intel représentent des tentatives d’optimisation sur ce spectre. Mais ils restent dans le même paradigme : des circuits électroniques numériques, cadencés par une horloge, effectuant des opérations discrètes pas à pas.

L’approche d’Unconventional AI : sortir du paradigme

C’est là que l’annonce de Naveen Rao devient intéressante. Son système Un-0 ne repose pas sur des transistors cadencés par une horloge. Il utilise des oscillateurs : des composants physiques dont les fréquences naturelles d’oscillation encodent et traitent l’information.

L’idée n’est pas nouvelle dans la recherche. Les ordinateurs neuromorphiques et les architectures à base d’oscillateurs explorent depuis des années la possibilité de calculer avec la physique plutôt que contre elle. Le cerveau humain, après tout, est un réseau d’oscillateurs biologiques qui consomme environ 20 watts pour accomplir des tâches cognitives qu’aucun LLM moderne ne peut encore réaliser à ce niveau d’efficacité.

Ce qui est nouveau, c’est qu’Unconventional AI prétend avoir rendu cette approche suffisamment mature pour générer des images, et vise une réduction d’un facteur 1 000 de la consommation énergétique d’inférence.

Aujourd’hui, Un-0 tourne en simulation logicielle. Les puces physiques sont en développement. La distance entre une simulation et un produit commercial est considérable. Mais le principe, si validé à l’échelle, serait transformateur.

La fenêtre d’opportunité : quand les performances seront suffisantes

Il y a un point important à saisir dans la dynamique actuelle du marché de l’IA.

En 2023 et 2024, la course était à la performance brute. Qui peut répondre le mieux à un problème de mathématiques ? Qui comprend le mieux le code ? Qui hallucine le moins ? Dans cette phase, l’efficacité énergétique était secondaire. Les grandes entreprises avaient les moyens d’ignorer les coûts.

Mais en 2025-2026, quelque chose a changé. Les modèles open source ont rattrapé les modèles propriétaires sur la plupart des tâches courantes. Llama, Mistral, Qwen atteignent des niveaux de performance qui satisfont une majorité de cas d’usage professionnels. La course à la performance absolue ralentit sur les applications standard.

Ce moment est précisément celui où l’efficacité devient le différenciateur.

Quand les modèles sont suffisamment bons pour la tâche - et sur beaucoup de tâches, ils le sont déjà - la question qui vient naturellement est : peut-on les faire tourner moins cher ? Plus vite ? Avec moins d’énergie ?

C’est dans cette fenêtre que des technologies comme celle d’Unconventional AI peuvent s’implanter. Pas en remplacement des GPU pendant la phase d’entraînement, où la performance brute reste critique. Mais pour l’inférence - où un modèle dont les paramètres sont fixés doit simplement répondre efficacement à des requêtes - une architecture moins gourmande mais suffisamment performante change la donne.

Ce que cela changerait concrètement

L’accès à l’IA pour tous

Aujourd’hui, déployer un LLM compétitif en production est hors de portée financière pour la plupart des startups et des équipes indépendantes. Les coûts d’infrastructure imposent soit de passer par des APIs de grands fournisseurs (avec les contraintes de dépendance et de coût que cela implique), soit de limiter drastiquement les cas d’usage.

Si l’inférence coûtait mille fois moins cher, ce calcul changerait radicalement. Des modèles aujourd’hui inaccessibles pourraient tourner sur des serveurs modestes. L’IA embarquée sur des appareils locaux deviendrait une réalité commerciale pour des cas d’usage bien au-delà des assistants vocaux basiques.

La fin du monopole énergétique comme barrière à l’entrée

L’un des avantages compétitifs les plus durables des grandes entreprises tech dans l’IA n’est pas leur algorithme. C’est leur infrastructure. Google, Microsoft, Amazon ont des accords d’énergie à long terme, des datacenters propriétaires, des puces custom. Cette infrastructure représente des milliards d’investissement qu’aucune startup ne peut répliquer.

Une technologie qui réduit radicalement les besoins énergétiques réduit aussi cet avantage. Si l’inférence d’un modèle capable devient réalisable sur du matériel ordinaire, la concentration du marché de l’IA peut se redistribuer.

L’IA dans les pays émergents

L’accès à l’IA de haute qualité est aujourd’hui fortement corrélé à l’accès à une infrastructure électrique et internet de haute qualité. Les pays avec des ressources limitées en énergie ou en connectivité sont structurellement exclus des gains de productivité que l’IA apporte aux entreprises des pays développés.

Une réduction massive de la consommation énergétique changerait aussi cette réalité. L’IA locale, peu consommatrice, fonctionnant sur du matériel moins sophistiqué, ouvrirait l’accès à des marchés et des populations aujourd’hui hors de portée.

La durabilité comme argument commercial

À mesure que la réglementation environnementale se durcit, le bilan carbone des infrastructures numériques devient un critère de choix pour les entreprises. L’IA a aujourd’hui une mauvaise réputation sur ce point, et à juste titre. Une technologie d’inférence radicalement moins consommatrice est aussi un argument commercial auprès de clients qui ont des engagements ESG à tenir.

Ce qu’il faut garder en tête

Naveen Rao est crédible : son parcours chez Intel, Nervana Systems (revendu à Intel), puis Databricks montre une vraie expertise en matériel IA. L’approche par oscillateurs a des fondements scientifiques réels.

Mais il reste beaucoup de distance entre Un-0 en simulation logicielle et une puce physique commercialement viable. La recherche en neuromorphique a des décennies de promesses partiellement tenues. Et même si la technologie fonctionne, l’adoption dans un écosystème dominé par les GPU prendra du temps.

Ce qui est certain, c’est que le problème est réel, urgent, et pas encore résolu. Rao a raison sur le diagnostic : « l’énergie sera le défi fondamental des années à venir » pour le secteur de l’IA. C’est vrai que la solution vienne des oscillateurs, de la photonique, du calcul analogique, ou d’une combinaison de ces approches.

Ce que ça change pour les équipes produit

Pour les équipes qui intègrent de l’IA dans leur produit aujourd’hui, le message pratique est le suivant.

Maintenant : pensez efficacité énergétique dès la conception. Choisissez le modèle le moins coûteux qui satisfait votre cas d’usage. Mesurez vos coûts d’inférence par fonctionnalité. Évitez les appels redondants, les contextes surchargés, les pipelines agentiques complexes sans justification claire.

Dans deux à cinq ans : une partie des contraintes actuelles aura disparu. Des architectures plus efficaces, des modèles distillés plus petits, et peut-être des technologies comme celle d’Unconventional AI rendront l’inférence IA beaucoup moins coûteuse. Les cas d’usage qui semblent économiquement impossibles aujourd’hui deviendront triviaux.

La bonne posture est d’intégrer l’IA là où elle apporte de la valeur dès maintenant, tout en gardant les yeux ouverts sur les évolutions matérielles qui redessineront les contraintes dans les prochaines années.

L’IA n’est pas en train de ralentir. Mais le modèle économique et énergétique sur lequel elle repose aujourd’hui n’est pas soutenable à l’échelle de son ambition. Quelque chose doit changer. La question n’est pas si une rupture technologique arrivera, mais laquelle arrivera en premier.

Unconventional AI n’est qu’un acteur parmi ceux qui travaillent sur cette rupture. Mais leur intuition de fond - qu’une fois les modèles suffisamment bons, l’efficacité devient le nouveau terrain de compétition - est juste. Et cette intuition devrait guider aussi la façon dont les équipes produit pensent leur usage de l’IA dès aujourd’hui.