IA générative : pour réduire vos coûts et votre empreinte, parlez anglais
Changer de langue permet de consommer moins de tokens, c’est un fait et nous l’avons mesuré aussi bien chez Anthropic, OpenAI et Google. Moins de tokens, c’est un coût de revient plus faible et moins de calcul, donc une empreinte écologique plus faible.
Les IA génératives ne traitent pas directement des mots, mais des tokens (ou jetons), une unité de base pour les calculs et la facturation. Un token est une fraction de texte, comme une syllabe ou un mot, que l'IA découpe automatiquement. Par exemple, la phrase "Bonjour, comment ça va ?" pourrait être divisée en 6 tokens : Bonjour, ,, comment, ça, va, ?. Chaque token nécessite des centaines de milliards d'opérations pour être traité par le modèle. Plus un texte contient de tokens, plus le coût financier et l'empreinte écologique de l'IA augmentent, car chaque token consomme de l'énergie et des ressources de calcul. Les modèles comme ceux d'Anthropic, OpenAI ou Google facturent en fonction du nombre de tokens utilisés en entrée (votre question) et en sortie (la réponse de l'IA).
Tous les tokens ne se valent pas selon la langue utilisée. Certaines langues, comme l'anglais, sont plus compactes : elles nécessitent moins de tokens pour exprimer la même idée que des langues comme le français ou l'allemand. Par exemple, le règlement général sur la protection des données (RGPD) de l'Union européenne, disponible en 24 langues, varie de 320 000 à 415 000 caractères selon la langue. En moyenne, un texte en anglais utilise environ 10 % de tokens en moins qu'un texte équivalent en français pour le même contenu. Cela s'explique par la structure grammaticale et la longueur des mots dans chaque langue. Ainsi, utiliser l'anglais avec une IA générative réduit le nombre de tokens traités, ce qui diminue à la fois le coût financier et l'empreinte carbone de l'opération.
Réduire le nombre de tokens a un double avantage : économique et environnemental. Moins de tokens signifie moins de calculs, donc une facture moins élevée pour l'utilisateur. Par exemple, une requête en anglais pourrait coûter jusqu'à 10 % de moins qu'une requête équivalente en français, selon les modèles. Sur le plan écologique, chaque token traité consomme de l'énergie. Une étude citée dans l'article montre que les modèles d'IA consomment des ressources importantes : une simple requête à ChatGPT peut mobiliser des centaines de milliards de calculs. En utilisant l'anglais, l'empreinte carbone de l'IA est donc réduite, même si cette économie reste modeste par rapport à d'autres optimisations possibles, comme limiter la longueur des réponses ou éviter les tâches spécialisées (comme la reconnaissance d'images).
Pour maximiser les économies, il ne suffit pas de changer de langue : il faut aussi adapter la formulation des requêtes. Les modèles d'IA consomment moins de tokens lorsque les réponses sont concises. Par exemple, demander à une IA de répondre en 5 phrases plutôt qu'en 20 réduit significativement le nombre de tokens en sortie. L'article souligne que cette optimisation est souvent plus efficace que le simple changement de langue. Cependant, il est important de noter que la brièveté ne doit pas nuire à la qualité des réponses : une IA moins bavarde peut tout de même fournir des explications précises si la formulation du prompt est adaptée.
L'article précise que les gains liés au changement de langue sont marginaux comparés à d'autres optimisations, comme éviter les tâches pour lesquelles des outils spécialisés existent (traduction, reconnaissance de texte). Par exemple, utiliser une IA générative pour traduire un texte est moins efficace et plus coûteux qu'un outil dédié. De plus, le choix de la langue peut influencer le comportement des modèles : certaines langues, comme le chinois, peuvent entraîner une autocensure accrue des IA en raison des politiques locales. Enfin, l'article mentionne que les gains varient selon les modèles d'IA et que des tests spécifiques seraient nécessaires pour mesurer l'impact exact dans d'autres langues, comme le chinois ou l'arabe.
