How much energy does one LLM API call use?

For a mid-sized model producing a few hundred output tokens, published operator estimates put a single short request in the region of a few tenths of a watt-hour — roughly what a laptop draws in twenty seconds. The number is dominated by output tokens, because generation runs the whole model once per token while prefill processes the input in parallel at a small fraction of the per-token cost. That is why this calculator prices input tokens at about a tenth of the output rate, and why a long prompt with a short answer is far cheaper in energy than a short prompt with a long answer.

Why do reasoning models have such a bigger carbon footprint?

Because the hidden reasoning trace is output. A reasoning model that thinks for two thousand tokens before writing a two-hundred-token answer has generated 2,200 tokens of output, not 200, and every one of them cost a full forward pass through a large model. Switching a workload from a mid-sized model to a long-chain-of-thought model at the same request volume typically multiplies energy by an order of magnitude, which is visible immediately in the model-class comparison table on this page. It is also why the cheapest carbon reduction available to most teams is routing easy requests away from the reasoning tier rather than changing anything about infrastructure.

Does the data centre region really change my AI carbon footprint?

More than any other single lever. Grid carbon intensity spans roughly 40 grams of CO2e per kilowatt-hour in nuclear- and hydro-heavy grids such as France and Sweden to over 600 grams in coal-heavy grids — a factor of fifteen for identical compute. Running the same workload in a low-carbon region cuts emissions by well over 90% without touching a line of code, whereas efficiency work on the model itself rarely delivers more than a factor of two or three. PUE matters too but has a much narrower spread, since modern hyperscale sites cluster between 1.1 and 1.2 while older enterprise rooms sit closer to 1.6.

AI Inference Energy & Carbon Calculator (2026)

Calculateur d'énergie et de carbone par inférence IA

✓ Dernière vérification : 2026-07-23· Facteurs de réseau : intensité de production moyenne nationale· proposer une correction →

Les rapports de développement durable demandent un chiffre et le tableau de bord de votre fournisseur vous donne des dollars. Cela convertit le volume mensuel des jetons en kilowattheures et en kilogrammes de CO2e, divise correctement l'entrée de la sortie et montre ce que le choix de la région et la classe de modèle font réellement au total.

Les jetons de sortie constituent la facture. La génération exécute une passe avant complète par jeton ; Le pré-remplissage traite l'intégralité de votre invite en parallèle pour environ un dixième de l'énergie par jeton. Une invite courte avec une réponse longue coûte bien plus qu'une invite longue avec une réponse courte - et la trace cachée d'un modèle de raisonnement compte comme sortie.

Même charge de travail, chaque classe de modèle

Volume de requêtes et forme de jeton identiques, acheminés vers différents niveaux. Le passage au niveau de raisonnement n’est pas progressif : il s’agit du facteur contrôlable le plus important dans un budget carbone d’inférence.

Classe modèle

Tok de sortie Wh / 1k

kWh/mois

kg CO2e / mois

Coût d'énergie / mois

Pourquoi la répartition entrée/sortie est plus importante que le total des jetons

Presque toutes les tentatives d’estimation de l’énergie de l’IA multiplient le nombre total de jetons par un seul nombre par jeton, et c’est faux d’une manière qui compte. L'inférence du transformateur comporte deux phases avec des profils de coûts complètement différents. Prefill lit l'intégralité de votre invite en une seule passe fortement parallèle, donc une invite de 1 500 jetons coûte à peine plus qu'une invite de 150 jetons sur les piles de services modernes. Decode génère un jeton à la fois, chacun nécessitant un passage complet sur les poids du modèle, de sorte que la longueur de sortie met à l'échelle l'énergie de manière presque linéaire. La conséquence pratique est qu'ajouter plus de contexte dans une invite est relativement bon marché et laisser un modèle se promener coûte cher - exactement le contraire de l'intuition avec laquelle la plupart des équipes commencent, et le contraire de la façon dont la grille de prix est façonnée, puisque les fournisseurs facturent également les entrées à un prix réduit, mais loin d'être proche d'un 10×.

Le niveau de raisonnement est celui où les empreintes de pas vont mourir

La trace de pensée d'un modèle de raisonnement est générée. Il traverse le décodeur exactement comme le fait la réponse visible, mais il n'atteint jamais l'utilisateur. Une requête qui produit 200 jetons visibles après 2 000 jetons de délibération a généré 2 200 jetons, et si ce modèle est également d'un ordre de grandeur plus grand par jeton que l'alternative de niveau intermédiaire, l'énergie par requête peut être cinquante fois supérieure à celle de la même tâche répondue directement. Exécutez le tableau de classes de modèles ci-dessus avec votre propre volume et l'arithmétique est simple. Il s’agit également du levier le plus efficace : acheminer les demandes simples vers un niveau plus petit et réserver le raisonnement aux cas qui en ont besoin réduit à la fois la facture et l’empreinte. Taille qui commerce avec le calculateur d'économies de routage modèle, et vérifiez ce que vous coûtent les jetons de réflexion en dollars avec le calculateur de coût de jeton de raisonnement.

L’énergie est une erreur d’arrondi par rapport à ce que vous payez – et c’est là le point

L'exécution des numéros par défaut et l'électricité derrière deux millions de requêtes de niveau intermédiaire coûtent des dizaines de dollars, contre une facture API de plusieurs milliers. Personne ne change de fournisseur pour sauvegarder cela. La raison pour laquelle il faut le calculer est que le nombre de carbone, contrairement au coût de l’énergie, se retrouve dans une déclaration CSRD ou dans un questionnaire client où il doit être défendable, et de plus en plus dans les conversations d’approvisionnement où l’on demande à un fournisseur des émissions par unité de service. La ligne de région est celle sur laquelle agir : un calcul identique dans un réseau à faible émission de carbone émet un quinzième de ce qu'il émet dans un réseau à forte teneur en charbon, ce qu'aucune optimisation de modèle ne peut égaler. Si c’est l’obligation de divulgation elle-même qui vous a amené ici, évaluez le programme de gouvernance qui l’entoure en tenant compte des Calculateur des coûts de conformité à la loi européenne sur l’IA.

Questions fréquemment posées

Quelle quantité d’énergie un appel d’API LLM consomme-t-il ?

Pour un modèle de taille moyenne produisant quelques centaines de jetons de sortie, les estimations publiées par les opérateurs situent une seule demande courte de l'ordre de quelques dixièmes de wattheure, soit à peu près ce qu'un ordinateur portable consomme en vingt secondes. Le nombre est dominé par les jetons de sortie, car la génération exécute l'ensemble du modèle une fois par jeton tandis que le pré-remplissage traite l'entrée en parallèle pour une petite fraction du coût par jeton. C'est pourquoi ce calculateur évalue les jetons d'entrée à environ un dixième du taux de sortie, et pourquoi une invite longue avec une réponse courte est beaucoup moins chère en énergie qu'une invite courte avec une réponse longue.

Pourquoi les modèles de raisonnement ont-ils une empreinte carbone si importante ?

Parce que la trace de raisonnement cachée est sortie. Un modèle de raisonnement qui réfléchit pour deux mille jetons avant d'écrire une réponse de deux cents jetons a généré 2 200 jetons de sortie, et non 200, et chacun d'entre eux coûte un passage complet dans un grand modèle. Le passage d'une charge de travail d'un modèle de taille moyenne à un modèle à longue chaîne de pensée avec le même volume de requête multiplie généralement l'énergie d'un ordre de grandeur, ce qui est visible immédiatement dans le tableau de comparaison des classes de modèles sur cette page. C'est également la raison pour laquelle la réduction de carbone la moins chère disponible pour la plupart des équipes consiste à éloigner les requêtes faciles du niveau de raisonnement plutôt que de modifier quoi que ce soit dans l'infrastructure.

La région du centre de données modifie-t-elle vraiment l’empreinte carbone de mon IA ?

Plus que tout autre levier unique. L’intensité carbone du réseau s’étend d’environ 40 grammes d’équivalent CO2 par kilowattheure dans les réseaux à forte composante nucléaire et hydroélectrique, comme en France et en Suède, à plus de 600 grammes dans les réseaux à forte composante charbon, soit un facteur quinze pour un calcul identique. Exécuter la même charge de travail dans une région à faibles émissions de carbone réduit les émissions de plus de 90 % sans toucher à une seule ligne de code, alors que le travail d'efficacité sur le modèle lui-même fournit rarement plus d'un facteur de deux ou trois. Le PUE est également important, mais sa répartition est beaucoup plus étroite, puisque les sites hyperscale modernes se regroupent entre 1,1 et 1,2 tandis que les salles d'entreprise plus anciennes se situent plus près de 1,6.