Niveau 0
Sans IA générative
Repère : Un moteur de recherche, une calculatrice, le document lui-même.
- Un fait simple et vérifiable : une date, une définition, une conversion
- Retrouver un passage dans un document que vous avez déjà ouvert
Quel modèle pour quelle tâche.
Dans notre référentiel, changer de taille de modèle ou de niveau de raisonnement multiplie l'empreinte par deux à trois, à volume égal. Ce guide dit quel niveau choisir selon la tâche, et d'où viennent les chiffres.
La règle, en une ligne
Commencez par le modèle léger. Montez d'un niveau seulement si la réponse ne suffit pas.
Pourquoi c'est gagnant : dans notre référentiel, GPT-5 émet environ 2,8 fois plus que GPT-5 mini à volume égal. Même en refaisant la demande sur le modèle lourd quand le léger échoue, vous émettez moins dès que le modèle léger suffit plus de 36 % du temps, soit un peu plus d’une fois sur trois.
1. Tâche par tâche
Quatre niveaux, du plus sobre au plus coûteux. Ce sont des recommandations d'usage, pas des mesures : la bonne réponse dépend de votre texte et de votre exigence. Le repère indique comment reconnaître le niveau dans le sélecteur de modèle de votre assistant.
Niveau 1
Modèle léger
Repère : Les noms en « mini », « flash », « haiku », « small », ou le mode rapide.
- Reformuler, corriger ou traduire un texte
- Résumer un document court
- Classer, extraire des informations, mettre en forme
- Rédiger un e-mail ou un message courant
- Une question dont vous savez vérifier la réponse
Niveau 2
Modèle standard
Repère : Le modèle proposé par défaut, sans mode de réflexion activé.
- Rédiger un document long et structuré
- Analyser un document dense ou comparer plusieurs sources
- Écrire ou relire du code courant
- Préparer un plan, un argumentaire
Niveau 3
Raisonnement approfondi
Repère : Les modes « réflexion », « thinking », « raisonnement élevé », « pro ».
- Un problème en plusieurs étapes, avec des contraintes à tenir ensemble
- Un calcul, une démonstration, une planification complexe
- Un bug difficile, un choix d’architecture
- Une demande où une première réponse standard s’est révélée fausse
2. Ce que l'écart représente
Deux choix changent le facteur d'émission : la taille du modèle, et le niveau de raisonnement demandé. Nous ne publions un rapport que lorsque les deux facteurs viennent de la même figure de la même source, pour ne pas comparer deux méthodes de mesure.
| Levier | Le plus sobre | Le plus coûteux | Écart |
|---|---|---|---|
| Taille du modèle | GPT-5 mini, raisonnement moyen0,80 g CO₂e pour 1 000 tokens | GPT-5, raisonnement moyen2,22 g CO₂e pour 1 000 tokens | × 2,8 |
| Niveau de raisonnement | GPT-5, raisonnement faible1,42 g CO₂e pour 1 000 tokens | GPT-5, raisonnement élevé3,71 g CO₂e pour 1 000 tokens | × 2,6 |
| Niveau de raisonnement | GPT-5 mini, raisonnement moyen0,80 g CO₂e pour 1 000 tokens | GPT-5 mini, raisonnement élevé2,29 g CO₂e pour 1 000 tokens | × 2,9 |
Source des facteurs : Stanford AI Index 2026, figure 1.4.6 (Jegham et al. 2025), repris dans notre référentiel de coefficients. Pour Claude, Gemini et Mistral, aucune source ne mesure aujourd'hui les deux niveaux avec la même méthode : nous ne publions donc pas de rapport pour eux. Même réserve pour GLM, Qwen, Ernie ou Doubao : nos facteurs y sont des estimations dérivées, pas des mesures.
Le modèle léger suffit-il souvent ? Ce que d'autres ont mesuré
La règle « léger d'abord » n'est gagnante que si le modèle léger suffit assez souvent. Nous n'avons pas de mesure à nous ; voici deux sources extérieures, avec leurs limites.
Un routeur envoie la majorité des demandes au petit modèle
Dans l’expérience RouteLLM, un routeur répartit des demandes entre GPT-4 Turbo et Mixtral 8x7B. Pour conserver 95 % de la qualité de GPT-4, il n’a besoin du grand modèle que pour 14 % des demandes sur un banc de conversations (MT Bench) et 54 % sur un banc de questions de connaissances (MMLU). Le petit modèle traite donc 86 % et 46 % des demandes.
Limites : Des bancs d’essai, des modèles de 2024, 95 % de la qualité et non 100 %, et un routeur entraîné qui choisit, pas une personne. L’étude mesure un coût, pas des émissions.
Ong et al., RouteLLM (LMSYS, 2024)Un fournisseur décrit lui-même la démarche
La documentation d’Anthropic présente une approche qui consiste à démarrer avec son modèle le plus rapide et le moins coûteux, puis à ne monter en gamme que si un manque de capacité précis l’exige. Elle l’associe aux tâches simples à fort volume.
Limites : C’est l’une des deux approches que la page décrit : l’autre part du modèle le plus capable, pour les tâches où la justesse prime. Le critère du fournisseur est le coût et la vitesse, pas l’empreinte.
Anthropic, guide de choix d’un modèle3. Le mode raisonnement n'est pas un réglage par défaut
Un mode de réflexion fait travailler le modèle avant de répondre. Dans notre référentiel, passer du raisonnement faible au raisonnement élevé multiplie le facteur par 2,6 environ. Il a sa place sur un problème en plusieurs étapes. Sur une reformulation ou une question simple, il apporte peu à la réponse et il en multiplie le coût. Si votre assistant l'active tout seul, désactivez-le pour les demandes courantes.
Notre écart est un plancher : il compare à volume égal, sans les tokens de réflexion. Mesuré de bout en bout sur le même modèle, raisonnement activé puis désactivé, l'écart d'énergie par demande va de 150 à 700 fois sur DeepSeek-R1-Distill-Llama-70B, Phi-4-reasoning-plus et SmolLM3-3B. Limites : Trois modèles ouverts, sur les tâches du banc d’essai, où la réponse sans raisonnement est très courte. Rien n’indique que les assistants grand public se comportent ainsi. AI Energy Score v2, Hugging Face
4. Quand l'outil choisit à votre place
Certains assistants ne laissent pas choisir le modèle. Il reste le second levier : la quantité de texte générée. Demander une réponse courte quand elle suffit, donner le format attendu dès le départ, regrouper les demandes au lieu d'enchaîner les ajustements. Le gain de ces gestes, et ses réserves.
5. Ce que ce guide ne permet pas d'affirmer
- Les rapports portent sur une seule famille de modèles, celle pour laquelle une même source publie les tailles et les niveaux de raisonnement. Le sens de l’écart vaut ailleurs, pas sa valeur.
- Ce sont des facteurs issus d’un banc d’essai, à volume égal de tokens. Un mode de raisonnement génère en plus des tokens que vous ne voyez pas : l’écart réel sur une demande peut être plus grand.
- La correspondance entre tâche et niveau est une recommandation, pas une mesure. Un texte juridique à traduire n’a pas l’exigence d’un message interne.
- Les fournisseurs changent leurs modèles, et certains assistants choisissent le modèle à votre place. Le guide décrit des niveaux, pas un catalogue à jour.
Vous voulez vérifier vos réflexes ?
Huit situations, quatre niveaux, deux minutes. Sans e-mail.
L'extension affiche le modèle qui vient de répondre et son empreinte estimée : c'est le moyen le plus simple de vérifier ce guide sur vos propres usages. Installer l'extension