Vidéo publicitaire générée par IA : un spot de 30 secondes peut dépasser 120 kg de CO₂

Derrière une publicité de 30 secondes générée par IA peuvent se cacher plusieurs milliers de tentatives. Dans une étude, The Brandtech Group et fifty-five détaillent le cas d’un spot produit pour un annonceur : 500 générations de texte pour préparer les prompts, 4 000 générations d’images et 926 générations vidéo. Au total, ces opérations représentent une empreinte estimée à 121 kg d’équivalent CO₂.

Les générations vidéo concentrent 93 % des émissions, alors qu’elles ne représentent que 17 % des générations réalisées. Pour obtenir un résultat conforme aux attentes d’une marque, les équipes doivent en effet multiplier les essais, ajuster les séquences et augmenter leur résolution. L’empreinte du spot dépend donc de tout le travail nécessaire à sa fabrication, bien au-delà des seules secondes diffusées.

Réduire les essais pour limiter l’empreinte carbone

Le choix du modèle, la résolution et la localisation des serveurs pèsent également dans le bilan. Selon les estimations du rapport, un même clip de deux secondes pourrait émettre près de 12 grammes d’équivalent CO₂ avec des serveurs situés aux États-Unis, contre environ un gramme en France, en raison des différences de mix électrique.

Pour limiter ces émissions, les auteurs recommandent de préparer davantage les prompts en amont, de réaliser les essais en basse résolution et de réduire les générations inutiles. Ils rappellent aussi que l’IA ne remplace pas systématiquement un tournage : lorsqu’elle sert à préparer une production ou à décliner des images existantes, son empreinte s’ajoute à celle des opérations traditionnelles.

Ces résultats restent toutefois des estimations. Le travail, soumis à une revue critique par fruggr, combine des recherches existantes et des tests sur deux modèles ouverts, Stable Video Diffusion et CogVideo, avec des extrapolations pour d’autres modèles. Il exclut notamment l’entraînement des modèles et ne constitue pas une analyse complète du cycle de vie des équipements. Le cas étudié illustre ainsi le poids possible des itérations, sans établir une empreinte moyenne valable pour toutes les publicités générées par IA.