La francesa Mistral, uno de los nombres más destacados en el panorama europeo de la inteligencia artificial, ha presentado una nueva herramienta de auditoría de sostenibilidad para que empresas y organizaciones puedan medir y comprender el impacto ambiental de los modelos de IA. El lanzamiento llega acompañado de un ejercicio de transparencia poco habitual en el sector: la publicación del análisis de ciclo de vida de su modelo Large 2, desarrollado en colaboración con la Agencia Francesa de Medio Ambiente y Gestión de la Energía (ADEME) y la consultora Carbone 4, especializada en estrategia de carbono.
Los datos no dejan indiferente. Según Mistral, Large 2 ha generado 20,4 kilotoneladas de CO₂ equivalente (20.400 toneladas) y consumido 281.000 metros cúbicos de agua —unos 74,2 millones de galones— desde su entrenamiento y durante los 18 meses siguientes de uso, hasta enero de 2025.
Un coste ambiental equiparable al consumo anual de una ciudad pequeña
Para poner la cifra en contexto, el consumo de agua asociado a Large 2 equivale al uso anual de más de 5.100 ciudadanos franceses, considerando la media de 150 litros por persona y día (datos de LaVie).
El informe detalla que el 91% del uso de agua y el 85,5% de las emisiones de gases de efecto invernadero del modelo provienen directamente de las fases de entrenamiento e inferencia.
Entrenar un modelo de lenguaje de gran tamaño (LLM) requiere semanas —o incluso meses— de funcionamiento intensivo en centros de datos a máxima capacidad, con un consumo masivo de energía y agua para refrigeración. La inferencia, el proceso en el que el modelo responde a las entradas de los usuarios, también es intensiva en recursos: aunque cada petición individual tiene un impacto reducido, el uso masivo simultáneo por millones de usuarios multiplica los efectos.
El coste de cada interacción con la IA
Según los cálculos de Mistral, cada prompt de 400 tokens (aproximadamente 300 palabras) en Large 2 supone 1,14 gramos de CO₂ y 45 mililitros de agua. La compañía compara este gasto con la energía necesaria para transmitir un vídeo de 10 segundos o el agua necesaria para cultivar un pequeño rábano.
Este nivel de detalle es inusual en un sector donde muchas empresas no publican métricas ambientales específicas por modelo. Mistral considera que sin transparencia, usuarios, empresas e instituciones no pueden comparar opciones ni tomar decisiones informadas sobre la compra y uso de IA.
Contexto: las grandes tecnológicas y sus emisiones crecientes
El impacto ambiental de la IA empieza a ser reconocido también por los gigantes del sector. Las obligaciones de reporte de emisiones alcanzan a los alcances 1, 2 y 3, incluyendo las derivadas del consumo eléctrico y de la cadena de suministro.
En este sentido, Google ha visto crecer sus emisiones un 51% desde 2019, impulsadas por la construcción masiva de centros de datos. Microsoft, por su parte, reportó un aumento del 29% en 2024, también ligado a la expansión de su infraestructura.
Ambas compañías han anunciado iniciativas para reducir o compensar emisiones: desde nuevos métodos de refrigeración y centros de datos construidos en madera, hasta chips más eficientes. Sin embargo, las emisiones siguen aumentando debido a la demanda creciente de computación para IA.
La estrategia de Mistral: datos locales y energía nuclear
Mistral reconoce que actualmente sus modelos se ejecutan en centros de datos repartidos por el mundo, algunos en regiones con electricidad de alta intensidad de carbono o con escasez de agua.
Por ello, la compañía está construyendo su propio centro de datos en Francia, que aprovechará el clima más fresco y la abundante energía nuclear de baja huella de carbono para reducir el impacto ambiental de sus operaciones.
El análisis de la empresa también destaca una relación directa entre el tamaño del modelo y su huella: un modelo 10 veces mayor genera impactos aproximadamente 10 veces más altos para el mismo número de tokens procesados. Esto, advierte Mistral, obliga a replantearse cuándo es necesario usar un modelo masivo y cuándo uno más ligero podría cumplir el objetivo.
Recomendaciones y estándares internacionales
De cara al futuro, Mistral propone desarrollar sistemas más sólidos para medir factores hoy difíciles de rastrear, como la vida útil de las GPU de los centros de datos, un elemento clave para calcular el impacto total de un modelo.
La compañía también se compromete a actualizar periódicamente sus informes de impacto ambiental y a participar en la creación de estándares internacionales de transparencia en la industria de la IA. Los resultados estarán disponibles en la Base Empreinte de ADEME, lo que, según Mistral, podría establecer un nuevo referente en el sector.
Una señal para el resto del ecosistema
Este ejercicio de transparencia llega en un momento en que empresas, reguladores y usuarios comienzan a cuestionar la sostenibilidad de la IA generativa. Organizaciones como la Coalition for Sustainable AI, lanzada en la Cumbre de Acción de IA de París en febrero de 2025, buscan precisamente crear un marco común para medir, comparar y reducir el impacto ambiental de los modelos.
Mistral cree que la toma de decisiones informada será clave: elegir el modelo adecuado para cada caso de uso, optimizar su ejecución y priorizar opciones con menor huella ambiental puede marcar una diferencia significativa en un sector donde el escalado tecnológico suele ir por delante de la regulación ambiental.
Preguntas frecuentes
¿Por qué el entrenamiento de modelos de IA consume tanta energía y agua?
Porque requiere el uso continuo de miles de GPU de alto rendimiento durante semanas o meses, lo que genera calor y demanda grandes sistemas de refrigeración, generalmente con agua.
¿Qué significa “huella de carbono” en este contexto?
Es la cantidad total de gases de efecto invernadero emitidos directa o indirectamente por el entrenamiento y uso del modelo, medida en toneladas de CO₂ equivalente.
¿Cómo planea Mistral reducir el impacto de sus modelos?
Construyendo un centro de datos propio en Francia con energía nuclear de baja huella de carbono y optimizando el uso de modelos más pequeños cuando sea posible.
¿El impacto ambiental de la IA es igual en todos los países?
No. Depende de factores como la fuente de energía utilizada en el centro de datos, la disponibilidad de agua y la eficiencia de los sistemas de refrigeración.
vía: ITpro
