Aujourd’hui, je vais vous parler d’un sujet qui fait beaucoup parler : la consommation d’eau liée à l’intelligence artificielle. Sur ce sujet, il faut bien l’avouer, on entend un peu tout et son contraire. Oui, les data centers peuvent consommer beaucoup d’eau, notamment aux États-Unis, et prétendre l'inverse serait faux. Mais les chiffres que l’on voit circuler méritent parfois d’être remis dans leur contexte.
Pourquoi ? Parce que certaines estimations prennent en compte à la fois l'eau utilisée directement pour refroidir les data centers, et celle nécessaire à la production de l’électricité qu’ils consomment. Or, selon la manière dont l’électricité est produite et l’endroit où se trouve le data center, l’impact peut être très différent. Les technologies évoluent également : certains systèmes de refroidissement permettent aujourd’hui de réduire fortement la consommation d’eau, et le choix de l’emplacement peut lui aussi faire une vraie différence.
Il faut donc sortir des raccourcis. L’intelligence artificielle consomme des ressources et a bien un impact environnemental. Cependant, elle est loin d’être le seul secteur concerné, ni forcément le plus gourmand en eau. En France, où l’électricité est largement décarbonée, il est notamment possible de concevoir des data centers avec un impact plus maîtrisé. Alors non, tout n’est pas parfait et il ne s’agit surtout pas de faire croire que l’IA ne pollue pas. Elle pollue, elle consomme de l’énergie et parfois beaucoup d’eau. Mais des solutions existent déjà pour réduire cet impact. Dans cet article, on va donc essayer d’y voir un peu plus clair, avec des chiffres, du contexte et surtout un peu de nuance.
La fameuse bouteille d’eau par requête : un chiffre devenu viral
C’est probablement le chiffre que vous avez déjà vu passer sur TikTok, Instagram, LinkedIn ou ailleurs : « une seule requête ChatGPT consomme 500 mL d’eau ». Autrement dit, à chaque fois que vous demandez à ChatGPT de rédiger un mail, de vous expliquer une recette ou de corriger une faute, une bouteille d’eau entière disparaîtrait quelque part.
Le problème, c’est que ce chiffre est faux. La fameuse étude de l’Université de Californie à Riverside, publiée en 2023, ne parlait pas de 500 mL pour une requête, mais d’environ 500 mL pour 20 à 50 requêtes. Le chiffre a donc été considérablement déformé en circulant sur les réseaux sociaux. Cela ne veut pas dire que ChatGPT ne consomme pas d’eau. Cela veut simplement dire que transformer une estimation complexe en « une bouteille d’eau par question » donne une vision complètement faussée du problème.
Pourquoi les chiffres sont-ils aussi différents ?
C’est là que le débat devient un peu plus compliqué. Lorsqu’une entreprise annonce la consommation d’eau d’un modèle d’intelligence artificielle, elle peut uniquement compter l’eau directement utilisée dans le data center pour refroidir les serveurs. Mais certaines études ajoutent aussi l’eau nécessaire pour produire l’électricité qui fait fonctionner ces serveurs, et d’autres vont encore plus loin en intégrant la fabrication du matériel informatique.
Résultat : selon la méthode utilisée, deux études peuvent donner des chiffres extrêmement différents tout en parlant exactement du même service. Les estimations peuvent ainsi varier d’un facteur allant jusqu’à 2 000 selon le périmètre pris en compte.
C’est notamment pour cette raison que l’on trouve des estimations très différentes pour une simple requête. Google estime par exemple qu’une requête Gemini utilise environ 0,26 mL d’eau pour le refroidissement direct. OpenAI évoque environ 0,3 mL pour ChatGPT, tandis que Microsoft estime entre 0 et 0,067 mL pour certains grands modèles. Mais lorsque l’on ajoute la consommation indirecte liée à l’électricité, les chiffres augmentent fortement. L’étude de l’Université de Californie à Riverside arrive ainsi à une estimation comprise entre 10 et 25 mL par requête, tandis que Mistral évoque environ 45 mL pour Le Chat en prenant en compte un cycle de vie plus large. Moralité : avant de comparer deux chiffres, encore faut-il vérifier qu’ils mesurent la même chose.
Le vrai problème n’est pas forcément votre petite question à ChatGPT
À l’échelle d’une requête individuelle, les volumes restent relativement faibles. Mais forcément, lorsque des millions voire des milliards de requêtes sont effectuées, les chiffres finissent par devenir importants. Et c’est surtout lors de l’entraînement des grands modèles que la consommation peut devenir impressionnante.
L’entraînement de GPT-4 dans les data centers de Microsoft en Iowa aurait ainsi nécessité environ 13,4 millions de gallons d’eau, soit près de 50 millions de litres, sur une période d’un mois. C’est là que l’on comprend mieux le véritable problème : ce n’est pas forcément votre demande pour savoir comment cuire des pâtes qui va assécher une région, mais l’accumulation gigantesque des usages, l’entraînement des modèles et surtout la concentration de ces infrastructures dans certaines zones géographiques.
Tous les data centers ne se valent pas
C’est probablement l’un des points les plus importants, et pourtant l’un des moins présents dans les débats. Un data center installé dans le sud-ouest des États-Unis, dans une zone touchée régulièrement par la sécheresse, peut exercer une pression beaucoup plus importante sur les réserves locales qu’un centre installé dans une région beaucoup plus humide.
Le problème de l’eau est donc avant tout local. À l’échelle de la planète, l’eau suit son cycle naturel : elle s’évapore, se condense et retombe sous forme de précipitations. Mais cela ne signifie pas qu’elle est disponible partout au même moment. Une infrastructure peut donc fonctionner sans difficulté en hiver et devenir beaucoup plus problématique pendant une période de sécheresse estivale.
C’est pour cela que demander simplement « combien d’eau consomme l’IA ? » ne suffit pas vraiment. Il faudrait plutôt demander où cette eau est consommée, à quel moment et dans quelles conditions.
Et l’électricité dans tout ça ?
Une autre grosse confusion vient de la production électrique. Les serveurs consomment énormément d’électricité, et produire cette électricité peut également nécessiter de l’eau. C’est particulièrement visible lorsque l’on compare différents pays.
Le nucléaire français prélève par exemple énormément d’eau pour refroidir les centrales. Mais prélèvement ne veut pas dire consommation. En France, environ 98 % de l’eau prélevée par le nucléaire est ensuite restituée au milieu naturel. Il faut donc distinguer l’eau que l’on prélève temporairement de celle qui est réellement consommée, par exemple lorsqu’elle s’évapore.
Cette différence change énormément l’interprétation des chiffres. Le cas français est donc assez particulier. Grâce à une électricité largement nucléaire et décarbonée, faire tourner des infrastructures numériques en France peut avoir une empreinte carbone beaucoup plus faible que dans des pays encore fortement dépendants du gaz ou du charbon. Cela ne signifie pas que les data centers français n’ont aucun impact : environ 90 % de leur consommation est concentrée dans seulement quelques régions, dont l’Île-de-France, ce qui peut créer des tensions localement.
L’IA est-elle vraiment le secteur qui consomme le plus d’eau ?
Lorsque l’on regarde les chiffres sans comparaison, plusieurs millions de mètres cubes peuvent évidemment sembler énormes. Mais il faut aussi remettre ces volumes à l’échelle.
En France, les data centers représenteraient environ 0,186 % de la consommation d’eau attribuée à l’agriculture. Autre comparaison assez parlante : l’utilisation directe d’eau des data centers français, estimée à environ 575 000 m³, correspondrait à la consommation d’une douzaine de terrains de golf. La France compte pourtant plus de 700 parcours de golf, qui utilisent approximativement 29 millions de m³ d’eau par an.
Même constat aux États-Unis. En Arizona, la consommation cumulée de Google, Microsoft et Meta serait environ 32 fois inférieure à celle des seuls terrains de golf de la région de Phoenix. Ces comparaisons ne servent évidemment pas à dire que « puisque les golfs consomment plus, les data centers peuvent consommer autant qu’ils veulent ». Elles permettent simplement de remettre les ordres de grandeur à leur place et d’éviter de présenter l’intelligence artificielle comme si elle représentait à elle seule la principale menace pour les ressources mondiales en eau.
Mais tous les usages de l’IA ne consomment pas la même chose
Demander à une intelligence artificielle de générer quelques lignes de texte ou lui demander de créer une vidéo ne nécessite absolument pas la même puissance informatique. Les nouveaux modèles capables de générer des images et surtout des vidéos demandent beaucoup plus de calculs.
Selon les données reprises dans les sources, générer une courte vidéo avec une intelligence artificielle pourrait consommer autant d’énergie que 200 000 classifications de spams. Et puisque davantage d’électricité signifie potentiellement davantage d’eau utilisée pour produire cette énergie, l’explosion de la génération vidéo pourrait devenir un véritable enjeu. L’impact futur de l’IA dépendra donc aussi énormément de ce que nous décidons d’en faire.
Les data centers peuvent-ils arrêter de consommer autant d’eau ?
Les technologies de refroidissement progressent rapidement. Microsoft développe notamment des systèmes de refroidissement liquide en boucle fermée. Le principe est assez simple : le liquide circule en permanence dans un circuit fermé au lieu d’être évaporé continuellement. Le système est rempli lors de son installation puis le même liquide est réutilisé. Selon les estimations reprises dans les documents, ce type de technologie pourrait permettre d’économiser jusqu’à 125 millions de litres d’eau par site chaque année.
Une autre technologie consiste à immerger directement les composants informatiques dans un liquide spécialement conçu pour transporter la chaleur. Cette méthode permet d’évacuer la chaleur sans utiliser d’eau et réduit également fortement l’énergie nécessaire au refroidissement. Nvidia travaille également sur des systèmes capables de fonctionner avec un liquide beaucoup plus chaud, autour de 45 à 55 °C, ce qui permet ensuite d’évacuer plus facilement la chaleur vers l’air extérieur sans avoir besoin d’évaporer de l’eau.
Autrement dit, la consommation actuelle des data centers n’est pas forcément une fatalité technologique.
Et pourquoi ne pas utiliser toute cette chaleur ?
Parce qu’un data center produit énormément de chaleur. Et pendant longtemps, cette chaleur était simplement évacuée dans l’environnement. Mais certains projets commencent désormais à la réutiliser.
À Hamina, en Finlande, la chaleur produite par un data center de Google doit permettre de couvrir jusqu’à 80 % des besoins en chauffage de la ville. Microsoft développe un projet similaire à Espoo, également en Finlande, qui pourrait couvrir environ 40 % du chauffage urbain. En France, la piscine de la Butte-aux-Cailles à Paris utilise déjà la chaleur provenant de serveurs pour chauffer une partie de ses bassins.
On passe donc progressivement d’un modèle dans lequel la chaleur informatique est simplement perdue à un système où elle peut devenir une ressource.
Alors, l’IA est-elle écologique ?
Non. Mais la réponse inverse serait tout aussi caricaturale.
L’intelligence artificielle a une empreinte environnementale réelle. Elle consomme de l’électricité, utilise de l’eau et nécessite également énormément de matériel informatique. La croissance rapide des usages pose aussi un problème assez simple : même si chaque requête devient plus efficace, nous utilisons parallèlement de plus en plus l’intelligence artificielle.
C’est ce que l’on appelle l’effet rebond : lorsqu’une technologie devient moins coûteuse et plus efficace, nous avons tendance à l’utiliser davantage, ce qui peut finir par annuler une partie des économies réalisées. Rendre une requête deux fois moins gourmande ne servira donc pas à grand-chose si, dans le même temps, nous multiplions les usages par dix.
Le vrai problème reste aussi le manque de transparence
Pour savoir réellement où nous allons, il faudrait déjà disposer de données beaucoup plus précises. Or, selon les documents utilisés pour cet article, moins d’un tiers des opérateurs publient aujourd’hui des données certifiées sur leur consommation.
Cela rend les comparaisons extrêmement compliquées. Entre les entreprises qui communiquent uniquement sur l’eau utilisée directement dans leurs installations et les études qui ajoutent l’électricité ou la fabrication du matériel, on finit rapidement avec des chiffres qui semblent se contredire. La priorité devrait donc être d’imposer davantage de transparence et surtout une méthode commune pour mesurer cette consommation. Parce qu’on peut difficilement améliorer ce que l’on ne mesure pas correctement.
Sortir du « ChatGPT boit une bouteille d’eau »
Le débat sur l’impact environnemental de l’intelligence artificielle mérite largement mieux qu’un chiffre choc répété des milliers de fois sur les réseaux sociaux. Oui, l’intelligence artificielle consomme de l’eau. Oui, certains data centers peuvent poser de véritables problèmes lorsqu’ils sont installés dans des régions déjà touchées par le manque d’eau. Oui, l’explosion de l’intelligence artificielle générative, notamment de la vidéo, risque d’augmenter fortement les besoins énergétiques dans les prochaines années.
Mais non, une question posée à ChatGPT ne fait pas disparaître automatiquement une bouteille d’eau de 500 mL. Et non, tous les data centers n’ont pas le même impact. Entre le type d’électricité utilisé, le climat, l’emplacement du data center, son système de refroidissement et le type d’intelligence artificielle utilisée, l’empreinte peut changer énormément.
Le véritable enjeu n’est donc probablement pas de savoir s’il faut être « pour » ou « contre » l’intelligence artificielle, mais plutôt comment nous voulons la développer. Installer les infrastructures dans des endroits où les ressources sont disponibles, privilégier une électricité décarbonée, généraliser les systèmes de refroidissement en circuit fermé, récupérer la chaleur produite et obliger les entreprises à publier des chiffres réellement comparables.
L’IA pollue aujourd’hui et elle continuera probablement à avoir un impact environnemental demain. Mais cet impact n’est pas figé. Et finalement, c’est peut-être ça le plus important à retenir : derrière les chiffres viraux, le problème est beaucoup plus complexe qu’une simple bouteille d’eau posée à côté du logo ChatGPT.