Chaque fois que vous posez une question à une IA, quelque chose de physique se produit au loin : des serveurs dans un centre de données puisent de l'électricité et, souvent, de l'eau pour rester au frais. Individuellement, c'est minuscule. Multiplié par des milliards de requêtes et un boom de construction mondial, cela compose une vraie empreinte environnementale — revenue sous les projecteurs quand Google a annoncé vouloir lever environ 80 milliards de dollars pour l'infrastructure IA, avec l'engagement de devenir « positif en eau » d'ici 2030.

Alors, quel est vraiment le coût caché de l'IA ? Voici un regard honnête sur ce que disent les estimations 2026, pourquoi cela croît, ce qui se fait — et ce que cela change pour nous tous.

L'échelle (avec la prudence qui s'impose)

Les chiffres exacts sont difficiles à fixer et les estimations varient beaucoup, mais la direction est claire. Selon un rapport de l'Université des Nations Unies publié en juin 2026, les centres de données du monde ont consommé l'an dernier de l'ordre de centaines de térawattheures d'électricité — plus que la consommation totale de tous les pays sauf une poignée — ainsi qu'environ plus d'un billion de gallons d'eau et des émissions comparables à celles d'un pays de taille moyenne (PBS NewsHour, Université des Nations Unies).

Traitez tout chiffre isolé comme une estimation, pas comme une vérité absolue — les méthodologies diffèrent et les entreprises ne divulguent pas toujours. Mais d'une source à l'autre, le constat est constant : l'empreinte physique de l'IA est grande et croissante.

Pourquoi l'eau, justement ?

La partie énergie est intuitive — les ordinateurs ont besoin d'électricité. C'est la partie eau qui surprend. Les grands centres de données génèrent une chaleur énorme, et beaucoup utilisent l'eau pour le refroidissement (directement, ou indirectement via les centrales qui les alimentent). Dans les régions en stress hydrique, ce prélèvement peut concurrencer les besoins locaux — d'où l'apparition des engagements « positif en eau » dans le débat.

Pourquoi cela croît si vite

Le boom de l'IA générative est l'accélérateur. Entraîner et faire tourner de grands modèles est lourd en calcul, et la demande grimpe. Plusieurs analyses — dont des projections citées par l'Agence internationale de l'énergie — s'attendent à ce que la consommation des centres de données double à peu près en quelques années à mesure que l'IA passe à l'échelle. Plus de modèles, plus d'utilisateurs, et « de l'IA partout » poussent tous dans le même sens.

C'est l'envers de la tendance évoquée dans pourquoi les géants bâtissent leurs propres modèles d'IA : la course à la capacité IA est, au fond, une course à l'énergie, aux puces et au refroidissement.

Ce qui se fait réellement

Tout n'est pas sombre — il y a un vrai travail sur le problème :

  • Gains d'efficacité. Des puces plus récentes et un refroidissement plus intelligent réduisent sans cesse l'énergie par calcul, et les modèles « assez bons et moins chers » limitent le gaspillage.
  • Énergie plus propre et engagements sur l'eau. Des engagements comme « positif en eau d'ici 2030 » et des centres alimentés en renouvelable sont devenus des standards concurrentiels — même si les promesses ne valent que par leur exécution.
  • Réutilisation de la chaleur perdue. Certains projets captent la chaleur des centres pour des usages voisins au lieu de la dissiper.
  • Modèles plus petits, sur l'appareil. Faire tourner l'IA localement sur votre appareil — plutôt qu'un centre de données lointain — peut alléger le cloud pour de nombreuses tâches. Nous avons examiné ce virage dans l'IA sur l'appareil et les modèles locaux.

Ce que cela change pour vous

Vous ne contrôlez pas un centre de données, mais l'empreinte mérite d'entrer en compte dans votre usage de l'IA :

  • Ne gaspillez pas de calcul. Lancer dix fois la même requête lourde, ou utiliser un modèle géant pour une tâche triviale, a un coût réel (même petit). Choisissez l'outil à la bonne taille — notre cadre pour choisir le bon outil d'IA aide.
  • Préférez l'efficacité quand elle existe. Les modèles plus petits et sur l'appareil suffisent souvent au quotidien.
  • Exigez de la transparence des fournisseurs. En tant que client, votre demande de divulgation fait partie de ce qui pousse à l'amélioration.

La vue équilibrée

Rien de tout cela ne fait de l'IA un méchant écologique à fuir. L'IA aide aussi à réduire la consommation — optimisation des réseaux électriques, logistique, accélération de la recherche climatique et sur les matériaux. Le cadrage honnête n'est pas « l'IA c'est mal », c'est : une technologie puissante et gourmande en ressources dont nous devrions mesurer, divulguer et réduire l'empreinte — pas l'ignorer dans l'enthousiasme.

FAQ

Utiliser l'IA consomme-t-il vraiment de l'eau ? Indirectement et directement, oui. Beaucoup de centres utilisent l'eau pour le refroidissement, et les centrales qui les alimentent en utilisent souvent aussi. La part d'une requête est minuscule, mais à l'échelle mondiale les totaux sont significatifs, selon les rapports 2026.

Combien d'énergie consomment les centres de données ? Les estimations situent la consommation mondiale à des centaines de térawattheures par an — comparable à des pays entiers — et plusieurs analyses projettent un quasi-doublement en quelques années avec l'essor de l'IA. Les chiffres exacts varient selon la source et la méthode.

L'impact environnemental de l'IA s'améliore-t-il ou s'aggrave-t-il ? Les deux, en un sens. L'efficacité par calcul s'améliore, mais la demande totale monte plus vite, donc l'empreinte globale croît. Les gains d'efficacité et une énergie plus propre aident, mais l'échelle domine pour l'instant.

Que puis-je faire personnellement ? Utilisez des outils de taille adaptée plutôt que le plus gros modèle pour tout, évitez de répéter inutilement des requêtes lourdes, envisagez l'IA sur l'appareil pour les tâches routinières, et privilégiez les fournisseurs qui divulguent et réduisent leur empreinte.

En résumé

L'intelligence de l'IA repose sur une base très physique d'électricité et d'eau, et à mesure que l'IA grandit, cette base croît vite — d'où les engagements d'infrastructure et de durabilité à la une. Les chiffres sont grands et les estimations imparfaites, mais la posture responsable reste la même : mesurer, exiger la transparence, préférer l'efficacité, et garder les bénéfices et les coûts ensemble dans le champ de vision.

Ceci est une analyse fondée sur des rapports tiers ; les chiffres précis sont des estimations qui varient selon la source, attribuées et non vérifiées indépendamment ici.