Le coût écologique de l’IA

Une requête à un assistant semble immatérielle. Elle passe pourtant par des centres de données qui consomment de l’électricité, de l’eau et des métaux, et dont la construction s’accélère. Ce chapitre, consacré à la famille des problèmes environnementaux, cherche à mesurer ce coût, sans l’exagérer ni le minimiser, et à le comparer à ce que l’IA peut apporter à l’environnement.

La salle des serveurs du centre de calcul du CERN, à Genève, en 2009. Photo : Florian Hirzinger, CC BY-SA 3.0, via Wikimedia Commons.

L’électricité

Le Module 4 a présenté, dans « Passer à l’échelle », le coût énergétique de l’entraînement des grands modèles. À l’échelle mondiale, les ordres de grandeur sont les suivants.

• Selon l’Agence internationale de l’énergie, les centres de données ont consommé environ 415 térawattheures d’électricité en 2024, soit environ 1,5 % de l’électricité mondiale, autant qu’un pays comme la France. Leur consommation augmente de 17 % en 2025, bien plus vite que celle de l’électricité en général, et devrait doubler d’ici 2030. L’IA est le principal moteur de cette croissance.
• Aux États-Unis, qui comptent pour près de la moitié du total, les centres de données consommaient 4,4 % de l’électricité du pays en 2023, et pourraient en consommer de 6,7 à 12 % en 2028.

Des centres de données dans le comté de Loudoun, près d'Ashburn, en Virginie, en 2025, la plus forte concentration de centres de données au monde. Photo : Theodore Christopher, domaine public (CC0), via Wikimedia Commons.

Le coût d’une requête

Rapporté à une seule requête, le coût paraît minime. En août 2025, Google estime qu’une requête textuelle médiane à son assistant Gemini consomme 0,24 wattheure, l’équivalent de moins de neuf secondes de télévision, et environ 0,26 millilitre d’eau, quelques gouttes. Selon l’entreprise, cette consommation par requête a été divisée par 33 en un an. En juin 2025, Sam Altman avance un chiffre comparable pour ChatGPT, 0,34 wattheure, sans en préciser la méthode. En juillet 2025, l’entreprise française Mistral publie une analyse du cycle de vie de son modèle : environ 1,14 gramme d’équivalent CO₂ et 45 millilitres d’eau par réponse, en comptant cette fois la fabrication des serveurs.

Ces chiffres, publiés par les entreprises elles-mêmes, ne comptent pas toujours la même chose. Ils excluent souvent l’entraînement, le réseau ou les appareils des utilisateurs, et ils portent sur des requêtes simples, alors que les modèles qui raisonnent et les agents consomment beaucoup plus, puisqu’ils produisent des milliers de jetons pour une seule tâche. Le coût d’une requête est faible ; ce qui pèse, c’est leur nombre, des milliards par jour.

L’eau

Les centres de données sont refroidis, souvent avec de l’eau qui s’évapore, et les centrales qui les alimentent en consomment aussi. En 2023, des chercheurs de l’Université de Californie à Riverside estiment que l’entraînement de GPT-3 a fait évaporer directement environ 700 000 litres d’eau douce. Ils prévoient que l’IA pourrait prélever, en 2027, de 4,2 à 6,6 milliards de mètres cubes d’eau dans le monde, dont une partie seulement serait réellement consommée, le reste retournant aux cours d’eau. Le problème est d’abord local : un centre de données installé dans une région déjà sèche entre en concurrence avec les habitants et l’agriculture.

Le centre de données de Google à Council Bluffs, en Iowa, en 2017, et ses rangées d'équipements de refroidissement et d'alimentation. Photo : Chad Davis, CC BY 2.0, via Wikimedia Commons.

Des engagements climatiques qui reculent

Les grandes entreprises technologiques s’étaient engagées à atteindre la neutralité carbone. L’IA rend ces engagements plus difficiles à tenir.

• Les émissions de Google augmentent de 51 % entre 2019 et 2024, selon sa propre mesure, et l’entreprise reconnaît en 2026 que son objectif climatique « devient plus difficile » à atteindre, sa consommation d’électricité ayant augmenté de 37 % en une seule année.
• Les émissions totales de Microsoft dépassent en 2024 de 23 % leur niveau de 2020, malgré la promesse de devenir « carbone négatif » en 2030, et augmentent encore de 25 % l’année suivante.
• Pour alimenter leurs centres de données, les entreprises se tournent vers le nucléaire. En 2024, Microsoft signe un contrat pour relancer un réacteur de la centrale de Three Mile Island, en Pennsylvanie, à partir de 2028, et Google et Amazon investissent dans de petits réacteurs modulaires, attendus au début des années 2030. En attendant, beaucoup de centres de données fonctionnent au gaz.

Les effets sont aussi locaux. À Memphis, l’entreprise xAI d’Elon Musk alimente son superordinateur Colossus avec des dizaines de turbines au gaz, installées d’abord sans permis, dans un quartier ouvrier à majorité noire déjà touché par la pollution. En 2026, des associations de défense des droits civiques poursuivent l’entreprise pour une autre centrale au gaz, construite pour son deuxième superordinateur.

L’effet rebond

On pourrait espérer que les progrès de l’efficacité réduisent le problème. L’histoire de l’énergie suggère le contraire. Au XIXᵉ siècle, l’économiste William Stanley Jevons remarquait que des machines à vapeur plus efficaces n’avaient pas réduit la consommation de charbon : en rendant son usage moins cher, elles l’avaient multipliée. C’est le paradoxe de Jevons, ou effet rebond. En janvier 2025, après la sortie du modèle DeepSeek, beaucoup moins coûteux, le dirigeant de Microsoft, Satya Nadella, l’invoque lui-même : plus l’IA deviendra efficace et accessible, plus on s’en servira. Le chapitre « Passer à l’échelle » du Module 4 en a donné un exemple : le prix d’une réponse s’effondre, et la consommation totale augmente. Selon diverses estimations, le prix d’une réponse de qualité donnée est divisé chaque année par dix ou plus, sous la pression, notamment, des modèles ouverts chinois, vendus pour quelques centimes par million de jetons.

William Stanley Jevons vers 1880. Photo : A. Brothers, domaine public, via Wikimedia Commons.

Le Québec

Le Québec, qui produit une électricité abondante, peu chère et presque entièrement renouvelable grâce à l’hydroélectricité, attire les centres de données. Cette électricité n’est pourtant pas illimitée, et chaque mégawatt accordé à un centre de données n’est plus disponible pour électrifier les transports, l’industrie ou le chauffage, comme l’exige la transition énergétique. Depuis 2023, le gouvernement doit autoriser les nouveaux raccordements de grande puissance, ce qui en fait un choix politique : il faut décider si l’IA est un meilleur usage de l’hydroélectricité québécoise que la décarbonation d’autres secteurs.

Ce que l’IA peut apporter

L’IA peut aussi aider l’environnement.

• En 2016, DeepMind réduit de 40 % l’énergie consacrée au refroidissement des centres de données de Google, grâce à un système d’apprentissage automatique.
• Les modèles de prévision météorologique présentés au chapitre « L’IA au service de la science » consomment environ mille fois moins d’énergie par prévision que les modèles physiques classiques, et aident à prévoir les événements extrêmes.
• L’IA sert à optimiser les réseaux électriques, à concevoir des matériaux pour les batteries ou à suivre la déforestation par satellite.

L’Agence internationale de l’énergie note toutefois, en 2026, que la consommation d’énergie de l’IA progresse plus vite que le déploiement de ses applications climatiques. Le bilan dépend moins de la technologie que de ce que l’on choisit d’en faire : des milliards de requêtes de divertissement ne pèsent pas comme une prévision météorologique qui sauve des vies.