Un prompt semble une chose légère. Écris une question, attends quelques secondes et une réponse arrive. Tout paraît immatériel, presque magique. Mais derrière chaque requête adressée à ChatGPT ou à d’autres systèmes d’intelligence artificielle se dissimule une infrastructure gigantesque composée de serveurs, de systèmes de refroidissement, de réseaux électriques et d’importantes quantités d’eau et d’énergie.
C’est ce tableau qui émerge du nouveau rapport de l’United Nations University Institute for Water, Environment and Health (UNU-INWEH), qui invite à regarder au-delà de la surface de l’IA. Car l’intelligence artificielle n’est pas uniquement un logiciel: elle laisse une empreinte physique de plus en plus lourde en termes d’électricité, de consommation d’eau, d’usage des sols et de matières premières.
Quelle consommation pour les data centers
En 2025, les data centers mondiaux ont consommé environ 448 TWh d’électricité. S’ils formaient un État, ils seraient le onzième consommateur d’énergie du globe. Et la croissance ne semble pas prête de ralentir: d’ici 2030, la demande pourrait atteindre 945 TWh, soit presque la totalité de la consommation annuelle du Japon et environ 3 % de l’électricité mondiale.
Une grande partie de cette croissance est directement liée à l’intelligence artificielle. Pas seulement à l’entraînement des grands modèles, mais surtout à leur utilisation quotidienne: chaque texte généré, chaque image créée, chaque vidéo produite nécessite une puissance de calcul et donc de l’énergie.
L’un des aspects les plus surprenants concerne l’eau. Selon le rapport, d’ici 2030 l’empreinte hydrique associée à l’électricité utilisée par les data centers pourrait atteindre 9,3 trillions de litres. Une quantité énorme, équivalente aux besoins hydriques domestiques essentiels d’environ 1,3 milliard de personnes en Afrique subsaharienne.
L’eau sert tant à refroidir directement les serveurs qu’à produire l’énergie qui les alimente. Pour cette raison, les auteurs soulignent qu’il ne suffit pas de mesurer les émissions de CO2: chaque source d’énergie porte avec elle une empreinte hydrique et territoriale qui reste souvent invisible.
En 2025, les data centers ont consommé environ 4,5 trillions de litres d’eau et ont produit 189 millions de tonnes de CO2. D’ici 2030, les émissions pourraient grimper à 399 millions de tonnes, tandis que l’occupation des sols pourrait dépasser 14 500 km².
La fameuse « nuage » numérique est donc bien moins éthérée que ce que l’on imagine. Derrière le cloud se cachent des bâtiments, des installations industrielles, des transformateurs, des systèmes de refroidissement et des infrastructures qui occupent de l’espace et exigent des ressources. Et elles sont souvent construites dans des territoires où l’eau et l’énergie sont déjà sous pression.
Le paradoxe de Jevons et l’effet rebond
Il y a aussi un autre élément qui mérite l’attention. Beaucoup soutiennent que les modèles d’IA deviendront de plus en plus efficaces et donc consommeront moins. Mais l’histoire enseigne que ce n’est pas toujours le cas. C’est le fameux paradoxe de Jevons: lorsqu’une technologie devient plus efficace et moins coûteuse, elle tend à être utilisée bien davantage, annulant partiellement les bénéfices obtenus.
Dans le cas de l’intelligence artificielle, le risque est évident. Des modèles plus rapides et plus économiques s’intègrent dans un nombre croissant d’applications, de services et de plateformes. Ainsi, la consommation par opération individuelle diminue, mais le nombre total d’opérations augmente considérablement.
Le rapport souligne aussi que la majeure partie de l’énergie consommée par l’IA ne provient pas de l’entraînement des modèles, mais de ce que l’on appelle l’inférence, c’est-à-dire l’utilisation quotidienne pour répondre aux requêtes des utilisateurs. Cette phase peut représenter entre 80 % et 90 % de la consommation énergétique totale.
De plus, le type de contenu demandé fait une grande différence. Générer une image nécessite beaucoup plus d’énergie que fournir une simple réponse textuelle, tandis que la création de vidéos avec l’IA entraîne des consommations encore plus élevées. Selon l’étude, une seule image générée peut nécessiter jusqu’à 1 450 fois l’énergie nécessaire pour une simple classification textuelle.
Une croissance concentrée entre les États-Unis et la Chine
Un autre aspect concerne la répartition mondiale des infrastructures. L’étude indique que seulement 32 pays hébergent des infrastructures cloud spécialisées pour l’IA et que plus de 90 % de la capacité est concentrée entre les États-Unis et la Chine. Beaucoup d’autres pays restent exclus des bénéfices économiques directs mais subissent néanmoins les impacts environnementaux liés à l’extraction de minéraux critiques et à la gestion des déchets électroniques.
D’ici 2030, l’infrastructure IA pourrait générer jusqu’à 2,5 millions de tonnes de déchets électroniques chaque année. Les serveurs, puces et composants sont remplacés rapidement pour soutenir la course à la puissance de calcul, accroissant encore la pression sur les ressources naturelles.
Les solutions possibles
Pour les auteurs du rapport, le défi n’est pas d’arrêter l’innovation, mais de la rendre transparente et durable. Cela signifie publier des données comparables sur la consommation d’énergie, les émissions, l’eau et l’usage des sols. Cela signifie concevoir des modèles plus efficaces et utiliser la puissance de calcul de manière proportionnée aux besoins réels.
L’Europe aussi cherche à intervenir. La Commission européenne travaille sur de nouvelles normes d’efficacité pour les data centers, avec des critères incluant la consommation d’eau et l’énergie renouvelable.
Entre-temps, selon l’Agence internationale de l’énergie (AIE), la consommation électrique mondiale des data centers pourrait doubler d’ici 2030. Un chiffre qui rend évident que l’avenir de l’intelligence artificielle est désormais étroitement lié aux défis énergétiques et environnementaux de la planète.
Pendant des années, nous avons pensé le numérique comme quelque chose de propre parce que invisible. Mais le rapport ONU rappelle que derrière chaque réponse générée par l’IA se cache une réalité faite d’électricité, d’eau, de matières premières et d’infrastructures. Le nuage, vu de près, est bien moins immatériel qu’il n’y paraît.
Cela pourrait aussi vous intéresser :
