L’intelligence artificielle est devenue omniprésente. Elle filtre vos spams, optimise vos campagnes publicitaires, prédit les pannes industrielles et, depuis peu, elle agit de manière autonome via des agents IA capables d’enchaîner des tâches sans intervention humaine. La technologie progresse vite, très vite.

Mais cette accélération a un coût. Et ce coût, on commence seulement à le mesurer sérieusement.

Une consommation énergétique qui ne ressemble à rien de connu

Pour faire tourner des modèles de langage comme ChatGPT ou Claude, il faut des data centers. Des milliers de serveurs qui fonctionnent 24h/24, qui chauffent, qui consomment de l’électricité et qui ont besoin d’eau pour refroidir leurs composants.

L’Agence Internationale de l’Énergie (AIE) prévoit que la demande en électricité des data centers va plus que doubler d’ici 2030, portée essentiellement par l’essor de l’IA. En parallèle, les émissions carbone indirectes des quatre géants tech les plus investis dans l’IA (Amazon, Meta, Microsoft et Alphabet) ont bondi de 150 % entre 2020 et 2023, selon le rapport Greening Digital Companies 2025.

Google, de son côté, a vu ses émissions de CO₂ augmenter de près de 50 % en cinq ans à cause de ses besoins énergétiques liés à l’IA.

Ces chiffres ne sont pas des projections alarmistes. Ce sont des données mesurées, publiées par des organismes sérieux.

Les angles morts qu’on évoque rarement

Au-delà de l’électricité, deux problèmes méritent d’être mis en lumière parce qu’ils restent trop peu discutés.

Le premier, c’est l’eau. Un grand data center peut consommer jusqu’à 5 millions de gallons d’eau par jour, soit l’équivalent de ce que consomme une ville de 10 000 à 50 000 habitants. Cette eau sert à refroidir les infrastructures matérielles. Et dans certaines régions, elle est prélevée directement sur des ressources en eau douce utilisées par les populations locales.

Lire Aussi : IA : Une consommation d’eau bien plus élevée qu’on ne l’imagine

Le second, c’est la durée de vie des équipements. Les serveurs dédiés à l’IA ont une durée de vie trois à cinq fois plus courte que les serveurs classiques, pour une consommation électrique quatre fois supérieure. Une étude publiée dans Nature Computational Science estime que l’IA générative pourrait produire jusqu’à 2,5 millions de tonnes de déchets électroniques par an d’ici 2030. Pour donner un ordre de grandeur, c’est l’équivalent de jeter à la poubelle 13,3 milliards d’iPhone 15 Pro chaque année.

À cela s’ajoutent les activités minières nécessaires pour produire les composants électroniques : cuivre, lithium, cobalt, terres rares. Des matériaux dont l’extraction détériore des écosystèmes et peut contaminer des nappes phréatiques.

Ce que même une simple requête coûte

Selon des chercheurs de l’Université de Californie, chaque requête de 100 mots soumise à un système d’IA consomme environ 519 millilitres d’eau (Un demi-litre par prompt). Cela paraît négligeable jusqu’à ce qu’on ramène ce chiffre aux milliards de requêtes traitées chaque jour dans le monde.

L’IA au service du climat : des applications concrètes

Ce tableau serait incomplet sans évoquer ce que l’IA peut apporter en matière de lutte contre le changement climatique. Et les exemples ne manquent pas.

En matière de modélisation climatique, des chercheurs de l’Université de Boston utilisent des modèles d’apprentissage automatique pour prédire les ouragans sur plusieurs années. Ces outils permettent de réaliser bien plus de simulations qu’auparavant, en moins de temps, et d’alimenter les décisions de politique climatique avec des données plus précises.

Pour la déforestation, la société écossaise Space Intelligence opère dans plus de 30 pays et a cartographié plus d’un million d’hectares depuis l’espace grâce à des données satellitaires. L’IA y détecte en temps réel les modifications du couvert forestier, y compris les activités d’exploitation illégale.

Dans les transports, des projets pilotes utilisant l’IA couplée à Google Maps ont montré qu’il était possible de réduire les arrêts aux feux jusqu’à 30 % et les émissions de gaz à effet de serre de 10 % en optimisant les flux de circulation urbaine.

Pour l’efficacité des bâtiments, l’IA peut automatiser la gestion du chauffage, de la climatisation et de l’éclairage en fonction des conditions météo et des données de consommation en temps réel. Les économies d’énergie estimées varient entre 10 et 30 %.

Dans la gestion des déchets, des systèmes de tri automatisés par vision artificielle, des capteurs IoT et des algorithmes de prédiction permettent d’améliorer les taux de recyclage et de réduire les débordements en décharge.

Enfin, pour la protection des océans et de la faune, l’IA analyse des images satellites et des signaux de tracking de navires pour identifier des activités de pêche illégale. Sur terre, elle traite des données issues de pièges photographiques pour détecter des espèces menacées ou des activités de braconnage.

Lire Aussi : Data Centers : pourquoi tout le monde les déteste (et pourquoi c’est légitime)

Ce que ça signifie concrètement pour les entreprises et les utilisateurs

L’IA n’est ni bonne ni mauvaise pour la planète par nature. C’est son déploiement qui fait la différence.

Une IA alimentée par des énergies renouvelables, avec des infrastructures efficaces et un cycle de vie des équipements raisonné, peut devenir un outil puissant au service de la transition écologique. À l’inverse, une IA qui se développe sans contrainte, tirée uniquement par la croissance commerciale et alimentée par des énergies carbonées, aggrave le problème.

Plusieurs acteurs majeurs ont annoncé des engagements : Google vise 100 % d’énergie décarbonée d’ici 2030, Microsoft s’est fixé un objectif carbon negative à la même échéance. De nouvelles technologies de refroidissement, comme le refroidissement par immersion ou le refroidissement direct au niveau des puces, réduisent par ailleurs les besoins en eau et en énergie des data centers.

Pour les entreprises qui intègrent l’IA dans leurs processus, la question de l’impact environnemental commence à s’imposer comme un critère de choix des solutions, au même titre que la performance ou le coût. Ce n’est pas encore systématique, mais la tendance s’installe.