Société

L'IA a soif et faim d'électricité : ce que consomment vraiment les data centers

L'Agence internationale de l'énergie (IEA) a confirmé fin 2025 que l'électricité avalée par les data centers a bondi de 17 % en un an, et celle des centres dédiés à l'IA de 50 %. En parallèle, des chercheurs montrent que chaque conversation avec une IA consomme aussi de l'eau, pour refroidir les serveurs.

Décembre 2025 (rapport IEA Electricity 2026)
4 min de lecture
Actu simplifiée
Sources officielles

Voir toutes les actus Explorer les notions

Sans jargon Visuel d'abord

L'IA a soif et faim d'électricité : ce que consomment vraiment les data centers

Comprendre Comparer Appliquer

Société

L'essentiel

Quand tu poses une question à une IA, des milliers d'ordinateurs très puissants travaillent pour te répondre, cachés dans d'immenses hangars. Ces ordinateurs chauffent beaucoup, alors il faut énormément d'électricité pour les faire marcher, et de l'eau pour les rafraîchir, comme un grand ventilateur arrosé. Tout seul ce n'est pas grave, mais quand des millions de gens utilisent l'IA en même temps, ça finit par faire beaucoup d'électricité et beaucoup d'eau.

Une « requête » d'IA (ta question dans ChatGPT) déclenche un calcul dans un data center : un bâtiment plein de serveurs. Deux ressources sont en jeu. L'électricité, pour alimenter les puces (surtout les GPU, des processeurs spécialisés très gourmands). Et l'eau, parce que ces puces chauffent et qu'on les refroidit souvent avec des systèmes à évaporation d'eau — un peu comme la transpiration rafraîchit ton corps. Une étude de l'université de Californie à Riverside a estimé qu'une réponse d'environ 100 mots peut « boire » l'équivalent d'environ 500 ml d'eau quand on compte le refroidissement et l'eau utilisée pour produire l'électricité. Les chiffres varient beaucoup selon ce qu'on mesure, mais l'idée clé est simple : l'IA a un coût physique, pas seulement numérique.

💡 Pourquoi ça compte

L'IA ne vit pas dans le nuage : elle vit dans des entrepôts remplis de puces qui chauffent, branchés sur le réseau électrique et sur l'eau. En 2024, les data centers du monde ont consommé environ 415 TWh d'électricité, soit ~1,5 % de l'électricité mondiale, et l'IEA prévoit un quasi-doublement vers 945 TWh d'ici 2030. Analogie : si les data centers étaient un pays, ils seraient déjà parmi les dix plus gros consommateurs d'électricité de la planète — et l'IA est le moteur principal de cette accélération.

✅ À retenir

L'IA a un corps : chaque requête puise dans de l'électricité et de l'eau bien réelles, et c'est l'explosion du volume d'usage, plus que le coût d'une requête, qui fait grimper l'empreinte.

Un mot flou ? 🫏 C'est quoi l'IA ? →Comment l'IA apprend →

📖 Lire l'analyse complète

Ce qui s'est passé

Le fait nouveau et documenté n'est pas une estimation théorique mais une mesure constatée. Dans son rapport Electricity 2026 (publié fin 2025), l'IEA confirme que la demande d'électricité des data centers a réellement augmenté de 17 % en 2025, contre seulement ~3 % pour la demande électrique mondiale — et que les centres spécialisés dans l'IA ont, eux, bondi de 50 % sur l'année. Cela valide a posteriori la trajectoire annoncée dans son rapport fondateur « Energy and AI » d'avril 2025 (415 TWh en 2024, ~945 TWh projetés en 2030). Côté eau, le repère de référence reste l'étude évaluée par les pairs de Shaolei Ren (UC Riverside, Communications of the ACM), qui a chiffré pour la première fois la « soif secrète » de l'IA : l'entraînement de GPT-3 aurait évaporé ~700 000 litres d'eau douce, et la demande mondiale d'IA pourrait représenter 4,2 à 6,6 milliards de m³ de prélèvement d'eau par an d'ici 2027.

Si tu débutes en IA

Si tu construis avec l'IA

Deux nuances comptent quand tu construis ou déploies de l'IA. D'abord, l'efficacité par tâche s'améliore très vite : l'IEA note que l'énergie consommée par requête baisse à un rythme « sans précédent » dans l'histoire de l'énergie. Le problème n'est donc pas le coût unitaire mais l'effet de volume (effet rebond) : plus d'utilisateurs, et surtout des usages plus lourds comme les agents autonomes qui enchaînent des dizaines d'appels. Ensuite, le périmètre de mesure change tout : Sam Altman (OpenAI) avance ~0,3 ml d'eau par requête en ne comptant que le refroidissement direct sur site ; les chercheurs de Riverside arrivent à des ordres de grandeur supérieurs en incluant l'eau « indirecte » de la production électrique (Scope 2). Pour un builder, retiens : raisonne en consommation totale (entraînement + inférence + fabrication des puces), choisis des régions de cloud à électricité bas-carbone et à faible stress hydrique, et privilégie le batching et des modèles dimensionnés au besoin réel.

Ce que ça change concrètement

Tension sur les réseaux électriques locaux : la dépense d'investissement des grands groupes tech a dépassé 400 milliards de dollars en 2025 et doit encore grimper d'environ 75 % en 2026, accélérant la course aux centrales — y compris nucléaire et géothermie.
Stress hydrique localisé : un data center refroidi à l'eau peut entrer en concurrence avec l'agriculture ou l'eau potable d'une région, l'impact dépendant fortement du lieu et de la saison.
Bataille de transparence : l'écart entre 0,3 ml (périmètre direct) et ~500 ml (périmètre complet) par requête montre l'urgence de normes de mesure communes pour ne pas laisser chacun choisir le chiffre qui l'arrange.

À surveiller ensuite

Les normes de mesure : verra-t-on émerger un standard commun (périmètre direct vs total) imposant aux fournisseurs d'IA de publier énergie et eau par requête ?
Le mix énergétique : montée du nucléaire, de la géothermie et des contrats d'achat d'électricité renouvelable signés par la tech (~40 % des contrats d'entreprise en 2025).
L'effet rebond des agents IA : si les assistants autonomes enchaînant des dizaines d'appels se généralisent, les gains d'efficacité par requête seront-ils effacés par le volume ?

Sources officielles