En quelques années l’intelligence artificielle (IA) est devenue l’étendard de la quatrième révolution industrielle, précipitant les sociétés au-delà de la numérisation des processus vers l’optimisation et l’automatisation de systèmes complexes.
Les systèmes d’IA sont désormais incorporés dans d’innombrables opérations domestiques ou industrielles : correcteur orthographique, traduction, calcul d’itinéraires, applications médicales, simulations financières, organisation des transports, gestion de l’énergie…
A l’échelle mondiale plusieurs centaines de millions d’utilisateurs sont, directement ou indirectement, les clients d’une poignée de fournisseurs d’IA dont la valorisation est considérable et leur pouvoir est démesuré.
Visible ou non l’IA fait chaque jour un peu plus partie de notre quotidien et la banalisations de ses usages contraste avec une méconnaissance des systèmes de « production » et de leurs consommations qui ne cessent de croître.
Essor fulgurant
Le rythme d’adoption de l’IA par le public a été spectaculaire.
Après le lancement de ChatGPT par OpenAI en 2022, l’outil a atteint les 100 millions d’utilisateurs en moins de deux mois. En 2025, ce sont environ 700 millions de personnes qui l’ont utilisé, au rythme de près de 18 milliards de requêtes par semaine.
D’autres outils d’IA générative sont apparus et se multiplient — qu’il s’agisse de texte, d’images, de code ou d’applications multimodales. L’ensemble du secteur représentait un marché de 244 milliards de dollars en 2025 et devrait atteindre plus de 800 milliards de dollars d’ici 2030.
Les investissements des entreprises dans l’IA ont dépassé 580 milliards de dollars en 2025, tandis que l’IA générative a attiré à elle seule près de 34 milliards de dollars d’investissements privés.
En 2024, 78 % des organisations ont déclaré utiliser l’IA dans leurs activités à des degrés variables et 40 % des employeurs prévoient de réduire leurs effectifs là où l’IA permet d’automatiser des tâches. Près 60 % des emplois dans les économies avancées intègrent l’IA, contre 26 % dans les pays à faible revenu.
Les retombées de cet essor sont inégalement réparties sur la planète
L’IA de pointe repose sur des capacités de calcul haute performance, des puces spécialisées et des centres de données à très grande échelle (hyperscale), autant d’éléments qui sont concentrés dans quelques pays.
Près de la moitié des centres de données mondiaux sont situés aux États-Unis. Seuls 16 % des pays hébergent des infrastructures de cloud computing spécialisées dans l’IA, et 90 % de cette capacité est concentrée dans deux pays seulement (les États-Unis et la Chine).
Cette concentration et ses effets géopolitiques aboutit à un un creusement de la fracture numérique entre les pays qui conçoivent et contrôlent les systèmes d’IA et ceux qui les utilisent.
Impact
Le développement rapide des l’IA génératives a suscité de nombreux débats sur les risques liés à l’IA, tels que les biais, les atteintes à la vie privée, la désinformation, les perturbations du marché du travail et les inégalités.
La question de l’empreinte environnementale du foisonnement des usages de l’IA est régulièrement posée au gré de la publication de données parcellaires sur tel ou tel segment du processus qui va de la donnée (et son stockage) à la réponse à une requête.
Pourtant L’IA ne se limite pas à l’exécution d’un simple code ; elle implique également des infrastructures physiques et des chaînes d’approvisionnement, notamment les centres de données, les puces, la production d’électricité, les systèmes de refroidissement, les prélèvements d’eau, l’occupation des sols, les minéraux critiques et, à terme, les déchets électroniques.
Consommations et effets environnementaux de l’IA
L’ONU estime que l’IA devrait faire doubler la consommation d’énergie et d’eau des centres de données d’ici 2030, menaçant les ressources naturelles de milliards d’êtres humains.
Énergie (Électricité)
Centres de données
En 2025, les centres de données — l’infrastructure physique de l’IA — ont consommé environ 448 TWh d’électricité soit autant que la consommation française de 2025. Selon les tendances actuelles, la demande en électricité des centres de données pourrait doubler pour atteindre 945 TWh d’ici à 2030, soit la consommation de la Russie en 2025.
L’IA est l’un des principaux moteurs de l’expansion des centres de données. En 2025, le process d’IA représentaient environ 20 % de la consommation totale d’électricité des centres de données et devrait atteindre 40 % d’ici à 2030
Entraînement
L’entraînement des modèles nécessite une énergie considérable.
GPT-4 a probablement consommé entre 50 et 70 GWh d’électricité sur une période de 100 jours, soit environ 40 à 55 fois plus que GPT-3 (1,287 GWh sur une période de 34 jours).
Les projections pour des modèles tels que GPT-5 indiquent des besoins en électricité de 100 GWh pour l’entraînement, ce qui équivaut à la consommation annuelle d’électricité résidentielle de 770 000 personnes en Afrique subsaharienne.
Inférence et utilisation
Si l’entraînement est très gourmand en ressources, on estime que la phase d’inférence continue — utilisée pour générer des réponses à des milliards d’interactions — l’est plus encore.
Une requête textuelle typique (300 mots) de type ChatGPT consomme 0,4Wh*.
La génération d’une image par IA typique nécessite 30 à 150 Wh* sur Dall-E, La génération de vidéos représente le domaine le plus énergivore : les séquences longues en haute résolution produites par de grands modèles consomment plus de 415 Wh* par clip.
*NB Une ampoule électrique LED consomme 10 Wh quand elle est utilisée pendant une heure.
Energie grise
Pour mémoire, à ces chiffres de consommation par les usages s‘ajoutent l’énergie consommée pour la construction des infrastructures et la fabrication des matériels (exemple : il faut 900 kWh pour produire un ordinateur).
Eau
Centres de données
Les centres de données ont recours à l’évaporation pour refroidir leurs serveurs. Leur empreinte hydrique globale s’est élevé à 4 500 milliards de litres d’eau en 2025 ; cela représente le volume de 1 800 000 piscines olympiques.
À l’horizon 2030, ce chiffre pourrait dépasser 9 milliards de m3 d’eau douce, soit l’équivalent de l’apport minimal quotidien d’eau douce de 1,2 milliard de Terriens.
Le dernier rapport de l’ONU signale aussi que l’eau requise pour produire l’électricité qui alimente les centres de données et l’IA varie d’un pays à l’autre. Aux États-Unis chaque kWh requiert 5 litres d’eau alors qu’en Suède Brésil, chaque kWh nécessite 21 litres en Suède.
Entraînement des modèles et usages
La consommation d’eau pour l’entraînement des modèles suit l’accroissement de leur performance. L’empreinte hydrique liée à l’entraînement de GPT-4 s’est élevé à environ 600 millions de litres. La consommation d’eau de l’entraînement de GPT-5 est estimée à 1 milliard de litres, soit de quoi satisfaire les besoins annuels en eau domestique de plus de 135 000 personnes en Afrique subsaharienne.
L’empreinte hydrique est d’environ 3 cl (deux cuillerées à soupe) pour une seule image produite par l’IA générative. Elle dépasse 4 litres pour une vidéo complexe, soit l’équivalente aux besoins en eau de boisson d’une personne pendant deux jours.
Impact environnemental
Si le principal indicateur des effets sur l’environnement est la production des gaz à effet de serre (GES), il convient de observer d’autres paramètres de la consommation de ressources à la production de déchets.
Les émissions de GES de la seule IA est estimé à 40 M tonnes de CO2eq en 2025 et pourrait dépasser 250 M tonnes en 2030, ce chiffre dépend étroitement de mix énergétique utilisé pour la production de l’électricité et de l’évolution des performances énergétiques des infrastructures et des modèles.
L’empreinte foncière liée au déploiement des centres de données va passer de 6 900 km² en 2025 à 14 500 km² en 2030 soit 140 fois la superficie de Paris intra-muros.
En termes d’extraction de ressources la consommation de minéraux et métaux est estimée 376 tonnes SB eq* en 2025 et s’élèverait à 2 600 tonnes en 2030 *SB eq : indicateur d’Épuisement des Ressources Abiotiques
En matière de production de déchets, le cycle de vie physique du matériel informatique dédié à l’IA est court. D’ici à 2030, les infrastructures d’IA pourraient générer jusqu’à 2,5 millions de tonnes de déchets électroniques par an soit 250 fois le poids total de la tour Eiffel.
En conclusion
Depuis son invention il y a 70ans l’IA a monté qu’elle a un potentiel considérable par la multiplicité des domaines où elle peut utilement assister l’Homme. Les récents et fulgurants développement ont des effets significatifs sur les écosystèmes planétaires par l’explosion de la consommations de ressources et la production de déchets. Ce sont autant d’exigences d’intégrer sans délai la durabilité des matériels et des usages partout dans le monde et à tous les niveaux : conception du matériel et des modèles, recherche en sobriété énergétique, information, éducation, régulation, gouvernance et utilisation par le public.
Références
- Environmental cost of AI’s energy use, UNU-INWEH (2026)
- Key Questions on Energy and AI, IEA (2026)
- Intelligence artificielle – Monde | Prévisions du marché, Statista. (2025)
- EcoInfo / étude EuP – ISSN 1404-191X
Vous avez pu lire cet article rédigé sans recours à l’intelligence artificielle et naviguer sur le site sans être incommodé par de la publicité,des textes sponsorisés ou du traçage commercial alors que la rédaction des publications de ce blog demande un important travail de documentation et le recours à de nombreuses sources d’informations qui ne sont pas gratuites. Pour soutenir cette politique et permettre au blog de progresser avec plus d'illustrations didactiques : images et schémas animé(e)s ou non,c’est ICI
Sur l’eau, refroidir n’est pas consommer, et ne met pas en cause les pays pauvres… les consommations autres font peut-être faire des économies ailleurs, le plus inquiétant me semble l’impact sur l’emploi et la dépendance des pays développés…
Bravo pour l’évaluation de l’impact de la consommation énergétique des Data Centers qui est juste folle et semble totalement hors de contrôle. Quel avenir pour notre planète ?