Énergie et eau : ce que consomme vraiment l'IA, selon les chiffres disponibles

En une phrase : L'IA consomme surtout de l'électricité, dans des centres de données dont la demande mondiale pourrait doubler d'ici 2030, et de l'eau, pour refroidir les serveurs et fabriquer le matériel ; mais à l'échelle d'une requête, les chiffres disponibles sont rares, publiés par les entreprises elles-mêmes et calculés selon des méthodes différentes.

Combien d'électricité pour une question posée à un chatbot ? Combien d'eau ? La réponse tient en deux temps. À l'échelle mondiale, il existe des estimations de référence, celles de l'Agence internationale de l'énergie. À l'échelle d'une requête, on dispose seulement de quelques publications d'entreprises, qui ne mesurent pas toutes la même chose.

À l'échelle mondiale : la référence de l'AIE

Le document le plus cité est le rapport « Energy and AI » de l'Agence internationale de l'énergie (AIE), publié le 10 avril 2025. Selon son résumé exécutif, les centres de données ont consommé environ 415 TWh d'électricité en 2024, soit à peu près 1,5 % de la consommation mondiale. Cette consommation a progressé d'environ 12 % par an depuis 2017, et l'AIE la voit plus que doubler pour atteindre environ 945 TWh en 2030, un peu plus que la consommation actuelle du Japon. L'IA est, selon l'agence, le principal moteur de cette hausse. Les États-Unis représentaient 45 % de la consommation des centres de données en 2024, la Chine 25 % et l'Europe 15 %.

L'AIE a actualisé ces chiffres le 16 avril 2026 dans un nouveau rapport, « Key Questions on Energy and AI » : la consommation d'électricité des centres de données a augmenté de 17 % en 2025 pour atteindre 485 TWh, et celle des centres de données dédiés à l'IA de 50 %. L'agence prévoit environ 950 TWh en 2030, soit à peu près 3 % de la demande mondiale d'électricité. Elle ajoute que, mesurée tâche par tâche, l'efficacité énergétique de l'IA progresse vite : selon elle, une requête texte simple consomme désormais généralement moins d'électricité qu'un téléviseur allumé pendant la même durée.

Deux précisions s'imposent. D'abord, ces chiffres portent sur l'ensemble des centres de données, qui hébergent aussi le cloud, le streaming ou les services en ligne classiques : ce n'est pas la consommation de l'IA seule. Ensuite, ce sont des projections. Le rapport de 2025 présente plusieurs scénarios, selon la vitesse d'adoption de l'IA, les gains d'efficacité et les goulets d'étranglement du secteur de l'énergie : pour 2035, la fourchette va de 700 à 1 700 TWh, avec environ 1 200 TWh dans le scénario central.

À l'échelle d'une requête : les chiffres de Google

Le 21 août 2025, Google a publié sur son blog Google Cloud une mesure de l'impact de son assistant Gemini, accompagnée d'un article technique sur arXiv. Selon l'entreprise, une requête texte médiane dans les applications Gemini consommait, en mai 2025, 0,24 Wh d'électricité, émettait 0,03 g d'équivalent CO₂ et consommait 0,26 mL d'eau, soit environ cinq gouttes. Google compare cette énergie à moins de neuf secondes de télévision.

La méthode compte autant que le résultat. Google indique dans son billet qu'en ne comptant que les puces de calcul en activité, on obtiendrait 0,10 Wh, une approche qu'il juge trop optimiste. Son chiffre de 0,24 Wh inclut aussi les processeurs et la mémoire des serveurs, les machines maintenues en veille pour absorber les pics, et la consommation propre du centre de données (refroidissement, distribution électrique). L'eau est estimée à partir de l'énergie consommée et de l'efficacité hydrique moyenne des centres de données de Google en 2024 : il s'agit de l'eau des centres de données. Selon l'article technique, l'entraînement des modèles, le réseau externe et les appareils des utilisateurs sont exclus du périmètre, et la mesure porte sur des requêtes texte.

Google affirme aussi que, entre mai 2024 et mai 2025, l'énergie d'une requête médiane a été divisée par 33 et son empreinte carbone par 44. L'article technique attribue cette baisse à des optimisations logicielles, mais aussi à l'achat d'électricité décarbonée : ce second levier agit sur les émissions comptabilisées, pas sur la quantité d'énergie consommée. L'article précise d'ailleurs que les émissions sont comptées selon la méthode dite « market-based » (fondée sur les contrats d'achat d'électricité), qui tient compte de ces achats. Enfin, l'entreprise indique elle-même, dans une note de son billet, que ses données n'ont pas été vérifiées par un tiers indépendant.

Une analyse de cycle de vie : les chiffres de Mistral AI

Mistral AI a choisi une autre approche. Le 22 juillet 2025, la start-up française a publié une analyse de cycle de vie de son modèle Mistral Large 2, menée avec le cabinet Carbone 4 et l'ADEME, et relue par Resilio et Hubblo, deux cabinets spécialisés dans l'audit environnemental du numérique. Elle suit la méthodologie « IA frugale » élaborée par l'AFNOR et prend en compte non seulement l'électricité, mais aussi la fabrication des serveurs.

Résultats publiés par Mistral : à janvier 2025, l'entraînement du modèle et ses 18 premiers mois d'utilisation représentaient 20,4 kilotonnes d'équivalent CO₂, 281 000 m³ d'eau consommée et 660 kg d'équivalent antimoine (un indicateur d'épuisement des ressources minérales). Une réponse de 400 tokens de son assistant Le Chat représente 1,14 g d'équivalent CO₂, 45 mL d'eau et 0,16 mg d'équivalent antimoine, hors appareil de l'utilisateur.

Mistral qualifie elle-même son étude de « première approximation » (traduction Le Latent) : il n'existe pas encore de norme de comptabilité environnementale pour les modèles de langage, et l'impact de fabrication des puces graphiques a dû être estimé, faute d'inventaire de cycle de vie fiable pour ces composants. À l'inverse de Google, Mistral calcule les émissions de l'électricité selon le lieu de consommation (approche « location-based »), et non selon les contrats d'achat.

D'autres chiffres circulent, avec encore moins de détails. Dans un billet de blog publié le 10 juin 2025, « The Gentle Singularity », Sam Altman, le PDG d'OpenAI, écrit que la requête moyenne sur ChatGPT consomme environ 0,34 Wh, et à peu près un quinzième de cuillère à café d'eau. Il ne précise ni la méthode, ni le périmètre, ni le modèle concerné. L'ADEME reprend ce chiffre dans son avis, en le présentant comme une donnée fournie par Sam Altman.

Ce que dit l'ADEME

Dans un avis mis en ligne le 22 juillet 2026, « L'intelligence artificielle générative : des impacts environnementaux importants », l'Agence de la transition écologique dresse un panorama des effets de l'IA générative et des agents. Elle estime que la majeure partie des impacts directs provient de l'énergie nécessaire pour alimenter et refroidir les serveurs, et juge les chiffres existants « incomparables les uns avec les autres » à cause de différences de méthode et de périmètre.

L'agence s'appuie aussi sur sa propre étude prospective, publiée en janvier 2026 : dans son scénario tendanciel, la consommation des centres de données liée aux usages français pourrait être multipliée par 3,7 d'ici 2035. Selon l'avis, une part importante de ces usages est servie par des centres de données situés à l'étranger, dans des pays dont l'électricité est en moyenne beaucoup plus carbonée qu'en France. L'avis reprend le chiffre de 0,34 Wh avancé par Sam Altman et l'applique aux 2,6 milliards de requêtes quotidiennes revendiquées par ChatGPT en juillet 2025 : cela représenterait 884 MWh par jour. Le compte rendu de Techniques de l'Ingénieur, publié le 6 août 2026, relève les mêmes points.

Côté recommandations, l'ADEME demande une méthodologie « solide, standardisée et commune », fondée sur une analyse de cycle de vie multicritère : énergie, gaz à effet de serre, eau et ressources métalliques. Elle recommande de calculer les émissions avec le mix électrique du lieu de consommation, et non avec les contrats d'achat d'électricité des centres de données : c'est l'inverse de la méthode retenue par Google. Pour les utilisateurs, elle conseille d'utiliser des modèles adaptés au besoin, de préciser la longueur ou la qualité du contenu souhaité, et de limiter les usages les plus énergivores, comme la génération de vidéo. Elle demande enfin que les services numériques permettent de désactiver les fonctions d'IA générative intégrées par défaut.

Ce qu'il faut retenir

Une requête texte isolée consomme peu, selon les mesures publiées par Google et Mistral AI. Mais l'addition des milliards de requêtes, de l'entraînement des modèles et de la fabrication du matériel pèse lourd à l'échelle des réseaux électriques, comme le montrent les projections de l'AIE. Ces mesures restent publiées par les entreprises elles-mêmes, qui en fixent le périmètre : tant qu'aucune méthode commune ne s'impose, lis-les comme des ordres de grandeur, pas comme un classement. Pour les notions de base, va voir le hub Comprendre et la définition d'un modèle de langage dans le glossaire.

À lire aussi : ce qu’est un modèle de raisonnement, qui produit beaucoup plus de tokens avant de répondre, et ce que recouvre un agent IA, qui enchaîne plusieurs requêtes pour une seule tâche. Pour une piste plus lointaine, va voir aussi ce que Google a testé avec ses puces d'IA en orbite.