Derrière chaque conversation avec une IA se cachent de l'électricité et de l'eau. Le sujet est brûlant, mais il est aussi l'un des plus mal traités du débat public, entre chiffres fantaisistes et raccourcis culpabilisants. Alors combien coûte vraiment l'IA à la planète ? La réponse, rigoureuse, tient en une phrase : presque rien à l'échelle d'une requête, beaucoup à l'échelle industrielle. Décryptage.

Une requête, quelques gouttes

Commençons par tordre le cou à une idée reçue. Depuis 2025, on dispose enfin de chiffres officiels, publiés par les éditeurs eux-mêmes. Selon OpenAI, une requête moyenne sur ChatGPT consomme environ 0,34 Wh d'électricité et 0,32 mL d'eau, soit un quinzième de cuillère à café. Google avance des chiffres du même ordre pour Gemini (0,24 Wh, 0,26 mL, l'équivalent de cinq gouttes). Pour comparaison, une recherche Google classique consomme environ 0,3 Wh : à l'unité, une requête d'IA textuelle est donc du même ordre de grandeur.

Deux précisions honnêtes s'imposent toutefois. D'abord, ces chiffres ne comptent que l'eau de refroidissement des serveurs, pas celle utilisée pour produire leur électricité. Ensuite, ils varient énormément selon la tâche : générer une image ou une vidéo est bien plus gourmand qu'un texte, l'écart entre modèles pouvant atteindre un facteur 100.

Le mythe du « demi-litre par requête »

Vous avez sûrement croisé le chiffre choc : « une requête ChatGPT, c'est un demi-litre d'eau ». C'est un vrai chiffre… mal recopié. Il provient d'une étude de l'université de Californie à Riverside (2023) qui estimait 500 mL d'eau pour 10 à 50 réponses de GPT-3, en incluant l'eau des centrales électriques, et non pour une seule requête. Les chiffres publics honnêtes s'étalent d'ailleurs de 0,26 à plus de 500 mL selon la méthode et le périmètre retenus, ce qui devrait inciter à la prudence.

La leçon est double. Culpabiliser l'utilisateur pour chaque question posée à une IA n'a pas de sens : pour mettre les choses en perspective, un trajet de 10 km en voiture consomme environ 1 kWh, et une heure de streaming vidéo environ 0,1 kWh, très loin des 0,34 Wh d'une requête. Mais l'inverse serait tout aussi faux : conclure que l'IA n'a pas d'impact. Car le vrai sujet n'est pas la goutte d'eau, c'est l'océan.

Le vrai problème est l'échelle

C'est à l'échelle industrielle que le tableau devient sérieux. Multipliez ces « quelques gouttes » par des centaines de millions d'utilisateurs et un usage permanent : les 300 millions d'utilisateurs hebdomadaires de ChatGPT représenteraient à eux seuls plus de 600 MWh par jour. Et la trajectoire donne le vertige :

• L'électricité : la consommation des data centers liée à l'IA pourrait passer d'environ 460 TWh en 2022 à plus de 1 000 TWh dès 2026, l'équivalent de la consommation électrique du Japon. Les charges de travail liées à l'IA croissent d'environ 30 % par an, contre 9 % pour les serveurs classiques.
• L'eau : selon un rapport des Nations unies de juin 2026, la consommation d'eau et d'électricité des centres de données devrait doubler d'ici 2030, portée par l'IA. Les systèmes d'IA pourraient consommer entre 4,2 et 6,6 milliards de mètres cubes d'eau par an d'ici 2027, davantage qu'un pays comme le Danemark.

À cette échelle, le débat change de nature. Il ne s'agit plus d'un choix individuel, mais d'un enjeu d'aménagement du territoire et de politique énergétique.

L'eau, le parent pauvre du débat

Si l'énergie est souvent citée, l'eau reste le point aveugle. Or elle pose un problème spécifique. Les data centers de Google ont par exemple utilisé 12,7 milliards de litres d'eau en 2021 pour leur refroidissement aux États-Unis, dont 90 % d'eau potable. Cette eau est prélevée localement, parfois dans des régions déjà en stress hydrique, mettant l'IA en concurrence directe avec les besoins des habitants et de l'agriculture.

C'est là que la « ruée sur les data centers » prend tout son sens. La course aux infrastructures géantes, illustrée par les projets à plusieurs gigawatts d'OpenAI ou de Mistral (que nous évoquons dans notre article sur le plus grand data center du monde), concentre cette demande d'eau et d'énergie sur des territoires précis. La localisation devient un enjeu majeur : construire un data center dans une région froide et riche en énergie décarbonée n'a pas le même impact qu'au bord d'un fleuve déjà sous tension.

Des solutions, et de nouveaux métiers

La bonne nouvelle, c'est que ce coût n'est pas une fatalité, et qu'il ouvre un champ de compétences. Plusieurs leviers existent : le refroidissement sans eau, l'amélioration de l'efficacité des centres (les indicateurs PUE et WUE), l'implantation près d'énergies décarbonées, et la sobriété des modèles eux-mêmes, cette tendance de l'IA frugale que nous avons explorée. Un levier est d'ailleurs à la portée de chaque entreprise : choisir le bon modèle. Utiliser un modèle léger et efficace plutôt qu'un modèle surpuissant pour une tâche simple réduit à la fois la facture et l'empreinte, comme nous l'expliquons dans notre article sur les familles de modèles.

Surtout, mesurer et réduire cet impact devient un métier. Entre les obligations de reporting extra-financier des entreprises et la pression sur les coûts, la demande grandit pour des profils capables de piloter la sobriété numérique : ingénierie de la donnée durable, optimisation énergétique, gouvernance de l'empreinte. C'est un pan émergent, à la croisée de la data et de l'IA.

Se former aux métiers d'un numérique plus sobre

Pour qui se forme, l'enjeu environnemental de l'IA n'est pas qu'une contrainte, c'est une compétence d'avenir. Savoir mesurer une empreinte, optimiser une infrastructure, arbitrer entre performance et sobriété, ou gouverner la donnée de façon responsable seront des atouts recherchés dans toutes les organisations.

Chez KLE Formations, nos futurs parcours en data et en intelligence artificielle (bientôt disponibles) intégreront ces enjeux de sobriété et de gouvernance, et notre parcours en cybersécurité (déjà accessible et finançable via CPF, France Travail, OPCO ou Transitions Pro) couvre la maîtrise des infrastructures et des données indissociable de ces sujets. Pour prolonger, lisez notre article sur l'IA frugale, notre analyse du plus grand data center du monde et notre guide des familles de modèles.

Le coût environnemental de l'IA n'est ni le monstre que certains décrivent, ni le détail que d'autres balaient. C'est un enjeu réel, qui se joue à l'échelle des infrastructures bien plus qu'à celle de nos requêtes. Le comprendre avec justesse, sans catastrophisme ni déni, est déjà un premier pas. Le maîtriser en sera un autre, et il aura besoin de professionnels formés.

---

Sources : rapport de l'Institut pour l'eau, l'environnement et la santé des Nations unies (4 juin 2026, doublement de la consommation eau/énergie des data centers d'ici 2030) ; Agence internationale de l'énergie (AIE) et rapports environnementaux 2026 (Jedha, Ohm Énergie) pour les projections d'électricité et d'eau ; mesures officielles d'OpenAI (juin 2025) et Google (août 2025) sur la consommation par requête ; analyses de Projet Celsius et Outils IA sur les nuances méthodologiques et le mythe du « demi-litre » ; étude UC Riverside (2023). Chiffres à jour à la rentrée 2026 ; les estimations varient fortement selon les méthodes et les périmètres retenus.