Consommation d’eau et d’électricité de l’IA :
les vrais chiffres, et pourquoi celui des 500 ml
par requête est faux.
Ce que les éditeurs mesurent réellement, ce qu’ils omettent, et où se situe le vrai problème.
Une image circule depuis trois ans : chaque question posée à une intelligence artificielle boirait une bouteille d’eau. Elle est spectaculaire, elle est fausse, et elle détourne l’attention de ce qui pose réellement problème.
Les seuls chiffres réellement mesurés
Deux éditeurs ont publié des chiffres. Ce sont les seuls dont on dispose, et ils convergent remarquablement.
Google, en août 2025, pour son assistant : 0,24 wattheure d’électricité, 0,26 millilitre d’eau et 0,03 gramme équivalent CO₂ par requête textuelle médiane. Il s’agit à ce jour de la seule mesure issue d’une production réelle.
OpenAI, en juin 2025 : environ 0,34 wattheure et 0,32 millilitre d’eau par requête moyenne, chiffres communiqués par son dirigeant, qui les rapportait à un quinzième de cuillère à café.
Ces ordres de grandeur placent une requête textuelle à peu près au niveau d’une recherche sur un moteur classique, très loin des fourchettes de un à dix wattheures qui circulent encore. Ces dernières proviennent d’estimations académiques antérieures, établies sur des modèles et des infrastructures qui n’ont plus cours.
D’où vient le chiffre de la bouteille
Le fameux demi-litre par requête a une origine identifiable, et son détournement mérite d’être expliqué.
Une étude universitaire publiée en 2023 estimait qu’environ 500 millilitres d’eau étaient nécessaires pour une session de dix à cinquante échanges avec un modèle de la génération précédente. Le chiffre portait donc sur une conversation entière, pas sur une question.
Rapporté à l’unité, cela donne entre dix et cinquante millilitres par requête, sur un modèle depuis largement remplacé par des architectures nettement plus efficientes.
La reprise médiatique a supprimé le dénominateur. Le demi-litre par session est devenu un demi-litre par question, écart d’un facteur pouvant dépasser mille par rapport aux mesures actuelles. Le chiffre continue de circuler dans des articles de 2026.
Le même sort a été réservé au ratio des « dix fois plus qu’une recherche classique », issu d’une estimation ancienne reprise dans une écrasante majorité d’articles. Les mesures publiées depuis le contredisent pour les requêtes textuelles courantes, sans que la formule cesse de circuler.
Ce que ces mesures ne comptent pas
Rétablir les ordres de grandeur ne signifie pas valider les communications des éditeurs. Leurs périmètres de calcul comportent des exclusions significatives.
- L’eau liée à la production d’électricité n’est pas comptée. Seule l’eau évaporée sur le site du centre de données figure au bilan, alors que produire un kilowattheure en consomme aussi, parfois davantage.
- La fabrication du matériel est absente : extraction des métaux, production des puces, construction des bâtiments.
- La construction des infrastructures de production d’électricité n’est pas prise en compte, y compris pour les moyens renouvelables.
- Les serveurs hébergés par des prestataires tiers échappent partiellement au calcul, alors qu’ils ne sont pas nécessairement alimentés par une électricité décarbonée.
Des chercheurs ayant examiné la méthodologie concluent que ces choix ont contribué à minimiser l’ampleur des résultats. La critique porte sur le périmètre, pas sur l’honnêteté du calcul à l’intérieur de ce périmètre.
Une comparaison donne la mesure de l’écart possible. Selon les travaux disponibles, chaque kilowattheure consommé peut entraîner l’usage de plusieurs litres d’eau dans les centrales qui le produisent, un volume sans commune mesure avec les millilitres du refroidissement sur site.
Ce n’est pas propre à l’intelligence artificielle : toute consommation électrique porte cette empreinte indirecte. Mais elle disparaît des communications qui ne retiennent que le refroidissement.
L’opacité générale du secteur reste le problème de fond, un constat que partagent les observateurs de terrain comme les autorités.
Une notion technique aide à comprendre ces écarts. Les bilans distinguent la consommation directe sur le site, mesurée au compteur, de la consommation indirecte liée à l’électricité achetée. La première se compte en millilitres par requête, la seconde en litres par kilowattheure produit. Les communications retiennent généralement la première, plus flatteuse et plus facile à mesurer. Ce n’est pas une manipulation, c’est un choix de périmètre, mais il doit être connu pour interpréter correctement les chiffres annoncés.
La vraie question : où et comment
La question pertinente à poser à un fournisseur n’est pas le volume d’eau par requête. C’est l’emplacement de ses centres de données et leur mode de refroidissement.
Un même calcul n’a pas le même effet selon le territoire. En Scandinavie, où l’air froid suffit une grande partie de l’année et où l’électricité est largement décarbonée, l’empreinte reste faible. Dans un État désertique, où le refroidissement exige de l’eau prélevée sur une ressource déjà tendue, elle devient problématique.
Le volume brut ne dit donc rien du dommage réel. Un litre prélevé dans une région où l’eau abonde n’équivaut pas à un litre prélevé dans une zone de stress hydrique, et les moyennes mondiales gomment précisément cette différence.
Google impose depuis 2023 le refroidissement à l’air pour ses nouveaux sites implantés en zone de stress hydrique, au prix d’une consommation électrique supérieure. L’arbitrage entre eau et électricité est explicite.
L’effet d’échelle
Quelques gouttes par requête restent quelques gouttes. Multipliées par des milliards d’interactions quotidiennes, elles produisent des volumes considérables. C’est à ce niveau que le sujet devient sérieux.
Le rapport environnemental publié par Google en 2026, portant sur l’année 2025, donne la mesure de la trajectoire : une hausse de 37,5 % de la consommation d’eau comme d’électricité en un an, un doublement sur trois ans, et une progression approchant les 200 % sur cinq à six ans.
Du côté de l’électricité, l’Agence internationale de l’énergie relevait dans un rapport d’avril 2026 une progression de plus de 15 % de la consommation mondiale des centres de données entre 2024 et 2025.
Ses projections situent cette consommation à environ 945 térawattheures annuels à l’horizon 2030, soit approximativement l’équivalent de la consommation électrique du Japon. Les estimations pour 2026 s’échelonnent déjà entre 620 et 1 050 térawattheures selon les hypothèses d’efficacité retenues.
Un ordre de grandeur aide à se représenter ces volumes : un centre de données d’un mégawatt utilise en moyenne plusieurs dizaines de millions de litres d’eau par an pour son seul refroidissement. À l’échelle mondiale, l’agence évaluait la consommation totale des centres de données à plusieurs centaines de milliards de litres pour l’année 2023, avant l’accélération liée aux modèles génératifs.
Une comparaison sectorielle remet ces volumes en perspective sans les minimiser. Le numérique dans son ensemble représente une part encore limitée de l’empreinte carbone nationale, et l’intelligence artificielle n’en constitue qu’une fraction. Ce qui distingue ce poste des autres n’est donc pas son poids actuel mais sa vitesse de croissance : peu de secteurs voient leur consommation augmenter de plus d’un tiers en une seule année. C’est cette trajectoire, plus que le niveau atteint, qui rend le sujet difficile à concilier avec des objectifs de réduction.
Entraînement et capacité permanente
Le coût de l’entraînement
Entraîner un grand modèle mobilise des milliers de processeurs spécialisés pendant des semaines. Les estimations disponibles pour les générations récentes se comptent en dizaines de milliers de mégawattheures et en milliers de tonnes équivalent CO₂.
Ces chiffres restent des fourchettes larges, car aucun éditeur ne publie les données d’entraînement de ses modèles les plus récents. Les écarts entre hypothèses hautes et basses peuvent atteindre un facteur dix.
La capacité en veille
Un aspect rarement évoqué pèse pourtant lourd : un centre de données ne s’éteint jamais. Il consomme en continu, qu’il traite des requêtes ou qu’il attende.
La puissance installée suit la demande anticipée, pas la demande réelle. Une part significative de l’électricité consommée correspond donc à de la capacité disponible mais inutilisée, provisionnée pour absorber les pointes.
Cette réalité relativise l’idée qu’un usage modéré réduirait proportionnellement l’empreinte : l’infrastructure est dimensionnée en amont des usages qu’elle servira.
Une évolution importante mérite d’être signalée sur la répartition entre ces deux postes. Tant que les modèles étaient peu utilisés, l’entraînement dominait largement le bilan. Avec des centaines de millions d’utilisateurs hebdomadaires, l’usage quotidien a pris le pas. Un modèle très employé voit désormais son empreinte d’utilisation dépasser rapidement celle de son entraînement initial.
Ce qui réduit réellement l’empreinte
Les leviers techniques existent et progressent plus vite que le débat public ne le laisse penser.
Le refroidissement par immersion. Les serveurs sont plongés dans un fluide isolant qui évacue la chaleur sans évaporation. Cette technique réduirait la consommation d’eau d’environ 90 % et les coûts de refroidissement de 40 %.
Le refroidissement liquide en circuit. Son adoption progresse rapidement : d’environ 3 % du parc en 2021 à une projection approchant les 37 % en 2026 sur les nouveaux sites dédiés aux charges d’intelligence artificielle.
Le refroidissement à sec. Échange direct avec l’atmosphère, sans évaporation, applicable partout au prix d’un rendement thermique moindre. Il devient viable parce que les serveurs récents tolèrent des températures de fonctionnement plus élevées.
L’efficience des modèles. À qualité comparable, les architectures récentes demandent nettement moins de calcul que celles d’il y a trois ans. Cette progression est réelle, mais elle est absorbée par la croissance des usages.
Cette tension entre efficacité et croissance des usages explique l’avertissement formulé par plusieurs travaux prospectifs : les trajectoires de déploiement actuelles seraient difficilement compatibles avec les objectifs de décarbonation, quels que soient les progrès techniques réalisés en parallèle. Les gains sont réels, leur rythme ne suit pas.
Ce qu’un utilisateur peut faire
Le levier individuel est limité, et il vaut mieux le dire que promettre une sobriété illusoire. Quelques pratiques ont néanmoins un effet mesurable.
- Distinguer les formats. Une requête textuelle pèse quelques dixièmes de wattheure. Une génération d’image en demande plusieurs, une vidéo courte des dizaines. L’écart entre usages dépasse largement l’écart entre outils.
- Formuler correctement du premier coup. Une question précise évite cinq reformulations, et cinq reformulations coûtent cinq fois plus.
- Choisir le modèle adapté. Employer un modèle de raisonnement avancé pour une question factuelle simple mobilise une puissance sans rapport avec le besoin.
La question de l’utilité première reste la plus efficace. Un usage qui remplace un travail long présente un bilan différent d’un usage de divertissement répété.
Pour une entreprise, le levier est plus consistant : interroger ses fournisseurs sur la localisation de leurs infrastructures et leur mode de refroidissement, plutôt que sur des moyennes globales invérifiables.
La multiplication des contenus produits automatiquement, documentée dans notre article sur la part croissante des textes générés en ligne, illustre bien où se situe la croissance : moins dans l’usage réfléchi que dans la production de masse.
Ce débat traverse l’ensemble de la société, avec des positions partagées que nous avions relevées dans notre article sur l’opinion face à ces technologies. Il se déroule pendant que la concurrence s’intensifie, comme le montrent les évolutions de parts de marché entre assistants et les résultats financiers records portés par ces technologies, dans un contexte de transformation des métiers évoqué dans les alertes sur l’avenir de l’emploi. Nos retours clients et notre page contact restent accessibles.
Empreinte de l’IA : les réponses essentielles.
Une requête consomme-t-elle vraiment un demi-litre d’eau ?
Non. Ce chiffre provient d’une étude de 2023 portant sur une session de dix à cinquante échanges avec un modèle ancien, pas sur une question unique. Les mesures publiées par les éditeurs donnent 0,26 et 0,32 millilitre par requête, soit quelques gouttes.
Quels sont les chiffres officiels ?
Google a mesuré 0,24 wattheure, 0,26 millilitre d’eau et 0,03 gramme équivalent CO₂ par requête textuelle médiane. OpenAI annonce environ 0,34 wattheure et 0,32 millilitre. Ce sont les deux seules mesures publiées par des éditeurs à ce jour.
Ces chiffres sont-ils fiables ?
Ils ne sont pas audités de façon indépendante et leurs périmètres comportent des exclusions : eau liée à la production d’électricité, fabrication du matériel, construction des infrastructures, serveurs hébergés par des prestataires tiers. Des chercheurs estiment que ces choix minimisent les résultats.
Le sujet est-il donc sans importance ?
Au contraire. Le problème ne réside pas dans la requête individuelle mais dans la croissance des infrastructures. Le rapport environnemental de Google publié en 2026 fait état d’une hausse de 37,5 % de la consommation d’eau comme d’électricité en un an.
Quelle est la bonne question à poser ?
Pas le volume par requête, mais l’emplacement des centres de données et leur mode de refroidissement. Un même calcul n’a pas le même effet en Scandinavie, où l’air froid suffit, et dans une région désertique où l’eau est prélevée sur une ressource tendue.
Tous les usages se valent-ils ?
Non, et c’est le principal levier individuel. Une requête textuelle pèse quelques dixièmes de wattheure, une génération d’image plusieurs unités, une vidéo courte des dizaines. L’écart entre types d’usage dépasse largement celui entre outils concurrents.
Les progrès techniques suffisent-ils ?
Les gains sont réels : refroidissement par immersion réduisant la consommation d’eau d’environ 90 %, modèles plus efficients à qualité comparable. Mais ils sont absorbés par la croissance des usages, chaque gain rendant l’usage moins coûteux donc plus répandu.
L’entraînement ou l’usage : lequel pèse le plus ?
La répartition s’est inversée. Tant que les modèles étaient peu utilisés, l’entraînement dominait. Avec des centaines de millions d’utilisateurs hebdomadaires, l’empreinte d’utilisation d’un modèle très employé dépasse rapidement celle de son entraînement initial.
- Agence internationale de l’énergie — Rapports sur l’énergie et l’intelligence artificielle
- The Shift Project — Travaux prospectifs sur les trajectoires de déploiement numérique
- Epoch AI — Estimations indépendantes de consommation par requête
- Google — Rapports environnementaux annuels et mesures d’inférence
- Franceinfo — Enquête sur la transparence des données de consommation d’eau
- The Conversation — Analyse critique des périmètres de calcul retenus
WY-Créations analyse les évolutions du web et de l’intelligence artificielle. Les chiffres cités proviennent d’éditeurs et d’organismes aux méthodologies différentes ; aucun n’est audité de façon indépendante, et les périmètres de calcul varient sensiblement d’une source à l’autre. Pour aller plus loin : toutes les actualités web.
Un site léger consomme moins, charge plus vite et se référence mieux.
WY-Créations construit des sites performants pour les artisans, les TPE, les PME et les professions libérales depuis 2018.