ChatGPT consomme autant d'eau qu'une piscine olympique toutes les 24h

Une requête anodine. Une facture planétaire colossale.

Vous posez une question à ChatGPT. En quelques secondes, une réponse s'affiche. Ce que vous ne voyez pas : les serveurs géants qui viennent de s'activer quelque part dans le monde, les litres d'eau évaporés pour les refroidir, et les mégawatts d'électricité brûlés pour alimenter cette magie apparente. L'IA générative ne vit pas dans le nuage — elle vit dans du béton, du métal et des ressources naturelles qui s'épuisent.

Depuis deux ans, le débat public sur l'IA tourne autour d'un seul angle : les emplois supprimés, la désinformation, les biais algorithmiques. Ces sujets sont légitimes. Mais pendant que nous débattons de l'apocalypse sociale, une autre crise se déroule en silence, loin des écrans et des conférences TED : une crise écologique systémique, silencieuse, et qui s'accélère à un rythme que peu d'organisations osent quantifier honnêtement.

Des chiffres que Big Tech préfère noyer dans les notes de bas de page

Commençons par l'eau, ressource la plus immédiatement parlante. Selon une étude publiée par des chercheurs de l'Université de Californie et de l'Université du Texas, une conversation de 20 à 50 questions avec ChatGPT-4 consomme environ 500 millilitres d'eau — soit une bouteille demi-litre — uniquement pour le refroidissement des serveurs. À l'échelle mondiale, Microsoft estimait en 2023 avoir utilisé 6,4 milliards de litres d'eau pour ses data centers, soit une augmentation de 34 % par rapport à l'année précédente — précisément la période du déploiement massif de GPT-4.

L'électricité suit la même trajectoire. L'Agence Internationale de l'Énergie (AIE) a publié en 2024 un rapport alarmant : les data centers pourraient doubler leur consommation électrique mondiale d'ici 2026, atteignant 1 000 térawattheures par an — soit à peu près la consommation annuelle complète du Japon. L'entraînement d'un seul grand modèle de langage comme GPT-3 a généré l'équivalent de 626 000 kilomètres de conduite en voiture en émissions carbone. Et GPT-4, bien plus grand, n'a pas communiqué ses chiffres. Ce silence est lui-même une réponse.

L'IA générative : une infrastructure physique, pas un service immatériel

Le mythe du numérique propre a la vie dure. L'expression "cloud computing" entretient une illusion de légèreté, d'immatérialité. En réalité, chaque prompt envoyé à Gemini, chaque image générée par Midjourney, chaque ligne de code produite par Claude repose sur une chaîne physique très concrète :

• Des puces GPU fabriquées avec des métaux rares extraits en Afrique centrale ou en Amérique du Sud
• Des data centers qui occupent des dizaines d'hectares de terrain, parfois en zones agricoles ou en tension hydrique
• Des câbles sous-marins et des infrastructures réseau dont la construction et la maintenance ont un coût carbone propre
• Une consommation électrique continue, 24h/24, 7j/7, même en l'absence de requêtes actives

NVIDIA, dont les GPU H100 sont devenus l'or noir de l'ère IA, a vendu pour 47 milliards de dollars de puces en 2023. Chaque puce produit de la chaleur. Chaque degré de chaleur nécessite un refroidissement. Chaque refroidissement consomme de l'eau ou de l'énergie. La chaîne est inexorable.

Pas une fatalité, mais une responsabilité collective

La bonne nouvelle — et elle existe — c'est que cette trajectoire n'est pas figée. Plusieurs leviers peuvent changer la donne, à condition d'avoir la volonté politique et industrielle de les activer.

Du côté des entreprises

Google DeepMind a démontré avec son projet AlphaCode puis ses initiatives d'optimisation que des modèles plus petits et mieux entraînés peuvent atteindre des performances comparables à des mastodontes énergivores. La voie des modèles compacts et spécialisés — Mistral AI en France en est un exemple emblématique — offre un rapport performance/impact environnemental bien plus favorable. L'efficacité computationnelle est un enjeu stratégique autant qu'écologique.

Du côté des régulateurs

L'Union Européenne, via l'AI Act et ses futurs compléments, commence à intégrer des exigences de transparence sur l'empreinte carbone des systèmes d'IA. C'est insuffisant mais c'est un début. La pression normative sera le seul levier capable d'obliger des acteurs dont le modèle économique repose précisément sur la mise à l'échelle permanente.

Du côté des utilisateurs

Sans moralisme excessif : l'usage raisonné compte. Utiliser un outil IA pour reformuler un email de trois lignes a un coût différent de son utilisation pour synthétiser 200 pages de recherche médicale. La question de la proportionnalité entre l'usage et la valeur créée n'est pas une question marginale — elle deviendra centrale dans les années qui viennent.

La vraie IApocalypse n'est peut-être pas celle qu'on croit

Le terme "IApocalypse" a été largement galvaudé pour désigner des scénarios de science-fiction — la machine qui se rebelle, l'humain rendu obsolète. Ces récits captivent parce qu'ils sont dramatiques et lointains. Mais la crise réelle est plus prosaïque et plus immédiate : des nappes phréatiques sollicitées dans des régions déjà en stress hydrique, une demande électrique qui remet en cause des objectifs climatiques durement négociés, et des ressources minières extraites dans des conditions environnementales et sociales souvent désastreuses.

L'IA peut contribuer à résoudre certains défis environnementaux — optimisation énergétique des réseaux, modélisation climatique, découverte de nouveaux matériaux. Ce potentiel est réel. Mais il ne s'activera pas automatiquement, et il ne compensera pas mécaniquement les externalités négatives générées par sa propre infrastructure.

La question n'est plus "l'IA est-elle utile ?" mais "à quel prix, pour qui, et selon quelles règles ?" Ce débat, trop longtemps confisqué par les ingénieurs et les investisseurs, appartient désormais à tout le monde. Y compris à vous, qui venez de finir cet article — et qui allez peut-être demander à ChatGPT de vous en faire un résumé.

— Reservoir Live