Tout le monde se trompe sur l’eau consommée par l’IA

Le débat sur la consommation d'eau de l'intelligence artificielle (IA) est souvent semé d'idées reçues et de chiffres erronés. L'affirmation selon laquelle chaque question posée à un modèle d'IA consomme une bouteille d'eau est fausse. Si des problèmes réels existent concernant la gestion de l'eau par les centres de données, ils sont souvent mal expliqués et ne reflètent pas la complexité du sujet. L'origine de cette idée fausse provient d'une étude de 2023 de chercheurs des universités de Californie à Riverside et du Texas à Arlington, intitulée "Making AI Less Thirsty". Cette étude, sérieuse et pionnière dans la quantification de l'empreinte hydrique de l'IA, a estimé que l'entraînement de GPT-3 dans les centres de données américains de Microsoft avait évaporé environ 700 ml d'eau. Pour l'utilisation courante, l'étude avançait que GPT-3 consommait l'équivalent d'une bouteille de 500 ml pour 10 à 50 réponses de longueur moyenne, et non une bouteille par réponse. Dès l'origine, le chiffre réel était donc un ou deux ordres de grandeur inférieur à ce qui est souvent relayé. En 2024, le Washington Post a repris cette méthodologie pour estimer la consommation d'eau nécessaire à la rédaction d'un e-mail de 100 mots avec GPT-4, aboutissant à environ 519 ml. Ce chiffre a alors fait le tour du monde, devenant un argument choc pour les détracteurs de l'IA. Cependant, ce chiffre de 519 ml masque plusieurs nuances cruciales. Premièrement, il ne s'agit pas uniquement de l'eau de refroidissement des serveurs, mais d'une estimation du cycle de vie complet, incluant l'eau nécessaire à la production d'électricité. Le refroidissement pur, selon l'étude originale, est de l'ordre de 2 ml par requête en moyenne aux États-Unis, loin des 500 ml. Deuxièmement, le chiffre de 519 ml représente un "pire cas géographique". La consommation d'eau varie considérablement selon le climat et la source d'énergie de la centrale électrique locale. La même méthode donnerait 235 ml au Texas et 1408 ml dans l'État de Washington pour le même e-mail. Choisir le chiffre le plus élevé et le présenter comme une généralité est trompeur. En France, avec une électricité majoritairement décarbonée, le chiffre serait bien moins alarmant. Troisièmement, même ce chiffre maximaliste reste une demi-bouteille, et non un litre. L'idée d'un litre par requête est une déformation d'une déformation. Des chiffres plus récents et officiels contredisent également ces allégations. En juin 2025, Sam Altman, PDG d'OpenAI, a déclaré qu'une requête moyenne sur ChatGPT consommait environ 0,0085 gallon d'eau, soit 0,32 ml (un cinquième de cuillère à café). Google, en août 2025, a publié un rapport technique estimant qu'une requête texte médiane sur Gemini consommait environ 0,26 ml (cinq gouttes). Ces chiffres, bien que potentiellement minimisés par les entreprises, montrent un écart d'un facteur 1000 avec les estimations alarmistes, soulignant que les différentes études ne mesurent pas la même chose. Pour comprendre la consommation d'eau des centres de données, il est essentiel de revenir aux fondamentaux. Un centre de données transforme l'électricité en chaleur, et le problème de l'eau réside dans la manière d'évacuer cette chaleur. Historiquement, les tours aéroréfrigérantes sont courantes : elles font circuler de l'eau et laissent une partie s'évaporer pour emporter la chaleur, un processus similaire à la transpiration. Cette méthode, bien qu'efficace et peu coûteuse, évapore de l'eau en continu (1 à 9 litres par kWh de calcul, avec une moyenne de 1,8 L/kWh). L'eau utilisée doit être propre, souvent potable. Cependant, le refroidissement par évaporation n'est pas la seule option. Des alternatives existent, comme le refroidissement à air (free cooling) lorsque l'air extérieur est frais, le refroidissement liquide en boucle fermée qui ne s'évapore pas, ou les "dry coolers", des radiateurs géants qui ne consomment pas d'eau sur site. Il est important de noter que ces solutions ont un coût énergétique : un dry cooler, par exemple, consomme zéro eau sur site mais plus d'électricité, ce qui peut déplacer la consommation d'eau vers la centrale électrique. Il n'y a pas de solution parfaite, mais des compromis entre eau, énergie, carbone, foncier et utilité. Un exemple concret est le centre de données D4 d'Infomaniak en Suisse. Enterré sous un écoquartier, il n'a aucun impact visuel et ne consomme pas d'eau pour le refroidissement. L'air chaud des serveurs est refroidi par un échangeur air-eau, puis par des pompes à chaleur, et l'air tiède retourne refroidir les serveurs en boucle fermée, sans évaporation. La chaleur générée est récupérée et injectée dans le réseau de chauffage urbain de Genève, chauffant environ 6000 logements par an. Ce modèle, bien que de petite taille (1,25 MW), prouve qu'un centre de données à impact minimal n'est pas de la science-fiction, mais une question de conception et d'implantation. Un point crucial est la distinction entre "prélèvement" et "consommation" d'eau. Le prélèvement est l'eau puisée dans une source, qui peut être restituée immédiatement. La consommation, au sens technique, est la part non restituée au même endroit, celle qui s'évapore par exemple. Une molécule d'eau évaporée ne disparaît pas de la planète, elle participe au cycle de l'eau. Le problème n'est donc jamais planétaire, mais local et temporel. Évaporer de l'eau n'a pas la même incidence selon la région (fleuve abondant ou nappe surexploitée) et la période de l'année. Le plus grand piège dans ce débat est que la majeure partie de la consommation d'eau indirecte d'un centre de données ne se produit pas sur le site lui-même, mais dans la centrale qui produit son électricité. Une centrale thermique classique a également besoin d'eau pour refroidir ses turbines. Une centrale à gaz consomme environ 1,17 L d'eau par kWh, une centrale à charbon 2,2 L, tandis que le solaire n'en consomme que 0,03 L. L'empreinte hydrique d'un centre de données dépend donc fortement du mix électrique du pays. Un centre de données alimenté au charbon dans un désert est une catastrophe hydrique, alors que le même, alimenté au solaire dans un climat frais, est presque neutre. La France, avec son électricité majoritairement nucléaire, hydraulique et renouvelable, a un avantage significatif. Son mix électrique est peu carboné et, bien que le nucléaire prélève de grandes quantités d'eau pour le refroidissement, il en restitue la quasi-totalité. L'eau indirecte en France est donc bien moindre que dans des pays utilisant massivement les énergies fossiles. La France a ainsi un rôle à jouer pour accueillir des centres de données d'IA à faible empreinte écologique. Comparons les ordres de grandeur. Aux États-Unis, l'ensemble des centres de données représente environ 0,2 % de la consommation d'eau douce du pays. En Arizona, les centres de données de Google, Microsoft et Meta ont consommé 905 millions de gallons d'eau en 2025, tandis que les terrains de golf de la seule région de Phoenix en ont consommé 29 milliards de gallons, soit 32 fois plus. L'agriculture consomme des centaines de milliards de gallons. Les centres de données d'Amazon consomment l'équivalent de 0,075 % de l'eau utilisée par les Américains pour arroser leurs pelouses. En France, les centres de données recensés par l'ARCEP ont prélevé 575 000 m³ d'eau en 2024 pour le refroidissement. En comparaison, les golfs français ont utilisé environ 29 millions de m³ par an, soit l'équivalent de 11 à 12 terrains de golf pour tous les centres de données recensés. Même en triplant ce chiffre et en ajoutant l'eau indirecte liée à la production électrique, on atteindrait 6,5 millions de m³, soit l'équivalent de 130 golfs, ce qui reste quatre fois moins que la consommation totale des golfs français. Les piscines privées (plus de 3 millions en France) et l'arrosage urbain consomment également des quantités d'eau considérables, souvent ignorées dans le débat public. La question n'est pas seulement "combien d'eau ?", mais "combien d'eau pour quoi faire ?". Un centre de données permet des avancées scientifiques majeures, comme AlphaFold qui a prédit la structure de millions de protéines, un travail qui aurait pris des centaines de millions d'années par d'autres moyens. Bien que toutes les requêtes ne soient pas aussi utiles, juger l'IA sur ses usages les plus futiles tout en ignorant des usages moins utiles mais établis (golf, piscines) est malhonnête intellectuellement. Les centres de données sont essentiels pour l'économie numérique, la recherche, et la souveraineté technologique. Des scandales hydriques liés aux centres de données ont existé, mais ils sont souvent le résultat de défauts de contrôle et de transparence. Par exemple, un centre de données en Géorgie a pompé 29 millions de gallons d'eau via des branchements non déclarés. Un autre cas à The Dalles, Oregon, a vu Google financer le procès de la ville contre un journal voulant connaître les chiffres de consommation d'eau. Ces problèmes soulignent que l'enjeu n'est pas l'IA en général, mais l'implantation des machines (éviter les régions arides ou les nappes surexploitées) et leur contrôle. Des solutions intelligentes existent, comme la réutilisation d'infrastructures souterraines existantes (anciennes carrières, bunkers) pour implanter des centres de données à Paris, dont la chaleur pourrait chauffer des bâtiments municipaux. Paris pratique déjà cette approche, avec des centres de données qui chauffent des piscines ou des immeubles. La loi française oblige d'ailleurs les centres de données de plus de 1 MW à réutiliser au moins 20 % de leur chaleur. L'industrie innove également. Nvidia a présenté un système de refroidissement liquide à eau chaude qui permet de réduire l'eau sur site de près de 100 %. Google promet de restituer 120 % de l'eau douce consommée d'