L'IA consomme-t-elle vraiment autant d'eau et d'électricité ?

Oui, l'IA consomme de l'énergie et de l'eau, mais les chiffres qui circulent sont souvent exagérés ou mal cités : une requête texte courte coûte peu, et le vrai problème vient de l'échelle, de la génération d'images et de vidéos, et de la concentration locale des centres de données. La réponse n'est donc ni « c'est négligeable » ni « c'est une catastrophe par requête », mais quelque chose de plus précis.

D'où viennent les deux chiffres qui tournent partout

Deux affirmations reviennent sans cesse. « Une requête ChatGPT, c'est 500 ml d'eau. » Et « une requête d'IA, c'est dix fois une recherche Google. » Les deux sont mal cités.

Le « 500 ml par requête » déforme l'étude de l'UC Riverside « Making AI Less Thirsty » (2023, données 2021). Cette étude parle d'environ 500 ml d'eau pour 10 à 50 requêtes ChatGPT, selon le centre de données et la région, pas pour une seule. Diviser le bon ordre de grandeur par dix à cinquante change tout.

Le « dix fois une recherche Google » est périmé. Il vient d'une estimation de 2023 comparée à un chiffre Google de 2009. Pour une requête texte courte, les estimations de 2025 rendent les deux à peu près comparables. Le ratio spectaculaire reposait sur deux mesures séparées de plus de dix ans.

L'ordre de grandeur réel d'une requête texte

Pour une requête texte courte, les estimations récentes convergent vers environ 0,2 à 0,3 Wh d'électricité. Le Wh, le wattheure, mesure une quantité d'énergie : 0,3 Wh, c'est ce que consomme une ampoule LED de 10 watts allumée pendant moins de deux minutes.

Plusieurs sources pointent dans la même zone. Epoch AI estimait en février 2025 environ 0,3 Wh pour une requête type GPT-4o, en jugeant ce chiffre plutôt pessimiste, tiré vers le haut. Google avançait en août 2025 environ 0,24 Wh par prompt texte médian sur Gemini, avec une méthode dite « complète » incluant le refroidissement et les machines au repos. Sam Altman a cité en juin 2025 environ 0,34 Wh par requête, mais c'est un chiffre auto-déclaré, sans méthode publiée, à prendre comme tel.

Une réserve à garder en tête : les chiffres des constructeurs comme Google ou Altman sont auto-déclarés, avec une méthodologie partiellement opaque. Mieux vaut les lire comme des bornes basses que comme des mesures indépendantes.

Côté eau, l'étude UC Riverside répartit la consommation entre le refroidissement sur le site du centre de données et l'eau des centrales qui produisent l'électricité, avec d'énormes écarts selon la région. Google avançait en août 2025 environ 0,26 ml par prompt Gemini, là encore auto-déclaré.

Quand le coût d'une requête s'envole

Le « peu coûteux » vaut pour une requête courte. Plusieurs situations changent radicalement la donne, et c'est là que les ordres de grandeur explosent.

Un très long contexte d'abord. Si tu envoies des dizaines de milliers de tokens (le token est l'unité de texte que le modèle traite, à peu près un bout de mot), la requête peut grimper à plusieurs Wh. Les modèles de raisonnement ensuite, qui génèrent beaucoup plus de tokens pour « réfléchir », consomment davantage. La génération d'image et de vidéo enfin coûte bien plus qu'une réponse texte, et elle est exclue de tous les chiffres ci-dessus.

Autrement dit, comparer « une requête » à « une requête » n'a pas grand sens si on ne précise pas de quoi on parle. Reformuler un mail et produire un clip vidéo ne jouent pas dans la même catégorie.

Le vrai enjeu : l'échelle et le stress local

À l'échelle macro, le rapport « Energy and AI » de l'Agence internationale de l'énergie (2025) chiffre la consommation des centres de données à 415 TWh en 2024, soit environ 1,5 % de l'électricité mondiale, avec une projection vers environ 945 TWh en 2030, soit environ 3 %. Ces nombres sont gros, et c'est l'addition de milliards de requêtes qui les fait.

L'IEA cadre toutefois la chose : la croissance des centres de données pèse pour moins de 10 % de la hausse de la demande électrique mondiale d'ici 2030, moins que la climatisation ou les véhicules électriques, avec une incertitude importante. Le problème majeur n'est donc pas tant le total mondial que le stress local : des réseaux électriques et des ressources en eau saturés là où les centres se concentrent géographiquement.

Dernier point utile : on distingue l'entraînement, coût ponctuel élevé pour fabriquer un modèle, et l'usage quotidien, ce qu'on appelle l'inférence, c'est-à-dire chaque requête servie. La tendance largement constatée est que l'inférence, multipliée par l'usage de masse, domine désormais le total. Le coût ne se joue plus surtout à la fabrication, mais à l'utilisation.

M&M veut « passer tout au tout-IA » : les bons réflexes

Pierre, qui dirige Maisons&Mobilia, veut basculer la maison entière sur l'IA. L'intention est bonne, le réflexe utile est de doser plutôt que de tout passer au plus gros modèle par défaut.

Concrètement : choisir un modèle plus petit pour les tâches simples, comme classer des messages ou extraire une information. Éviter un modèle de raisonnement pour reformuler un mail, là où un petit modèle suffit largement et coûte une fraction. Grouper les traitements répétitifs plutôt que de lancer mille requêtes éparpillées. Et réserver la génération d'images aux vrais besoins, puisque c'est le poste le plus lourd.

Tâche chez M&M	Choix coûteux	Choix sobre
Reformuler un mail	Modèle de raisonnement	Petit modèle texte
Trier des messages	Gros modèle à chaque message	Petit modèle, traitement groupé
Visuel de campagne	Génération d'images en série	Génération réservée au besoin réel
Analyser un long document	Tout réinjecter à chaque fois	Contexte réduit à l'utile

Ces gestes ne relèvent pas du sacrifice : ils réduisent la facture en euros autant que l'empreinte, parce que le coût en énergie et le coût en argent suivent à peu près la même courbe.

Aller plus loin

Retiens la nuance : une requête texte courte est peu coûteuse, mais l'échelle, l'image, la vidéo et la concentration locale des centres de données font le vrai sujet. Et méfie-toi des chiffres viraux sortis de leur contexte, surtout quand ils comparent des mesures éloignées de plus de dix ans.

Pour relier sobriété et budget, le coût en énergie suit souvent le coût en euros : vois Combien coûte vraiment l'IA générative ?. Et pour choisir un modèle plus petit ou hébergé chez toi, regarde Le vrai coût d'un LLM open source.

Tu veux des repères concrets pour utiliser l'IA sans gaspiller ? L'app saisir.ai propose des modules courts pour comprendre l'IA générative et les agents sans jargon.