«L’empreinte énergétique et carbone mondiale de la diffusion de l’IA». Essai d’une comptabilité de l’énergie et des émissions (2)

Par Erald Kolasi et Jesse Damiani

[Voir ici la première partie de cette analyse d’ensemble publiée le 7 novembre 2026. Réd.] Cette section traite de l’eau et de la chaleur, ainsi que de leur lien avec la production d’énergie pour l’IA. Mais bien que l’eau et l’électricité retiennent l’essentiel de l’attention, la chaleur est peut-être l’aspect le plus important du débat sur l’énergie dans le domaine de l’IA. De nombreux centres de données tirent leur électricité de centrales électriques brûlant des combustibles fossiles, comme le charbon et le gaz naturel. Il s’avère cependant que l’électricité produite par les centrales au charbon et au gaz représente moins de 40% de l’énergie totale libérée par la combustion des combustibles fossiles. Le reste de l’énergie est de la chaleur perdue rejetée dans l’environnement extérieur. Les lois de la thermodynamique impliquent qu’aucun moteur thermique réel ne peut convertir la chaleur en travail mécanique avec un rendement de 100%, de sorte qu’une partie de la chaleur perdue doit toujours être rejetée vers un environnement extérieur plus froid.

Lorsque des combustibles fossiles sont brûlés dans une centrale électrique, ils transforment l’eau en vapeur chaude et sous pression, qui est ensuite utilisée pour actionner une turbine produisant de l’électricité. La vapeur doit ensuite être refroidie et reconvertie en liquide, afin de pouvoir être recyclée et réutilisée pour le cycle suivant, qui commence dans la chaudière. Mais la chaleur transportée par la vapeur doit être évacuée de la centrale d’une manière ou d’une autre, et le circuit de refroidissement chargé de cette tâche est responsable de la grande majorité de la consommation d’eau des centrales électriques. La plupart des centrales électriques aux États-Unis utilisent désormais des systèmes de recirculation très gourmands en eau, qui évaporent directement dans l’atmosphère une grande partie de l’eau qu’elles prélèvent dans les bassins versants locaux [32]. L’United States Geological Survey a estimé en 2019 qu’environ 57% des prélèvements d’eau des systèmes de recirculation sont évaporés et consommés [33].

Les équipements informatiques des centres de données peuvent atteindre des températures très élevées en raison de l’effet Joule (ou échauffement par résistance), c’est-à-dire la chaleur générée lorsqu’un courant électrique traverse un conducteur. Les transistors étant essentiellement des interrupteurs électriques, ils génèrent collectivement d’énormes quantités de chaleur et risquent de provoquer des dysfonctionnements majeurs. Par conséquent, cette chaleur doit être évacuée des serveurs situés à l’intérieur du centre de données, et de nombreuses méthodes ont été mises au point précisément à cette fin. Pendant la majeure partie de leur histoire, les centres de données ont eu recours à des systèmes de refroidissement à air, qu’il s’agisse de ventilateurs géants soufflant de l’air dans la salle des serveurs ou de climatiseurs industriels insufflant de l’air frais par de grandes bouches d’aération. Mais avec l’essor du cloud computing («informatique en nuage») et de l’IA générative, de plus en plus de centres de données se sont tournés vers des systèmes de refroidissement à liquide, qui sont plus efficaces pour évacuer la chaleur que leurs homologues à air [34].

Parmi les systèmes à refroidissement par liquide, les méthodes les plus courantes d’évacuation de la chaleur sont le refroidissement par évaporation et le refroidissement adiabatique [transformation qui se produit sans aucun échange de chaleur – ni gain ni perte d’énergie thermique – entre le système étudié et son environnement]. Elles exploitent toutes deux une propriété essentielle du changement de phase de l’eau: lorsque l’eau passe de l’état liquide à l’état gazeux, elle absorbe l’énergie de son environnement. C’est le même principe de base qui explique la transpiration lors d’une chaude journée d’été: lorsque la sueur s’évapore de votre peau, elle absorbe la chaleur et contribue à maintenir votre corps au frais. Dans le refroidissement par évaporation, l’eau recueille la chaleur des serveurs à l’intérieur du centre de données, puis est acheminée vers les tours de refroidissement situées à l’extérieur du centre. Une partie de cette eau chaude est ensuite pulvérisée et exposée à l’air, ce qui provoque son évaporation et lui permet d’absorber la chaleur de son environnement immédiat. L’eau ainsi refroidie est ensuite renvoyée dans le centre de données pour entamer un nouveau cycle de refroidissement. Lors de journées particulièrement chaudes et très humides, de nombreux centres de données ont recours à la réfrigération mécanique à l’aide de refroidisseurs plutôt qu’au «refroidissement libre» par évaporation.

Le refroidissement par évaporation nécessite une importante consommation d’eau de fonctionnement; c’est pourquoi de nombreux centres de données s’appuient sur le refroidissement adiabatique afin d’économiser l’eau pour leurs opérations sur site. Dans les systèmes de refroidissement adiabatique, c’est l’air qui constitue le principal moyen d’évacuation de la chaleur, et non l’eau. Cependant, l’eau peut être utilisée pour refroidir l’air lors des journées estivales très chaudes, lorsque l’air entrant s’avère manifestement insuffisant pour refroidir efficacement le fluide de refroidissement. D’un point de vue mécanique, l’air est propulsé à travers des panneaux d’eau qui aspergent l’air chaud. À mesure que l’eau pulvérisée s’évapore, elle absorbe la chaleur et refroidit l’air, qui est finalement soufflé à travers les serpentins hermétiques contenant le fluide de refroidissement. Avec cette méthode, ni l’eau ni l’air n’entrent en contact avec le fluide de refroidissement hermétique. En thermodynamique, un processus adiabatique est un processus dans lequel il n’y a pas d’échange thermique net entre un système et son environnement. Ce processus de refroidissement est donc qualifié d’adiabatique car l’enthalpie totale (contenu thermique) du mélange air-eau reste constante. La chaleur est simplement transférée d’une source à une autre.

Les méthodes de refroidissement adiabatique gagnent en popularité car leur configuration en circuit fermé permet aux hyperscalers d’affirmer qu’ils prennent au sérieux la préservation de l’eau. Toutrfois, le problème réside dans le fait que les ventilateurs, qui assurent l’essentiel du refroidissement, ont besoin d’électricité pour fonctionner, et des recherches ont montré que l’empreinte hydrique indirecte liée à cette production d’électricité peut être bien supérieure à la sur site elle-même [35]. De nombreuses méthodes de refroidissement adiabatiques et à cycle sec ont donc peu de chances de résoudre les problèmes fondamentaux de consommation et de préservation de l’eau liés à l’essor des infrastructures d’IA.

***

L’entraînement des modèles d’IA nécessite de grandes quantités d’eau. Des chercheurs ont estimé que l’entraînement du GPT-3 d’OpenAI dans les centres de données de Microsoft avait directement consommé environ 185 000 gallons d’eau [700 301 litres], et ce chiffre grimpe à 1,4 million de gallons d’eau [5 300 000 litres] une fois l’empreinte hydrique totale prise en compte, ce qui équivaut à la consommation quotidienne d’eau d’environ 14 000 personnes [36]. Mais à mesure que l’IA se développe à l’échelle mondiale dans différents secteurs, ce sont ses opérations d’inférence [phase opérationnelle durant laquelle un modèle d’IA déjà entraîné] pour les tâches courantes, les requêtes et les invites qui représenteront la plus grande part de son empreinte hydrique mondiale.

L’empreinte hydrique opérationnelle directe d’un centre de données typique n’a rien d’étonnant la plupart du temps, mais elle peut augmenter de manière spectaculaire pendant les chaudes journées d’été, mettant ainsi les ressources en eau locales à rude épreuve. L’un des principaux problèmes des méthodes de refroidissement par évaporation est qu’elles se contentent d’expulser et d’évaporer de vastes quantités d’eau, privant ainsi de manière permanente les bassins versants locaux d’une ressource précieuse [37]. De nombreux autres secteurs consomment directement plus d’eau que les centres de données, mais bon nombre d’entre eux, comme l’agriculture, restituent une grande partie de l’eau qu’ils ont initialement consommée aux bassins versants locaux. Les centres de données sont l’une des principales raisons de la hausse des factures d’eau dans une grande partie des États-Unis [38].

Face aux problèmes politiques et de ressources qui se profilent à l’horizon, certains hyperscalers ont commencé à construire des installations de récupération de l’eau afin de réutiliser les eaux usées pour le refroidissement des centres de données, au lieu de les rejeter dans les rivières locales et autres habitats. Dans le comté de Douglas, en Géorgie, le campus de centres de données de Google tire plus de 95% de son eau de refroidissement d’une eau non potable traitée dans des installations de récupération d’eau financées par Google lui-même [39]. Mais malgré tous les problèmes réels liés à leur empreinte hydrique opérationnelle directe, les problèmes de loin les plus importants se situent en amont, avec les besoins indirects et liés au cycle de vie qui sont nécessaires au fonctionnement même des centres de données.

En 2021, des chercheurs ont estimé qu’environ 75% de l’empreinte hydrique d’un centre de données était indirecte, ce qui signifie que la majeure partie de la consommation d’eau attribuée aux centres de données servait à produire l’électricité nécessaire à leur alimentation [40]. La grande majorité de cette électricité provenait de centrales à charbon, à gaz et nucléaires. Cependant, si l’on tient compte de la fabrication des puces et des équipements, cette part s’élève à bien plus de 90%. En d’autres termes, la grande majorité de la consommation d’eau nécessaire à la création et à l’entretien d’un centre de données est soit indirecte, soit intrinsèque. Il est tout à fait juste de dire que l’eau utilisée pour refroidir un centre de données type est, à première vue, pour l’essentiel négligeable dans le contexte global. Mais dès lors que l’on prend en compte l’analyse de la consommation sur l’ensemble du cycle de vie, l’empreinte hydrique totale d’un centre de données type devient colossale.

***

Pour mettre les choses en perspective, l’empreinte hydrique totale des centres de données aux États-Unis avait déjà dépassé l’empreinte hydrique mondiale totale de Coca-Cola au milieu des années 2010 [41]. À la date de publication de cet article, à l’été 2026, il est presque certain que les centres de données américains ont une empreinte hydrique bien plus importante que l’ensemble des terrains de golf américains, qui les dépassaient encore au début de la décennie (voir plus de détails ci-dessous). Compte tenu des taux de croissance phénoménaux prévus pour les prochaines années, les centres de données sont en passe de devenir l’un des principaux secteurs consommateurs d’eau de la planète, pouvant même rivaliser avec l’ensemble du système agricole mondial d’ici une décennie, à moins que la bulle de l’IA n’éclate et que le développement des infrastructures ne s’arrête brusquement.

Il y a quelques mois, le PDG d’Anthropic, Dario Amodei, a publié un essai intitulé «The Adolescence of Technology» [42]. Le thème central de cet essai – à savoir que la diffusion de l’IA comporte de nombreux risques importants, mais que nous pouvons les maîtriser – n’est pas le sujet principal de cet article. Dans cet essai, Amodei écarte indirectement les préoccupations écologiques et énergétiques liées à l’IA en suggérant que la consommation d’eau des centres de données ne constitue pas du tout un véritable problème; bien qu’il ne défende pas ouvertement cette position lui-même, il renvoie à une analyse quantitative réalisée par le cabinet d’études technologiques SemiAnalysis [43]. Dans cette analyse, le cabinet de recherche a comparé la consommation d’eau du Colossus 2 d’Elon Musk, situé à Memphis (Tennessee), à la consommation d’eau sur l’ensemble du cycle de vie d’un restaurant In-N-Out Burger, concluant que le Colossus 2 ne consomme pas plus d’eau que 2,5 restaurants In-N-Out Burger environ.

La première installation, Colossus 1, consommait initialement environ 1 million de gallons d’eau par jour [44]. Sa capacité prévue pourrait la faire passer à 5 millions de gallons d’eau par jour, ce qui équivaut à la consommation quotidienne d’eau d’environ 10 000 personnes aux États-Unis, soit environ 3500 ménages [45]. Le site utilise un système de refroidissement liquide en circuit fermé Supermicro pour ses serveurs internes, mais transfère ensuite la chaleur vers un circuit extérieur qui utilise le refroidissement par évaporation. Ainsi, une grande partie de l’eau qu’il prélève dans les sources locales de Memphis ne retourne pas réellement dans les bassins versants locaux [46]. Cependant, Colossus 2 est en grande partie alimenté par des turbines à gaz aérodérivées, qui ne consomment généralement pas d’eau lorsqu’elles fonctionnent.

Cette comparaison de SemiAnalysis est gravement erronée à plusieurs égards. Premièrement, la grande majorité des centres de données aux États-Unis sont alimentés par le réseau électrique public classique, et non par des turbines à gaz dérivées de l’aviation ou des générateurs diesel [47]. Cela signifie que leur empreinte hydrique est en grande partie indirecte. Utiliser Colossus 2 comme exemple d’efficacité hydrique dans les centres de données est donc une véritable diversion, car il n’est en réalité pas représentatif du mode de fonctionnement de la plupart des centres de données. Deuxièmement, SemiAnalysis n’a pas hésité à mener une évaluation de la consommation d’eau sur l’ensemble du cycle de vie du bœuf utilisé pour les hamburgers In-n-Out, mais a étrangement ignoré sa propre méthodologie pour l’autre aspect de l’équation, préférant se concentrer sur la consommation d’eau opérationnelle des turbines à gaz, qui, comme par hasard, s’avère être nulle. Or, il est évident que la fabrication même de ces turbines à gaz nécessite d’énormes quantités d’eau. Il faut de l’eau pour extraire les matières premières, et de grandes quantités d’eau sont également utilisées dans le processus de fabrication, entre autres étapes de la chaîne d’approvisionnement.

Un générateur au gaz naturel type de Colossus pèse plus de 200 000 livres, soit environ 91 tonnes métriques, et 46 d’entre eux sont actuellement en service [48]. Les principaux composants structurels en termes de masse sont l’acier et le fer, bien que de nombreux autres métaux, comme le cuivre et le nickel, soient également utilisés dans la plupart des générateurs au gaz naturel. En nous basant sur les données d’inventaire de la consommation d’eau liées à la fabrication datant de 2005, nous supposerons, par prudence, une consommation de 6 mètres cubes d’eau par tonne métrique [49]. Un mètre cube équivaut à environ 264 gallons, ce qui correspond à une consommation de 1585 gallons par tonne métrique. L’empreinte hydrique intrinsèque d’un générateur au gaz naturel de Colossus est donc d’environ 144 000 gallons [545 100 litres], et le total pour l’ensemble des 46 générateurs s’élève à environ 6,6 millions de gallons d’eau. Un foyer américain type consomme 300 gallons d’eau par jour, ce qui, par habitant, représente environ 100 gallons par jour [50]. Cela signifie que l’empreinte hydrique intrinsèque des seules turbines à gaz de Colossus équivaut à la consommation quotidienne d’eau de près de 70 000 Américains. Cette analyse, bien sûr, ne tient absolument pas compte de l’empreinte hydrique intrinsèque de l’acier et du béton utilisés dans le centre de données lui-même, sans parler de l’énorme empreinte hydrique intrinsèque du matériel informatique. Une fois tous ces éléments pris en compte, les comparaisons de SemiAnalysis paraîtraient carrément ridicules.

***

Les idées fausses concernant l’ampleur réelle de la consommation d’eau des centres de données apparaissent également en permanence dans les médias grand public. Une analyse récente de CBS News prétendait montrer que de nombreux secteurs économiques courants aux Etats-Unis, comme les terrains de golf, consommaient plus d’eau que les centres de données américains, soit environ 230 milliards de gallons pour ces derniers contre 530 milliards de gallons pour les premiers [51]. Cette analyse ne contenait aucune idée originale. Il s’agissait en grande partie d’un résumé de recherches antérieures accompagné de graphiques attrayants. L’analyse de CBS s’appuyait sur des chiffres datant de 2023, qui sont aujourd’hui, à juste titre, obsolètes. Dans un secteur où les émissions et l’empreinte hydrique doublent pratiquement tous les deux ans, ce qui s’est passé il y a trois ans relève de l’histoire ancienne.

L’analyse partait également du principe que la seule composante de l’empreinte hydrique indirecte était l’eau consommée par les centrales électriques pour produire l’électricité destinée aux centres de données. En réalité, l’empreinte hydrique indirecte est bien plus importante, car elle inclut l’eau consommée par l’industrie des semi-conducteurs pour produire des puces et d’autres matériels informatiques, l’eau consommée par l’industrie sidérurgique pour produire l’acier destiné aux baies de serveurs et autres infrastructures, l’eau consommée pour produire de l’aluminium et d’autres métaux essentiels, etc. Compte tenu de certaines projections à partir de 2023 contenues dans l’analyse de CBS News elle-même, il est très probable que l’empreinte hydrique totale des centres de données aux États-Unis dépassera largement celle des terrains de golf en 2026.

Bien sûr, l’agriculture et certains autres secteurs consomment encore nettement plus d’eau que les centres de données, comme nous l’avons mentionné précédemment. Mais ces secteurs sont loin d’atteindre le taux de croissance stupéfiant des centres de données et n’ont donc pas le même niveau d’impact marginal sur l’écologie mondiale. De plus, des secteurs comme l’agriculture et les terrains de golf réutilisent de grandes quantités d’eau. Selon les données contenues dans le rapport de CBS News, la consommation annuelle d’eau de 530 milliards de gallons attribuée aux terrains de golf tombe à près de 400 milliards de gallons une fois que l’eau réutilisée est prise en compte dans l’analyse. À ce niveau, il n’y a absolument aucun doute en 2026 entre les terrains de golf et les centres de données, ces derniers l’emportent haut la main une fois que leur empreinte globale est prise en compte.

Cette énorme demande en eau exerce une pression considérable sur les services publics locaux d’approvisionnement en eau, d’autant plus que les centres de données sont souvent concentrés géographiquement et que les infrastructures locales n’ont pas été conçues pour répondre aux besoins en eau démesurés des réseaux informatiques modernes. Prenons l’exemple concret du comté de Loudoun, en Virginie du Nord, leader mondial en matière de construction de centres de données. Loudoun Water est le service public qui dessert plus de 300 000 habitants du comté. Des chercheurs ont estimé que Loudoun Water serait incapable de répondre à la demande totale de ses clients lors de certaines des journées estivales les plus chaudes, lorsque les centres de données doivent utiliser davantage d’eau pour refroidir leurs systèmes et que les installations locales pourraient donc être tentées de recourir au refroidissement par évaporation [52].

***

Répondre à cette demande croissante en eau nécessite la construction de nouvelles canalisations, usines et infrastructures, dont les coûts sont généralement supportés par les collectivités locales, souvent sous la forme de factures d’eau plus élevées. Le fait que de nombreuses entreprises exploitant des centres de données et les «hyperscalers» exigent souvent des collectivités locales qu’elles signent des accords de confidentialité concernant leurs futures demandes et besoins énergétiques n’arrange pas les choses [53]. De nombreux détails essentiels sur la consommation d’eau sur site ne sont jamais communiqués, ce qui empêche les services publics d’eau de déterminer avec précision la quantité d’eau qu’ils doivent fournir et mettre à disposition. En raison de toutes ces incertitudes, de nombreuses villes s’opposent désormais farouchement à l’implantation de centres de données sur leur territoire. Récemment, des projets de centres de données ont été rejetés un peu partout, du Minnesota à l’Arizona, et on estime à 130 milliards de dollars la valeur des projets bloqués par les collectivités locales au premier trimestre 2026 [54].

L’industrie des semi-conducteurs figure parmi les plus grands consommateurs d’eau au monde, ses usines de fabrication consommant d’énormes quantités d’eau. En effet, les plaquettes de silicium qui constituent la base de toutes les micropuces doivent être maintenues dans un état de propreté extrême à tout moment. Pratiquement n’importe quelle impureté, même en quantités infimes, compromettrait leurs propriétés électriques souhaitées. Par conséquent, elles sont régulièrement lavées à l’eau à différentes étapes de la production. L’eau ultra-pure (UPW) utilisée dans les usines de fabrication modernes est produite à partir de systèmes de filtration sophistiqués dans les stations de traitement des eaux municipales. Une grande usine de fabrication peut consommer des millions de gallons d’eau en une seule journée, et près de 4 milliards de gallons par an [55]. Lorsque Taïwan a connu une sécheresse historique en 2021, le gouvernement a dû sauver l’industrie des semi-conducteurs en privant pratiquement tous les autres secteurs économiques d’eau [56]. L’industrie mondiale des semi-conducteurs consomme plus de 260 milliards de gallons d’eau par an, du moins en 2022 [57]. Les chiffres récents sont probablement bien plus élevés. Cela équivaut à la consommation totale d’eau de Hong Kong, une métropole de premier plan comptant 8 millions d’habitants [58]. L’empreinte hydrique indirecte de l’essor des infrastructures d’IA s’étend ainsi à de multiples secteurs et chaînes d’approvisionnement à l’échelle mondiale.

Hypothèses méthodologiques

L’objectif principal de la suite de cet article est de calculer la consommation énergétique mondiale et les émissions de GES spécifiquement causées par la diffusion et l’adoption de l’IA, mais nous devons d’abord exposer les principales hypothèses et les cadres théoriques qui guident notre analyse. Il n’existe pas de normes magiques pour mesurer l’empreinte énergétique et les émissions d’un pays ou d’un secteur, et différentes organisations ont utilisé des normes différentes au fil des ans. Faut-il adopter la méthode de substitution partielle ou celle du contenu physique pour mesurer l’énergie primaire? Comment répartir la consommation entre des secteurs géographiquement dispersés? Si un avion décolle de Paris et atterrit à New York, les émissions de cet avion doivent-elles être attribuées à la France, aux États-Unis, aux deux, ou à aucun des deux? Quels sont les meilleurs moyens de mesurer les émissions liées aux changements d’affectation des sols? Si l’on défriche des puits de carbone puissants, tels que les tourbières et les zones humides, pour construire des villes, des plantations de palmiers à huile ou des centres de données, comment faut-il mesurer les émissions qui en résultent? Quels sont le point de départ et le point d’arrivée d’une analyse du cycle de vie? Quelles étapes intermédiaires doivent être incluses dans l’analyse? Où trace-t-on exactement les limites? Vous obtiendrez des réponses différentes selon la manière dont vous répondez à cette question. Ce ne sont là que quelques-unes parmi des milliers d’autres questions importantes que l’on pourrait se poser.

Dans cette section, nous allons expliquer les principales hypothèses théoriques et les choix pratiques qui ont guidé nos calculs, ainsi que la manière dont nous sommes parvenus à nos chiffres finaux, qui sont tous présentés de manière explicite dans la section suivante. Nos décisions peuvent certainement être remises en question, précisément parce que, dans certains cas, il existe différentes approches valables et parce que, dans d’autres, nous avons innové sur le plan méthodologique dans notre manière d’évaluer des questions qui font l’objet de débats depuis des décennies. La première hypothèse majeure est que, à quelques exceptions près, nous mesurons l’énergie primaire associée à l’IA, même s’il ne s’agit certainement pas d’un indicateur parfait. Néanmoins, nous faisons ce choix afin d’être cohérents avec la manière dont la comptabilité énergétique est effectuée par les grandes organisations internationales, telles que l’Agence internationale de l’énergie (AIE) et The Energy Institute (UK). Cela signifie que nos chiffres spécifiques à l’IA peuvent être exprimés en pourcentage du total mondial, ce qui permet d’apporter un contexte supplémentaire et de réaliser des comparaisons.

L’énergie primaire correspond à l’utilisation directe des sources d’énergie, sans aucune conversion ni transformation préalable [59]. La consommation primaire englobe des activités telles que la combustion du charbon dans une centrale électrique et la distillation du pétrole brut dans une raffinerie. Les formes d’énergie primaires n’étant pas utilisables en l’état, elles sont converties et transformées en formes d’énergie secondaires. Par exemple, nous brûlons du charbon afin de transformer l’énergie de la vapeur ainsi produite en électricité, et nous distillons du pétrole brut afin de produire de l’essence. Le charbon et le pétrole brut sont des formes d’énergie primaires, tandis que l’électricité et l’essence sont considérées comme des formes d’énergie secondaires. Les sources secondaires peuvent également être converties pour d’autres usages et applications finales, collectivement appelées sources tertiaires.

L’une des principales difficultés théoriques de la comptabilité de l’énergie primaire a été de déterminer comment mesurer la consommation d’énergie des systèmes d’énergie renouvelable, tels que les panneaux solaires et les éoliennes. Il existe deux méthodes courantes pour mesurer l’énergie primaire: la méthode de substitution partielle et la méthode du contenu énergétique physique [60]. Analysons-les à l’aide de quelques exemples. Lorsqu’une centrale électrique brûle du charbon, l’énergie primaire correspond simplement à l’énergie du charbon qui part en fumée. Dans le cas des combustibles fossiles, les choses sont donc assez simples: il suffit d’enregistrer la quantité de matière brûlée et de l’appeler «énergie primaire». Mais la situation est plus compliquée pour les sources d’énergie renouvelables, telles que l’éolien, le solaire et l’hydroélectricité, car rien ne brûle lorsque ces sources d’énergie produisent de l’électricité. C’est là qu’interviennent les deux méthodes susmentionnées.

Dans la méthode du contenu énergétique physique, on considère simplement l’énergie électrique produite par ces sources comme de l’énergie primaire, même si l’électricité est manifestement une forme d’énergie convertie. C’est la méthode utilisée par l’Agence internationale de l’énergie (AIE) pour mesurer la consommation d’énergie des énergies renouvelables. Dans la méthode de substitution partielle, on considère que l’électricité produite provient d’une centrale thermique hypothétique, puis on lui attribue un rendement donné. L’idée sous-jacente à cette méthode est que les sources d’énergie renouvelables remplacent une centrale au charbon ou au gaz qui aurait produit cette même quantité d’électricité. Par exemple, si la centrale a un rendement hypothétique de 20%, on multiplie alors l’électricité produite par les énergies renouvelables par un facteur de cinq. Dans ce cas, l’énergie primaire nécessaire pour produire cette électricité est cinq fois plus importante. La société British Petroleum (BP) a historiquement adopté cette méthode de substitution partielle dans ses célèbres rapports annuels mondiaux sur l’énergie, mais après avoir confié la responsabilité de l’élaboration de ces rapports à The Energy Institute, une organisation britannique, cette dernière a décidé de passer elle aussi à la méthode du contenu physique, s’alignant ainsi sur les recommandations de l’ONU et de l’AIE [61]. La principale raison pour laquelle ces différences ont de l’importance est qu’elles peuvent conduire à des estimations divergentes de la consommation d’énergie, en particulier pour les pays qui dépendent fortement des énergies renouvelables. Par exemple, la consommation d’énergie de la Norvège est environ 60% plus élevée lorsqu’elle est mesurée selon la méthode de substitution partielle, compte tenu de sa forte dépendance à l’hydroélectricité [62].

Bien que notre objectif soit de mesurer l’énergie primaire de manière cohérente avec d’autres organisations, cette méthode de comptabilisation soulève d’importants problèmes conceptuels, comme l’explique Erald Kolasi dans The Physics of Capitalism [63]. Dans cet ouvrage, ainsi que dans cet article publié sur Substack, Erald Kolasi explique comment les systèmes économiques fonctionnent comme des réseaux de conversion (coronets en abrégé), ce qui signifie qu’ils convertissent en permanence l’énergie sous différentes formes par le biais de réseaux hautement organisés et stratifiés. Cette vision en réseau ébranle fondamentalement tout point de départ et toute limite rigide de l’analyse énergétique. Il est difficile d’affirmer que la combustion du charbon dans la centrale électrique constitue véritablement l’étape primaire et fondamentale, alors que ce charbon a d’abord dû être extrait, partiellement raffiné et acheminé jusqu’au site avant de pouvoir être utilisé à quelque fin que ce soit. Et l’ensemble de ce processus d’extraction et de transport dépendait d’une multitude d’autres conversions d’énergie et d’apports de main-d’œuvre, qui s’inscrivaient eux-mêmes dans une série d’autres conversions, et ainsi de suite. Considérer les systèmes économiques comme des «coronets» met en évidence l’interdépendance des chaînes d’approvisionnement mondiales ainsi que l’importance des effets papillon et des dynamiques non linéaires pour comprendre leurs systèmes énergétiques sous-jacents. C’est pourquoi nous pouvons ajuster certains calculs au-delà de l’énergie primaire, et pour certains secteurs, nous pouvons nous concentrer sur la consommation d’énergie en aval tout en évitant un bilan complet de l’énergie primaire. Toutes ces situations sont traitées au cas par cas, comme le montre la section suivante.

***

Pour l’analyse énergétique, nous adoptons une approche hybride agrégée du cycle de vie, ce qui signifie que nous menons une analyse des entrées-sorties à travers les différentes chaînes d’approvisionnement et industrielles nécessaires à la mise en œuvre des opérations d’IA. Plus précisément, nous partons du principe que le résultat final du processus correspond à l’énergie totale consommée par les centres de données et autres installations en 2026, corrigée de l’impact pouvant être spécifiquement attribué à l’IA. Notre objectif est d’estimer la consommation énergétique totale sur l’ensemble du cycle de vie ainsi que les émissions de GES résultant de l’adoption et de la diffusion de l’IA en 2026. En règle générale, on pourrait mesurer ou estimer uniquement la consommation d’énergie liée aux centres de données et autres installations pour cette année-là. Cela impliquerait de comptabiliser l’électricité consommée par les centres de données en 2026, l’acier et le ciment produits en 2026 pour ces centres, l’eau consommée en 2026 par l’industrie des semi-conducteurs lors de la fabrication de puces destinées aux centres de données, les câbles à fibre optique posés en 2026, et ainsi de suite. Il faudrait ensuite attribuer une partie de toute cette consommation d’énergie spécifiquement à l’IA, car la capacité des centres de données n’est pas entièrement dédiée à l’IA.

Mais cette méthode pose d’énormes défis. Il faut déterminer le stade d’achèvement des différents centres de données, centrales électriques et autres installations à travers le monde, puis démêler les chaînes d’approvisionnement qui leur fournissent matériaux et ressources. Obtenir les données nécessaires à ce type d’analyse est assez difficile; nous avons donc opté pour une approche différente, au cas par cas. Pour certains secteurs, nous serons en mesure d’estimer directement l’empreinte carbone en 2026, comme l’énergie primaire nécessaire à la consommation électrique des centres de données. Pour d’autres secteurs, nous déduirons leur empreinte carbone en 2026 par des moyens indirects, généralement en calculant d’abord leur empreinte sur l’ensemble du cycle de vie, puis en attribuant une part de ce total global à cette année en particulier. Les analystes du secteur s’attendent à ce qu’environ 100 GW de nouvelle capacité de centres de données soient mis en service d’ici à 2030 [64]. JLL[firme étatsunienne active de «manière innovante» dans l’immobilier-construction] a estimé que plus de 35 GW de nouvelle capacité de centres de données sont en cours de construction rien qu’en Amérique du Nord à l’horizon 2026 [65]. Ces chiffres impliquent qu’au moins 65 GW de capacité de centres de données se trouvent à différents stades de construction à l’échelle mondiale, soit plus de la moitié du total opérationnel en 2025. Ces chiffres montrent clairement que l’essor des infrastructures d’IA est concentré sur les périodes récentes, ce qui implique qu’une part considérable du total du cycle de vie à l’échelle du secteur se concentre sur les années 2025 et 2026.

Et ce n’est qu’une petite partie du tableau. Le point le plus important est que les composants les plus récents des centres de données présentent des intensités énergétiques bien plus élevées que les précédents, compte tenu de la transition opérée ces dernières années vers le refroidissement par liquide, les micropuces haute performance telles que les GPU et d’autres dispositifs à forte consommation d’énergie. Pour ces raisons, ainsi que celles évoquées plus haut, nous attribuerons entre 50 et 60% de l’empreinte carbone totale du cycle de vie au niveau sectoriel à la seule année 2026. Il s’agit là de l’hypothèse de base sur laquelle nous nous appuierons pour la suite de notre analyse.

Pour estimer les émissions de GES associées à la diffusion mondiale de l’IA, nous avons décidé d’adopter dans une large mesure les normes du GHG Protocol, une méthodologie largement utilisée [66]. Cela signifie que nous nous attachons à suivre les émissions de scope 1, scope 2 et scope 3, avec certaines réserves et certains ajustements qui seront expliqués au fur et à mesure. L’objectif est de disposer d’une analyse complète du cycle de vie de l’impact des émissions provenant de l’ensemble des réseaux énergétiques mondiaux et des chaînes d’approvisionnement industrielles impliqués dans la création et la construction des infrastructures physiques nécessaires au déploiement et à la diffusion de l’IA.

Le respect du GHG Protocol [Greenhouse Gas Protocol – GHG Protocol – protocole des gaz à effet de serre; ce protocole international vise à établir un cadre règlementaire pour mieux définir les émissions deGES] nous permet de ne pas nous perdre dans les détails concernant les compensations carbone ou autres stratagèmes de «greenwashing» mis en œuvre par les géants de la technologie. Nous comptabilisons les émissions opérationnelles et celles liées au cycle de vie, et c’est tout. Les émissions de scope1 sont les émissions directes liées aux activités principales d’une entreprise ou d’un ménage. Pensez à l’énergie utilisée par une entreprise manufacturière dans ses usines pour produire des biens. Les émissions de scope 2 sont les émissions indirectes associées à l’énergie générée pour assurer le fonctionnement d’une entreprise ou d’un ménage, comme les émissions nécessaires à la production de l’électricité que les entreprises et les familles utilisent pour s’éclairer. Les émissions de scope 3 sont les émissions en amont et en aval tout au long de la chaîne du cycle de vie. Pensez aux émissions générées par les employé·e·s d’une grande entreprise lorsqu’ils se rendent au travail en voiture. Ces émissions sont attribuées à cette entreprise selon le Protocole des GES, car ce sont les horaires de travail et les exigences de l’entreprise qui constituent la raison fondamentale pour laquelle les employé·e·s prennent leur voiture.

Notre analyse ouvre de nouvelles perspectives dans de nombreux domaines qui n’ont pas fait l’objet d’une grande attention, depuis les émissions liées au changement d’affectation des sols causées par la construction de centres de données jusqu’aux effets de rebond en aval résultant de l’adoption de l’IA. L’IA ne se limite pas aux centres de données. Elle touche la logistique, l’industrie manufacturière, le commerce de détail, le secteur bancaire et tant d’autres secteurs économiques à travers le monde. Pour la toute première fois, nous allons quantifier l’impact sur bon nombre de ces secteurs à l’échelle mondiale, tout en rappelant que nous procédons nécessairement à des estimations raisonnables et que ces calculs doivent être interprétés en conséquence. (La troisième partie de cette étude importante sur l’IA et le cycle de vie des éléments multiples de leur production sera publiée le 10 novembre sur ce site. Traduction par la rédaction de A l’Encontre)

Article publié sur le site d’Erald Kolasi le 27 juillet 2026. Les auteurs: Erald Kolasi est physicien et économiste. Auteur de nombreux articles sur «les dynamiques écologiques». Jesse Damiani a couvert entre autres pour le magazine Forbes les technologies émergentes.

Notes