Les infrastructures qui alimentent l’intelligence artificielle s’imposent désormais comme un nouveau point de tension environnementale mondiale. Selon une étude récente de l’Université des Nations unies, la croissance rapide des data centers pourrait entraîner, d’ici 2030, une pression sans précédent sur l’électricité, l’eau et les sols, dépassant largement la seule question des émissions de gaz à effet de serre. Derrière les performances des modèles d’IA se dessine ainsi une empreinte matérielle bien plus vaste qu’anticipé.
Les centres de données, colonne vertébrale du fonctionnement de l’intelligence artificielle, pourraient engloutir jusqu’à 945 térawattheures d’électricité par an à l’horizon 2030. Ce volume équivaut à près de trois fois la consommation annuelle cumulée de pays comme le Pakistan, le Bangladesh et le Nigeria, qui représentent pourtant plus de 650 millions d’habitants. Cette hausse est directement liée à l’explosion des usages numériques, mais aussi à la généralisation des modèles d’IA dans des applications quotidiennes.
Au-delà de l’électricité, l’étude met en lumière un impact souvent moins visible : la consommation d’eau. Les systèmes de refroidissement des serveurs et la production d’énergie associée mobilisent d’importantes ressources hydriques. Selon les chercheurs, l’empreinte en eau de l’IA pourrait atteindre l’équivalent des besoins domestiques de 1,3 milliard de personnes par an d’ici la fin de la décennie. Une pression particulièrement préoccupante dans des régions déjà confrontées au stress hydrique.
L’empreinte foncière suit la même trajectoire. L’expansion des infrastructures numériques et énergétiques nécessaires au fonctionnement de l’IA pourrait occuper jusqu’à 14 500 kilomètres carrés, soit environ le double de la surface de la métropole de Jakarta. Cette dynamique s’ajoute à une chaîne industrielle complexe, allant de l’extraction des minerais critiques jusqu’à la construction des infrastructures énergétiques.
Les chercheurs insistent également sur un changement majeur dans la compréhension de cette consommation. Si l’attention s’est longtemps concentrée sur l’entraînement des grands modèles, l’usage quotidien apparaît désormais comme le principal moteur de la demande énergétique, représentant entre 80 % et 90 % de la consommation totale. Certaines plateformes traiteraient jusqu’à 2,5 milliards de requêtes par jour, générant une charge énergétique considérable.
Les écarts d’intensité entre les usages accentuent encore ce phénomène. La génération d’une image par intelligence artificielle peut nécessiter plus de mille fois l’énergie requise pour une simple classification de texte, tandis que la production de vidéos augmente encore davantage les besoins. Dans ce contexte, les gains d’efficacité technique ne suffisent pas à compenser l’effet rebond : la baisse des coûts entraîne une hausse de la demande globale.
Les impacts ne se répartissent pas uniformément. Si les bénéfices de l’IA sont mondialisés, ses contraintes environnementales restent localisées. Dans certains pays, les data centers représentent déjà une part importante de la consommation électrique nationale. Ailleurs, leur implantation accentue la pression sur les ressources en eau, parfois dans des zones frappées par la sécheresse.
L’étude attire aussi l’attention sur un autre enjeu majeur : les déchets électroniques. D’ici 2030, jusqu’à 2,5 millions de tonnes de déchets issus des infrastructures d’IA pourraient être générées chaque année. Une grande partie de ces résidus serait traitée dans des pays disposant de capacités limitées de recyclage sécurisé. À cela s’ajoute l’impact de l’extraction des minerais indispensables aux composants informatiques, souvent associé à des dégradations environnementales et à des tensions sociales.
La concentration des capacités de calcul accentue encore les déséquilibres. Plus de 90 % des infrastructures spécialisées dans l’IA se trouvent aujourd’hui aux États-Unis et en Chine, tandis que plus de 150 pays ne disposent pas de capacités significatives. Cette asymétrie interroge la répartition des bénéfices économiques, mais aussi celle des coûts environnementaux, supportés de manière inégale.
Face à ce constat, les auteurs de l’étude ne remettent pas en cause l’intelligence artificielle elle-même, mais appellent à repenser ses conditions de développement. Ils plaident pour une approche fondée sur la transparence, l’efficacité dès la conception, la responsabilité sur l’ensemble du cycle de vie des équipements et une meilleure coopération internationale. Les pouvoirs publics sont invités à intégrer ces infrastructures dans les politiques énergétiques et hydriques, tandis que les entreprises sont encouragées à optimiser la consommation des systèmes.
L’avenir de l’IA dépendra ainsi autant des avancées technologiques que des arbitrages politiques et industriels. La question centrale ne porte plus uniquement sur ce que l’IA permet de faire, mais sur le coût réel de son fonctionnement pour les ressources de la planète.
