Enquête · IA et environnement
Combien d’eau consomme l’IA ? Les vrais chiffres, requête par requête
« Une question à ChatGPT, c’est une bouteille d’eau. » La phrase circule partout, et elle mélange plusieurs choses. Selon qui mesure et ce qu’il compte, une réponse d’IA consomme 0,26 millilitre ou jusqu’à 50 millilitres d’eau : près de deux cents fois plus d’un chiffre à l’autre.
Nous avons repris les chiffres publiés par Google, OpenAI, Mistral et les chercheurs qui ont lancé l’alerte, vérifié ce que chacun mesure, puis comparé ces volumes à d’autres usages de l’eau de notre quotidien. Là encore, les proportions ne sont pas forcément celles que l’on imagine. Cette enquête prolonge notre enquête vidéo « L’IA consomme-t-elle trop ? », dont chaque chiffre est relié à sa source.
L'essentiel
- Une réponse textuelle d’IA consomme de quelques dixièmes de millilitre à quelques dizaines de millilitres d’eau. L’écart vient surtout de ce que chaque étude compte.
- Le « demi-litre par question » est une mauvaise lecture : l’étude d’origine estime un demi-litre pour 10 à 50 réponses de GPT‑3, soit 10 à 50 mL par réponse, eau des centrales électriques comprise.
- Dans le monde, environ deux tiers de l’eau liée aux centres de données sert à produire leur électricité, et environ un quart à les refroidir sur place (AIE).
- Un petit volume peut compter localement : les besoins en eau des centres culminent l’été, quand les rivières sont basses (Arcep).
- Vingt réponses par jour représentent environ 27 litres d’eau par mois. D’autres gestes du quotidien en demandent des centaines de litres par jour : la comparaison, en fin d’enquête, risque de vous surprendre.
Combien d’eau pour une réponse d’IA ? Quatre chiffres publiés
Quatre chiffres publics reviennent dans le débat. Ils ne portent ni sur le même modèle, ni sur la même longueur de réponse, ni surtout sur le même périmètre : certains comptent seulement l’eau évaporée dans le centre de données, d’autres ajoutent celle des centrales qui produisent son électricité.
| Qui publie | Modèle et unité | Eau par réponse | Ce qui est compté |
|---|---|---|---|
| Google, août 2025 | Gemini, requête texte médiane | 0,26 mL | Eau consommée pour refroidir les machines et l’infrastructure des centres de Google. 0,12 mL si l’on ne compte que les puces en activité. |
| Sam Altman (OpenAI), juin 2025 | ChatGPT, « requête moyenne » | ≈ 0,32 mL (0,000085 gallon) | Chiffre donné dans un billet de blog, sans méthode ni périmètre publiés. |
| Mistral AI avec Carbone 4, 2025 | Le Chat, réponse de 400 tokens | 45 mL | Analyse de cycle de vie de l’inférence, fabrication et fonctionnement des serveurs amortis, hors terminal de l’utilisateur. |
| Li, Yang, Islam et Ren, 2023 | GPT‑3, réponse de longueur moyenne | 10 à 50 mL | Eau évaporée sur place et eau des centrales électriques, selon le lieu et le moment où le modèle tourne. |
Les deux chiffres les plus bas, ceux de Google et d’OpenAI, sont publiés par les entreprises elles-mêmes. Celui de Google repose sur une méthode détaillée dans un article de recherche ; celui d’OpenAI n’est accompagné d’aucune méthode. Les deux plus élevés comptent davantage de choses : la chaîne de fabrication pour Mistral, l’eau de l’électricité pour Li et ses coauteurs.
Aucun de ces chiffres par réponse n’inclut l’entraînement du modèle, qui se compte à part. Li et ses coauteurs estiment ainsi que l’entraînement de GPT‑3 dans les centres américains de Microsoft a pu consommer 5,4 millions de litres d’eau au total, dont 700 000 litres évaporés sur place.
D’où vient le « demi-litre d’eau par question » ?
Le chiffre vient de l’étude de Pengfei Li, Jianyi Yang, Mohammad Islam et Shaolei Ren (université de Californie à Riverside et université du Texas à Arlington), mise en ligne en 2023 sous le titre Making AI Less “Thirsty” puis publiée dans Communications of the ACM. Elle écrit que GPT‑3 « boit » une bouteille d’eau de 500 mL pour environ 10 à 50 réponses de longueur moyenne, selon l’endroit et le moment où il est utilisé.
Repris en raccourci, le demi-litre est devenu « une question », alors qu’il correspond à plusieurs dizaines de réponses. Rapporté à une seule réponse, l’ordre de grandeur est de 10 à 50 mL. C’est beaucoup plus que les 0,26 mL annoncés par Google, mais l’étude compte aussi l’eau des centrales qui produisent l’électricité, ce que Google ne fait pas.
Elle porte en outre sur GPT‑3, un modèle de 2020. Les modèles récents consomment moins d’énergie par token, mais leurs réponses sont souvent plus longues, et certains usages pèsent bien plus lourd : selon l’AIE, générer une vidéo, faire raisonner longuement un modèle ou laisser un agent travailler demande beaucoup plus d’énergie qu’une réponse textuelle courte.
Eau prélevée, consommée, évaporée : de quoi parle-t-on ?
Un centre de données peut prélever de l’eau, c’est-à-dire la pomper, puis en rendre une partie au milieu. L’eau consommée est celle qui ne revient pas : surtout l’eau évaporée pour évacuer la chaleur. C’est elle qui pèse sur une rivière en été, et c’est elle que retiennent Google, Mistral et notre vidéo.
« Les centres fonctionnent en circuit fermé » : c’est vrai pour une partie du refroidissement. Un liquide tourne en boucle autour des puces sans s’évaporer. Mais la chaleur doit sortir. Certains centres l’évacuent avec de l’air, et consomment alors plus d’électricité ; d’autres font évaporer de l’eau. L’Arcep relève aussi que les centres prélèvent de l’eau pour recharger leurs circuits.
En France, selon l’enquête 2026 de l’Arcep, près d’un centre étudié sur cinq refroidit avec un système qui consomme de l’eau. Ce sont les centres qui ont répondu à l’enquête, pas l’ensemble du parc français. Revoir ce passage de la vidéo.
Les deux tiers de l’eau servent à produire l’électricité
On imagine l’eau des centres de données dans leurs tours de refroidissement. Selon l’Agence internationale de l’énergie, c’est pourtant la plus petite partie : dans le monde, environ deux tiers de l’eau liée aux centres de données sert à produire leur électricité, dans les centrales thermiques et nucléaires, environ un quart au refroidissement sur place, et le reste à la fabrication des puces.
C’est la principale raison des écarts du tableau ci-dessus : une étude qui ne compte que l’eau évaporée sur place, comme celle de Google, mesure environ un quart du total. Une étude qui ajoute l’électricité, comme celle de Li et de ses coauteurs, en mesure l’essentiel.
Cette répartition est mondiale. En France, où l’électricité vient surtout de centrales nucléaires refroidies par l’eau des fleuves et de la mer, les proportions changent. Voir le graphique de l’AIE dans la vidéo.
Pourquoi un petit volume peut compter localement
Pour donner un ordre de grandeur, une chasse d’eau à double commande utilise de 3 à 6 litres d’eau potable selon le Centre d’information sur l’eau, soit 67 à 133 fois les 45 mL d’une réponse de Le Chat. La comparaison s’arrête là : l’eau des toilettes repart vers une station d’épuration, alors qu’une partie de l’eau de refroidissement s’évapore et quitte le bassin.
Surtout, un total annuel ne dit rien du lieu ni du moment. L’Arcep note que les besoins en eau des centres culminent pendant les fortes chaleurs, quand les rivières sont au plus bas. Un centre installé dans une région qui manque d’eau peut peser lourd localement, même si sa consommation paraît faible à l’échelle d’un pays. Revoir la comparaison dans la vidéo.
Le vrai sujet : la croissance des centres de données
Le problème de l’IA tient moins à une réponse qu’à leur nombre. Selon l’AIE, la consommation d’électricité des centres dédiés à l’IA a bondi de 50 % en 2025, contre 17 % pour l’ensemble des centres de données. L’agence projette que l’électricité de tous les centres pourrait passer de 485 térawattheures en 2025 à environ 950 en 2030.
Plus d’électricité, c’est mécaniquement plus d’eau, surtout là où le courant vient de centrales thermiques. Li et ses coauteurs projetaient que la demande mondiale d’IA pourrait représenter de 4,2 à 6,6 milliards de mètres cubes d’eau prélevée en 2027. Ce sont des projections, pas des certitudes, mais elles justifient d’encadrer l’implantation des centres et de publier des mesures comparables. Voir les chiffres de l’AIE dans la vidéo.
Et l’eau de notre assiette ?
Pour situer l’usage individuel, prenons une hypothèse d’usage raisonnable : vingt réponses par jour au chiffre de Mistral, 45 mL chacune. Cela fait environ 0,9 litre par jour, soit environ 27 litres par mois.
Se nourrir demande beaucoup plus d’eau. L’étude de Scarborough et ses coauteurs, publiée dans Nature Food en 2023 à partir des régimes de plus de 55 000 personnes au Royaume-Uni, estime l’eau agricole nécessaire par jour, ramenée à 2 000 kcal : environ 410 litres pour une alimentation végane, environ 780 litres pour un mangeur de viande moyen (50 à 99 g par jour), et environ 890 litres pour un gros mangeur de viande.
Ce ne sont pas les mêmes mesures : d’un côté l’eau utilisée pour produire la nourriture, de l’autre l’eau évaporée par les serveurs. La comparaison donne un ordre de grandeur, pas une équivalence. Elle montre seulement qu’on s’inquiète beaucoup de l’eau de l’IA, et presque jamais de celle de notre assiette. Voir la comparaison « deux personnes » dans la vidéo.
Utiliser l’IA sans gaspiller d’eau
Ces chiffres ne disent pas que l’IA est sans effet : elle consomme de l’électricité et de l’eau, et sa croissance doit être encadrée. Ils aident à placer ses efforts au bon endroit.
- Préférer le texte quand il suffit : selon l’AIE, générer une vidéo, faire raisonner longuement un modèle ou lancer un agent pendant longtemps demande beaucoup plus d’énergie, donc plus d’eau, qu’une réponse courte.
- Demander des comptes aux éditeurs : seuls des chiffres publiés avec leur méthode et leur périmètre, comme ceux de Google ou de Mistral, permettent de comparer les modèles.
- Regarder son assiette : à l’échelle d’une personne, passer d’une alimentation carnée moyenne à une alimentation végane économise de l’ordre de 370 litres d’eau agricole par jour selon Scarborough et ses coauteurs, bien plus que ne consomme un usage courant de l’IA.
Nos recettes vegan sont toutes chiffrées sur les nutriments essentiels, et nos autres enquêtes appliquent la même méthode : chaque chiffre relié à sa source.