L'infrastructure d'IA consommera 2,27 milliards de mètres cubes d'eau par an d'ici 2030

D'ici 2030, l'infrastructure mondiale d'IA pourrait consommer jusqu'à 600 milliards de gallons d'eau par an, soit environ 2,27 milliards de mètres cubes, selon les analystes de Tom's Hardware, dont 3DNews relaie les données. La principale cause de cette hausse n'est pas l'eau en tant que ressource à part, mais la consommation électrique des data centers, qui grimpe à toute vitesse : plus les accélérateurs d'IA demandent d'électricité pour entraîner et exécuter les modèles, plus il faut d'eau, à la fois pour refroidir le matériel lui-même et pour produire l'électricité qui l'alimente.

D'où vient la consommation d'eau

Les data centers disposent de deux grands canaux de consommation d'eau, tous deux directement liés à leur consommation d'énergie. Le premier est le refroidissement direct des baies de serveurs et des accélérateurs d'IA : de nombreux grands clusters de calcul utilisent des tours de refroidissement évaporatif, où une partie de l'eau part définitivement dans l'atmosphère sous forme de vapeur pour évacuer l'excès de chaleur des GPU très densément regroupés. Le second, moins évident, est la production d'électricité elle-même : les centrales thermiques et nucléaires consomment aussi des volumes d'eau importants pour refroidir leurs turbines, et la hausse de la consommation des data centers alourdit automatiquement la charge sur ce maillon de la chaîne.

• Prévision : jusqu'à 600 milliards de gallons d'eau par an d'ici 2030.
• En système métrique : environ 2,27 milliards de mètres cubes.
• Source des calculs : Tom's Hardware.
• Principal moteur de la hausse : l'augmentation de la consommation électrique du matériel des data centers d'IA.
• Mécanisme : l'eau est consommée à la fois pour refroidir les serveurs et pour produire l'électricité qui les alimente.

Pourquoi la consommation d'énergie a-t-elle accéléré aussi brutalement ?

Ces dernières années, la densité de calcul dans les data centers a été multipliée : les nouvelles générations d'accélérateurs d'IA consomment nettement plus d'énergie par puce, et certains clusters dédiés à l'entraînement de grands modèles comptent des dizaines de milliers de ces puces. C'est un profil de charge radicalement différent de celui des data centers cloud classiques, conçus pour les services web et le stockage de données. Les clusters d'IA tournent presque en permanence à la limite de leur capacité thermique, et non lors de pics occasionnels, ce qui fait grimper à la fois la facture d'électricité et la consommation d'eau associée.

Comment l'industrie répond à la charge croissante

Les opérateurs d'infrastructures cloud débattent depuis plusieurs années de la consommation d'eau des data centers, surtout dans les régions où l'eau douce manque et où la construction de nouveaux clusters se heurte à l'opposition des communautés locales et des régulateurs. En réponse, les grandes entreprises technologiques affirment publiquement adopter des systèmes de refroidissement plus efficaces : du refroidissement liquide direct des puces, qui exige moins d'eau par unité de chaleur évacuée, à l'implantation de data centers sous des climats plus froids et à l'usage d'eau non potable ou recyclée plutôt que d'eau douce.

Dans ce contexte, plusieurs grands opérateurs de data centers ont annoncé publiquement une stratégie « water positive » : restituer à l'environnement plus d'eau qu'ils n'en consomment d'ici 2030, grâce à des projets de restauration d'écosystèmes aquatiques et à de meilleurs rendements de refroidissement. Reste une question ouverte : ces engagements pourront-ils compenser la hausse de consommation propre à l'IA décrite par Tom's Hardware ? La plupart de ces programmes ont été annoncés avant l'essor fulgurant actuel de la puissance de calcul dédiée aux grands modèles de langage, et leurs calculs initiaux pourraient ne pas avoir intégré le rythme actuel de construction de nouveaux clusters.

Autre difficulté : la demande de calcul pour l'IA progresse plus vite que la modernisation et l'extension des infrastructures énergétiques et hydriques des régions où sont bâtis les data centers. La charge pèse donc souvent sur les ressources en eau locales de territoires précis, au lieu de se répartir uniformément à l'échelle d'un pays ou du monde. Ces prévisions alimentent ainsi le débat non seulement chez les écologistes, mais aussi chez les autorités locales qui encadrent la construction de nouveaux clusters.

La prévision de 600 milliards de gallons d'ici 2030 fixe en somme la limite haute de ce que l'industrie devra gérer si la croissance du calcul d'IA se poursuit et que l'efficacité du refroidissement ne progresse pas à un rythme comparable.

Pour l'ensemble du secteur, ces prévisions constituent un argument supplémentaire en faveur d'architectures de modèles plus économes en énergie : moins il faut de calcul pour obtenir la même qualité de réponse, plus la charge finale sur le réseau électrique, et donc la consommation d'eau qui y est liée, diminue.