IA et climat : les data centers consomment 415 TWh par an, et les bénéfices restent pour l'instant des projections

La question sonne presque comme un slogan politique : l'IA va-t-elle brûler la planète ou aider à la sauver ? Les chiffres donnent une réponse moins spectaculaire, mais plus utile. Selon l'Agence internationale de l'énergie, les data centers ont consommé environ 415 TWh en 2024, soit environ 1,5% de l'électricité mondiale. D'après le scénario de référence de l'AIE, ce chiffre pourrait atteindre 945 TWh d'ici 2030, un niveau comparable à la consommation annuelle du Japon. Les data centers représentent par ailleurs moins de 1% des émissions de CO2 liées à l'énergie : aujourd'hui, le problème est donc local, pas global. Ce qui inquiète, c'est la vitesse de la croissance.

Ce que l'IA consomme réellement

Les chiffres les plus visibles concernent l'entraînement des modèles, et surtout l'inférence : quand les requêtes se comptent par milliards, les petites consommations s'additionnent en mégawatts. Les estimations par requête divergent fortement et dépendent de la méthodologie. En 2025, Google a indiqué qu'une requête médiane à Gemini consomme 0,24 Wh, tandis qu'OpenAI a avancé environ 0,34 Wh pour ChatGPT. Pour un utilisateur isolé, c'est négligeable. Mais les usages lourds, comme la génération vidéo, les raisonnements longs ou les agents qui sollicitent le modèle des dizaines de fois pour une seule tâche, tirent la moyenne vers le haut.

Les repères sur lesquels s'appuie la discussion :

• Data centers mondiaux, 2024 : environ 415 TWh, soit environ 1,5% de l'électricité mondiale (AIE).
• Prévision pour 2030 : environ 945 TWh dans le scénario de référence.
• États-Unis, 2023 : 4,4% de la consommation électrique nationale, et 6,7–12% d'ici 2028 selon le Lawrence Berkeley National Laboratory.
• Émissions de Google en 2024 : 48% au-dessus du niveau de 2019 ; chez Microsoft, hausse d'environ 29% depuis 2020.
• Requête médiane à Gemini : 0,24 Wh, selon les données de Google elle-même.

Une requête individuelle est devenue nettement plus efficace. Le problème, c'est que les requêtes sont désormais incomparablement plus nombreuses, et que la charge se concentre dans quelques régions : la Virginie, le Texas, l'Irlande, les environs de Singapour. Dans ces zones, les réseaux atteignent leurs limites avant que de nouvelles capacités de production n'apparaissent.

Ce que l'IA peut apporter au climat

La seconde moitié de la question repose elle aussi sur des bases solides. Les modèles de prévision météo à base de réseaux de neurones, comme GraphCast et ses équivalents, calculent une prévision globale en quelques minutes sur un seul accélérateur, alors que les méthodes numériques classiques exigent des supercalculateurs. Les algorithmes aident à équilibrer la charge des réseaux à forte part de solaire et d'éolien, à repérer des fuites de méthane sur des images satellites, à optimiser le chauffage et la climatisation des bâtiments et à sélectionner des matériaux pour les batteries.

L'AIE note qu'avec un déploiement à grande échelle, ces usages pourraient potentiellement réduire les émissions davantage que n'en ajoutent les data centers eux-mêmes. Le mot clé est ici « potentiellement » : l'effet n'a rien d'automatique, et le déploiement est lent et inégal.

Il y a aussi un revers. Les compagnies pétrolières et gazières utilisent les mêmes modèles pour trouver et exploiter des gisements, et cette contribution aux émissions reste souvent hors des calculs comparatifs. Les gains d'efficacité entraînent en outre fréquemment une hausse de la demande : quand le calcul devient moins cher, on en consomme davantage. Les économistes connaissent cet effet depuis le XIXe siècle sous le nom de paradoxe de Jevons.

Ce qu'il faut surveiller

Pour ne pas se noyer dans les gros titres, quelques points méritent d'être suivis. Le premier : d'où vient l'électricité des nouveaux campus. Les contrats portant sur la production nucléaire et géothermique ont un effet durable, alors que la prolongation de la durée de vie de centrales à charbon et à gaz l'annule.

Le deuxième : les entreprises publient-elles leur consommation heure par heure et site par site, et pas seulement des moyennes annuelles assorties de certificats verts ? Le troisième : les rapports comptabilisent-ils l'eau et les émissions liées au matériel, et pas seulement l'électricité. Pour les entreprises, la conclusion est pratique : choisir la région et le moment de lancement des tâches lourdes, tenir compte de l'intensité carbone du réseau et mesurer l'énergie par unité de résultat, pas par requête.

Pour les régulateurs, l'essentiel est la transparence des données. Sans elle, tout discours sur une IA « bonne » ou « mauvaise » reste une querelle de croyances.