Plan

• Consommation énergétique des IA génératives (1)
• Consommation énergétique des IA génératives (2)
• Consommation énergétique des IA génératives (3)
• Consommation énergétique des IA génératives (4)
• Consommation énergétique des IA génératives (5)
• Consommation énergétique des IA génératives (6)
• Consommation de l’IA en eau (1)
• Consommation de l’IA en eau (2)
• Consommation de l’IA en matières premières (1)
• Consommation de l’IA en matières premières (2)

Consommation énergétique des IA génératives (1)

Part de l’IA dans les centres de données

• Part de l’IA dans les centres de données :
  • 10 % à 15 % de la consommation électrique actuelle des centres de données (moins de 0,2 % de l’électricité mondiale).
  • 19 % à 35 % d’ici 2028-2030.
• Trajectoire globale des centres de données
  • 415–460 TWh sur la période (2022-2024)
  • 800- 1500TWh d’ici 2030.
• L’adoption massive de l’IA générative déplace le poids énergétique des phases ponctuelles d’apprentissage vers un flux continu d’utilisation.

Consommation énergétique des IA génératives (2)

Fabrication du matériel

• fabrication industrielle des semi-conducteurs absorbe : ~100 TWh par an
• densité énergétique :
  • 1 à 2 kWh/cm² pour les circuits intégrés classiques
  • 2,5 à 5 kWh/cm²** pour les puces d’IA de dernière génération.
• fabrication d’un NVIDIA H100 (8 cm²) : ~20 kWh
• Répartition de l’énergie en usine
  • 60% pour la fabrication
  • 40% pour les procédés auxiliaires (refroidissement des salles blanches, traitement).
• rapport production/utilisation :
  • fabrication d’un serveur haute performance : 10 MWh
  • utilisation sur 5 ans : 80 MWh

Consommation énergétique des IA génératives (3)

Entraînement

• GPT-3 (175 milliards de paramètres) : 1,3GWh
• GPT-4 :
  • a mobilisé 25 000 GPU (10 MW nominal).
  • puissance totale nécessaire : 22MW
  • Volume d’entraînement de GPT-4
    • 14 semaines à 84 % de charge
    • 42,4 GWh (voire 50 à 60 GWh).
• GPT-6 : plus de 100 000 GPU…
• entraînement estimé de l’ensemble des grands modèles depuis 2020 : 1,TTWh
• sauts de puissance problématiques lors du lancement ou de l’arrêt synchrone de clusters de GPU (sauvegardes, interruptions) : variations de plusieurs dizaines de mégawatts

Consommation énergétique des IA génératives (4)

Utilisation

• Utilisation : 60% à 90% de l’utilisation électrique des LLM
• Coûts des requêtes LLM
  • Requête classique sur ChatGPT : 0,3 Wh à 0,34 Wh
  • Requête médiane sur Gemini : ~0,24 Wh
  • Recherche classique sur Google (sans IA) : environ 0,04 Wh maintenant (0,3Wh EN 2009)

=> requête d’IA générative coûte 1,5 à 3 fois plus qu’une recherche web standard.

Consommation énergétique des IA génératives (5)

Consommation suivant le type d’utilisation

• Classfication / tâche simple : ~0,0005 Wh à 0,007 Wh
• Modèle léger (1,7B à 8B) : 0,03 Wh à 0,1 Wh
• Modèle lourd (70B à 405B) ou prompt long (7 500 mots) : 1,8 Wh à 5 Wh, pouvant monter jusqu’à 25 Wh à 40 Wh.
• Génération d’image : ~0,32 Wh à 2,91 Wh
• Génération de vidéo (5 à 6s) : ~115 Wh (deux recharges complètes d’un ordinateur portable).

Consommation énergétique des IA génératives (6)

Conséquence sur la production de gaz à effet de serre

• numérique : 4 % des émissions mondiales de gaz à effet de serre (GES)
• difficulté de la mesure :
  • manque de transparence
  • périmètres des mesures pas harmonisés
  • => différences colossales (jusqu’à x4) dans les analyses des calculateurs classiques (CodeCarbon, CarbonTracker)

Quelques chiffres

• entraînement de BLOOM (176B paramètres) : 50,5t Eq CO2
• entraînement de Mistral Large 2 : 20,4t Eq CO2
• requête médiane sur Gémini : 0,03g Eq CO2
• requête médiane sur Le Chat : 1,14g Eq CO2

Impacts (Étude Green IT, 2025) :

• Situation actuelle :
  • Réchauffement global : 31 % de l’impact environnement de l’IA
  • Émissions de particules fines : 18,5 %
• Projections 2025 - 2030 :
  • de 1,13 million de serveurs (9M GPU) à 7,62 millions (61M GPU)
  • de 41 Mt Eq CO2 Mt à 277 Mt EQ CO2 => Particules fines : 12 579 décès annuels en 2030 (soit 5 décès/jour)

Influence du lien d’implantation du Data Center :

Calcul de référence : 8x A100 pendant 100 h :

• 7,74 kg de CO₂ à Montréal
• 272,00 kg de CO₂ à Sydney

=> Changer de région : jusqu’à -97%

Projections à l’horizon 2030

• Scénario Baseline (tendanciel) : 718Mt EQ CO2 (5,1 % de la production électrique mondiale)
• Scénario Moderate : 67Mt Eq CO2
• Scénario High Efficiency : 12Mt Eq CO2
• Scénario Green AI (sobriété) : 4 Mt Eq CO2

Consommation de l’IA en eau (1)

Types de consommation d’eau :

• Eau consommée pour le refroidissement des serveurs et l’humidification des salles informatiques.
• Eau mobilisée pour refroidir les centrales électriques (thermiques, nucléaires, gaz) alimentant le réseau.
• Eau consommée pour l’extraction des métaux et la fabrication des puces électroniques.

Influences de l’utilisation de l’eau

• Prélèvement : eau restituée au bassin versant après usage
• Consommation : eau évaporée

Quelques exemples de consommation

• Site standard : 2 millions de litres d’eau par jour (~ ville de 12 000 habitants)
• Grand complexe IA : jusqu’à 19 millions de litres par jour
• Grande usine de semi-conducteurs jusqu’à 38 millions de litres d’eau par jour
• Projections de l’ONU à horizon 2030 : besoins domestiques de 1,3 millards de personne

Consommation de l’IA en eau (2)

Influence à l’échelle locale

• Environ 45 % des centres de données mondiaux sont actuellement implantés dans des bassins versants subissant déjà un stress hydrique élevé (ils sont implantés dans des zones avec beaucoup de soleil pour une production solaire d’électricité).
• Dans de nombreuses régions, les centres de données pompent directement dans le réseau d’eau potable faute de réseaux d’eaux recyclées.
• Crises locales (Querétaro, Uruguay) : L’attribution de ressources en eau aux industriels pendant des sécheresses majeures a provoqué des manifestations et la dégradation de l’eau du robinet.
• Purges de refroidissement : Évacuation d’eau concentrée en minéraux et additifs chimiques (anti-tartre, biocides) nécessitant une conformité stricte.
• Saturation des réseaux : Risque d’engorgement des stations d’épuration locales lors des pics de rejets estivaux.
• Pollution thermique : La restitution d’eau réchauffée dans les milieux aquatiques récepteurs menace les écosystèmes.
• En France, les prélèvements directs d’eau par les centres de données ont progressé de 19 % en 2023, générant des tensions d’aménagement (ex. à Marseille).

Consommation de l’IA en matières premières (1)

Les besoins

• Une demande matérielle démultipliée : Besoin de quantités importantes en métaux et terres rares : cuivre, lithium, cobalt, graphite, gallium, germanium, tantale, néodyme, indium, tungstène et terres rares.
• Projections : selon le Conseil économique, social et environnemental (CESE), besoins en métaux multipliés par un facteur 3 à 10 d’ici 2050.
• Concurrence directe avec d’autres secteurs stratégiques également en forte croissance (véhicules électriques, énergies renouvelables)

La disponiblité

• 60% à 70% de la production du lithium dépend de la Chine ;
• 90% de la production des terres rares dépend de la Chine ;
• Europe et États-Unis dépendent quasiment totalement des importations pour une douzaine de minéraux critiques
• Mettre en service une nouvelle mine : 10 à 17 ans

Consommation de l’IA en matières premières (2)

Conséquence sur les prix

• Sur la RAM
  • Accaparement de la DRAM par les data centers : 25% de la production en 2023, 70% en 2026
  • Pénurie de mémoire DDR5 : entre septembre 2025 et septembre 2026, prix multiplié par 6 à 8.
• Pour le grand public
  • prix des cartes graphiques grand public (ex. RTX 5090) a doublé
  • Nvidia a réduit de 30 % à 40 % la production de GPU grand public.
  • Apple et Microsoft ont augmenté les prix des Mac, iPad, consoles Xbox et PC de près de 20 %