Vous avez remarqué que le goût de l’eau du robinet a changé à la fin de l’été — cette légère touche minérale, la légère turbidité qui n’était pas là il y a cinq ans. Vous avez vu les réservoirs baisser et les gros titres défiler, chacun un peu plus urgent que le précédent. Vous avez observé votre facture de services publics augmenter et supposé que c’était l’inflation, ou la politique, ou un coup de malchance. Ce n’est aucun de ces facteurs à lui seul. C’est le coût invisible d’une machine qui ne dort jamais, n’a jamais soif — et pourtant qui consomme plus d’eau que tout votre quartier. La révolution de l’intelligence artificielle est là, et sa soif n’est pas une note de bas de page. C’est une crise que les entreprises commencent à peine à admettre et que les communautés vivent déjà [1].
En 2025, Amazon a révélé que ses centres de données mondiaux consommaient 2,5 milliards de gallons d’eau — un chiffre qui pourrait irriguer des dizaines de milliers d’acres de terres agricoles ou fournir de l’eau potable à des centaines de milliers de familles pendant un an entier [1]. L’entreprise a rapporté une efficacité d’utilisation de l’eau d’environ 0,03 gallons par kilowattheure de charge informatique, une mesure qu’elle a présentée comme de premier plan dans l’industrie. Mais une présentation n’est pas un fait, et 2,5 milliards de gallons n’est pas une abstraction. Ce sont 2,5 milliards de gallons extraits des aquifères, des rivières et des fournitures municipales — dans des communautés où la même eau soutient l’agriculture, la santé et la vie [5]. L’Agence internationale de l’énergie prévoit que la demande mondiale d’électricité des centres de données pourrait plus que doubler d’ici 2026, alimentée presque entièrement par l’intensité computationnelle des charges de travail de l’IA générative [2]. Là où l’électricité augmente, l’eau suit. Chaque mégawatt de demande de refroidissement est un gallon puisé quelque part où quelqu’un d’autre en a besoin.
Que Se Passe-t-il Réellement
Le récit officiel des hyperscalers cloud est celui d’un progrès durable implacable — engagements de zéro émission nette, approvisionnement en énergie renouvelable, tableaux de bord d’efficacité. La réalité est nettement moins élégante. Amazon Web Services, Microsoft Azure et Google Cloud sont dans une course pour construire une infrastructure IA à un rythme sans précédent dans le secteur technologique [6]. Chaque nouvelle génération de modèle linguistique large nécessite exponentiellement plus de puissance de calcul. Chaque entraînement pour un modèle de pointe consomme l’énergie équivalente d’une petite ville et l’eau équivalente d’un petit lac. L’enquête Ecoticias sur les divulgations d’eau d’Amazon a révélé que ses charges de travail IA consomment plus d’eau que celles de ses rivaux directs — tandis que l’entreprise se présente simultanément comme un leader en matière d’efficacité [1]. L’écart entre le communiqué de presse et la réalité s’élargit.
En Chine, la contradiction est encore plus frappante. Pékin a positionné l’approvisionnement en énergie verte pour les centres de données IA comme une priorité nationale, l’intégrant dans des objectifs plus larges en matière d’énergie renouvelable. Mais les rapports de Reuters et les analyses d’experts confirment désormais ce que les ingénieurs de réseau ont averti en privé pendant des années : le rythme de construction des centres de données dépasse celui de la capacité de génération d’énergie renouvelable par une marge significative et croissante [4]. La conséquence est directe — les centres de données IA construits sur la promesse d’une énergie propre puisent, en pratique, dans des réseaux encore largement alimentés par le charbon. L’étiquette verte est appliquée. Les émissions continuent. L’eau utilisée pour refroidir ces systèmes de secours alimentés au charbon n’est même pas comptabilisée dans la plupart des divulgations d’entreprises [4][8].
Le communiqué promet une IA propre. La centrale à charbon bourdonne derrière le rideau.
Le cas pour le refroidissement par liquide
Le cas le plus convaincant en faveur d’une approche différente provient d’une source inattendue : Nvidia. Son design de référence de génération Rubin représente la tentative la plus agressive à ce jour de découpler la croissance des infrastructures AI de la consommation d’eau. Le principe est simple : faire fonctionner les serveurs à des températures de fonctionnement plus élevées et remplacer les tours de refroidissement évaporatif par des systèmes de refroidissement liquide en boucle fermée qui recirculent le fluide de refroidissement plutôt que de consommer de l’eau [1]. En théorie, cela élimine l’étape la plus gourmande en eau de l’exploitation des centres de données. L’ingénierie est éprouvée. L’économie est de plus en plus compétitive.
Mais voici ce que cette ingénierie élégante ne peut pas expliquer : pourquoi, si la technologie existe, la majorité des plus grands opérateurs de centres de données au monde ne l’ont pas adoptée à grande échelle [6]. La réponse n’est pas technique. Elle est financière et structurelle. La mise à niveau des installations existantes est coûteuse. Le refroidissement liquide nécessite des architectures de serveur différentes, des configurations d’installations différentes et des chaînes d’approvisionnement différentes. Les hyperscalers ont des milliards de dollars d’infrastructures déjà investies conçues autour de modèles refroidis par air et évaporatifs. Passer à autre chose signifie admettre que l’état actuel – celui vendu aux régulateurs et aux investisseurs comme étant à la pointe de la technologie – a été construit sur une hypothèse de ressources qui n’est plus tenable [7]. La technologie est prête. La volonté d’assumer le coût de la transition ne l’est pas. L’ingénierie regarde vers l’avant. Le bilan financier regarde vers le passé.
Le Combat de Pouvoir Sous
Suivez l’eau, et vous trouverez les mêmes dynamiques de pouvoir qui ont défini la politique énergétique pendant un siècle. Les hyperscalers du cloud — Amazon, Microsoft, Google, et en Asie, Alibaba et Tencent — ne sont pas simplement des entreprises technologiques. Ce sont des opérateurs d’infrastructures énergétiques et en eau à une échelle qui rivalise avec celle des États-nations [6]. Leurs décisions d’approvisionnement façonnent les marchés de l’électricité. Leurs choix d’emplacement des centres de données déterminent quelles communautés supportent le fardeau des ressources de l’économie de l’IA. Et leur lobbying détermine comment — et si — les régulateurs mesurent même ce fardeau.
En Chine, l’expansion de l’infrastructure de l’IA est devenue inséparable de la compétition géopolitique plus large pour la domination de l’énergie propre. Pékin contrôle la chaîne d’approvisionnement mondiale pour les panneaux solaires, les batteries au lithium-ion et les minéraux rares avec une précision que l’Europe et les États-Unis peinent encore à contrer [4]. Lorsque les centres de données chinois ne parviennent pas à atteindre les objectifs de puissance verte parce que le réseau ne peut pas suivre, ce n’est pas simplement un échec de planification énergétique domestique — c’est un signal que le déployeur d’énergie propre le plus agressif au monde atteint le même plafond qui confronte tout le monde : l’infrastructure prend du temps, et l’IA n’attend pas [4][8].
Pendant ce temps, en Europe, l’appareil réglementaire conçu pour gérer cela — le Green Deal de l’UE, la Directive sur l’efficacité énergétique, la Directive sur le reporting de durabilité des entreprises — est techniquement solide et bureaucratiquement paralysé. La vision est correcte. La machine qui l’implémente se déplace à une fraction de la vitesse à laquelle les nouvelles applications de centres de données sont approuvées [9]. Le résultat est un continent qui établit les normes et regarde ensuite les autres construire l’infrastructure tout en traitant les formalités administratives.
L’économie verte arrive. La question est de savoir si elle sera construite sur une réelle efficacité ou sur des astuces comptables et de l’eau puisée dans le puits de quelqu’un d’autre.
Vraies personnes, vraies conséquences
Vous n’avez pas besoin de comprendre les ratios d’efficacité de l’utilisation de l’eau pour saisir ce que signifient 2,5 milliards de gallons. Dans les communautés adjacentes aux centres de données hyperscale dans l’ouest américain, les résidents ont signalé une baisse des niveaux de puits, une pression d’eau municipale modifiée et des restrictions d’irrigation agricole qui coïncident directement avec l’expansion des centres de données [7]. Dans certaines régions de l’Inde et d’Asie du Sud-Est, où les fournisseurs de cloud élargissent rapidement leur capacité, la compétition entre la demande de refroidissement des centres de données et les besoins en eau agricole n’est pas un risque théorique — c’est une tension présente, mesurée en rendements agricoles et en accès pour les ménages [5].
L’empreinte en eau de l’IA n’est pas répartie de manière égale. Elle est concentrée dans les endroits où l’eau est déjà rare et où les communautés ont le moins de pouvoir politique pour exiger de la transparence de la part des entreprises qui la consomment. Un seul cycle de formation d’un grand modèle de langage peut nécessiter l’évaporation de centaines de milliers de gallons d’eau de refroidissement — eau qui, une fois évaporée, ne retourne pas au bassin versant local [5][7]. Elle est perdue. Et les communautés en aval sont laissées pour absorber le déficit.
Ce n’est pas un scénario futur. C’est votre présent. La question n’est pas de savoir si l’IA va consommer d’énormes quantités d’eau et d’énergie. Elle le fait déjà. La question est de savoir si nous — citoyens, régulateurs, investisseurs — allons exiger que les entreprises qui profitent de cette consommation paient le coût environnemental complet, ou si nous allons leur permettre de le transférer sur les communautés les moins équipées pour le supporter [3][7].
L’accord est signé dans une salle de conférence à Seattle. Le puits se tarit dans un village au Rajasthan. La connexion n’est pas métaphorique. Elle est hydraulique.
Qu’est-ce qui suit ?
Il existe un chemin étroit et honnête à travers cela. Il nécessite trois choses, et aucune d’entre elles n’est optionnelle si nous sommes sérieux au sujet d’un avenir en IA qui ne fasse pas accélérer la déstabilisation climatique qu’elle est censée résoudre.
Tout d’abord, une divulgation obligatoire et auditable de l’eau et de l’énergie pour chaque centre de données dépassant un seuil de capacité défini. Pas de reporting volontaire. Pas de théâtre de durabilité. Comptabilité réelle, vérifiée, au niveau du site concernant le prélèvement d’eau, la consommation d’eau, le mélange des sources d’énergie, et le rejet thermique [8]. L’AIE et l’Agence européenne pour l’environnement ont tous deux appelé à cela. La technologie pour le mesurer existe. La volonté politique de l’imposer ne l’est pas — et c’est un choix, pas une limitation [2][9].
Deuxièmement, un investissement dans les infrastructures de refroidissement qui éliminent l’utilisation d’eau par evaporation au niveau matériel. Le design de refroidissement liquide d’Nvidia est un point de départ, pas un point d’arrivée. Les systèmes à boucle fermée, le refroidissement par immersion, et la récupération de chaleur résiduelle ne devraient pas être des innovations facultatives mais des exigences de base pour toute nouvelle installation cherchant une approbation réglementaire [1][6]. Le cas d’ingénierie est établi. Le cas politique doit suivre.
Troisièmement — et c’est là que la dimension géopolitique devient inévitable — nous devons cesser de prétendre que l’acquisition d’énergie renouvelable à elle seule résout le problème des ressources en IA. Cela ne suffit pas. Les renouvelables intermittentes, aussi excellentes soient-elles, ne peuvent pas fournir l’énergie de base que les charges de travail IA toujours actives exigent sans stockage massif ou génération propre garantie [4]. C’est précisément là où le nucléaire avancé — y compris les petits réacteurs modulaires — devient non seulement un atout mais une nécessité structurelle pour toute décarbonisation crédible de l’économie numérique [10]. Quiconque vous dit que nous pouvons alimenter une croissance infinie de l’IA uniquement avec des panneaux solaires et de bonnes intentions ne prend pas au sérieux la physique, le calendrier, ou l’eau [3].
Le nuage continuera à boire. La question est de savoir si nous allons le laisser boire jusqu’à ce que les rivières s’assèchent, ou si nous allons construire des systèmes — techniques, réglementaires et politiques — qui rendent le coût visible, la responsabilité réelle et l’infrastructure durable. Nous ne manquons pas d’eau. Nous manquons de l’excuse selon laquelle le problème est trop complexe à résoudre.
Attendrez-vous que votre robinet soit à sec avant d’exiger de la transparence de la part de l’entreprise dont les serveurs ne dorment jamais ? Qui décide du rythme de cette transition — vous, votre gouvernement ou la corporation qui possède l’infrastructure ? Et quand la facture arrivera dans son intégralité — dans des aquifères épuisés, dans des récoltes échouées, dans des communautés sans eau propre — dirons-nous que nous ne l’avons pas vu venir, ou admettrons-nous que nous avons choisi de ne pas regarder ?
— RÉFÉRENCES —
[1] Ecoticias. (2026). « Le nuage pétillant d’Amazon cache un secret sale : son IA boit plus d’eau que ses rivaux tout en se qualifiant d’« efficace ». » Ecoticias. Récupéré de https://www.ecoticias.com/en/amazons-sparkling-cloud-hides-a-dirty-secret-its-ai-gulps-more-water-than-rivals-and-still-calls-itself-efficient/33612
[2] Agence internationale de l’énergie. (2024). Électricité 2024 : Analyse et prévisions jusqu’en 2026. IEA. Récupéré de https://iea.blob.core.windows.net/assets/6b2fd954-2017-408e-bf08-952fdd62118a/Electricity2024-Analysisandforecastto2026.pdf
[3] GIEC. (2023). Rapport de synthèse sur le changement climatique 2023. Contribution des Groupes de travail I, II et III au Sixième Rapport d’évaluation du Groupe d’experts intergouvernemental sur l’évolution du climat. GIEC. Récupéré de https://www.ipcc.ch/report/ar6/syr/
[4] Reuters. (2026, 22 juin). « La poussée de la Chine pour l’utilisation d’énergie verte dans les projets d’IA fait face à des obstacles, selon des experts. » Reuters. Récupéré de https://www.reuters.com/business/energy/chinas-push-green-power-use-ai-projects-faces-hurdles-experts-say-2026-06-22
[5] Li, P., Yang, J., Islam, M. A., & Ren, S. (2024). « Rendre l’IA moins ‘gloutonne’ : découvrir et aborder l’empreinte cachée en eau des modèles d’IA. » Nature Water. Prépublication disponible sur arXiv:2304.03271. Récupéré de https://arxiv.org/abs/2304.03271
[6] Bloomberg Green. (2025). « L’IA puise de l’eau dans les zones qui en ont le plus besoin. » Bloomberg.com. Récupéré de https://www.bloomberg.com/graphics/2025-ai-impacts-data-centers-water-data
[7] Chatham House. (2025). « L’utilisation de l’eau par l’IA nécessite que les gouvernements repensent leur approche de l’eau. » Chatham House. Récupéré de https://www.chathamhouse.org/2026/06/ai-water-usage-requires-governments-rethink-their-approach-water
[8] Agence internationale de l’énergie. (2025). « Comprendre le nexus énergie-IA. » Dans Énergie et IA. AIE. Récupéré sur https://www.iea.org/reports/energy-and-ai/understanding-the-energy-ai-nexus
[9] Agence européenne pour l’environnement. (2024). État des eaux en Europe 2024 : le besoin d’une meilleure résilience hydrique. AEE. Récupéré sur https://www.eea.europa.eu/en/analysis/publications/europes-state-of-water-2024
[10] IRENA. (2024). Perspectives des transitions énergétiques mondiales 2024 : trajectoire à 1,5°C. Agence internationale pour les énergies renouvelables. Récupéré sur https://www.irena.org/-/media/Files/IRENA/Agency/Publications/2024/Nov/IRENA_World_energy_transitions_outlook_2024_Summary.pdf
——————
Divulgation sur l’IA : Ce post a été créé avec l’assistance de l’intelligence artificielle. Les idées, analyses et opinions exprimées sont les miennes — l’IA a été utilisée pour aider à composer, structurer et affiner mes notes et pensées personnelles dans le contenu écrit final. Les images, vidéos et musiques présentées dans ce post ont également été générées à l’aide d’outils d’IA, basés sur mes propres indications et directives créatives.
