Vous n’avez pas pu passer à côté : ces dernières années, l’intelligence artificielle s’est imposée à une vitesse impressionnante dans notre vie quotidienne. Que ce soit pour rédiger un texte, générer une image ou encore répondre à toutes nos questions, l’IA est désormais partout ! 🌎
Derrière cet outil “magique” se cachent des infrastructures bien réelles : les data centers. Ces immenses hangars regroupent des milliers de serveurs et nécessitent d’importantes ressources énergétiques et environnementales pour fonctionner.
À l’heure du changement climatique, ce secteur particulièrement énergivore soulève plusieurs craintes. Pouvons-nous réussir et pérenniser une transition énergétique mondiale malgré l’essor de l’IA ?
(900 millions d’utilisateurs de ChatGPT chaque semaine)
Quelles conséquences sur le plan énergétique et environnemental ?
En 2024, les data centers ont consommé environ 415 TWh d’électricité, soit 1,5 % de la consommation mondiale d’électricité. D’ici 2030, on estime que cette valeur augmentera jusqu’à atteindre 945 TWh, avec l’IA comme moitié responsable de cette augmentation.
Or, la majorité des data centers se situent aux États-Unis (45 %) et en Chine (25 %). Ces pays utilisent encore massivement les énergies fossiles (gaz, charbon) pour produire leur électricité.
Ainsi, on peut estimer qu’en 2024, les data centers ont émis près de 130 MtCO₂, soit environ trois fois les émissions totales du Portugal !
💧D’un point de vue environnemental, la question de l’eau est aussi importante pour les data centers. En effet, certains sont équipés de systèmes de refroidissement hydrauliques et peuvent consommer 1 à 5 millions de litres d’eau par jour selon les technologies.
À l’échelle mondiale en 2024, cette demande est difficile à estimer, mais la consommation d’eau peut se rapprocher de celle d’une grande ville d’un million d’habitants, telle que Lille. Cela peut sembler relativement faible, cependant cette consommation peut être concentrée localement dans des zones exposées à la sécheresse et pose un problème de disponibilité de la ressource.
Comment réduire l’impact énergétique de l’IA ?
Tout d’abord, tous les usages de l’IA ne se valent pas en termes de consommation d’énergie. Les requêtes simples demandent peu de ressources, tandis que la génération d’images ou de vidéos nécessite une puissance de calcul bien plus importante.
Concernant les requêtes Internet, contrairement à un navigateur, l’IA effectue un traitement de l’information avec synthèse et génération de réponse, ce qui demande en moyenne dix fois plus de ressources.
Les bons réflexes à adopter :
- Pour une recherche Internet simple, gardons l’habitude de passer par un navigateur standard (et si besoin, demander à l’IA si on ne trouve pas ce que l’on cherche).
- Pour la génération d’images, il ne faut surtout pas générer de multiples images par IA en demandant à chaque fois une légère modification. Le mieux est de rester sur des logiciels classiques de design qui affichent et modifient des éléments existants plutôt que de recréer le visuel pixel par pixel. De plus, cela permet de faire travailler notre créativité 😊
➡️ Par ailleurs, les data centers sont de plus en plus performants en efficacité énergétique. Le ratio PUE (Power Usage Effectiveness) était en moyenne de l’ordre de 2 en 2010 et de 1,5 en 2024. Autrement dit, pour 1 kWh d’énergie nécessaire aux serveurs, il faut ajouter 0,5 kWh pour les équipements annexes (majoritairement le refroidissement).
Ce ratio a pu être amélioré car les équipements sont de plus en plus performants : pour la même puissance, les GPU (Graphics Processing Unit) effectuent davantage de calculs. Les équipements de refroidissement, quant à eux, sont de moins en moins énergivores (groupes froids, refroidissement hydraulique).
Dans certaines régions du monde, on utilise même l’air extérieur pour refroidir les serveurs à la place des machines de climatisation. Il est aussi possible de récupérer la chaleur fatale des data centers (chaleur produite passivement) pour chauffer de l’eau et l’intégrer à un réseau de chaleur urbain.
Malgré tout, l’arrivée de l’IA a fait monter en flèche la consommation énergétique des data centers, et la performance énergétique n’est pas suffisante pour compenser cette croissance.
En conclusion
L’essor de l’IA apparaît clairement comme un défi pour la transition énergétique, car ce secteur est très énergivore en électricité. Voici donc les axes d’amélioration pour réduire son impact selon trois échelles :
➡️ Pour l’utilisateur :
Adopter les bons réflexes vus précédemment, en privilégiant les outils classiques n’intégrant pas l’IA et en évitant de l’utiliser excessivement.
➡️ Pour les data centers :
Continuer les efforts en termes d’efficacité énergétique, notamment sur les solutions de refroidissement et de récupération de chaleur fatale. Les organismes politiques ont un rôle très important à jouer, car ils peuvent développer et simplifier la mise en place de travaux de rénovation énergétique ou encore imposer des réglementations pour limiter l’impact énergétique.
En ce sens, la directive européenne sur l’efficacité énergétique impose désormais aux data centers d’une puissance supérieure à 1 MW de valoriser leur chaleur fatale. En France, des aides financières peuvent être appliquées pour la performance énergétique des data centers via le mécanisme des CEE (Certificats d’Économie d’Énergie).
➡️ Pour la production d’électricité :
Réduire considérablement les centrales fossiles à charbon et au gaz et faire une transition vers les énergies renouvelables (solaire, éolien, géothermie…) ou encore le nucléaire. Ici aussi, c’est la politique des pays qui permet cela en définissant des feuilles de route et des objectifs de production d’électricité par secteur, tels que la PPE (Programmation Pluriannuelle de l’Énergie) en France.
Étant donné que la plupart des data centers sont situés en Chine et aux États-Unis, ce sont eux qui ont le plus de pouvoir pour réduire l’impact carbone de l’IA. Ces pays développent fortement les énergies renouvelables (+360 GW de solaire en Chine en 2024), mais doivent faire mieux pour ne plus être dépendants des énergies fossiles dans les prochaines décennies.
