500 ml ou quelques gouttes ? Le vrai problème de l’eau consommée par l’IA
Une requête adressée à une intelligence artificielle consomme-t-elle une bouteille d’eau, 45 millilitres, 0,32 millilitre ou seulement quelques gouttes ? Ces chiffres peuvent tous circuler sans pour autant mesurer la même chose. Derrière la question de la consommation d’eau de l’IA se cachent en réalité trois enjeux : ce que l’on compte, l’endroit où l’eau est utilisée et la manière dont les data centers sont conçus.
500 ml. 45 ml. 0,32 ml. 0,26 ml.
À première vue, l’écart paraît absurde. Comment une même action — poser une question à une intelligence artificielle — pourrait-elle produire des estimations variant dans de telles proportions ?
La réponse est moins spectaculaire que certains titres, mais beaucoup plus intéressante : ces nombres ne décrivent pas nécessairement la même chose.
Le chiffre de 500 ml, devenu emblématique, vient d'un travail consacré à l'empreinte hydrique de GPT-3. Les chercheurs estimaient qu'une bouteille de 500 ml correspondait à environ 10 à 50 réponses de longueur moyenne, avec de fortes variations suivant le lieu et le moment d'exécution. Il ne s'agissait donc pas de 500 ml pour chaque question. DOI
Depuis, des valeurs beaucoup plus faibles ont été publiées. En août 2025, Google estimait qu'un prompt texte médian dans Gemini Apps consommait 0,26 ml d'eau, soit environ cinq gouttes, dans le cadre de sa méthodologie opérationnelle. blog.google
Sam Altman avait évoqué quelques semaines auparavant environ 0,32 ml pour une requête ChatGPT moyenne. Mais la méthodologie détaillée permettant de reproduire ou de comparer ce chiffre n'a pas été rendue publique. The Verge
Mistral, de son côté, publie 45 ml d'eau pour une réponse de 400 tokens de Le Chat, dans une approche intégrant un périmètre environnemental plus large, notamment des impacts situés en amont. Mistral
Alors, lequel est le bon ?
Posée ainsi, la question n'a probablement pas de bonne réponse.
L’empreinte en eau de l’IA dépend du périmètre retenu, du mode de refroidissement et du territoire dans lequel les infrastructures fonctionnent.
Combien d’eau consomme une requête IA ?
Ramener l'impact d'une intelligence artificielle à une quantité d'eau par question est séduisant. Le nombre est simple, mémorisable et facilement comparable à une bouteille ou à quelques gouttes.
Mais plusieurs réalités disparaissent au passage.
Une estimation peut compter uniquement l'eau consommée directement pour refroidir un data center. Une autre peut intégrer l'eau associée à la production d'électricité. Une analyse plus large peut également tenir compte de la fabrication des équipements et de leur cycle de vie.
Les modèles, les processeurs et les systèmes de refroidissement évoluent également très rapidement.
Enfin, une requête de quelques mots n'a évidemment pas les mêmes besoins de calcul qu'une longue réponse de raisonnement, une génération d'image ou une vidéo.
C'est pourquoi juxtaposer 0,26 ml, 0,32 ml et 45 ml dans un classement des IA « les plus écologiques » n'aurait guère de sens sans comparer auparavant leurs méthodes de calcul.
Le premier réflexe devrait donc être très simple :
avant de comparer deux chiffres, vérifier ce qu'ils mesurent réellement.
Pour aller plus loin — Enquête Horizon Duo #1
Pourquoi parle-t-on à la fois de 500 ml, de quelques dizaines de millilitres et de quelques gouttes ?
Prélever de l’eau et consommer de l’eau ne signifient pas la même chose
Une deuxième confusion complique encore le débat.
Prélever de l'eau n'est pas nécessairement la consommer.
Une infrastructure peut prélever de l'eau, l'utiliser puis en restituer une partie. À l'inverse, lorsque de l'eau est évaporée pour évacuer la chaleur, elle n'est plus immédiatement disponible dans le bassin local.
L'Arcep rappelle toutefois qu'une restitution ne rend pas un prélèvement automatiquement neutre : retirer temporairement de l'eau peut également affecter les milieux et les usages situés en aval. Arcep
En France, les opérateurs de data centers étudiés par l'Arcep ont directement prélevé environ 575 000 m³ d'eau en 2024, en quasi-totalité potable. Près de 20 % des centres étudiés disposent d'au moins un dispositif de refroidissement consommateur d'eau, de type évaporatif ou adiabatique. Arcep
Pris à l'échelle nationale, ce volume reste limité face à certains autres usages.
Mais l'eau présente une particularité essentielle : son impact est fortement local.
Un litre d’eau n’a pas le même impact partout
Un litre reste physiquement un litre.
Mais utiliser ce litre dans une région régulièrement confrontée à des restrictions d'eau n'a pas les mêmes conséquences que l'utiliser dans un territoire où la ressource est abondante au même moment.
Le climat, la saison, la disponibilité de la ressource et les autres besoins locaux changent donc la lecture du même chiffre.
C'est aussi ce qui explique pourquoi une technologie pertinente dans un data center peut être moins appropriée dans un autre.
L'Arcep préconise notamment de privilégier des techniques de refroidissement peu consommatrices d'eau dans les zones régulièrement soumises au stress hydrique. Arcep
Le débat change alors de nature.
La question n'est plus seulement :
« Combien d'eau consomme l'IA ? »
Elle devient :
« Où cette eau est-elle utilisée, à quel moment et avec quelles conséquences pour le territoire ? »
Pour aller plus loin — Enquête Horizon Duo #2
Pourquoi le lieu où fonctionne un data center peut-il être aussi important que la quantité d'eau utilisée ?
Eau des data centers : refroidissement, évaporation et électricité
Les besoins actuels de l'IA augmentent la densité de calcul des data centers. Plus de calcul signifie également davantage de chaleur à évacuer.
Une piste prend donc une importance croissante : amener le refroidissement directement au niveau des puces.
Avec le direct-to-chip cooling, un liquide circule dans un circuit fermé jusqu'à une plaque de refroidissement placée au contact des composants. Microsoft compare lui-même le principe à celui du radiateur d'une voiture : le fluide transporte la chaleur puis revient dans le circuit. Microsoft
Microsoft a également développé de nouvelles architectures utilisant une boucle fermée sans évaporation d'eau pour le refroidissement pendant leur fonctionnement. Microsoft
Cela ne signifie toutefois pas que tout impact disparaît.
La chaleur doit toujours être évacuée. Dans certaines configurations, remplacer le refroidissement évaporatif par un refroidissement mécanique peut augmenter les besoins électriques du système. Microsoft mentionne lui-même cet arbitrage dans la présentation de ses nouvelles architectures. Microsoft
C'est un point essentiel :
optimiser un indicateur environnemental ne signifie pas nécessairement optimiser automatiquement tous les autres.
Eau recyclée, pluie, chaleur : le data center peut aussi s’adapter
Une autre approche consiste à réduire le recours à l'eau potable.
Des installations utilisent déjà des eaux recyclées ou réutilisées lorsque les infrastructures locales le permettent. Microsoft cite notamment des déploiements au Texas, dans l'État de Washington, en Californie ou à Singapour et la récupération d'eau de pluie sur certains sites européens. Microsoft Local
Mais là encore, il n'existe pas de recette universelle.
Utiliser de l'eau recyclée suppose de pouvoir la traiter et la transporter jusqu'au site. Ce qui fonctionne dans une grande agglomération équipée d'un réseau adapté n'est pas nécessairement reproductible ailleurs.
Le même raisonnement vaut pour la chaleur.
À Genève, le data center D4 d'Infomaniak a été conçu pour injecter la chaleur dégagée par ses serveurs dans le réseau de chauffage urbain. À pleine capacité, l'entreprise annonce une puissance thermique de 1,7 MW, équivalente au chauffage d'environ 6 000 logements. Infomaniak News
Ce chiffre doit être replacé dans son contexte : il s'agit d'une performance annoncée par l'exploitant à pleine charge, et non d'un modèle automatiquement transposable à tous les data centers.
Mais cet exemple illustre une idée beaucoup plus générale :
un data center ne doit pas être pensé indépendamment du territoire qui l'entoure.
Mesurer : le nouveau problème
Supposons maintenant que l'on réduise l'évaporation, que l'on utilise davantage d'eau recyclée et que l'on récupère une partie de la chaleur.
Comment savoir si une infrastructure est réellement plus performante ?
Un indicateur revient souvent : le WUE, pour Water Usage Effectiveness.
Il met en relation l'eau utilisée pour certaines opérations du data center et l'énergie consommée par les équipements informatiques. Microsoft, par exemple, définit son WUE comme le rapport entre la consommation annuelle d'eau liée au refroidissement et à l'humidification et l'énergie consommée par l'IT. Microsoft
C'est un indicateur intéressant.
Mais il ne répond pas à toutes les questions.
Un ratio ne dit pas nécessairement à lui seul si l'eau est potable ou recyclée, ni si le site fonctionne dans une région abondamment alimentée ou confrontée à une sécheresse.
Deux installations ayant un résultat proche peuvent donc avoir des interactions très différentes avec leur environnement.
À cela s'ajoute un problème de transparence. En septembre 2025, Uptime Intelligence relevait déjà d'importantes lacunes dans les informations déclarées par des data centers néerlandais dans le cadre de la directive européenne sur l'efficacité énergétique. Son analyse publiée en septembre 2026 relève encore des difficultés de couverture, de fiabilité et de qualité dans les données européennes. intelligence.uptimeinstitute.com
Mesurer est indispensable. Encore faut-il mesurer les mêmes choses et disposer de données suffisamment complètes pour les comparer.
Pour aller plus loin — Enquête Horizon Duo #3
Peut-on économiser l'eau sans simplement déplacer une partie de l'impact ailleurs ?
Avant de croire un chiffre sur l’eau consommée par l’IA, posez cinq questions
La prochaine fois qu'un chiffre spectaculaire apparaît sur l'empreinte hydrique de ChatGPT, Gemini ou d'une autre intelligence artificielle, cinq questions permettent déjà d'éviter une grande partie des raccourcis.
1. Que mesure exactement le chiffre ?
Uniquement le refroidissement du data center ? L'électricité ? La fabrication des équipements ? Un cycle de vie plus large ?
2. Parle-t-on d'eau prélevée ou réellement consommée ?
Les deux notions ne décrivent pas le même phénomène.
3. Quelle eau est utilisée ?
Eau potable, eau recyclée, eau réutilisée ou eau de pluie n'impliquent pas les mêmes tensions sur la ressource locale.
4. Où se trouve l'infrastructure ?
Le climat, la saison et le niveau de stress hydrique peuvent profondément changer la signification d'un même volume.
5. Que se passe-t-il avec l'énergie et la chaleur ?
Réduire l'utilisation d'eau est une avancée intéressante, mais l'analyse doit aussi regarder l'électricité nécessaire et la possibilité de valoriser la chaleur produite.
Le vrai problème n’est peut-être pas le nombre de millilitres
Nous étions partis d'une bouteille d'eau.
À l'arrivée, la question est devenue beaucoup plus large.
L'empreinte hydrique de l'intelligence artificielle ne peut pas être correctement résumée par un nombre universel de millilitres par requête. Elle dépend des modèles, du matériel, des infrastructures, de l'électricité, du mode de refroidissement, du territoire et surtout du périmètre que l'on décide de mesurer.
Cela ne signifie pas que l'impact de l'IA sur l'eau soit négligeable.
Cela signifie que le réduire à un chiffre isolé risque précisément de nous empêcher de comprendre où se trouvent les vrais enjeux.
Le progrès ne passera donc probablement pas par la recherche d'un nombre magique.
Il passera par des infrastructures mieux conçues, adaptées aux territoires, capables de limiter leurs prélèvements lorsque l'eau est rare, de valoriser leur chaleur lorsque cela est possible — et par des données suffisamment transparentes pour permettre de vérifier les progrès annoncés.
La bonne question n'est finalement plus seulement : “combien d'eau consomme l'IA ?”
C'est : que mesure-t-on, où, comment — et avec quelles conséquences ?
Pour prolonger la lecture sur l’IA
- IA responsable : l’urgence d’un virage éthique et environnemental — sur les enjeux environnementaux des data centers.
- IA locale : comment utiliser Ollama et Gemma sans cloud — pour explorer une autre façon d’utiliser l’IA.
