Lorsque l'on évoque les coûts environnementaux de l'intelligence artificielle, on se concentre souvent sur les émissions de carbone et la consommation d'électricité. On parle moins de l'impact sur l'eau.

‍

Le bon côté des choses : L'IA a un potentiel important en matière de conservation de l'eau. Dans l'agriculture, les outils d'IA permettent d'optimiser l'irrigation en combinant les prévisions météorologiques, les données sur le sol et les informations sur les cultures afin de distribuer l'eau de manière plus efficace. Les services publics commencent à utiliser l'apprentissage automatique pour détecter les fuites dans les canalisations et les bâtiments, évitant ainsi les gaspillages avant que les problèmes ne s'aggravent. Les installations de traitement de l'eau adoptent l'IA pour améliorer l'efficacité de processus tels que le dosage de produits chimiques et l'aération, ce qui permet d'économiser à la fois de l'eau et de l'énergie.  

‍

‍

Le mauvais côté des choses : Les centres de données, qui alimentent les systèmes d'IA, utilisent de grandes quantités d'eau pour le refroidissement. Selon certaines estimations, l'infrastructure de l'IA pourrait consommer des milliards de mètres cubes d'eau douce dans les années à venir, soit suffisamment pour couvrir près de 200 000 terrains de football d'un mètre d'eau, ce qui dépasse les prélèvements annuels de certains petits pays. L'empreinte hydrique n'est pas seulement directe, elle est aussi indirecte, car la production d'électricité dépend souvent fortement de l'eau. L'entraînement de grands modèles d'intelligence artificielle consomme une énorme quantité d'eau en fonction de la combinaison énergétique et de l'emplacement.

‍

‍

L'équilibre entre les coûts et les avantages de l'IA repose sur des choix. L'implantation des centres de données dans des zones où l'approvisionnement en eau est durable, l'amélioration de la transparence dans les rapports sur l'utilisation de l'eau et l'investissement dans des technologies de refroidissement en circuit fermé peuvent réduire la pression exercée sur les ressources en eau. Dans le même temps, le déploiement continu de l'IA dans la conservation et la gestion de l'eau peut aider à compenser une partie de l'empreinte de l'industrie.

‍

Il y a aussi la question de la géographie : de nombreux centres de données sont situés dans des régions déjà confrontées à la pénurie d'eau, ce qui amplifie la pression sur les communautés locales.

‍

Des recherches récentes ont montré à quel point l'IA est devenue assoiffée. Une étude a estimé que la formation du GPT-3 a consommé environ 700 000 mégalitres d'eau propre, soit suffisamment pour fabriquer des centaines de voitures ou des milliers de smartphones. Dans l'Iowa, où Microsoft exploite un important centre de données, des rapports ont montré que la consommation d'eau augmentait de plusieurs millions de gallons pendant les périodes d'entraînement intensif de l'IA.

‍

Et il n'y a pas que la formation des modèles qui consomme de l'eau, leur fonctionnement aussi. Selon les données compilées par Business Energy UK et le Washington Post, une seule réponse de 100 mots de ChatGPT-4 consomme environ 519 millilitres d'eau et 0,14 kWh d'électricité. Avec environ 285 millions de réponses générées quotidiennement par les 57 millions d'utilisateurs actifs de ChatGPT, cela représente une consommation d'eau estimée à 148 millions de litres (39 millions de gallons) par jour, soit assez pour recouvrir près de 28 000 terrains de football d'une couche d'eau d'un centimètre.

‍

Ces chiffres soulignent l'ampleur du défi et l'urgence des changements à opérer. Les plus grandes entreprises technologiques, dont Microsoft, Google et Amazon, se sont toutes engagées à devenir "water positive" au cours de cette décennie, ce qui signifie qu'elles ont l'intention de renouveler plus d'eau qu'elles n'en consomment. La question de savoir si ces engagements suivront le rythme de la croissance rapide de l'IA sera l'une des questions environnementales déterminantes de l'industrie.

L'empreinte hydrique de l'IA va bien au-delà du simple refroidissement des serveurs - elle inclut également la production d'électricité hors site et la fabrication de semi-conducteurs, qui sont toutes très gourmandes en eau. Morgan Stanley Research note qu'à mesure que l'adoption de l'IA s'accélère, la demande globale de calcul pourrait augmenter en raison des gains d'efficacité qui réduisent les coûts, créant ainsi un effet de "paradoxe de Jevons". Toutefois, certains experts mettent en garde contre le fait qu'une efficacité accrue ne suffirait pas à réduire la consommation totale d'eau, en raison du paradoxe de Jevons , qui veut que lorsque la technologie devient plus efficace et plus accessible, les gens ont tendance à l'utiliser encore plus, ce qui peut en fait augmenter la consommation globale. La question de savoir si ces engagements suivent le rythme de la croissance rapide de l'IA sera l'une des questions environnementales déterminantes de l'industrie. Cela signifie que la consommation d'eau augmentera encore plus fortement tout au long de la chaîne de valeur de l'IA. D'ores et déjà, 73 % des professionnels des centres de données affirment que la disponibilité de l'eau ralentit les nouvelles constructions, et la pénurie d'eau à l'échelle mondiale devrait s'intensifier, avec un milliard de personnes supplémentaires qui devraient vivre dans des conditions de stress hydrique extrêmement élevé d'ici à 2050. Alors que le changement climatique continue de perturber les précipitations et de réduire le stockage de l'eau terrestre, la sécurisation des sources d'eau durables sera essentielle à la croissance future de l'IA.

‍

Du point de vue d'OceanWell, nous produirons de l'eau à partir des profondeurs de l'océan, où les températures sont naturellement ultra-froides tout au long de l'année, ce qui en fait une ressource idéale pour les applications de refroidissement avancées, en tant que sous-produit naturel de notre approvisionnement en eau douce. Ce froid constant peut être exploité pour réduire considérablement la demande d'énergie des centres de données d'intelligence artificielle (IA), qui ont besoin d'une énorme puissance de refroidissement pour fonctionner efficacement. En exploitant l'eau des grands fonds marins comme source de refroidissement renouvelable, OceanWell offre une alternative durable aux systèmes traditionnels de climatisation et d'évaporation, réduisant à la fois les coûts et les émissions de carbone grâce à une infrastructure fiable et résiliente au changement climatique qui répond aux exigences croissantes de l'intelligence artificielle et d'autres technologies de calcul à haute performance. Pour en savoir plus sur OceanWell et les centres de données , cliquez ici:  

‍

L'expansion de l'IA s'accompagne d'une immense demande d'eau pour refroidir les centres de données, un défi qui met déjà à rude épreuve l'approvisionnement local. OceanWell peut fournir : 60 millions de gallons chaque jour grâce à son système modulaire Water Farm 1, ce qui équivaut à 227 000 mètres cubes ou 2 626 litres par seconde d'eau douce et ultra-froide des profondeurs de l'océan. En exploitant cette source régulière et renouvelable, l'infrastructure de l'IA pourrait cesser d'être en concurrence avec les communautés pour l'obtention d'une eau douce rare et tirer parti d'un système de refroidissement durable qui s'adapte à la croissance rapide de la puissance de calcul.

La relation de l'IA avec l'eau est complexe. C'est à la fois un défi et un outil. Si elle est gérée avec soin, la technologie peut devenir une partie de la solution à la pénurie d'eau plutôt qu'une partie du problème. Mais pour l'instant, il est clair que l'IA a très soif.

Références

1. MIT News. "Explained : Generative AI's Environmental Impact". 2025. https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117

2. Forbes. "L'IA accélère la perte de notre ressource naturelle la plus rare : l'eau". 2024. https://www.forbes.com/sites/cindygordon/2024/02/25/ai-is-accelerating-the-loss-of-our-scarcest-natural-resource-water

3. White & Case. "L'IA dans la gestion de l'eau : Équilibrer l'innovation et la consommation". 2023. https://www.whitecase.com/insight-our-thinking/ai-water-management-balancing-innovation-and-consumption

4. Morgan Stanley Research. (2024). Décomposition de l'empreinte hydrique de l'IA. Morgan Stanley. Siddik, Md AbuBakar ; Shehabi, Arman ; Marston, Landon T. "The Environmental Footprint of Data Centers in the United States". Environmental Research Letters, 2021. Cet article quantifie les empreintes carbone et eau des centres de données américains (utilisations directes et indirectes de l'eau) et montre combien d'entre eux sont situés dans des bassins hydrographiques soumis à un stress hydrique.  

5. Siddik, Md AbuBakar ; Shehabi, Arman ; Marston, Landon T. "The Environmental Footprint of Data Centers in the United States". Environmental Research Letters, 2021. Cet article quantifie les empreintes carbone et eau des centres de données américains (utilisations directes et indirectes de l'eau) et montre combien d'entre eux sont situés dans des bassins hydrographiques soumis à un stress hydrique. https://eta-publications.lbl.gov/publications/environmental-footprint-data-centers ?

‍