Un rapport des Nations unies met en garde contre l’essor fulgurant de l’intelligence artificielle, dont l’empreinte énergétique et hydrique pourrait devenir vertigineuse à l’échelle mondiale.
Dans une analyse alarmante relayée par le média en ligne The Conversation, un rapport des Nations unies alerte sur les coûts environnementaux de l’intelligence artificielle (IA). Derrière l’image d’une technologie immatérielle et « propre », l’ONU chiffre une consommation d’électricité, d’eau et de matières premières qui pourrait exploser d’ici 2030, tout en accentuant les inégalités entre pays.
Une IA plus efficace… mais encore plus gourmande en ressources
Le rapport casse une idée très répandue dans le secteur technologique : celle selon laquelle des modèles d’IA toujours plus performants et efficaces finiraient par consommer moins d’énergie et de ressources. Les auteurs y voient au contraire un « piège » économique bien connu, décrit par le paradoxe de Jevons.
Le rapport de l’ONU prévoit qu’en 2030, l’IA pourrait consommer 3 % de l’électricité mondiale et davantage d’eau pour son refroidissement que toute l’eau potable bue chaque année par l’humanité.
Formulé au XIXᵉ siècle par l’économiste britannique William Stanley Jevons à propos du charbon, ce paradoxe repose sur une observation simple : lorsque l’on utilise une ressource de façon plus efficace, son coût baisse, ce qui encourage de nouveaux usages et, au total, une consommation plus élevée.
Selon le rapport des Nations unies, l’IA suit exactement cette trajectoire :
- les modèles deviennent plus efficaces et moins coûteux à faire tourner ;
- ces gains de coût rendent l’IA plus attractive pour un grand nombre d’acteurs ;
- de nouveaux services, usages et volumes d’utilisation apparaissent ;
- la consommation totale d’énergie, d’eau et de ressources grimpe, malgré les progrès techniques.
Les experts de l’ONU préviennent ainsi que les économies potentielles liées à l’efficacité des modèles pourraient être « grignotées, voire totalement annulées » par la multiplication des usages, généralisés dans les entreprises, les administrations et le grand public.
Une empreinte énergétique et hydrique déjà massive
Le rapport fournit plusieurs ordres de grandeur pour mesurer l’ampleur du phénomène. Les chiffres ne concernent pas seulement l’IA, mais plus largement les centres de données, le socle matériel indispensable à son fonctionnement.
Les Nations unies rappellent qu’en 2023, l’ensemble des data centers de la planète consommaient déjà autant d’électricité qu’un pays comme l’Arabie saoudite, classé 11ᵉ consommateur mondial. D’ici 2030, cette consommation pourrait doubler avec la généralisation de l’IA générative, des services en ligne automatisés et de l’analyse de données à grande échelle.
Compenser le seul surcroît d’empreinte carbone lié à cette hausse énergétique nécessiterait, selon l’ONU, de faire pousser 6,7 milliards d’arbres durant dix ans.
Le rapport s’attarde aussi sur deux autres postes souvent sous-estimés :
- l’eau, utilisée en quantités considérables pour refroidir les serveurs ;
- le foncier, nécessaire à l’implantation et à l’extension de ces infrastructures.
Les Nations unies avancent ainsi les projections suivantes pour les data centers à horizon 2030 :
| Ressource | Projection pour les centres de données | Ordre de grandeur donné par le rapport |
|---|---|---|
| Électricité | Jusqu’à 3 % de la consommation mondiale | Équivalent à un grand pays industrialisé |
| Eau | Environ 9,3 billions de litres par an | Plus que les besoins annuels en eau potable de l’humanité |
| Sol | Emprise au sol en forte expansion | Près de dix fois la surface de Mexico |
Les auteurs insistent : ces volumes d’eau ne correspondent pas à un usage secondaire. Ils entrent en compétition directe avec les besoins humains, agricoles et industriels dans des régions parfois déjà sous tension hydrique.
Une fracture numérique et environnementale entre pays
Au-delà des volumes de ressources, le rapport de l’ONU souligne une forte inégalité structurelle : seuls 32 pays hébergent aujourd’hui des infrastructures cloud spécifiquement dédiées à l’IA, et 90 % de ces capacités se concentrent aux États-Unis et en Chine.
Une poignée de pays conçoivent et contrôlent les systèmes d’IA, quand beaucoup d’autres fournissent les matières premières et subissent une partie de la pollution, sans bénéficier du même pouvoir technologique.
Cette asymétrie crée un double décalage :
- un décalage technologique, entre les États qui maîtrisent les modèles et les plateformes, et ceux qui ne sont que des utilisateurs finaux ;
- un décalage environnemental, parce que l’extraction de minerais et la gestion des déchets électroniques se concentrent souvent dans des pays moins développés, plus exposés aux risques écologiques.
L’ONU craint ainsi un renforcement de la « fracture numérique » : les nations qui profitent des gains de productivité liés à l’IA ne sont pas forcément celles qui en subissent le coût écologique le plus fort.
Un cadre pour une IA “responsable”
Pour éviter ce scénario, le rapport propose une sorte de feuille de route mondiale pour un usage responsable de l’IA. Plusieurs grands principes sont avancés : transparence, sobriété par conception, justice sociale, responsabilité sur tout le cycle de vie et coopération internationale.
L’idée centrale consiste à gouverner l’IA du début à la fin de sa chaîne de valeur :
- de l’extraction des minerais nécessaires aux puces électroniques ;
- à la conception et à l’entraînement des modèles ;
- en passant par leur usage concret dans les services publics et privés ;
- jusqu’au recyclage et à la gestion des déchets informatiques.
Le rapport plaide aussi pour une forme de « jumelage » entre montée en puissance technologique et protection de l’environnement. Autrement dit : chaque nouvelle capacité offerte par l’IA devrait s’accompagner d’une réflexion explicite sur ses coûts écologiques.
Les Nations unies recommandent de rendre systématiques les informations environnementales liées à l’IA, modèle par modèle et tâche par tâche, pour alimenter les politiques climat et énergie.
Les auteurs appellent à intégrer la demande future d’IA dans la planification énergétique et climatique des États, afin d’éviter que cette consommation ne vienne contrecarrer les trajectoires de réduction d’émissions.
Ce que montrent les exemples en Nouvelle-Zélande et en Australie
Le rapport s’appuie aussi sur des exemples concrets en Océanie. En Nouvelle-Zélande, le gouvernement d’Aotearoa a lancé une stratégie nationale sur l’IA et un cadre d’utilisation de l’IA pour la fonction publique. Ces documents s’inspirent des grands principes de l’OCDE, qui insistent sur un développement inclusif et durable.
Mais, comme le relève The Conversation, ce cadre néo-zélandais ne prévoit pas d’obligation formelle de transparence environnementale. Aucun organisme public n’y compile de façon centralisée les consommations d’énergie ou les émissions liées aux systèmes d’IA déployés par l’administration.
En Australie, l’IA est également mise en avant pour moderniser les services publics. Le rapport cite notamment :
- Bowerbird, un outil de transcription massive audio et vidéo basé sur l’apprentissage automatique, développé par les archives nationales du film et du son ;
- un outil expérimental du ministère des Anciens combattants, conçu pour accélérer le traitement des demandes de prestations grâce à l’IA.
Dans les deux cas, les gouvernements misent sur une régulation « souple », fondée sur des principes généraux plutôt que sur des règles contraignantes. Le rapport estime que cette approche risque d’ignorer l’empreinte écologique croissante de l’IA, qui ne pourra pas être réduite par la seule amélioration technique des modèles.
Quelles implications pour la France ?
Pour un lecteur français, ces alertes interrogent directement la trajectoire nationale. La France développe elle aussi des modèles d’IA, soutient des start-up de la filière et favorise l’usage de ces technologies dans l’administration. Les centres de données se multiplient sur le territoire, soutenus par des collectivités en quête d’investissements.
Comme ailleurs, la question énergétique se pose : les data centers français sont soumis aux réglementations environnementales et aux objectifs climatiques nationaux, et certains projets intègrent déjà des systèmes de refroidissement plus sobres ou des récupérations de chaleur. Mais le principe mis en avant par l’ONU reste valable : des usages toujours plus nombreux peuvent neutraliser une partie des gains d’efficacité.
Les recommandations du rapport résonnent avec plusieurs débats en France :
- la nécessité de mieux mesurer l’empreinte environnementale du numérique, dont l’IA n’est qu’un volet ;
- l’intégration de la demande en électricité liée au cloud et à l’IA dans les scénarios de planification énergétique ;
- la mise en place de critères de sobriété numérique dans les marchés publics, lorsque des administrations choisissent des solutions d’IA ou des services cloud.
Pour l’utilisateur français, qu’il soit particulier, entreprise ou collectivité, ces enjeux suggèrent une réflexion sur les usages réellement pertinents de l’IA : automatiser une procédure, générer une image ou un texte n’a pas le même coût énergétique qu’une simple requête web, surtout lorsqu’il s’agit de modèles très volumineux.
Comprendre les notions clés : centres de données, refroidissement et paradoxe de Jevons
Un centre de données regroupe des milliers de serveurs qui stockent des informations et font tourner des services numériques. L’IA amplifie ces besoins, car l’entraînement et l’exécution de grands modèles nécessitent une puissance de calcul très élevée.
Or, toute cette puissance se traduit en chaleur. Pour éviter la surchauffe, les centres de données utilisent soit de l’air conditionné, soit des systèmes de refroidissement par eau. Cette eau, souvent prélevée dans des réseaux d’eau potable ou des nappes, doit ensuite être rejetée ou traitée, ce qui pèse sur les ressources locales.
Le paradoxe de Jevons rappelle qu’une technologie plus efficace ne garantit pas une baisse de consommation globale, si elle devient tellement attractive qu’elle se diffuse partout.
Appliqué à l’IA, ce paradoxe incite à regarder au-delà des performances techniques : un modèle plus sobre peut finir par consommer davantage de ressources au total, si son coût très faible conduit à le lancer en permanence pour des tâches qui auraient pu être réalisées autrement.
Pour limiter ce risque, certains chercheurs et acteurs publics défendent un usage plus ciblé de l’IA : réserver les modèles les plus gourmands aux tâches qui nécessitent réellement leurs capacités, privilégier des modèles plus modestes dès que possible et questionner la pertinence de certains usages purement gadget. À long terme, cette approche conditionnera la capacité des sociétés à développer l’IA sans sacrifier leurs objectifs climatiques ni leurs ressources en eau.
