Comment réduire la consommation d'eau du numérique et de l'IA

Un lecteur m'a écrit la semaine dernière : « J'ai lu que chaque question posée à ChatGPT buvait une bouteille d'eau. C'est vrai ? » Non. Mais la réponse courte est trompeuse, et c'est précisément le problème avec ce sujet : selon le périmètre de mesure, on peut défendre à peu près n'importe quel chiffre, du millilitre à la cinquantaine de millilitres.

Alors j'ai fait le tri. Depuis quelques mois, je note mes propres usages, je compare les modèles sur des tâches identiques, et j'ai fini par comprendre un truc que personne ne dit clairement : l'essentiel de votre empreinte ne vient pas de la marque que vous utilisez, mais du modèle que vous activez derrière. Et ça, ça change complètement la façon de réduire sa consommation d'eau liée à l'IA.

Consommation eau IA : pourquoi les chiffres que vous lisez ne parlent pas du même périmètre

Première chose à débloquer, parce que tout le débat public s'y enlise. Vous voyez circuler « 0,26 mL par requête » pour Gemini, « environ 0,3 mL » pour ChatGPT, et à côté de ça « 45 mL » pour une requête Mistral en analyse de cycle de vie. Les gens concluent à l'incohérence. Il n'y a pas d'incohérence : il y a trois périmètres empilés.

Le refroidissement direct : la goutte visible

Un data center chauffe. Il faut évacuer cette chaleur. Les installations qui utilisent de l'eau évaporative en consomment une partie — l'eau s'évapore, elle n'est pas rendue au réseau local dans le même état. C'est ce qu'on appelle le WUE, water usage effectiveness, exprimé en litres par kWh consommé par les serveurs. Les meilleurs sites tournent autour de 0,2 à 0,5 L/kWh ; les plus anciens ou en climat chaud peuvent dépasser 2 L/kWh.

C'est là que naissent les 0,3 mL : une requête courte consomme une fraction de wattheure, multipliée par un WUE raisonnable, et vous tombez dans le millilitre.

L'électricité et l'eau incorporée : le gros du volume

Et là, ça change d'échelle. Produire l'électricité demande de l'eau (barrages, circuits de refroidissement des centrales thermiques). Fabriquer les puces en demande aussi, beaucoup, dans des pays où la ressource est parfois tendue. Si vous intégrez ces deux postes, vous ne parlez plus de millilitres mais de dizaines de millilitres par requête. Les 45 mL en ACV complète ne sont pas un chiffre aberrant : c'est le même service rendu, vu avec des jumelles plus larges.

D'où ma règle personnelle : ne jamais comparer deux chiffres d'eau sans vérifier qu'ils parlent du même périmètre. C'est la source n°1 des articles approximatifs sur le sujet.

Périmètre	Ce qu'il inclut	Ordre de grandeur par requête
Refroidissement seul	Évaporation au data center	Fraction de millilitre à ~0,3 mL
Électricité	Eau mobilisée pour produire les kWh	Plusieurs millilitres à dizaines de mL
ACV complète	Fabrication des serveurs et des puces incluses	Jusqu'à ~45 mL

Le facteur 100 que tout le monde ignore

Le vrai point aveugle, c'est celui-là. Une requête courte sur un petit modèle tourne autour de 0,22 Wh. Un modèle de raisonnement lancé sur un prompt long peut grimper à ~33 Wh. Même data center, même WUE, même pays : l'écart d'eau suit mécaniquement l'écart d'énergie. Un facteur 100.

Ce que ça implique concrètement ? Que choisir entre ChatGPT, Claude et Gemini sans savoir quel modèle est activé ne veut rien dire. Chaque acteur héberge des modèles légers et des modèles lourds. Le logo ne détermine pas la gourmandise.

Est-ce que l'IA consomme vraiment de l'eau ?

Oui, et c'est mesurable. Mais pas partout de la même façon, et pas avec la même intensité toute l'année.

Un data center refroidi à l'air (free cooling) dans un climat froid peut tourner des mois sans consommer une goutte d'eau évaporative. Le même bâtiment installé dans une zone chaude et humide va turbiner en permanence. Le lieu compte autant que la technologie. Et c'est là que le sujet devient politique : certains sites sont construits dans des bassins versants déjà sous tension, où l'eau potable manque pour les habitants. Le « pompe, salit, réchauffe » des associations n'est pas qu'un slogan — sur des territoires précis, il décrit une réalité.

Deuxième nuance : l'usage de l'eau au data center n'est pas toujours consommatoire au sens strict. Un circuit fermé avec dry coolers récupère l'eau, elle tourne en boucle, très peu s'évapore. Un circuit ouvert évaporatif, lui, la perd. Deux installations avec le même PUE affiché peuvent avoir des profils hydriques radicalement différents.

Troisième point, et c'est mon opinion assumée : le débat « l'IA boit-elle une bouteille par requête » est un piège médiatique. Il focalise l'attention sur un chiffre spectaculaire et faux, au détriment du vrai sujet — l'implantation locale et la transparence des opérateurs. Pendant qu'on débat du mythe, on ne regarde pas le WUE réel des sites qui poussent autour de chez nous.

Ma propre mesure, sur une semaine d'usage professionnel intensif (rédaction, code, recherche documentaire) : environ 180 requêtes, majoritairement sur des modèles légers. En appliquant un WUE moyen de 0,4 L/kWh et une consommation énergétique estimée par requête, j'arrive à quelques dizaines de millilitres sur la semaine en refroidissement direct. Rien de dramatique à mon échelle. Mais multipliez par les centaines de millions d'utilisateurs, et le sujet redevient sérieux.

Comment puis-je réduire la pollution numérique au quotidien ?

La pollution numérique ne se résume pas à l'eau. Électricité, métaux rares, renouvellement du matériel, empreinte réseau : la facture est composite. Mais puisque l'eau nous intéresse ici, voici ce qui marche vraiment, testé sur mon propre usage.

Les leviers côté utilisateur, classés par impact réel

1. Choisir le modèle adapté à la tâche. C'est le levier n°1, très loin devant les autres. Une reformulation, une classification, une extraction de données ? Petit modèle. Un raisonnement complexe ? Modèle lourd, mais seulement quand c'est nécessaire. Sur mon usage, ce seul arbitrage a dû diviser mon énergie consommée par trois ou quatre.
2. Raccourcir les prompts et les réponses. La consommation suit les tokens générés. Demander « 300 mots maximum » au lieu de laisser le modèle dérouler 1 200 mots, c'est un facteur 4 mécanique.
3. Éviter les relances inutiles. Chaque « reformule » ou « refais-moi ça » relance une inférence complète.
4. Désactiver l'historique quand vous n'en avez pas besoin — pas pour la confidentialité seulement, aussi pour éviter de traîner du contexte qui gonfle les prompts.
5. Privilégier une session longue et structurée à vingt onglets qui reposent la même question.

Ce que je ne recommande pas : se flageller. L'écart de consommation entre un utilisateur raisonnable et un utilisateur compulsif est réel, mais l'essentiel du levier est structurel — il est chez l'opérateur, pas chez vous. Arrêter ChatGPT ne sauvera pas un bassin versant ; exiger un refroidissement moins gourmand d'un exploitant, si.

Les leviers côté entreprise et opérateur

Si vous travaillez dans une boîte qui héberge ou sous-traite de l'IA, c'est là que l'impact se joue. Quatre points à exiger noir sur blanc dans les contrats ou les appels d'offres :

• Le WUE réel, pas seulement le PUE, avec sa méthode de calcul.
• La techno de refroidissement : évaporatif (gourmand en eau) ou circuit fermé / liquide (beaucoup plus sobre).
• Le site d'implantation, et sa situation en zone de stress hydrique ou non.
• Le recours au free cooling, et la part de l'année où il est activé.

Ces quatre lignes changent plus les choses que n'importe quelle campagne de sensibilisation des salariés. Le refroidissement liquide direct, en particulier, réduit fortement le recours à l'évaporation — c'est pour moi la meilleure piste technique à ce jour, et je le dis sans détour.

Quelle est l'IA qui consomme le moins d'eau ?

La question est mal posée, et c'est important de le dire. Aucune marque n'est sobre ou gourmande en bloc. ChatGPT, Claude et Gemini hébergent chacun des modèles légers et des modèles lourds, et l'empreinte dépend du modèle activé et du nombre de tokens générés.

Autrement dit : la « meilleure IA pour l'eau » n'existe pas. Il existe un bon usage. Une même marque peut être la plus sobre sur une tâche courte et la plus coûteuse sur un raisonnement long.

Ce que vous pouvez faire de concret : identifier, dans l'outil que vous utilisez, quel modèle est sélectionné par défaut. Sur mon propre compte, j'ai découvert avec un peu d'agacement que celui qui se lançait automatiquement sur certaines requêtes était le plus lourd de la liste. Je l'ai changé. J'aurais dû regarder plus tôt — je n'avais aucune idée de ce que je faisais au départ, comme beaucoup.

Combien d'eau consomme une question posée à ChatGPT ?

En refroidissement direct, comptez environ 0,3 mL pour une requête standard. C'est moins qu'une goutte d'eau d'un robinet qui fuit une seconde.

Mais ce chiffre ne dit pas tout, et il ne faut pas s'en servir pour clore le débat. Il exclut l'eau mobilisée pour produire l'électricité et celle incorporée dans la fabrication du matériel. En analyse de cycle de vie complète, on monte à des dizaines de millilitres. Sur un prompt long lancé sur un modèle de raisonnement, multipliez encore : l'écart entre une requête courte sur petit modèle et un raisonnement lourd sur prompt long atteint un facteur 100, avec des puissances de l'ordre de 0,22 Wh d'un côté et 33 Wh de l'autre.

Le chiffre honnête à retenir, c'est donc : « ça dépend énormément de ce que vous demandez et à quel modèle ». La question posée à ChatGPT boit peu. La question mal posée peut boire beaucoup plus.

Et pour ceux qui veulent aller plus loin que l'eau : le CO2 associé dépend du pays du data center, avec un ordre de grandeur de ~50-60 g/kWh en France et ~400+ g/kWh aux États-Unis. Même requête, même modèle, deux localisations : l'empreinte carbone varie d'un facteur 7 à 8.

Ce qu'il faut retenir de ce tour d'horizon, c'est que le débat public s'est focalisé sur un chiffre spectaculaire et faux, alors que le vrai pouvoir de réduction est entre les mains de ceux qui choisissent les modèles et implantent les sites. Vous, à votre échelle, vous pouvez agir sur le premier levier — le choix du modèle. Le reste se joue ailleurs, dans les salles de réunion où l'on décide du refroidissement et de l'emplacement. Si votre fournisseur ne sait pas vous dire son WUE, c'est déjà une réponse.