L’essor de l’intelligence artificielle ne provoquera pas, à lui seul, l’échec des objectifs climatiques. Mais présenter son coût énergétique comme marginal serait tout aussi trompeur. La question dépend moins de la seule quantité mondiale d’électricité consommée que de la vitesse de croissance de cette demande, de sa concentration géographique, du mix électrique qui la satisfait et des infrastructures construites pour y répondre.
En 2025, la consommation d’électricité des centres de données a augmenté de 17 % dans le monde, tandis que celle des installations principalement consacrées à l’IA a progressé de 50 %. L’Agence internationale de l’énergie estime que la demande totale du secteur pourrait presque doubler, de 485 TWh en 2025 à environ 950 TWh en 2030, soit près de 3 % de la demande électrique mondiale. L’IA constitue désormais le principal moteur de cette hausse.
Ces chiffres doivent être interprétés sans dramatisation. Les centres de données représenteraient moins de 10 % de l’augmentation mondiale de la demande électrique entre 2024 et 2030. L’industrie, la climatisation, la mobilité électrique et la croissance économique restent des moteurs plus importants. Mais minimiser le problème parce que sa part mondiale resterait proche de 3 % serait une erreur : les centres de données se concentrent dans quelques régions et exigent une puissance élevée, stable et presque permanente.
Le risque principal est local et temporel
Un centre de données peut être opérationnel en deux ou trois ans. Les lignes à haute tension, les postes électriques, les transformateurs et les nouvelles centrales demandent souvent davantage de temps. La demande numérique peut donc apparaître bien avant l’offre bas-carbone et les réseaux nécessaires pour l’alimenter. L’AIE constate déjà une course aux raccordements, aux équipements électriques, aux puces et aux capacités de production.
Aux États-Unis, le Lawrence Berkeley National Laboratory estime que les centres de données pourraient consommer 649 TWh en 2030 dans son scénario de référence, soit 11,8 % de l’électricité du pays. Selon les hypothèses relatives aux processeurs et à leur utilisation, cette part pourrait varier de 9,5 % à 15,3 %. Il ne s’agit donc plus d’une charge marginale. Dans certaines zones saturées, de nouveaux projets peuvent prolonger l’utilisation de centrales fossiles, accélérer la construction de centrales à gaz ou retarder la fermeture d’unités au charbon.
À l’échelle mondiale, les renouvelables devraient couvrir près de la moitié de la demande supplémentaire des centres de données d’ici 2030. Mais le gaz naturel et le charbon devraient encore fournir ensemble plus de 40 % de cette hausse. L’AIE estime que les émissions de CO₂ liées à leur alimentation électrique pourraient atteindre environ 320 millions de tonnes en 2030. Cela resterait inférieur à 1 % des émissions mondiales de CO₂, mais cette moyenne masque un risque de verrouillage : une centrale à gaz construite aujourd’hui peut fonctionner pendant plusieurs décennies.
Les engagements « 100 % renouvelable » ne suffisent pas
Les contrats d’achat d’électricité renouvelable peuvent financer de nouvelles capacités. Ils ne démontrent toutefois pas qu’un centre de données fonctionne, à chaque heure et dans sa région d’implantation, avec une électricité décarbonée.
Un opérateur peut acheter sur une année autant d’électricité renouvelable qu’il en consomme, tout en utilisant physiquement un réseau alimenté au gaz ou au charbon durant les périodes sans soleil ni vent. Pour le climat, l’additionnalité des capacités, leur localisation et la correspondance horaire comptent davantage qu’un équilibre comptable annuel. L’AIE distingue d’ailleurs le mix contractuel du mix réellement consommé.
Les annonces nucléaires, géothermiques ou relatives aux petits réacteurs modulaires soulèvent la même question de calendrier. Elles peuvent contribuer à une offre pilotable bas-carbone, mais nombre de projets ne produiront pas avant les années 2030. Les promesses à long terme ne compensent donc pas automatiquement les émissions à court terme.
L’empreinte dépasse l’électricité
Réduire l’impact de l’IA à l’énergie utilisée pendant l’entraînement des modèles est insuffisant. Son cycle de vie comprend la fabrication des puces, les bâtiments, l’acier, le béton, les batteries, les générateurs de secours, le refroidissement, l’eau et le renouvellement des serveurs. Le Programme des Nations unies pour l’environnement demande une évaluation de bout en bout, car l’absence de données homogènes empêche encore de comparer rigoureusement les modèles et les opérateurs.
Cette opacité fragilise les chiffres viraux sur « le coût d’une requête ». Celui-ci varie selon le modèle, la longueur de la réponse, le matériel, le taux d’utilisation des serveurs, le refroidissement et le mix électrique local. La métrique pertinente n’est donc pas seulement le nombre de wattheures par requête, mais l’empreinte complète par service utile rendu, avec des hypothèses publiques et vérifiables.
L’efficacité ne suffira pas si les usages explosent
Dans le scénario d’efficacité renforcée de l’AIE, les progrès du matériel, des logiciels et du refroidissement réduiraient de plus de 15 % la consommation mondiale des centres de données en 2035 par rapport au scénario central. Ce potentiel est significatif, mais il ne garantit pas une baisse absolue.
Une baisse du coût énergétique par calcul peut encourager la multiplication des usages et des modèles plus puissants : c’est l’effet rebond. L’efficacité doit donc être accompagnée d’une discipline sur la demande. Toutes les tâches ne nécessitent pas un modèle géant ou une génération instantanée. Des modèles plus petits, la mise en cache, la limitation des requêtes inutiles et le déplacement des calculs vers les heures riches en électricité bas-carbone peuvent réduire l’empreinte sans supprimer le service.
L’IA peut aider le climat, mais le bénéfice doit être prouvé
L’IA peut améliorer les prévisions éoliennes et solaires, détecter les défauts des réseaux, optimiser les bâtiments, la logistique ou certains procédés industriels. L’AIE estime notamment que des outils numériques avancés pourraient libérer jusqu’à 175 GW de capacité supplémentaire sur des lignes électriques existantes.
Mais une « émission évitée » doit être démontrée par rapport à un scénario de référence crédible. Un outil qui optimise marginalement un processus carboné ne devient pas automatiquement positif pour le climat. Le test sérieux est celui de l’impact net : émissions évitées, moins émissions opérationnelles, émissions incorporées et effets rebond.
Un péril conditionnel, pas une fatalité
L’IA mettra réellement en péril les objectifs climatiques si les raccordements précèdent les nouvelles capacités bas-carbone, si les coûts de réseau sont transférés aux autres consommateurs, si les entreprises se contentent de certificats annuels et si les gains d’efficacité servent uniquement à augmenter les volumes de calcul.
La réponse crédible repose sur cinq exigences : publier la consommation, l’eau et les émissions sur l’ensemble du cycle de vie ; conditionner les raccordements à de nouvelles capacités décarbonées et à des flexibilités réelles ; faire supporter aux opérateurs les coûts d’infrastructure qu’ils provoquent ; imposer des normes d’efficacité ; enfin, évaluer les usages selon leur valeur sociale et climatique réelle.
L’Union européenne a commencé à imposer le suivi de la performance énergétique et de l’empreinte hydrique des centres de données. Elle prépare également un système de notation et des normes minimales. C’est une avancée, mais le reporting n’est qu’un préalable. Sans seuils contraignants, contrôle de l’additionnalité électrique et données comparables sur les modèles, la transparence peut rester un exercice administratif.
La conclusion est moins confortable qu’un verdict binaire. L’IA n’est ni le principal responsable du dérèglement climatique, ni une technologie immatérielle dont l’impact serait négligeable. Elle constitue une nouvelle charge industrielle, rapide, concentrée et politiquement puissante. Sa compatibilité avec les objectifs climatiques dépendra moins des promesses de neutralité que de décisions physiques : quelles centrales seront construites, quels réseaux seront renforcés, quels usages seront prioritaires et qui paiera les conséquences.
Sans gouvernance ferme, l’IA peut ralentir la décarbonation. Avec des règles strictes, elle peut rester compatible avec elle — et, dans certains usages précisément démontrés, y contribuer.
