À mesure que l’intelligence artificielle s’impose comme le moteur de la transformation numérique mondiale, une réalité matérielle longtemps restée invisible refait surface : derrière chaque requête adressée à une IA se cachent des infrastructures industrielles gigantesques, gourmandes en énergie et en eau. Alors que la course à la puissance de calcul accélère partout dans le monde, les centres de données deviennent un enjeu stratégique majeur, au croisement des questions climatiques, hydriques et géopolitiques. Leur développement soulève une interrogation fondamentale : comment concilier souveraineté numérique, croissance de l’IA et préservation de ressources naturelles déjà sous tension ?
Les data centers sont devenus les usines invisibles de notre quotidien, des infrastructures physiques massives que l’on ne voit jamais mais qui soutiennent chaque geste numérique, du simple protocole sécurisé HTTPS (1) au déploiement de modèles de langage géants (LLM) exécutés en parallèle. Ils ne produisent pas de biens matériels, mais calculent des milliards d’opérations en virgule flottante par seconde (FLOPS) (2), indispensables à notre économie. Sur le plan thermodynamique, leur fonctionnement repose sur une équation stricte : ils convertissent la quasi-totalité de l’énergie électrique consommée en chaleur par effet Joule (3), qu’il faut impérativement extraire pour maintenir la température des jonctions de silicium sous le seuil critique de 85°C.
En France, le coût d’un kilowattheure pour le grand public s’élève à environ 0,19 euro, un montant qui comprend les taxes et l’acheminement via le réseau de transport, ce qui rappelle que chaque interaction avec une IA porte un coût énergétique bien réel. Pour les géants du numérique, les profils de consommation changent d’échelle. Un grand compte industriel négocie son électricité via des contrats d’achat direct à long terme (PPA) à des tarifs d’électron brut négociés entre 0,06 euro et 0,10 euro par kilowattheure, mais l’explosion des volumes rend la facture énergétique globale colossale. C’est pour dissiper cette chaleur que l’eau entre en jeu, offrant une capacité thermique volumique de 4 184 kilojoules par mètre cube et par kelvin (c’est-à-dire pour chaque mètre cube d’eau et pour chaque degré de réchauffement ou de refroidissement), soit environ 3 500 fois supérieure à celle de l’air.
Cependant, la réalité derrière cette utilisation est bien plus complexe que ne le laissent entendre les communications officielles. Amazon Web Services (AWS) a récemment mis en avant un indicateur d’efficacité de l’utilisation de l’eau (WUE) de 0,12 litre d’eau par kilowattheure, par rapport à sa moyenne mondiale révisée à 0,19 litre par kilowattheure. Ce chiffre représente un optimum théorique, valable uniquement sous des climats très favorables ou lors de conditions de fonctionnement idéales. Dès que surviennent des pics de chaleur externe supérieurs à 35°C ou au sein de clusters haute densité, ce WUE réel peut facilement grimper à 1,5 voire 2 litres par kilowattheure pour les technologies à évaporation.
Cette variabilité dépend directement des différentes générations de systèmes de refroidissement coexistant sur le marché mondial. Les installations de première génération reposaient massivement sur des tours aéroréfrigérantes à circuit ouvert, extrêmement gourmandes en eau car basées sur l’évaporation directe pour dissiper la chaleur. Les générations intermédiaires ont introduit des systèmes adiabatiques plus sophistiqués, qui n’utilisent l’évaporation que lorsque la température extérieure dépasse un certain seuil, limitant ainsi la consommation annuelle globale.
L’explosion de la puissance informatique et la fin du refroidissement par air
Aujourd’hui, avec l’essor de l’intelligence artificielle, la puissance électrique demandée par les serveurs a tellement augmenté, passant de 5 à 10 kilowatts par baie, autrefois, à 40 à plus de 100 kilowatts par rack, que le refroidissement par air atteint désormais ses limites physiques et ne parvient plus à évacuer une chaleur aussi intense. L’air n’a plus la capacité d’évacuer une telle quantité de chaleur. Le secteur évolue donc vers une nouvelle génération technologique, celle du refroidissement liquide direct sur la puce (Direct-to-Chip) (4) ou de l’immersion des serveurs dans des fluides diélectriques. Ces technologies de pointe fonctionnent en circuit fermé et réduisent la consommation d’eau directe vers un indicateur proche de zéro, mais elles exigent des investissements initiaux considérables.
Les serveurs n’arrêtent pas
Les serveurs d’IA génèrent une chaleur extrême parce qu’ils fonctionnent en continu et à très haute intensité de calcul, ce qui oblige à faire un arbitrage permanent entre l’empreinte hydrique et l’empreinte énergétique, une tension systémique appelée le Water-Energy Nexus. Les systèmes s’appuyant sur l’évaporation de l’eau permettent de réduire l’indicateur d’efficacité énergétique (PUE) vers des valeurs proches de l’optimum de 1,1 mais au détriment direct de l’empreinte hydrique. À l’inverse, les systèmes dits « secs », équipés de gros échangeurs ventilés et de compresseurs mécaniques, préservent l’eau mais font bondir la demande en électricité, dégradant le PUE à des valeurs de 1,4 ou 1,5.
C’est précisément pour cette raison que l’ONU rappelle que certains choix environnementaux axés uniquement sur la réduction immédiate du carbone peuvent aggraver la crise de l’eau. Dans la réalité opérationnelle, un data center d’ancienne génération d’une puissance informatique de 1 mégawatt exploitant des technologies évaporatives standards sous un climat tempéré chaud consomme jusqu’à 25 500 mètres cubes d’eau par an, soit l’équivalent de la consommation annuelle d’une centaine de foyers européens.
À l’échelle mondiale, l’empreinte hydrique de l’IA s’apprête à franchir un point de bascule critique. D’ici 2030, les centres de données dédiés à l’IA consommeront une quantité d’eau équivalente aux besoins domestiques de base de 1,3 milliard de personnes d’après l’UNU-INWEH (Université des Nations unies). Cette explosion est directement liée à la croissance parallèle de la demande électrique de ces infrastructures dédiées, qui pourrait atteindre 945 térawattheures en 2030. Cette électricité porte elle-même une empreinte hydrique indirecte majeure, appelée l’intensité hydrique de l’énergie, notamment dans les zones où la production dépend de centrales thermiques ou nucléaires qui nécessitent entre 1 et 3 litres d’eau par kilowattheure produit pour leur propre condensation.
L’empreinte hydrique totale ne se limite donc pas au refroidissement direct sur site. Elle inclut aussi cette eau indirecte de production électrique ainsi que l’eau ultra pure requise en amont pour la fabrication des semi-conducteurs, où une seule usine de gravure de puces de pointe consomme plusieurs dizaines de milliers de mètres cubes d’eau par jour.
En France, le coût de l’eau potable se situe autour de 4,70 euros par mètre cube, ce qui rend la ressource financièrement accessible mais ne la rend pas illimitée. Pour optimiser l’équation économique, les industriels se tournent vers l’eau brute non potable, souvent facturée à moins de 2 euros par mètre cube pour les gros volumes. Bien que moins chère à l’achat, cette eau brute nécessite un traitement de filtrage et d’adoucissement directement sur le site afin d’éviter l’entartrage et la corrosion des échangeurs thermiques.
La géopolitique européenne de l’eau et des data centers
Les pays du Nord, comme la Finlande, la Suède ou les Pays-Bas, bénéficient d’une grande disponibilité en eau douce, de précipitations régulières et d’un climat propice au Free Cooling (5), ce qui rend la pression sur les réserves d’eau douce quasi nulle. Les hyperscalers comme Microsoft, Google ou Meta y concentrent massivement leurs infrastructures pour s’assurer une sécurité opérationnelle et réglementaire face aux futures directives environnementales.
À l’inverse, l’Europe du Sud, englobant la France méditerranéenne, l’Espagne, l’Italie ou la Grèce, affiche des indices de stress hydrique critiques en été, marqués par des sécheresses prolongées et une recharge des nappes phréatiques souvent inférieure à 20 %. Dans ces régions, le risque de conflit d’usage avec le secteur agricole constitue le point stratégique le plus fort, le plus réaliste et le plus critique du développement de l’intelligence artificielle.
L’agriculture y capte déjà plus de 70 % de la ressource en eau disponible pour l’irrigation. L’arrivée d’une infrastructure industrielle majeure crée une concurrence frontale pour l’accès à la ressource en période de pénurie. L’argument selon lequel implanter ces centres loin des villes, en zone rurale, résoudrait le problème est une idée fausse. Un grand centre de données d’une capacité de 50 mégawatts exploitant une configuration évaporative consomme entre 300 000 et 500 000 mètres cubes d’eau par an (6). Injecter une telle demande sur un réseau rural ou sur un aquifère local non calibré pour l’industrie perturbe l’équilibre hydrologique complet d’un bassin versant.
Radiateurs géants à ciel ouvert
Toute cette énergie thermique captée puis évacuée vers l’extérieur a des conséquences physiques directes sur l’environnement immédiat. En rejetant continuellement des flux massifs d’air chaud ou de vapeur dans l’atmosphère, les centres de données fonctionnent comme des radiateurs industriels géants à ciel ouvert, capables d’aggraver localement les îlots de chaleur urbains ou de modifier le microclimat des zones rurales d’implantation.
L’enjeu n’est donc pas d’opposer le progrès technologique à la préservation de la nature, mais de reconnaître que l’eau et la gestion thermique sont devenues des variables pivots de la souveraineté technologique mondiale. Les nations qui réussiront à maintenir leur souveraineté numérique seront celles qui sauront imposer une planification territoriale intelligente, exiger une transparence totale sur les volumes prélevés et accélérer les mutations technologiques du secteur.
Cela passera par la généralisation des circuits fermés pour tendre vers un WUE proche de zéro, par la réinjection des calories extraites des serveurs dans les réseaux de chauffage urbain et par le recours aux eaux usées traitées pour les besoins résiduels de refroidissement. L’avenir de la transition numérique ne dépendra pas seulement de la puissance des algorithmes, mais de notre capacité collective à gérer de manière responsable cette ressource discrète et vitale qui conditionne à la fois la vie humaine et la pérennité des infrastructures numériques.
Yannis Bassias, chroniqueur invité UP’
Yannis Bassias a été président-directeur général de la société publique de gestion des hydrocarbures de Grèce (Hellenic Hydrocarbons Management State Company) de 2016 à 2020. Il a été membre du comité du Plan national énergie-climat (NECP) de 2018 à 2020 et a collaboré avec les municipalités de Macédoine occidentale sur le développement des ressources énergétiques et minérales. Il possède une vaste expérience dans l’industrie internationale des hydrocarbures et dans les problématiques liées au mix énergétique. Il écrit et analyse régulièrement des sujets énergétiques liés à la politique énergétique européenne, tant dans la presse grecque qu’internationale.
(1) HyperText Transfer Protocol Secure : système qui garantit la confidentialité et l’intégrité des échanges de données lorsque nous naviguons sur un site Internet.
(2) FLOPS : une mesure de la puissance informatique indiquant le nombre de calculs mathématiques qu’un système est capable d’effectuer chaque seconde.
(3) Effet Joule : le phénomène qui transforme naturellement une partie de l’électricité en chaleur lorsqu’elle circule dans un composant électronique ou un conducteur.
(4) Direct-to-Chip est un système où un liquide circule dans des plaques de refroidissement fixées directement sur les composants électroniques les plus chauds afin d’évacuer beaucoup plus efficacement leur chaleur.
(5) Free Cooling : Refroidissement naturel utilisant directement l’air extérieur froid ou l’eau de mer à basse température pour évacuer la chaleur, sans recourir massivement à des systèmes mécaniques énergivores.
(6) Ordre de grandeur calculé à partir de données industrielles reconnues, comme celles de l‘Uptime Institute – Water Usage Effectiveness (WUE), le grand centre américain Lawrence Berkeley National Laboratory (LBNL), ou le Microsoft – Datacenter Water Usage
