L’intelligence artificielle (IA) progresse vite, et on retient surtout ses avancées techniques et sa capacité à transformer nos sociétés. Un rapport récent de l’Institut de l’Université des Nations Unies pour l’eau, l’environnement et la santé (UNU-INWEH), publié en 2026, en pointe le coût écologique moins visible. Basé à Richmond Hill, en Ontario, cet institut détaille dans son document, intitulé « Environmental Cost of AI’s Energy Use : Carbon, Water and Land Footprints », la quantité de ressources naturelles que l’IA mobilise : eau, terres et carbone.
Une consommation d’énergie qui explose
D’après le rapport de l’UNU-INWEH, les centres de données dédiés à l’IA consomment énormément d’énergie. En 2025, leur consommation mondiale atteignait environ 448 TWh. Si ces centres formaient un pays, ils se classeraient au 11e rang mondial, juste derrière la France. D’ici 2030, ce total pourrait grimper à 945 TWh, soit près de 3 % de la demande électrique mondiale. Produire une seule image avec l’IA demande autant d’électricité qu’une ampoule LED allumée pendant 17 minutes ; générer une vidéo en haute résolution équivaut à 42 heures d’éclairage continu.
L’essentiel de cette énergie est consommé pendant la phase d’inférence, qui pèse entre 80 % et 90 % du total. L’entraînement des modèles reste gourmand, mais loin de ces proportions. Une requête en texte simple sur un système comme ChatGPT réclame environ 200 fois plus d’énergie qu’un filtre antispam.
https://www.youtube.com/watch?v=9HpTemNPnX4
Ce que ça coûte aux ressources naturelles
Les effets de l’IA ne s’arrêtent pas à l’électricité. Son empreinte hydrique est considérable : selon le rapport, son usage pourrait engloutir 9 300 milliards de litres d’eau, de quoi couvrir les besoins domestiques annuels de toute l’Afrique subsaharienne, soit 1,3 milliard d’habitants. L’empreinte foncière des centres de données, elle, pourrait dépasser 14 500 km², dix fois la superficie de Mexico.
Le tableau ne s’arrête pas là. Le rapport pointe le stress hydrique, l’occupation des sols et la pollution liée à l’extraction de minerais critiques comme le lithium, le cobalt et les terres rares, surtout dans des régions fragiles d’Afrique, d’Amérique du Sud et d’Asie. Kaveh Madani, directeur de l’UNU-INWEH, est cité par Live Science : « certaines régions devront choisir entre irriguer leurs cultures ou alimenter des centres de données. »
Comment mieux encadrer et agir
Face à ce constat, le rapport avance plusieurs recommandations. Les auteurs plaident pour :
- la transparence des empreintes écologiques,
- l’efficacité par conception,
- l’équité environnementale,
- la responsabilité à chaque étape du cycle de vie,
- la coopération internationale et
- un usage sobre de l’IA.
On pense parfois que les seuls progrès techniques régleront le problème. Le paradoxe de Jevons, appliqué à l’IA, montre le contraire : les gains d’efficacité ne font pas forcément baisser la consommation absolue.
Ils misent aussi sur les gestes individuels : choisir des modèles légers pour les tâches simples, ou préférer une recherche classique à une recherche générée. Une gouvernance mondiale de l’IA leur paraît nécessaire pour couvrir toute la chaîne de valeur, de l’extraction des minerais à la gestion des déchets électroniques, dont le volume pourrait atteindre 2,5 millions de tonnes métriques par an d’ici 2030.
