J'utilise l'IA 10 heures par jour. Voici ce que j'ai découvert sur sa consommation d'eau.

8 min read

« Tu sais combien d'eau ça consomme ? »

Cours magistral en approche. (J'ai horreur de ça.)

J'ai passé cinq ans à construire une maison en terre et paille, complètement autonome, système d'eau indépendant, panneaux solaires sur le toit. De vrais choix. Le genre qui coûte des week-ends, des économies, et plus de disputes avec les inspecteurs du bâtiment que je ne veux m'en souvenir. Alors quand quelqu'un qui mange quatre croissants au petit-déjeuner décide de me faire la morale sur mes requêtes Claude, je fais une chose : je vérifie les chiffres.

C'est ce que j'ai fait.

Ce que j'ai trouvé m'a encore plus énervé. Pas pour les raisons que vous pensez.

TL;DR : Votre usage d'IA pendant une année entière consomme moins d'eau que le jean que vous portez en ce moment. Le vrai problème existe, mais il ne vous vise pas comme ils le présentent. Voici comment lire ce débat sans se faire manipuler par aucun des deux camps.

Professional working with multiple AI interfaces, analyzing water consumption data and tech impact
La Soif de l'IA : Quand Productivité Rime avec Hystérie Hydrique

Le Chiffre Que Tout le Monde Cite Est Faux

La fameuse affirmation « 500ml par requête ». Vous l'avez vue. Threads Reddit, posts LinkedIn, conférences, votre collègue qui vient de découvrir les statistiques d'impact environnemental.

Ça vient d'un papier de 2023 de Shaolei Ren à UC Riverside, Making AI Less Thirsty. Bon papier, vraiment utile. Mais le chiffre qui est devenu viral n'est pas ce que dit réellement l'étude.

L'étude a mesuré 500ml pour 20 à 50 questions, pour GPT-3, tournant sur les data centers Microsoft Azure en 2022, avec refroidissement par évaporation. Ça fait 10 à 25ml par requête au maximum. Pas par conversation. Par requête. Sur du matériel vieux de trois générations, dans des installations qui ont depuis été considérablement améliorées.

Sam Altman a déclaré en février 2026 qu'une requête ChatGPT typique utilise 0,3ml. Un analyste indépendant utilisant la même méthodologie avec les modèles actuels arrive autour de 5ml comme chiffre réaliste. Le vrai nombre se situe quelque part dans cette fourchette, selon l'endroit où votre requête est traitée et le système de refroidissement du data center.

Cette variance n'est pas un détail. Un data center en Islande utilisant le refroidissement par air libre consomme proche de zéro eau. La même requête traitée dans une installation en Arizona avec refroidissement par évaporation en été consomme plusieurs ordres de grandeur de plus. Même modèle, même prompt, empreinte complètement différente. Le chiffre sans la géographie ne veut rien dire.

Une nuance honnête : les gros labos ne publient pas de données granulaires d'eau par requête. OpenAI, Google, Microsoft rapportent tous des chiffres agrégés avec assez d'ambiguïté pour que les chercheurs indépendants doivent estimer. Donc oui, on travaille avec des approximations. La fourchette 0,3ml à 25ml est réelle, et quiconque prétend à plus de précision travaille à partir de modèles, pas de mesures. Y compris les gens qui avancent le chiffre de 500ml.

Le chiffre viral est une extrapolation d'une étude de 2022 appliquée aux modèles de 2026. Ce n'est pas de la science. C'est un mème.

Laissez-moi Faire le Calcul sur Mon Propre Usage

Je fais tourner toute l'infrastructure derrière mon workflow IA quotidien sur un VPS à 5$. Plusieurs modèles, plusieurs sessions, Claude Code qui tourne la plupart de la journée. Dix heures d'usage IA actif, la plupart des jours, depuis des mois.

Prenons l'estimation pessimiste et soyons généreux : 25ml par requête. Supposons que je fasse en moyenne une requête toutes les deux minutes pendant les sessions actives. Ça fait 30 requêtes par heure, 300 par jour, environ 110 000 par an. Arrondissons à 120 000 pour les automatisations qui tournent en arrière-plan.

120 000 requêtes fois 25ml : 3 000 litres par an.

Ça sonne significatif. Alors comparons avec des trucs pour lesquels personne ne me fait la morale.

1 paire de jeans : 10 000 L
1 steak de bœuf (200g) : 3 000 L
1 t-shirt en coton : 2 700 L
votre habitude IA, 1 an : 912 L
1 tasse de café : 140 L
1 machine de linge : 72 L

Water consumption comparison of AI queries, clothing, food, and daily activities
Répartition de la consommation d'eau : requêtes IA versus objets et activités du quotidien

À 25ml par requête, une année complète d'usage IA intensif arrive autour de 900 litres. Moins qu'une paire de jeans. À l'estimation plus réaliste de 5ml, c'est moins de 200 litres. Quelques machines de linge. Au chiffre divulgué par Altman de 0,3ml, c'est 36 litres. Une longue douche.

Une paire de jeans coûte 11 fois plus d'eau qu'une année de votre habitude IA.

Le mec aux croissants qui m'a fait la leçon ? Sa routine petit-déjeuner (quatre croissants, beurre, café, jus d'orange) tourne autour de 600 litres d'eau incorporée. Par matin. C'est avant de compter ce qu'il porte.

Transparence totale : je ne suis pas neutre ici. Je construis avec l'IA tous les jours, je fais tourner une infrastructure qui dépend de ces modèles restant disponibles et abordables, et j'ai un intérêt évident à ce que ce ne soit pas un problème. Je vous le dis d'emblée parce que je pense que les chiffres tiennent quand même, et je préfère que vous les vérifiez vous-même plutôt que de me croire sur parole.

Le Vrai Problème Est Réel, Juste Pas Là Où Ils Pointent

L'empreinte individuelle est négligeable. L'empreinte systémique ne l'est pas. Les deux sont vrais, et les mélanger est soit confus soit pratique.

En 2023, Microsoft a révélé que 41% de ses prélèvements d'eau venaient de zones à fort stress hydrique. Le data center de Google à Council Bluffs, Iowa a consommé 1 milliard de gallons cette année-là, assez pour alimenter toute la consommation résidentielle de l'Iowa pendant cinq jours. Amazon n'a pas divulgué de chiffres comparables, ce qui en dit long. Un rapport de janvier 2026 projette que la consommation d'eau liée à l'IA va croître d'environ 130% jusqu'en 2050.

L'exemple de l'Arizona est cité constamment. Dans le comté de Maricopa : les terrains de golf consomment 29 milliards de gallons par an. Les data centers consomment 905 millions de gallons. Les data centers utilisent 32 fois moins d'eau tout en générant 50 fois plus de revenus fiscaux par gallon. Altman s'est appuyé sur cette comparaison, Steinberger l'a faite dans un podcast, et c'est factuellement correct.

Mais aussi rhétoriquement inutile. « Les terrains de golf gaspillent aussi de l'eau » ne répare pas la décision de construire une infrastructure d'entraînement exascale au Nevada pendant une sécheresse de plusieurs décennies. Les deux peuvent être des problèmes. Pointer l'un ne dissout pas l'autre.

Les data centers zéro-eau existent. Microsoft en a déployé en 2024. Refroidissement par immersion, refroidissement sec, puces refroidies par liquide... ce ne sont pas des projets de recherche. Le problème n'est pas insoluble. C'est une décision de priorité que les hyperscalers prennent quand les gouvernements les y obligent, et pas avant. C'est un problème de politique. Le transformer en leçon de comportement utilisateur est une erreur de catégorie.

L'argument de l'eau atterrit dans votre assiette parce que la culpabilité individuelle coûte moins cher à produire que la responsabilité systémique. « Utilisez moins d'IA » ne nécessite pas de lobbying, pas de régulation, pas de pression d'entreprise. Propre, portable, partageable. Ça n'accomplit aussi pratiquement rien structurellement.

Le problème est réel. Juste pas à propos de vous.

Personne Ne Sait Ce Qui Vient Ensuite (Ça a Toujours Été Vrai)

La disruption est réelle. La douleur est réelle. Et ça mérite d'être dit clairement avant que l'argument « mais la productivité » n'apparaisse.

Les gens dans les industries créatives, le travail parajuridique, le support client, la revue de code... ils absorbent une douleur réelle et immédiate en ce moment. Pas une douleur future théorique. La tendance Silicon Valley de commencer par les gains à long terme pendant que les gens perdent leurs moyens de subsistance est un vrai échec d'empathie. Les gens qui construisent ces outils doivent un peu d'humilité à cette réalité, pas juste des graphiques sur les projections de PIB.

Mais sur l'incertitude de ce qui vient ensuite, soyons précis.

Personne n'a vu venir l'astéroïde. Les tisserands à la main n'ont pas vu venir le métier mécanique. Les typographes n'ont pas vu venir la PAO. Les agents de voyage n'ont pas vu venir internet. Chaque transition technologique majeure de l'histoire a été navigée sans carte fiable, par des gens qui n'avaient aucune idée de comment ça finissait.

Ce qui est nouveau avec l'IA, ce n'est pas l'incertitude. C'est la vitesse.

Puisqu'on est honnêtes sur le passé : est-ce que vous reviendriez vraiment en arrière ? Pas rhétoriquement. Concrètement.

La vie il y a cent ans : votre enfant meurt d'une fièvre à trois ans parce que les antibiotiques n'existeront pas avant une décennie. Vous vous cassez une dent... pas de vraie dentisterie, juste extraction et douleur, et si ça s'infecte vous pourriez en mourir. Vous recevez un diagnostic de cancer qui aujourd'hui signifie six semaines de traitement et une vie normale après. En 1925 ça signifie mort en six mois parce que les outils n'existent pas encore. Si vous êtes une femme, vous ne pouvez pas voter dans la plupart des pays et votre personnalité juridique dépend largement de votre mari.

Chaque génération avant nous a absorbé des transitions brutales. Les gens qui les ont navigées n'étaient pas ceux qui ont prédit correctement le résultat (personne ne l'a fait). C'étaient ceux qui sont restés utiles pendant que la carte était redessinée.

L'incertitude n'est pas nouvelle. La vitesse l'est.

Les experts prédisant une catastrophe IA avec une confiance totale ont le même bilan que les experts prédisant une utopie IA avec une confiance totale. Zéro sur zéro. Ceux qui valent la peine d'être lus sont ceux qui disent « Je ne sais pas, mais voici comment je me positionne. »

Ce que vous pouvez contrôler : rester technique, rester curieux, garder vos mains dans du vrai travail. Pas parce que ça garantit quoi que ce soit. Parce que c'est la seule position depuis laquelle l'adaptation est possible, quoi qu'il arrive réellement. 🤷‍♂️

Personne n'a vu venir l'astéroïde non plus.

Construisez quand même.

Sources

Si vous construisez avec l'IA quotidiennement et voulez les vrais chiffres sans la panique ni le battage, abonnez-vous. C'est le deal.

(*) La couverture est générée par IA. Ça semblait approprié.

Dans les coulisses de l'impact hydrique des IA, Phil décortique les mythes et les réalités de la consommation d'eau des modèles. Un regard technique et pragmatique sur un sujet souvent déformé.

→ Rejoindre la newsletter des experts IA