À l’horizon 2030, l’infrastructure mondiale de l’intelligence artificielle pourrait peser près de sept fois plus lourd sur l’environnement qu’en 2025. C’est l’ordre de grandeur avancé par Green IT dans une étude fondée sur l’analyse du cycle de vie des serveurs utilisés pour l’IA. La projection ne concerne donc pas seulement les émissions de CO₂ : elle prend aussi en compte, entre autres, l’épuisement des ressources, la pollution de l’eau et les particules fines.
Le moteur de cette progression est l’électricité consommée par les centres de données. Selon le scénario étudié, les GPU — les puces qui réalisent une grande partie des calculs d’IA — passeraient de 13 à près de 25 millions d’unités, tandis que leur consommation électrique annuelle grimperait de 174 à 1 169 TWh. L’augmentation tient aussi à des équipements toujours plus puissants et à des installations plus denses, conçues pour accueillir et refroidir davantage de serveurs.
Pour une entreprise qui ajoute un assistant automatique à son site ou à ses outils de travail, l’impact n’est pas visible à l’écran. Il se joue en amont, dans les infrastructures mobilisées à chaque requête. Comprendre ce que couvre — et ne couvre pas — cette estimation aide à distinguer les usages réellement utiles des fonctions d’IA ajoutées par défaut. Le sujet ne se résume pas au carbone : il concerne toute la chaîne matérielle et énergétique qui rend ces services possibles.
En bref : l’empreinte environnementale de l’IA pourrait être multipliée par sept
-
Une hausse globale estimée à 6,9 fois entre 2025 et 2030, selon la modélisation de Green IT.
-
Une consommation électrique qui passerait de 174 à 1 169 TWh par an, portée par le nombre et la puissance des GPU.
-
Le climat n’est qu’une partie du bilan : l’étude évalue aussi l’eau douce, les ressources fossiles, les métaux et les particules fines.
-
L’électricité concentre l’essentiel des impacts de l’infrastructure étudiée : 92 % en 2025 et 96 % en 2030.
-
Le périmètre reste limité : terminaux des utilisateurs et réseaux ne sont pas comptabilisés.
Pourquoi les centres de données d’IA consommeraient près de sept fois plus d’électricité
La projection repose d’abord sur la croissance du parc de GPU, évalué à 13 millions d’unités fin 2025 et à près de 25 millions fin 2030. Mais le nombre de puces ne suffit pas à expliquer le bond énergétique : la puissance moyenne sollicitée par GPU pourrait presque tripler, passant d’environ 700 watts à plus de 2 000 watts.
Les infrastructures changent elles aussi d’échelle. Le nombre de serveurs passerait de 1,9 à 6,2 millions, tandis que la surface nécessaire aux centres de données serait multipliée par six. Le refroidissement liquide permet d’installer des équipements plus denses : la puissance d’un rack haut de gamme pourrait ainsi passer de 198 kW à 1 MW. Pour une PME qui utilise un outil d’IA sans voir ces coulisses, le service paraît immatériel ; son fonctionnement, lui, dépend de bâtiments et de machines bien concrets.
|
Indicateur mondial |
2025 |
Projection 2030 |
|---|---|---|
|
GPU en service |
13 millions |
Près de 25 millions |
|
Électricité consommée par an |
174 TWh |
1 169 TWh |
|
Serveurs d’IA |
1,9 million |
6,2 millions |
|
Émissions de gaz à effet de serre |
99 Mt éq. CO₂ |
636 Mt éq. CO₂ |
|
Budgets annuels soutenables mobilisés |
101 millions |
702 millions |
Les valeurs d’émissions correspondent à une hausse d’un peu plus de six fois, tandis que l’indicateur global d’empreinte atteint 6,9 fois. Il ne s’agit pas d’une contradiction : le premier chiffre mesure les gaz à effet de serre, le second agrège plusieurs catégories d’impacts environnementaux.
Empreinte de l’intelligence artificielle : le carbone ne raconte pas toute l’histoire
Dans l’analyse de Green IT, le réchauffement climatique représente 35 % de l’empreinte en 2025 et 36 % en 2030. D’autres effets comptent fortement : l’eutrophisation de l’eau douce atteint respectivement 23 % puis 25 %, tandis que l’épuisement des ressources fossiles reste à 17 %. Les particules fines pèsent 15 % dans le modèle.
L’eutrophisation désigne l’excès de nutriments qui favorise la prolifération des algues et peut appauvrir l’eau en oxygène, au détriment de la faune. Le rapport relie notamment cet impact à l’extraction du charbon. Pour les particules fines, la modélisation associe l’infrastructure à 3 217 nouveaux cas de maladies dans le monde en 2025 et à 20 639 en 2030. Ces résultats rappellent qu’un bilan carbone seul laisse de côté une partie importante des pressions environnementales.
La fabrication des serveurs compte également, même si sa part relative recule de 7 % à 4 % entre les deux années étudiées. Elle demeure une source importante d’épuisement des métaux et des minéraux ; à l’échelle d’un serveur, la mémoire vive constitue le principal poste de fabrication, hors métaux et minéraux. En revanche, la production de l’électricité utilisée par les centres de données concentre 92 % des impacts en 2025 et 96 % en 2030.
Ce que l’étude Green IT inclut dans son estimation
Le rapport applique une analyse du cycle de vie à l’infrastructure mondiale de serveurs d’IA, en évaluant 16 indicateurs environnementaux. Les résultats sont ensuite rapportés à des « budgets annuels soutenables », une manière de comparer les pressions estimées aux limites considérées compatibles avec les limites planétaires.
La projection reste un scénario unique, construit à partir des prévisions de vente de GPU. Elle conserve le mix électrique actuel des pays qui hébergent les centres de données et n’intègre ni les terminaux des utilisateurs ni les réseaux. Elle ne tient pas non plus compte des centrales fossiles qui pourraient être construites pour alimenter de nouveaux sites, ni des achats directs d’électricité renouvelable. Ces choix de périmètre sont essentiels pour interpréter les chiffres : ils ne décrivent pas tous les usages numériques liés à l’IA.
Centres de données d’IA : quelles conséquences pour les entreprises et les pouvoirs publics ?
Les émissions estimées pour l’infrastructure d’IA passeraient de 99 à 636 millions de tonnes équivalent CO₂ entre 2025 et 2030. Green IT compare ce volume à un budget carbone annuel soutenable de 985 kg équivalent CO₂ par habitant de la planète : selon son calcul, les émissions projetées en 2030 équivaudraient à 1,4 fois le budget carbone annuel de l’Union européenne.
L’association met en avant un mécanisme simple : lorsque des fonctions d’IA sont intégrées gratuitement ou automatiquement aux outils du quotidien, l’offre peut encourager des usages qui n’auraient pas été demandés au départ. Dans une petite entreprise, par exemple, générer un résumé de chaque message peut sembler pratique ; la question utile est de savoir si cette fonction fait gagner assez de temps ou améliore assez le service pour justifier son utilisation systématique.
Pour tester un outil sans tomber dans le « tout IA », une équipe peut suivre quelques repères concrets :
-
Définir le besoin : identifier une tâche précise, comme classer des demandes répétitives ou préparer une première version de réponse.
-
Comparer avec une méthode plus légère : vérifier si une règle automatique ou un modèle de texte suffit sans générer une réponse à chaque fois.
-
Mesurer le résultat : suivre le temps réellement économisé, la qualité des réponses et les corrections nécessaires.
-
Limiter les usages superflus : désactiver les fonctions automatiques qui n’apportent pas de bénéfice observable.
À l’échelle des infrastructures, Green IT recommande notamment un plan de sobriété de l’IA, un marquage des services qui y recourent, le développement d’une IA frugale et l’écoconception des systèmes hébergés en France. L’association propose aussi un mécanisme de bonus-malus pour les centres de données selon leur recours aux énergies fossiles. En France, les investissements annoncés dans de nouveaux centres spécialisés rendent la question particulièrement concrète : leur développement peut-il s’accompagner de critères environnementaux vérifiables ?
Les limites à garder en tête avant de partager les chiffres
L’étude a été réalisée bénévolement par cinq auteurs de Green IT, à partir des bases NegaOctet et Ecoinvent, avec une revue critique interne mais sans revue tierce. Les auteurs signalent eux-mêmes qu’atteindre les volumes anticipés soulève des questions de capacité physique, notamment pour construire, alimenter et refroidir les installations nécessaires.
Pour les entreprises comme pour les utilisateurs, la bonne lecture n’est donc ni de considérer chaque requête comme équivalente ni de réduire l’enjeu aux émissions de CO₂. Le point décisif est de relier chaque usage à un bénéfice mesurable, tout en demandant davantage de transparence sur l’énergie et les ressources mobilisées.
Questions fréquentes sur l’empreinte environnementale de l’IA
Pourquoi l’empreinte de l’IA pourrait-elle presque septupler d’ici 2030 ?
La hausse prévue combine l’augmentation du nombre de GPU, leur puissance moyenne plus élevée et des centres de données plus denses. Dans le scénario de Green IT, la consommation électrique annuelle passerait de 174 TWh en 2025 à 1 169 TWh en 2030.
Le chiffre de sept fois concerne-t-il uniquement les émissions de CO₂ ?
Non. La multiplication par 6,9 correspond à l’indicateur global d’empreinte environnementale de l’étude. Les émissions de gaz à effet de serre, elles, passeraient de 99 à 636 millions de tonnes équivalent CO₂, soit un peu plus de six fois.
Quels impacts autres que le climat sont pris en compte ?
L’analyse couvre notamment l’eutrophisation de l’eau douce, l’épuisement des ressources fossiles, l’utilisation de métaux et de minéraux ainsi que les particules fines. Le réchauffement climatique représente environ un tiers de l’empreinte agrégée.
Les estimations incluent-elles les appareils des utilisateurs et les réseaux ?
Non. Le périmètre porte sur les serveurs d’IA en service et projetés dans les centres de données. Les terminaux des utilisateurs et les réseaux sont exclus, et le scénario repose sur des hypothèses précises concernant les ventes de GPU et le mix électrique.
