Note : Rapport provenant d'une seule source ; en attente de corroboration.
D’ici 2030, les centres de données qui prennent en charge les processus d’IA pourraient consommer jusqu’à 945 térawattheures d’électricité par an, soit près du triple de la consommation annuelle combinée d’électricité du Pakistan, du Bangladesh et du Nigeria, qui comptent ensemble plus de 650 millions d’habitants, selon une étude de l’Université des Nations Unies.
Outre les émissions de carbone, chaque unité d'électricité consommée par ces centres entraîne une importante consommation d'eau pour le refroidissement et la production d'énergie, ainsi qu'une occupation des sols liée à la production d'électricité et aux chaînes d'approvisionnement. Le rapport souligne que la consommation d'eau liée à l'IA pourrait couvrir les besoins domestiques annuels de base de 1,3 milliard de personnes d'ici la fin de la décennie, tandis que son emprise au sol pourrait dépasser 14 500 kilomètres carrés, soit environ deux fois la superficie de la région métropolitaine de Jakarta.
L'étude met en lumière une lacune importante dans l'évaluation des impacts environnementaux de l'IA, soulignant qu'une approche centrée principalement sur les émissions de gaz à effet de serre liées à l'entraînement des modèles néglige d'autres facteurs essentiels. Selon le rapport, certaines transitions vers les énergies renouvelables, bien que réduisant les émissions de carbone, pourraient accroître la demande en eau et en terres, posant ainsi des défis majeurs, notamment dans les régions où les ressources sont rares.
La majeure partie de la demande énergétique provient de l'utilisation quotidienne de l'IA, représentant environ 80 à 90 % de la consommation énergétique totale. Par exemple, un service d'IA largement utilisé traite environ 2,5 milliards de requêtes par jour, consommant des centaines de gigawattheures d'électricité par an. Les besoins énergétiques varient considérablement selon la tâche : la génération d'une seule image par l'IA consomme plus de mille fois l'énergie d'une simple classification de texte, et la génération vidéo en requiert encore davantage. Le rapport souligne que les gains d'efficacité à eux seuls pourraient ne pas réduire la consommation globale en raison d'un effet rebond : l'amélioration des performances entraîne une utilisation accrue et, par conséquent, une demande totale en ressources plus élevée.
L'impact environnemental des infrastructures d'IA n'est pas réparti uniformément à travers le monde. Si les avantages de l'IA sont globaux, ses coûts en ressources sont souvent concentrés dans des zones spécifiques, où les centres de données représentent déjà une part importante de la consommation nationale d'électricité, accentuant la pression sur les réseaux énergétiques locaux.