Le futur centre de données de Google à Bissen pourrait consommer près d’un térawattheure d’électricité par an, ravivant les interrogations sur le coût environnemental de l’essor de l’intelligence artificielle. Au-delà de l’énergie nécessaire aux infrastructures, l’empreinte d’une requête mérite aussi d’être examinée : voici ce que l’on sait de la consommation énergétique de ChatGPT.

Le projet de centre de données de Google à Bissen relance une question devenue difficile à ignorer : que coûte, en ressources et en émissions potentielles, l’essor de l’intelligence artificielle ? Une requête ordinaire peut sembler minuscule à l’échelle d’un réseau mondial, mais les usages se multiplient et les modèles accomplissent des tâches toujours plus gourmandes. Électricité, eau et métaux composent une empreinte qui dépasse largement l’énergie nécessaire à une simple question.

Un projet de grande ampleur

À Bissen, le projet baptisé « London Bridge » prévoit la construction d’un vaste centre de données destiné à Google. L’évaluation de ses incidences environnementales a été clôturée par le ministère de l’Environnement à la fin juin 2026. Les chiffres avancés donnent une idée de son échelle : à terme, le site pourrait utiliser près de 1 térawattheure d’électricité par an.

Une consommation à mettre en perspective

Cette quantité correspondrait à environ 15 % de la consommation électrique du Luxembourg, ou à celle de l’ensemble des ménages du pays. Le chiffre ne signifie pas que toute cette énergie servirait exclusivement à l’intelligence artificielle, puisque les centres de données hébergent aussi des services en ligne, du stockage et du streaming. Il montre néanmoins combien l’essor du numérique peut peser sur les besoins énergétiques nationaux.

De la question à la vidéo : des usages très inégaux

Une requête simple, une dépense modeste

Selon les données communiquées par Google, la consommation médiane d’une requête adressée à Gemini serait d’environ 0,24 wattheure. Pour se représenter cette quantité, on peut imaginer un four fonctionnant à pleine puissance pendant une fraction de seconde. Une recherche Google en 2009 aurait consommé une quantité comparable, d’après la dernière estimation disponible.

Des tâches plus complexes changent la donne

Cette comparaison ne vaut toutefois pas pour toutes les interactions. Un modèle qui élabore un raisonnement complexe mobilise davantage de calcul qu’une réponse brève, tandis que générer quelques secondes de vidéo peut demander des centaines de fois plus d’énergie qu’une requête ordinaire. Le coût dépend donc de la tâche, du modèle employé, des équipements mobilisés et de la manière dont les centres informatiques sont exploités.

La faible consommation attribuée à une question isolée peut ainsi donner une impression trompeuse lorsqu’elle est détachée du volume global. Des millions d’utilisateurs sollicitent les outils numériques, parfois plusieurs fois par jour, et les usages professionnels s’ajoutent aux demandes individuelles. À l’échelle d’une infrastructure mondiale, l’accumulation des opérations devient un enjeu à part entière.

L’électricité, principal défi des infrastructures numériques

Une demande en forte progression

Les estimations mondiales attribuaient environ 155 térawattheures à l’intelligence artificielle en 2025, soit près de 0,5 % de la consommation électrique mondiale. Cette part pourrait atteindre 1,5 % d’ici 2030, selon les projections citées. Dans ce scénario, l’IA représenterait plus de la moitié de l’électricité utilisée par les centres de données.

Attribuer précisément chaque kilowattheure à l’intelligence artificielle reste pourtant difficile. Les mêmes centres de calcul peuvent alimenter des services très différents, depuis le stockage de photos jusqu’aux plateformes vidéo, sans oublier les applications d’IA. Les chiffres disponibles décrivent donc souvent l’ensemble des activités informatiques plutôt qu’une technologie isolée.

Une échelle facile à perdre de vue

Un watt mesure la puissance d’un appareil à un instant donné. Le wattheure, lui, indique l’énergie consommée pendant une durée : une lampe de dix watts allumée une heure utilise dix wattheures. Le térawattheure représente une quantité bien supérieure, équivalente à un milliard de kilowattheures.

Pour saisir ce que signifie une telle unité, une ampoule LED de dix watts pourrait, en théorie, rester allumée sans interruption pendant plus de onze millions d’années avec un térawattheure d’énergie. Cette image souligne le contraste entre le geste numérique, presque invisible, et l’infrastructure qui le rend possible. La comparaison ne décrit pas un usage réel, mais aide à mesurer l’ordre de grandeur.

L’intelligence artificielle n’est pas la seule activité numérique à accroître la demande. Le minage du bitcoin est estimé à environ 140 térawattheures par an, une consommation importante à l’échelle mondiale. La progression des applications d’IA s’inscrit donc dans une expansion plus large des centres de calcul et des services connectés.

Eau, refroidissement et matières premières : les coûts moins visibles

Le refroidissement dépend du lieu et des équipements

Les centres de données dégagent de la chaleur et doivent maintenir leurs équipements à une température de fonctionnement adéquate. Certains systèmes utilisent de l’eau qui s’évapore lors du refroidissement ; d’autres font circuler un liquide qui se réchauffe sans que toute cette eau soit perdue. L’empreinte hydrique varie ainsi selon la technologie choisie et les conditions locales.

Pour le site prévu à Bissen, Google a renoncé au refroidissement à l’eau au profit d’un dispositif fonctionnant à l’air. La consommation d’eau annoncée serait d’environ 10 000 litres par jour, soit un volume comparable à celui utilisé par 75 personnes vivant au Luxembourg. Ce chiffre permet une comparaison concrète, mais il ne résume pas à lui seul tous les enjeux liés à l’eau du projet.

Les composants aussi ont une empreinte

Les cartes graphiques utilisées pour faire fonctionner les modèles d’IA reposent sur des composants complexes. Elles mobilisent une trentaine d’éléments différents, parmi lesquels figurent des substances potentiellement toxiques comme l’arsenic ou l’antimoine. Leur extraction et leur transformation ajoutent un coût environnemental en amont de l’utilisation des machines.

Une étude de l’université de Bonn estime que l’entraînement de ChatGPT-4, lancé en 2023, a nécessité l’extraction de plusieurs tonnes de métaux toxiques. Cette estimation rappelle que l’empreinte d’un modèle ne se limite pas à l’électricité qu’il consomme une fois opérationnel. La fabrication du matériel, son renouvellement et la gestion des équipements en fin de vie comptent également.

Mesurer l’impact sans réduire le débat à un seul chiffre

Des indicateurs utiles, mais incomplets

Les unités électriques racontent une partie de l’histoire et facilitent les comparaisons entre usages. Elles ne disent pas, à elles seules, quelle source produit l’électricité consommée ni à quel moment la demande survient. L’impact climatique dépend notamment du mix énergétique, tandis que les effets sur les ressources naturelles obéissent à d’autres facteurs.

De même, l’indicateur de consommation d’eau doit distinguer l’eau prélevée de celle qui s’évapore et ne retourne pas immédiatement dans le milieu. La localisation d’un équipement peut modifier fortement la portée de son empreinte hydrique, surtout dans les régions soumises à des tensions sur l’approvisionnement. Un chiffre global ne rend pas toujours visibles ces différences territoriales.

Des choix techniques et des usages à examiner

L’efficacité des modèles et des infrastructures peut limiter les ressources nécessaires à une opération. Mais si les usages se développent plus vite que les gains d’efficacité, la consommation totale peut continuer de croître. C’est cette évolution simultanée des performances et du nombre de requêtes que les évaluations doivent suivre.

La question porte aussi sur la durée de vie des équipements et sur les matières premières qu’ils incorporent. Des centres mieux optimisés ne suppriment pas automatiquement les impacts de la fabrication des serveurs, des cartes graphiques et des installations qui les accueillent. La sobriété matérielle et la réduction des déchets électroniques font donc partie des paramètres à considérer.

À Bissen comme ailleurs, l’évaluation environnementale met en regard les besoins d’infrastructure et les ressources disponibles. Les estimations annoncées pour l’électricité et l’eau donnent des repères, tandis que l’extraction des métaux reste un aspect moins immédiatement perceptible. La part de l’IA dans l’empreinte totale du numérique est encore limitée, mais sa progression rapide rend son suivi de plus en plus déterminant.

À Bissen, mesurer le coût environnemental de l’IA

Le projet de centre de données envisagé par Google à Bissen donne une dimension très concrète à l’essor de l’intelligence artificielle. À terme, ses besoins pourraient approcher un térawattheure d’électricité par an : un volume comparable à la consommation de l’ensemble des ménages luxembourgeois et représentant une part importante de la demande nationale. Derrière les réponses instantanées des outils d’IA se dessine ainsi une infrastructure massive, qui doit fonctionner en continu.

L’impact d’une requête isolée paraît pourtant modeste. Une question ordinaire adressée à Gemini consommerait environ 0,24 wattheure, selon Google. Mais cette estimation ne raconte pas toute l’histoire : les tâches complexes et la création de contenus vidéo peuvent nécessiter beaucoup plus d’énergie. Surtout, les usages se multiplient. À l’échelle mondiale, l’IA aurait consommé quelque 155 térawattheures en 2025, soit environ 0,5 % de l’électricité utilisée dans le monde. Cette part pourrait tripler d’ici 2030.

Les centres de données ne servent toutefois pas exclusivement à l’intelligence artificielle. Ils hébergent aussi des services de stockage, de diffusion vidéo et de nombreux outils numériques. Distinguer précisément la part de l’IA dans leur consommation reste donc difficile. L’enjeu dépasse Bissen : il concerne la croissance de l’ensemble du numérique et la manière dont les réseaux électriques pourront répondre à des besoins en hausse.

L’eau et les matières premières complètent ce bilan. À Bissen, le refroidissement prévu fonctionne à l’air, avec une consommation annoncée d’environ 10 000 litres d’eau par jour. Mais la fabrication des équipements pose également question : les processeurs graphiques mobilisent divers métaux et substances, parfois toxiques, dont l’extraction laisse une empreinte souvent moins visible que l’électricité consommée.

Évaluer le coût environnemental de l’IA suppose donc de regarder au-delà du geste individuel : énergie, eau, matériaux, durée de vie des équipements et usages réels. À mesure que les capacités se développent, la question devient aussi celle des bénéfices obtenus en échange de ces ressources et des choix qui guideront la croissance des infrastructures.