Consommation des data centers

Comment ça marche

Un modèle d’IA tourne dans un centre de données : des milliers de serveurs équipés de processeurs spécialisés, qui consomment de l’électricité pour calculer et produisent de la chaleur qu’il faut évacuer. L’électricité vient du réseau local, avec son mix énergétique : un centre alimenté en nucléaire ou en renouvelable émet moins qu’un centre au charbon. L’évacuation de la chaleur consomme à son tour de l’électricité, et souvent de l’eau.

L’IA a changé l’échelle. L’entraînement des grands modèles mobilise des dizaines de milliers de processeurs pendant des mois. L’utilisation, par des centaines de millions de personnes, pèse encore plus sur la durée. Les fournisseurs construisent des centres toujours plus grands, et publient peu de données précises. Pour une entreprise, le levier n’est pas de changer cette industrie, mais de ne pas y contribuer inutilement : modèle adapté, contextes courts, pas d’appels superflus, et des fournisseurs choisis aussi sur leur transparence.

Un exemple concret

1. La question du cabinet de bilan : quelle est l’empreinte de vos usages numériques, dont l’IA ?
2. L’inventaire : 60 abonnements à un assistant, deux automatisations par API, un outil de transcription, un générateur d’images. Les fournisseurs ne publient pas de facteur d’émission par requête.
3. L’estimation : à partir des tokens consommés et de facteurs publiés par des organismes indépendants, un ordre de grandeur : une fraction de pour cent du bilan de l’entreprise, dominé par les déplacements et le chauffage.
4. Mais : en croissance rapide, et une automatisation d’indexation qui tournait toutes les heures sans raison représentait à elle seule la moitié de l’estimation.
5. Décisions : indexation une fois par nuit ; modèle moyen par défaut ; un critère de transparence environnementale ajouté au choix des fournisseurs ; une ligne « IA » dans le bilan, avec sa méthode d’estimation explicitée.

L’IA n’était pas le premier poste. Mais c’était le seul qui doublait tous les six mois.

Ce que ça change pour une équipe

• Les ordres de grandeur sont connus. Ni négligeable, ni catastrophique : une part qui croît et qui se pilote.
• Les gestes d’économie ont un sens environnemental. Chaque token évité est de l’électricité et de l’eau évitées, quelque part.
• Le choix des fournisseurs intègre un critère. Transparence sur la consommation, localisation des centres, mix énergétique : des questions à poser.
• Le discours est honnête. L’entreprise peut dire ce qu’elle sait, ce qu’elle estime, et ce qu’elle fait.

Les limites et les erreurs fréquentes

• Des chiffres précis à partir de données vagues. Les fournisseurs publient peu ; les estimations varient d’un facteur dix. Annoncer un ordre de grandeur et sa méthode.
• Culpabiliser les usages individuels. Une question à un assistant pèse peu. Les automatisations surdimensionnées et les modèles par défaut pèsent plus.
• Ignorer le reste du numérique. Les écrans, le stockage, les visioconférences, le matériel : l’IA n’est pas seule, et souvent pas première.
• Opposer IA et transition. Une IA bien utilisée peut réduire d’autres consommations : trajets évités, processus raccourcis. Le bilan se fait sur l’ensemble.