IA : un seul entraînement consommera autant qu’une métropole entière en 2030

Un seul entraînement de modèle d’intelligence artificielle pourrait nécessiter entre 4 et 16 GW de puissance installée en 2030, soit l’équivalent de la pointe estivale de New York.

Publié le
Lecture : 2 min
Centre de données : l'État de New York en suspend la construction
IA : un seul entraînement consommera autant qu’une métropole entière en 2030 © L'EnerGeek

Selon Lazard Frères Gestion, l’entraînement d’un modèle d’intelligence artificielle pourrait nécessiter entre 4 et 16 GW de puissance installée d’ici 2030, soit l’équivalent de la consommation estivale de New York. Actuellement, l’IA ne représente que 15% de la consommation des data centers, mais cette proportion est en pleine expansion. Une note de synthèse publiée en octobre 2026 par ce gestionnaire d’actifs français analyse en détail l’impact global modeste de l’IA, tout en soulignant des tensions locales significatives.

Consommation électrique de l’IA : 15% des data centers et une croissance rapide

Les data centers consomment 1,5% de l’électricité mondiale en 2024, d’après l’Agence internationale de l’énergie (AIE). Parmi cette consommation, l’intelligence artificielle n’en utilise que 15%, le reste étant dédié au stockage de données et au streaming vidéo, plus gourmands en énergie. Thibaut Mihelich et Armance Palleau de Lazard Frères Gestion indiquent que, « ce sujet nécessite une attention sérieuse sans être vu comme un problème insurmontable. Il s’agit d’un enjeu d’adoption et de localisation des infrastructures. »

La demande en calcul pour l’IA augmente de 4,2 fois par an depuis 2020, selon EpochAI. Cette hausse, combinée à l’électrification massive des secteurs économiques, met sous pression des infrastructures déjà sollicitées.

Confrontation entre demande énergétique et efficacité des puces

Les puces deviennent plus efficaces, avec des gains de 26% à 40% par an, grâce à des améliorations architecturales et technologiques. Cependant, ces progrès ne suffisent pas à compenser la demande croissante en calcul, qui augmente 4,2 fois plus vite chaque année. Les hyperscalers effectuent de plus en plus d’opérations, augmentant ainsi la consommation d’énergie. Une étude montre qu’un article long consomme environ 5 fois plus qu’un court, et un document de 200 pages peut multiplier cette consommation par 100.

Aux États-Unis, les infrastructures électriques doivent s’adapter à des pics de demande imprévus. La consommation estivale de New York, autour de 12 à 13 GW, est comparable à celle d’un entraînement de modèle IA, ce qui crée de fortes tensions locales.

Consommation d’eau : impact global faible, tensions locales

Les data centers consomment 0,56 milliard de mètres cubes d’eau par an, soit une fraction de celle utilisée par l’industrie textile. Aux États-Unis, ils n’utilisent que 0,3% de l’eau potable publique. Cependant, la localisation dans des zones arides accentue les tensions. Les méga-centres de données dans des régions comme l’Arizona et le Nevada mettent à mal des ressources hydriques limitées, exacerbant les conflits avec les populations locales.

Efficacité énergétique : un défi entre fabrication et exploitation

La fabrication des serveurs contribue à 20% de l’empreinte carbone des data centers, contre 75% pour leur exploitation. Ce ratio dépend du mix énergétique local. En France, la fabrication représente 45% de l’empreinte totale, alors qu’en Chine, elle n’en constitue que 15%. Les investissements se concentrent sur des infrastructures situées dans des pays au mix énergétique décarboné.

Les utilisateurs peuvent réduire leur consommation énergétique en optimisant leurs requêtes. Lazard recommande de choisir des modèles adaptés et de limiter le contexte fourni. Un prompt court consomme 5 fois moins qu’un long.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur la façon dont les données de vos commentaires sont traitées.