Les puces efficaces ne suffiront pas à résoudre le problème énergétique de l’IA

L’intelligence artificielle peut sembler immatérielle, mais elle repose sur des infrastructures très concrètes. Chaque requête mobilise des processeurs, de la mémoire, des réseaux et des systèmes de refroidissement hébergés dans des centres de données. Tout cela nécessite de l’électricité, produit de la chaleur, consomme de l’eau et dépend de matériaux dont l’extraction et la fabrication ont également une empreinte environnementale (Agence internationale de l’énergie [AIE], 2025; Li et al., 2025).

Selon une récente mesure de la consommation énergétique publiée par Google, une requête textuelle médiane dans Gemini consommait 0,24 wattheure, générait 0,03 gramme d’équivalent CO₂ et utilisait 0,26 millilitre d’eau. Cependant, ces résultats correspondent à un système, à une infrastructure et à une méthode de calcul précis; la consommation varie d’un modèle à l’autre (Elsworth et al., 2025).

L’écart entre les différentes tâches peut être considérable. Générer une courte réponse écrite n’équivaut pas à produire une image, à analyser des milliers de pages, à créer une vidéo ou à faire fonctionner un agent qui effectue de nombreuses opérations avant de répondre. L’Agence internationale de l’énergie souligne que certaines tâches de raisonnement, la génération de vidéos et les systèmes autonomes peuvent consommer des centaines, voire des milliers de fois plus d’énergie qu’une simple requête textuelle (AIE, 2026).

L’empreinte de l’IA augmente avec la demande

En 2024, les centres de données ont consommé environ 415 térawattheures d’électricité, soit près de 1,5 % de la consommation mondiale. L’Agence internationale de l’énergie prévoit que ce chiffre pourrait atteindre environ 945 TWh d’ici 2030, soit légèrement plus que la consommation actuelle d’électricité du Japon. L’IA sera le principal moteur de cette croissance, et la consommation des centres de données spécialement conçus pour l’IA pourrait augmenter de façon exponentielle (AIE, 2025).

La source de cette électricité est déterminante. Une tâche exécutée sur un réseau alimenté principalement par l’hydroélectricité, l’énergie éolienne ou l’énergie nucléaire produira généralement moins d’émissions opérationnelles que la même tâche effectuée dans une région où le charbon ou le gaz naturel prédominent. Les énergies renouvelables pourraient répondre à près de la moitié de la demande supplémentaire en électricité des centres de données d’ici 2030, mais le charbon et le gaz pourraient encore représenter plus de 40 % de cette hausse (AIE, 2025).

La consommation d’eau dépend tout autant du contexte. Les centres de données utilisent directement de l’eau pour leur refroidissement et indirectement pour produire de l’électricité, tandis que la fabrication de semi-conducteurs exige de l’eau ultrapure. Une étude dirigée par Shaolei Ren a estimé que GPT-3 pouvait consommer l’équivalent d’une bouteille d’eau de 500 millilitres pour générer environ 10 à 50 réponses de longueur moyenne. Cela ne signifie pas que chaque texte de 100 mots consomme une bouteille d’eau. Le climat, l’emplacement, l’heure de la journée, les systèmes de refroidissement et le bouquet énergétique influencent tous le résultat (Danelski, 2025; Li et al., 2025).

Les puces magnétiques peuvent aider, mais l’efficacité a ses limites

L’expression « puces magnétiques » désigne généralement des technologies spintroniques qui utilisent à la fois la charge et le spin des électrons et peuvent conserver l’information sans alimentation électrique continue. Certaines conceptions réduisent les transferts constants de données entre la mémoire et le processeur, l’une des opérations les plus énergivores de l’informatique moderne (Marrows et al., 2024; Puebla et al., 2020).

Le potentiel est considérable. Une revue publiée dans npj Spintronics décrit des prototypes ayant réduit de 89 % à 90 % la consommation d’énergie de certaines opérations de mémoire associative. Cela ne signifie toutefois pas qu’un grand modèle de langage ou un centre de données entier consommera 90 % moins d’énergie (Marrows et al., 2024).

Si les dispositifs magnétiques réduisent la consommation électrique des serveurs, ils pourraient aussi produire moins de chaleur et diminuer indirectement la quantité d’énergie et d’eau nécessaire au refroidissement. Cependant, leur fabrication nécessite elle aussi de l’énergie, de l’eau ultrapure et des minéraux. Leur valeur environnementale doit donc être évaluée sur l’ensemble de leur cycle de vie, et non uniquement pendant leur utilisation (Li et al., 2025; Marrows et al., 2024; Puebla et al., 2020).

Il existe également un problème plus vaste : l’effet rebond. Lorsque les gains d’efficacité rendent les capacités informatiques plus rapides et moins coûteuses, les entreprises et les utilisateurs ont tendance à les utiliser davantage. Une puce peut consommer moins d’énergie par opération tandis que la demande énergétique totale continue d’augmenter, parce que le nombre et la complexité des opérations progressent encore plus rapidement.

Trois conditions pour une IA responsable au Canada

Le climat froid du Canada et son réseau électrique propre, dont plus de 83 % de la production est à faibles émissions, en font un emplacement attrayant pour les centres de données. Toutefois, leur expansion risque d’exercer une pression sur les ressources locales et de limiter l’accès à l’électricité pour d’autres secteurs (ISDE, 2026a).

Afin d’assurer une croissance durable, le Canada devrait obliger les exploitants à respecter trois conditions fondamentales :

• Financer leurs propres besoins énergétiques : les grandes installations doivent financer l’énergie propre, le stockage et les améliorations du réseau dont elles ont besoin, plutôt que d’en faire assumer les coûts aux consommateurs.

• Protéger les ressources locales : les exploitants devraient réduire les charges de travail non urgentes pendant les périodes de forte demande, éviter autant que possible les régions confrontées à une pénurie d’eau et valoriser la chaleur résiduelle.

• Garantir la transparence : les entreprises doivent publier des données sur leur consommation d’énergie et d’eau ainsi que sur leur empreinte carbone, tandis que les développeurs d’IA devraient orienter les utilisateurs vers des modèles efficaces et proportionnés à leurs besoins.

Même si de nouvelles technologies, comme les puces magnétiques, peuvent améliorer l’efficacité énergétique, la technologie ne peut à elle seule compenser l’empreinte environnementale de l’IA. Une durabilité à long terme exige de combiner l’innovation matérielle, une réglementation rigoureuse, une réelle volonté politique et une utilisation responsable.

Mises à jour

Recevez les actualités AI & tech résumée en quelques minutes.

Alertes

© 2025. Tous droits réservés.