Voici quelque chose dont personne ne parle : la climatisation n'est même plus le plus gros consommateur croissant d'électricité. Alors que tout le monde se focalise sur la climatisation résidentielle en tant que méchant climatique, les centres de données d'intelligence artificielle sont discrètement devenus les nouveaux champions de la consommation d'énergie, et leur croissance est telle qu'elle rend la climatisation obsolète. Un seul grand entraînement d'IA peut consommer 1 000 mégawattheures (MWh) d'électricité, soit l'équivalent de l'alimentation de 200 à 330 foyers américains moyens pour une année entière. La consommation totale d'électricité de Google a atteint 24 térawattheures (TWh) en 2023, en hausse de 13 % par rapport à 2022, principalement en raison des opérations d'IA. L'utilisation de l'énergie des centres de données de Microsoft a augmenté de 23 % pendant la même période. L'Agence internationale de l'énergie estime que la demande mondiale en électricité des centres de données atteindra 1 000 TWh d'ici 2026, soit à peu près la consommation totale d'électricité du Japon. Pour le contexte : la climatisation mondiale utilise environ 2 000 TWh par an, représentant environ 10 % de la consommation mondiale en électricité et générant près de 4 % des émissions mondiales de gaz à effet de serre. Mais voici la partie fascinante que tout le monde manque : la trajectoire de l'IA est bien plus raide. La demande des centres de données devrait doubler d'ici 2030, tandis que la demande de climatisation devrait croître de 50 % pendant la même période. D'ici 2050, l'Agence internationale de l'énergie prévoit que la demande énergétique pour le refroidissement triplera alors que l'adoption de la climatisation par des classes moyennes en expansion dans les pays en développement augmentera en raison de l'élévation des températures. Pourtant, même avec cette croissance spectaculaire, l'IA pourrait égaler ou dépasser la consommation totale en électricité de la climatisation en une décennie si les tendances actuelles se poursuivent. Nous assistons à une course technologique où les courbes de consommation d'énergie prennent des directions opposées : la croissance de la climatisation est stable et prévisible, celle de l'IA est exponentielle et accélérante. L'échelle des opérations individuelles de l'IA est ahurissante et éclipse la climatisation résidentielle. L'entraînement de GPT-3 a consommé environ 1 287 MWh d'électricité, à peu près équivalent à la consommation annuelle de 130 foyers américains. L'entraînement de GPT-4 a probablement utilisé 10 à 20 fois cette quantité, bien que les chiffres exacts restent des secrets industriels. Les opérations d'IA de Google seules consomment maintenant plus d'électricité chaque année que de nombreux petits pays. Leur division DeepMind, concentrée sur la recherche en IA, utilise d'énormes ressources de calcul fonctionnant en continu. Pendant ce temps, votre climatiseur domestique fonctionne par intermittence, peut-être 8 à 12 heures par jour en été. Un centre de données entraînant le dernier grand modèle linguistique utilise des milliers de processeurs spécialisés à pleine capacité pendant des semaines ou des mois sans s'arrêter. La différence critique réside dans la distribution et la nécessité. La climatisation est géographiquement concentrée dans les climats chauds et apporte un véritable avantage pour la santé en évitant des milliers de décès liés à la chaleur chaque année. Les Centers for Disease Control and Prevention (CDC) estiment que la climatisation prévient 1 400 décès par an aux États-Unis lors d'événements de chaleur extrême. Les centres de données d'IA se regroupent près de l'énergie bon marché et de l'infrastructure fibreuse, souvent dans des climats tempérés qui n'ont pas besoin de la puissance de calcul qu'ils génèrent. Un résident de Phoenix utilisant la climatisation par 115 degrés de chaleur préserve sa vie ; un centre de données en Iowa entraîne la 47e itération d'un chatbot pour optimiser les revenus publicitaires. L'énergie va à des fins fondamentalement différentes, l'une physiologique, l'autre commerciale. L'IA fonctionne également 24 heures sur 24 à haute intensité, tandis que la climatisation résidentielle atteint son pic pendant quelques heures chaque jour en été. Cela crée des impacts différents sur le réseau, mais ne rend pas l'IA meilleure, cela la rend pire. Un foyer américain typique utilise la climatisation environ 1 600 à 2 000 heures par an (environ 5 à 6 heures par jour pendant une saison de refroidissement de 6 mois). Un centre de données fonctionne pendant 8 760 heures par an car les serveurs ne dorment jamais. La demande d'électricité est constante, implacable et croissante. Les centres de données de Meta ont consommé environ 7,2 TWh en 2023, contre 5,1 TWh en 2020, soit une augmentation de 41 % en seulement trois ans. Ce taux de croissance est sans précédent en dehors des nations s'industrialisant rapidement. Voici ce que personne ne veut dire : le cadrage de la climatisation en tant que méchant climatique profite commodément à des intérêts puissants, et l'histoire de la consommation d'énergie de l'IA menace des acteurs encore plus importants. Les géants de la tech ont réussi à garder leur consommation d'énergie hors du discours climatique grand public par une combinaison d'achats d'énergie renouvelable (qui déplacent souvent simplement l'énergie propre existante d'autres utilisateurs plutôt que d'ajouter de la nouvelle capacité) et de rapports de durabilité soigneusement élaborés qui masquent la croissance réelle de la consommation. Amazon affirme être "sur le chemin pour alimenter ses opérations avec 100 % d'énergie renouvelable d'ici 2025", mais sa consommation absolue d'électricité a augmenté de 29 % de 2020 à 2023. L'achat de crédits d'énergie renouvelable ne réduit pas la demande totale, cela rend simplement la comptabilité plus belle. Les compagnies de combustibles fossiles adorent lorsque l'attention médiatique se concentre sur le refroidissement résidentiel plutôt que sur les émissions industrielles ou la poursuite de l'extraction de gaz et de charbon. C'est la déviation classique : blâmer les propriétaires pour leur utilisation du climatiseur pendant qu'ExxonMobil, Shell et Chevron extraient et vendent les combustibles fossiles qui génèrent 80 % de l'électricité alimentant ces unités de climatisation. Mais les entreprises technologiques ont pris ce livre de jeu et l'ont perfectionné. Ils se positionnent en tant que solutions climatiques (IA pour la modélisation climatique ! Apprentissage automatique pour l'optimisation énergétique !) tout en construisant une infrastructure qui nécessite de nouvelles centrales électriques entières. Microsoft a signé un accord en 2024 pour redémarrer un réacteur à Three Mile Island spécifiquement pour alimenter les opérations d'IA, un aveu direct que la capacité du réseau existant ne peut pas soutenir leur croissance. Le décalage d'échelle entre l'IA et la climatisation devient absurde lorsque vous comparez des cas d'utilisation spécifiques. Générer une seule image d'IA à l'aide de systèmes comme Midjourney ou DALL-E consomme environ 0,3 à 2,9 wattheures d'électricité. Générer 1 000 images, trivial pour un utilisateur occasionnel en une après-midi, utilise 0,3 à 2,9 kilowattheures (kWh), équivalent à faire fonctionner une unité de climatiseur de fenêtre pendant 1 à 3 heures. Mais voici la chose : des millions de personnes génèrent quotidiennement des millions d'images d'IA. ChatGPT à lui seul compte plus de 200 millions d'utilisateurs actifs hebdomadaires début 2026. Si chaque utilisateur a juste 10 interactions par jour, et que chaque interaction nécessite 0,5 kWh de traitement en arrière-plan (une estimation prudente pour des requêtes complexes), cela représente 1 milliard de kWh quotidiens, soit 365 TWh annuellement, juste pour un chatbot IA. C'est environ 18 % de la consommation totale mondiale de climatisation, pour une technologie qui n'existait pratiquement pas il y a quatre ans. Les coûts environnementaux de l'IA se décomposent en catégories qui rendent la climatisation presque anodine en comparaison. Premièrement, la consommation directe d'électricité : les centres de données utilisent de l'énergie pour le calcul (les serveurs exécutant les modèles d'IA) et le refroidissement (les systèmes de climatisation empêchant ces serveurs de surchauffer, oui, l'IA elle-même nécessite une immense climatisation). Les centres de données de Google affichent des ratios d'efficacité d'utilisation de l'énergie (PUE) autour de 1,1, ce qui signifie que pour chaque watt de puissance de calcul, ils utilisent 0,1 watt pour le refroidissement et les surcharges. Cela semble efficace jusqu'à ce que vous réalisiez qu'ils utilisent 24 TWh annuels, ce qui signifie 2,4 TWh juste pour refroidir les machines générant l'IA. Les centres de données de Microsoft fonctionnent avec des ratios similaires. L'infrastructure de refroidissement pour l'IA est en soi un grand consommateur d'énergie, créant un problème récursif : l'IA nécessite du refroidissement, le refroidissement nécessite de l'énergie, la production d'énergie crée de la chaleur. Deuxièmement, la consommation d'eau : les centres de données utilisent un refroidissement par évaporation qui consomme des quantités astronomiques d'eau. Les centres de données de Google ont utilisé 5,6 milliards de gallons d'eau en 2022, en hausse de 20 % par rapport à 2021. La consommation d'eau de Microsoft a atteint 1,7 milliard de gallons en 2023. Une grande partie de cela se produit dans des régions où l'eau est rare. Un centre de données en Arizona utilise des millions de gallons par an dans un État confronté à une sécheresse catastrophique. L'eau n'est pas contaminée, mais elle s'évapore, la retirant du cycle local de l'eau. Comparez cela à la climatisation résidentielle : les systèmes traditionnels utilisent des réfrigérants en circuit fermé et ne consomment aucune eau. Seuls les refroidisseurs évaporatifs utilisent de l'eau, et même dans ce cas, un refroidisseur à marécage consomme peut-être 10 à 20 gallons par jour, soit 1 800 à 3 600 gallons par une saison de refroidissement de six mois. Un seul centre de données utilise plus d'eau en une journée que des milliers de foyers pour le refroidissement évaporatif en une année. Troisièmement, l'énergie incorporée dans le matériel : l'IA nécessite des processeurs spécialisés (GPU et TPU) qui ont des empreintes de fabrication massives. La production d'un seul GPU NVIDIA H100, la norme actuelle pour l'entraînement en IA, nécessite environ 300 à 500 kWh d'énergie en fabrication, plus des minéraux rares extraits dans des opérations destructrices pour l'environnement. Les centres de données déploient des dizaines de milliers de ces puces, et les cycles de rafraîchissement du matériel sont de 3 à 5 ans à mesure que des processeurs plus rapides arrivent. L'énergie de fabrication est amortie sur la durée de vie de la puce, mais l'échelle est énorme. Un compresseur de climatisation, en revanche, dure 15 à 20 ans et nécessite beaucoup moins de matériaux exotiques et d'énergie de fabrication. Les coûts financiers révèlent encore plus distinctement la disparité. Installer une climatisation centrale dans une maison coûte en moyenne de 3 500 à 7 500 $ en 2026, avec des coûts d'exploitation annuels de 300 à 600 $ dans les climats modérés. Un seul centre de données IA coûte de 500 millions à 2 milliards de dollars à construire, avec des coûts d'électricité annuels de plusieurs dizaines de millions. Meta a dépensé 30 milliards de dollars en dépenses d'investissement en 2023, une grande partie pour l'expansion des centres de données. Les dépenses d'investissement de Microsoft ont atteint 44 milliards de dollars, principalement pour l'infrastructure IA. Il s'agit d'échelles d'investissement non comparables. Le marché américain résidentiel de la climatisation génère environ 15 milliards de dollars annuels en ventes d'équipement. Les entreprises technologiques dépensent autant sur l'infrastructure IA tous les quelques mois. Pour le foyer américain moyen, la climatisation représente 12 % à 27 % des factures d'électricité estivales, soit 100 à 300 $ par an en coûts de refroidissement pour une maison typique. La facture d'électricité de l'industrie de l'IA se mesure en milliards. Cela crée une dimension d'équité brutale : votre famille est invitée à sacrifier le confort et à payer des tarifs d'électricité plus élevés pour soutenir l'expansion du réseau, tandis que les entreprises technologiques consomment exponentiellement plus d'énergie pour entraîner des modèles d'IA qui bénéficient principalement aux actionnaires et aux clients d'entreprise payants. Les ménages à faible revenu dépensent des parts disproportionnées de leurs revenus pour le refroidissement, choisissant parfois entre la climatisation et d'autres nécessités, un phénomène que les chercheurs appellent la pauvreté énergétique. Pendant ce temps, les entreprises d'IA bénéficient de réductions fiscales et de subventions pour construire des centres de données, payant souvent des tarifs industriels réduits d'électricité que les clients résidentiels subventionnent. Mais voici la vérité inconfortable qui démolit toute la narration de la climatisation en tant que méchant : la croissance de la climatisation est motivée par la survie dans un climat en réchauffement, tandis que la croissance de l'IA est motivée par le profit des entreprises dans un secteur technologique surchauffé. L'Américain moyen ne choisit pas d'utiliser davantage la climatisation pour s'amuser, il réagit aux températures record qui sont elles-mêmes causées par la crise climatique. Les vagues de chaleur sont plus longues, plus chaudes et plus meurtrières. Le Nord-Ouest Pacifique, historiquement une région qui n'avait pas besoin de climatisation, a connu 1 400 décès excessifs lors de l'événement de dôme de chaleur de 2021, dont beaucoup dans des foyers sans refroidissement. L'adoption de la climatisation dans des régions auparavant tempérées n'est pas une consommation de luxe, c'est une adaptation au climat. Les gens installent la climatisation parce que l'alternative est de mourir. L'adoption de l'IA, en revanche, est motivée par le capital-risque, la spéculation du marché et la peur d'un manque à gagner des entreprises. Les consommateurs ont-ils besoin d'images générées par IA ? Ont-ils besoin de chatbots qui hallucinent des faits ? Ont-ils besoin d'assistants IA qui nécessitent 10 000 fois la puissance de calcul de logiciels traditionnels pour accomplir des tâches qu'un simple script pourrait gérer ? La réponse honnête est non, mais le boom de l'IA se poursuit car les entreprises technologiques ont besoin de récits de croissance pour justifier leurs évaluations. Chaque grande entreprise technologique positionne désormais l'IA comme existentielle pour son avenir, ce qui signifie une infrastructure exponentielle construite indépendamment de son utilité ou efficacité réelles. Des alternatives réelles existent pour la consommation d'énergie de l'IA, mais l'industrie y résiste. Voici des solutions qui pourraient réduire radicalement l'empreinte énergétique de l'IA :

  1. Optimisation de l'efficacité des modèles : Les modèles d'IA actuels sont absurdement surdimensionnés pour la plupart des tâches. Vous n'avez pas besoin d'un modèle de 175 milliards de paramètres pour répondre à des questions simples, mais les entreprises les déploient de toute façon car des modèles plus grands génèrent des démonstrations plus impressionnantes. Les modèles plus petits et spécifiques à une tâche peuvent accomplir 80 % des cas d'utilisation avec 5 % de l'énergie. Des chercheurs de Stanford ont démontré que les techniques de réduction et de quantification peuvent réduire la consommation d'énergie des modèles d'IA de 80 % à 95 % avec une perte d'exactitude minimale. Mais les entreprises ne poursuivent pas cela car la taille du modèle est devenue une métrique de marketing.
  1. Déploiement de l'informatique de périphérie : L'exécution de modèles d'IA sur des appareils locaux (téléphones, ordinateurs portables) au lieu de centres de données centralisés élimine l'énergie de transmission et tire parti de la capacité informatique distribuée existante. L'approche d'Apple avec l'IA embarquée dans les iPhones récents montre que cela fonctionne pour de nombreuses applications. L'énergie est répartie sur des milliards d'appareils qui consomment déjà de l'énergie de toute façon, plutôt que concentrée dans les centres de données.
  1. Centres de données alimentés par des énergies renouvelables avec stockage : Plutôt que de faire fonctionner les centres de données 24 heures sur 24 avec l'énergie du réseau, l'entraînement d'IA pourrait être programmé pour fonctionner lorsque la production renouvelable est à son maximum. Les centres de données alimentés par l'énergie solaire pourraient faire fonctionner des entraînements intensifs pendant les heures de jour, puis réduire pendant la nuit. Cela nécessite du stockage par batterie et une planification flexible, à la fois techniquement réalisable mais organisationnellement difficile pour les entreprises optimisant la rapidité de mise sur le marché.
  1. Infrastructure de modèle partagé : Au lieu que chaque entreprise entraîne des modèles propriétaires, des modèles de base partagés au niveau industriel pourraient être collaborativement développés puis personnalisés pour des applications spécifiques. Cela éliminerait les entraînements redondants. Mais les dynamiques concurrentielles et les préoccupations de propriété intellectuelle empêchent cette coordination.
  1. Améliorations de l'efficacité algorithmique : De nouvelles techniques d'entraînement comme les modèles à mélange d'experts et les architectures clairsemées peuvent réduire les besoins en calcul de 50 % à 80 %. Les approches de Google, telles que le Switch Transformer, démontrent le potentiel. Mais leur implémentation nécessite la refonte de l'infrastructure et de la formation des équipes, créant une inertie organisationnelle.
  1. Normes d'efficacité obligatoires : Tout comme les appareils sont soumis à des exigences Energy Star, les centres de données et les modèles d'IA pourraient être soumis à des minimums d'efficacité obligatoires. L'Union européenne envisage des réglementations exigeant que les entreprises d'IA divulguent leur consommation d'énergie et respectent des critères d'efficacité. Les États-Unis n'ont pas de telles propositions, principalement parce que le lobbying technologique empêche un examen réglementaire.

La technologie existe. Les techniques sont prouvées. Ce qui manque, c'est une incitation économique pour les mettre en œuvre. Les entreprises d'IA ne subissent aucune pression significative pour réduire la consommation d'énergie car les coûts d'électricité, bien que grands en termes absolus, restent petits par rapport au potentiel de revenu. Le budget de 44 milliards de dollars de Microsoft achète beaucoup d'électricité, et les investisseurs récompensent la croissance, pas l'efficacité. Jusqu'à ce que l'énergie devienne une contrainte contraignante pour la croissance, que ce soit par la réglementation, la tarification du carbone ou les limites physiques du réseau, les entreprises continueront d'optimiser la rapidité et la capacité plutôt que l'efficacité. Alors pourquoi la climatisation domine-t-elle la couverture climatique estivale tandis que l'IA est présentée comme une solution climatique ? Parce que les entreprises technologiques ont réussi à capter le récit climatique. Ils financent des instituts de recherche, parrainent des conférences climatiques, offrent des subventions de cloud computing à des organisations environnementales, et positionnent l'IA comme essentielle pour la modélisation climatique et l'optimisation des énergies vertes. Ce ne sont pas des mensonges, l'IA a des applications climatiques bénéfiques, mais elles sont une erreur d'arrondi par rapport à la consommation totale d'énergie de l'industrie. C'est du greenwashing à l'échelle planétaire. La couverture médiatique de la climatisation crée l'illusion d'une action climatique ("10 façons de réduire votre empreinte de refroidissement !") sans aborder les défaillances systémiques. C'est le même schéma que le recyclage: se concentrer sur le comportement individuel pour éviter de confronter la responsabilité industrielle. L'industrie du plastique a inventé et promu le recyclage spécifiquement pour transférer le blâme des producteurs aux consommateurs, et ça a parfaitement fonctionné. Le cadrage de la climatisation fait de même pour les producteurs d'énergie, et l'industrie de l'IA a parfaitement appris la leçon. Chaque article sur la réduction de votre utilisation de la climatisation est un article non écrit sur la croissance exponentielle de la consommation d'électricité des centres de données. La comparaison brutale : votre climatiseur domestique peut utiliser 3 000 à 5 000 watts lorsqu'il fonctionne. Un seul serveur NVIDIA DGX H100, utilisé pour l'entraînement IA, consomme 10 000 watts en continu. Un centre de données pourrait avoir 10 000 de ces serveurs. C'est 100 mégawatts de consommation continue, équivalent à 20 000 à 33 000 foyers utilisant la climatisation simultanément, sauf que le centre de données ne s'éteint jamais. Et les entreprises technologiques construisent des dizaines de ces installations. Microsoft a annoncé des plans pour 50 à 100 nouveaux centres de données entre 2024 et 2027. L'échelle est incompréhensible, pourtant on nous demande de nous inquiéter de la climatisation dans nos maisons.