Combien d'eau consomme une requête ChatGPT ?

Combien d'eau consomme une requête ChatGPT ?

Une requête IA évapore quelques gouttes d'eau, loin du « demi-litre » qui circule. Google a mesuré Gemini à 0,26 mL, Sam Altman cite ~0,3 mL pour ChatGPT. Ces chiffres ne comptent que le refroidissement ; l'ACV de Mistral monte à 45 mL par réponse en cycle de vie complet. À la requête, tout est marginal. À l'échelle industrielle, la consommation mondiale des data centers doit doubler d'ici 2030 selon l'IEA : c'est là que le sujet devient sérieux.

Si vous tapez « eau consommation ChatGPT » dans Google, vous tombez vite sur une image marquante : chaque requête à l'IA « boirait » une bouteille d'eau. La réalité est plus rassurante. L'eau de l'IA ne sert pas à calculer, elle sert à refroidir des serveurs ; et les deux seuls chiffres avancés par des éditeurs tiennent dans quelques gouttes : 0,26 mL mesurés par Google pour Gemini, ~0,3 mL cités par Sam Altman pour ChatGPT.

Ces volumes comptent l'eau de refroidissement évaporée sur site, pas celle qui sert à produire l'électricité des serveurs, ni la fabrication du matériel. Et le volume ne dit pas tout : la même requête pèse peu en Suède, beaucoup en Arizona, où les data centers puisent dans des bassins déjà tendus.

D'où vient alors le « demi-litre » qui circule ? Pourquoi les chiffres publics honnêtes s'étalent-ils de 0,26 à 519 mL ? Et à quelle échelle l'eau de l'IA devient-elle un vrai sujet ? Pour la facette électricité, une requête coûte de l'ordre de 0,3 Wh ; ici, on s'attaque à l'eau, le parent pauvre du débat.

Une requête ChatGPT, c'est quelques gouttes d'eau

Commençons par les chiffres. Un seul a été mesuré en production : Google chiffre la requête Gemini médiane à 0,26 mL d'eau, cinq gouttes exactement, dans son étude d'août 2025. Pour ChatGPT, pas de mesure : Sam Altman a cité ~0,3 mL par requête moyenne dans un billet de blog de juin 2025, sans méthode ni périmètre. Deux chiffres convergents, et une précision capitale : ils ne comptent que l'eau de refroidissement du data center, pas celle qui sert à produire son électricité.

Ce chiffre varie fortement selon le modèle et la tâche, exactement comme pour l'énergie où l'écart entre modèles atteint un facteur 100. Et le « demi-litre par requête » qui circule est un vrai chiffre mal recopié : une étude de 2023 comptait 500 mL pour 10 à 50 réponses de GPT-3 (UC Riverside), pas pour une seule.

La même équipe a ensuite estimé ~519 mL pour un e-mail de 100 mots généré par GPT-4, mais en comptant l'eau totale, électricité comprise (Washington Post). Comme le « x10 » de la comparaison avec une recherche Google, le « demi-litre » est un chiffre qui a survécu à son contexte : repris sans son périmètre, il ne décrit plus rien.

Pourquoi l'IA consomme de l'eau, et en quoi c'est un problème

Si une requête ne coûte que quelques gouttes, où est le problème ? Il est réel, mais pas là où on le croit : il tient au mécanisme physique du refroidissement, et surtout à l'endroit où vos requêtes sont traitées.

L'eau sert à refroidir, pas à calculer

La distinction qui compte est celle entre eau prélevée et eau consommée. Un data center prélève de l'eau, en rend une partie au milieu et évapore le reste : Google indique que 80 % de l'eau prélevée par ses sites est consommée, donc perdue pour le bassin local. S'y ajoute une eau invisible, celle qui sert à produire l'électricité des serveurs. Selon le pays, cette eau indirecte pèse plus lourd que le refroidissement - et c'est précisément elle que le 0,26 mL de Google laisse de côté.

Le vrai sujet, c'est où vos requêtes atterrissent

La localisation tranche presque tout. Un data center en Suède se refroidit à l'air froid une bonne partie de l'année ; un site en Arizona ou dans le golfe Persique dépend bien davantage de l'évaporation, dans des régions déjà en manque d'eau. Même modèle, même requête : l'empreinte change du tout au tout selon le site, et vous ne choisissez pas lequel traite la vôtre. C'est la même logique de lieu que côté carbone, où le mix électrique fait varier les émissions d'un facteur 8.

Quels chiffres sont fiables, et comment les lire

Trois éditeurs seulement ont mis un chiffre sur la table, et chacun mesure autre chose. Google publie une mesure de production : 0,26 mL, refroidissement seul. OpenAI s'en tient à la déclaration de blog de son patron, sans méthode. Mistral a publié une analyse de cycle de vie complète avec Carbone 4 et l'ADEME : 45 mL par réponse de 400 tokens, fabrication des serveurs comprise. Anthropic et Microsoft ne publient rien par requête. Ce paysage n'est pas contradictoire, il est hétérogène.

Une requête, cinq chiffres publics : c'est le périmètre qui change

Posés sur une même échelle, les chiffres publics s'étalent de 0,26 à 519 mL, un facteur 2 000. Aucun n'est faux : le premier compte l'eau de refroidissement d'une requête médiane, le dernier l'eau totale d'une génération longue sur GPT-4, le modèle le plus lourd alors en service. Entre les deux, l'estimation académique de référence situe une réponse GPT-3 à 10-50 mL en eau totale, et l'ACV de Mistral une réponse du Chat à 45 mL. Avant de citer un chiffre d'eau, une seule question vaut : que compte-t-il ?

Trois réflexes pour lire un chiffre d'eau

Conséquence pratique : on raisonne en ordres de grandeur, pas en mesure. Pour une organisation, l'eau ne se traite pas dans un Bilan Carbone®, qui ne regarde que le carbone, mais dans une ACV multicritères, avec fourchette et incertitude assumées ; l'usage de l'IA, lui, s'intègre au Scope 3 de votre bilan côté carbone.

De 0,26 mL mesurés par Google à 519 mL pour un e-mail GPT-4 : un facteur 2 000 entre chiffres publics, sans qu'aucun soit faux. C'est le périmètre compté qui change, pas la physique.

De la goutte à la piscine olympique : l'eau de l'IA à l'échelle

Un ordre de grandeur d'entreprise : 100 personnes qui posent 25 requêtes par jour pendant 220 jours ouvrés cumulent 550 000 requêtes par an. À 0,26 mL, cela représente 143 litres d'eau sur l'année. Une baignoire, ou 1,4 litre par personne. Même au périmètre ACV le plus large (45 mL), on atteint ~25 m³ : réel, mais marginal dans le bilan d'une entreprise de services, où les équipements dominent largement les services en ligne.

Le changement d'échelle se joue dans l'infrastructure. Un data center moyen de Google évapore environ 1,7 million de litres par jour, les deux tiers d'une piscine olympique. La flotte entière a consommé ~31 milliards de litres en 2024, presque le double de 2021. Au niveau mondial, l'IEA chiffre la consommation d'eau des data centers à ~560 milliards de litres en 2025 et projette 1 200 milliards de litres en 2030, soit un facteur 2,1 sur cinq ans, tiré par l'essor de l'IA (5 à 15 % de l'électricité data center aujourd'hui, potentiellement 35 à 50 % en 2030). L'ONU relaie le même ordre de grandeur : la consommation d'eau des data centers en 2030 équivaudrait aux besoins domestiques de 1,3 milliard de personnes en Afrique sub-saharienne.

Et la géographie reboucle : ces volumes pèsent peu en Scandinavie, beaucoup en Arizona ou au Texas, où les conflits d'usage sont documentés. Le rapport du Shift Project d'octobre 2025 positionne l'eau et l'artificialisation des sols comme les angles morts des analyses IA, chiffre la consommation mondiale des data centers à 4 500 milliards de litres en 2025 (l'équivalent des besoins de 600 millions d'habitants en Afrique sub-saharienne) et recommande de plafonner l'énergie du numérique et d'inventorier les projets data centers pour les rendre visibles dans les scénarios de transition.

Face à ce mur, les opérateurs répondent sur trois axes. Localisation : Google impose depuis 2023 le refroidissement à l'air aux nouveaux sites en zone de stress hydrique, au prix d'un surcoût d'électricité. Immersion cooling : les serveurs sont plongés dans un fluide diélectrique, ce qui réduit la consommation d'eau de 90 % et les coûts de refroidissement de 40 %. L'adoption du liquid cooling passe de 3 % du parc en 2021 à ~37 % projetés en 2026 sur les nouveaux sites AI (Data Center World 2026). Dry cooling : échange direct avec l'atmosphère, zéro évaporation, applicable partout au prix d'un rendement thermique moindre, désormais viable grâce aux serveurs modernes tolérant des températures de fonctionnement plus élevées.

Pour nous, au Projet Celsius, la question utile à poser à un fournisseur d'IA n'est donc pas « combien d'eau par requête ? », mais « où tournent vos data centers, et comment sont-ils refroidis ? ».

Ce qu'il faut retenir

L'eau complète le tableau que l'énergie laisse incomplet : à lire avec le comparatif énergie des modèles et l'empreinte carbone de l'IA à l'échelle d'une organisation, puis à porter dans une ACV dès que votre analyse du numérique doit être prise au sérieux.

Questions fréquemment posées

Combien d'eau consomme une requête ChatGPT ?

Il n'existe pas de mesure auditée : Sam Altman a cité ~0,3 mL par requête moyenne (un quinzième de cuillère à café) dans un billet de blog de juin 2025, sans publier de méthode. Le chiffre est cohérent avec la seule mesure de production existante, celle de Google pour Gemini : 0,26 mL par requête médiane, en comptant uniquement le refroidissement du data center, hors eau liée à l'électricité.

L'IA consomme-t-elle vraiment un demi-litre d'eau par requête ?

Non, pas par requête courante. Le chiffre vient de deux travaux de l'université de Californie à Riverside : environ 500 mL pour 10 à 50 réponses de GPT-3 (2023), puis ~519 mL pour un e-mail de 100 mots généré par GPT-4 (2024), en comptant l'eau totale, refroidissement plus eau de production de l'électricité. Repris en « un demi-litre par message », ces chiffres changent de périmètre et de modèle : une requête courante sur un modèle récent évapore quelques dixièmes de millilitre en refroidissement.

Combien d'eau consomme une requête Gemini, Claude ou Mistral ?

Gemini : 0,26 mL par requête médiane, seule mesure de production publiée (Google, 2025), refroidissement seul. Mistral : 45 mL par réponse de 400 tokens, mais en analyse de cycle de vie complète, électricité et fabrication des serveurs comprises - les deux chiffres ne se comparent donc pas terme à terme. Claude : Anthropic ne publie aucun chiffre d'eau par requête à ce jour.

Pourquoi les data centers consomment-ils de l'eau ?

Pour se refroidir. Les serveurs qui calculent chauffent, et beaucoup de sites évacuent cette chaleur par des tours qui évaporent de l'eau : cette eau est perdue pour le bassin local, et Google indique consommer ainsi 80 % de l'eau qu'il prélève. S'y ajoute l'eau mobilisée en amont pour produire l'électricité des serveurs, souvent ignorée dans les chiffres « par requête ».

L'eau de l'IA est-elle un vrai problème écologique ?

Pas à l'échelle de votre requête, oui à l'échelle des infrastructures. Un data center moyen de Google évapore ~1,7 million de litres par jour. L'IEA projette une consommation mondiale des data centers à 1 200 milliards de litres en 2030 (×2,1 vs 2025), tirée par l'IA (5-15 % de l'électricité data center aujourd'hui, potentiellement 35-50 % en 2030). Le problème est la concentration de ces volumes dans des bassins déjà en stress hydrique (Arizona, golfe Persique, Texas). Les solutions techniques existent (refroidissement à l'air, immersion cooling, dry cooling), mais leur déploiement doit s'accélérer massivement d'ici 2030 pour éviter le mur documenté par le Shift Project et l'ONU.

Existe-t-il des data centers sans eau ?

Oui, trois voies techniques matures. Le refroidissement à l'air échange directement avec l'atmosphère : zéro évaporation, applicable partout au prix d'un rendement thermique moindre. Google l'impose depuis 2023 à ses nouveaux sites en zone de stress hydrique. L'immersion cooling plonge les serveurs dans un fluide diélectrique : -90 % d'eau vs refroidissement traditionnel, -40 % de coûts, densité de calcul supérieure. Adoption liquid cooling projetée à 37 % du parc data centers en 2026 vs 3 % en 2021. Le dry cooling par échange atmosphérique complète l'arsenal, désormais viable grâce aux serveurs modernes qui tolèrent des températures de fonctionnement plus élevées. La question n'est plus technique, elle est économique et réglementaire.