Le 23 juin 2026 restera comme la date où António Guterres a brisé le silence diplomatique autour de l’intelligence artificielle. Devant une assemblée médusée à la London Climate Action Week, le secrétaire général de l’ONU a sommé les géants de la tech de « dire toute la vérité » sur leur impact environnemental. Son message était clair : fini les coûts cachés, fini le greenwashing. L’humanité doit savoir combien d’énergie, d’eau et de terres l’IA dévore vraiment.
Le 23 juin 2026, António Guterres a lancé une bombe dans le monde de l’IA
L’ambiance était électrique à la London Climate Action Week quand António Guterres a pris la parole. Le secrétaire général de l’ONU n’y est pas allé par quatre chemins : les entreprises d’intelligence artificielle doivent cesser de cacher leur empreinte environnementale derrière des communiqués lisses et des promesses non vérifiées. Son discours a marqué un tournant dans la relation entre les institutions internationales et la Silicon Valley.
Guterres a dénoncé ce qu’il appelle un « système d’opacité organisée » où les chiffres de consommation énergétique et hydrique sont soit gardés secrets, soit présentés de manière trompeuse. Selon lui, la croissance exponentielle de l’IA générative ne peut plus se faire sans transparence totale. Les data centers qui font tourner ChatGPT, Gemini ou Llama engloutissent des quantités d’électricité et d’eau que les entreprises refusent de comptabiliser sérieusement.
Le contexte géopolitique n’a fait que renforcer la portée de son avertissement. Alors que les négociations climatiques patinent et que les engagements de Paris semblent s’éloigner, voir le chef de l’ONU s’attaquer frontalement au secteur le plus en vogue de l’économie mondiale a eu l’effet d’un électrochoc. Les représentants des grandes entreprises présentes dans la salle ont encaissé sans broncher.
« No more hidden costs » : le discours qui dérange la Silicon Valley
Les mots exacts de Guterres résonnent encore dans les couloirs des organisations internationales : « No more hidden costs. No more greenwashing. » Il a exigé que chaque entreprise d’IA mesure et divulgue publiquement l’empreinte carbone, hydrique et foncière de chaque modèle déployé. Pas de demi-mesure, pas de rapports annuels noyés dans des centaines de pages.
Son plan en sept points pour l’indépendance énergétique comprend une demande radicale : les data centers doivent être alimentés à 100 % d’énergies renouvelables d’ici 2030. Pas de crédits carbone, pas de compensations douteuses. Du solaire, de l’éolien, de l’hydroélectrique, point barre. Les entreprises qui ne pourront pas prouver cette transition devront s’expliquer.
L’effet de surprise a été total. Jamais un chef d’État mondial ne s’était attaqué aussi frontalement au manque de transparence du secteur de l’IA. Jusqu’ici, les critiques venaient surtout d’ONG et de chercheurs isolés. Guterres a mis le poids de l’ONU dans la balance.
Un « AI Environmental Transparency Initiative » : le nouveau grand projet de l’ONU
L’initiative proposée par Guterres, baptisée « AI Environmental Transparency Initiative », viserait à créer un cadre obligatoire de reporting environnemental pour toutes les entreprises d’IA opérant à l’échelle mondiale. Le mécanisme prévoit des audits indépendants, des métriques standardisées et des sanctions en cas de fausses déclarations.
Ce projet tombe à point nommé après le procès retentissant d’OpenAI où Sam Altman a dû admettre qu’il lui était « arrivé de ne pas dire la vérité ». Cette affaire, que nous avions détaillée dans notre article sur le procès OpenAI, a jeté un doute sérieux sur la fiabilité des rares données publiées par les entreprises. Si un PDG reconnaît avoir menti, comment croire les chiffres de consommation qu’ils avancent ?
En 2030, 945 TWh : le data center, ce pays fantôme qui dévore l’électricité mondiale
Passons du discours politique à la réalité physique. Les chiffres donnent le vertige. Selon le rapport de l’Université des Nations Unies (UNU-INWEH) publié le 3 juin 2026, les data centers mondiaux pourraient consommer 945 térawattheures d’électricité d’ici 2030. Pour donner une idée, c’est près du triple de la consommation combinée du Pakistan, du Bangladesh et du Nigeria, soit plus de 650 millions de personnes.
Si les data centers étaient une nation, ils seraient déjà le 11e plus grand consommateur d’électricité au monde. Et leur appétit ne fait que croître. L’empreinte carbone de l’IA en 2025 est déjà comparable à celle d’un pays comme les Pays-Bas. La trajectoire actuelle mène tout droit à une catastrophe climatique silencieuse. !Photo aérienne d’un complexe de data centers avec des transformateurs électriques et des tours de refroidissement
448 TWh en 2025 : un appétit qui dépasse celui de la France
Prenons une seconde pour digérer ce chiffre : 448 TWh en 2025. C’est plus que la consommation électrique de la France entière. Les data centers, ces bâtiments sans fenêtres qui parsèment les plaines du nord de la Virginie, de l’Irlande ou de la Malaisie, dévorent autant d’électricité qu’un pays de 68 millions d’habitants.
Et la projection pour 2030 est encore plus terrifiante : 945 TWh. Un triplement en cinq ans. Ce n’est pas une fatalité naturelle, c’est une trajectoire construite par le déploiement massif de l’IA générative. Chaque nouveau modèle, chaque mise à jour, chaque fonctionnalité « IA » ajoutée à nos applications préférées augmente la facture énergétique mondiale.
Le charbon, pilier caché de la révolution IA
Contrairement au récit des big tech qui mettent en avant leurs investissements dans le renouvelable, la réalité du mix énergétique des data centers est beaucoup moins verte. Selon l’Agence Internationale de l’Énergie, le charbon représente environ 30 % de l’électricité consommée par les data centers dans le monde. Les renouvelables n’en fournissent que 27 %, à peine plus que le gaz naturel (26 %) et le nucléaire (15 %).
Le décalage entre les promesses « net zéro » des entreprises et leur dépendance réelle au charbon est le cœur du greenwashing que l’ONU dénonce. Les renouvelables ne devraient couvrir que la moitié de la demande supplémentaire d’ici 2026. Le reste viendra du gaz et du charbon. La révolution IA carbone au fossile, et personne ne veut le dire.
Le cheval de Troie énergétique : pourquoi 90 % de la facture vient après l’entraînement
Une idée reçue tenace veut que l’entraînement des modèles d’IA soit le principal gouffre énergétique. C’était vrai pour GPT-3 en 2020. Ce n’est plus le cas aujourd’hui. Le rapport UNU-INWEH le démontre : l’inférence, c’est-à-dire l’utilisation quotidienne des modèles pour répondre aux requêtes des utilisateurs, représente 80 à 90 % de la consommation énergétique totale de l’IA.
ChatGPT traite environ 2,5 milliards de prompts par jour. Chaque interaction est une micro-centrale électrique allumée en secret. Et ce n’est que la partie émergée de l’iceberg. Les modèles de génération d’images, de vidéos et de musique explosent la consommation.
L’inférence, cette machine à cash (et à CO₂) que personne ne veut regarder
Techniquement, la différence entre entraînement et inférence est simple. L’entraînement, c’est l’apprentissage du modèle sur des milliards de données. L’inférence, c’est l’utilisation du modèle entraîné pour générer une réponse. Pendant longtemps, on a cru que l’entraînement était le plus gourmand parce qu’il dure des semaines et mobilise des clusters entiers de GPU.
Mais une fois qu’un modèle comme GPT-4 ou Gemini est déployé, il est utilisé par des centaines de millions de personnes chaque jour. La consommation cumulée de toutes ces requêtes dépasse largement celle de l’entraînement initial. C’est comme si on comparait le coût de construction d’une usine avec le coût de son fonctionnement pendant des années. Les entreprises préfèrent parler de l’usine, pas de la facture d’électricité mensuelle.
Comme nous l’avons expliqué dans notre article sur la conscience des machines, l’IA n’a rien de magique. Chaque réponse, chaque image, chaque vidéo générée a un coût physique bien réel.
De la recherche Google à la vidéo IA : la multiplication par 200 de l’empreinte carbone
Rendons les choses tangibles. Une requête conversationnelle typique sur un assistant IA consomme environ 200 fois plus d’énergie qu’une classification de texte basique ou une recherche Google classique. Générer une seule image représente environ 1 450 fois cette référence de base. Une courte vidéo générée par IA peut consommer autant d’électricité que plusieurs jours d’utilisation d’un smartphone.
Ces chiffres doivent faire comprendre au lecteur que l’usage intensif de l’IA n’est pas anodin. Chaque fois que vous demandez à ChatGPT de rédiger un email, chaque fois que vous générez une image pour un post Instagram, chaque fois que vous créez une vidéo avec un outil IA, vous allumez une petite centrale électrique quelque part dans le monde.
L’eau, la ressource oubliée : 0,3 millilitre ou 500 millilitres par requête, qui dit vrai ?
Après l’énergie, place à l’eau, l’autre grand gouffre invisible. Les data centers ne consomment pas que de l’électricité. Ils ont besoin d’eau pour refroidir leurs serveurs, et cette consommation est tout sauf négligeable. Mais les chiffres varient tellement d’une source à l’autre qu’on se demande si quelqu’un mesure vraiment quelque chose.
C’est là que l’appel à la « vérité » de Guterres prend tout son sens. Sans méthode de mesure commune, sans protocole de reporting standardisé, les entreprises peuvent annoncer ce qu’elles veulent. Et elles ne s’en privent pas.
Google, OpenAI, Mistral : trois méthodes, trois vérités, zéro consensus
Confrontons les données disponibles. Google annonce 0,26 mL par requête Gemini, mais précise qu’il s’agit uniquement de l’eau utilisée pour le refroidissement. Sam Altman a cité environ 0,3 mL pour ChatGPT en juin 2025, sans publier la méthode de calcul. Mistral, en collaboration avec Carbone 4 et l’ADEME, a publié une analyse de cycle de vie complète qui arrive à 45 mL par réponse de 400 tokens, fabrication des serveurs comprise.
Et puis il y a l’étude de l’UC Riverside qui estimait environ 500 mL pour 10 à 50 réponses GPT-3 en 2023, puis 519 mL pour un email de 100 mots sur GPT-4 en 2024. C’est de là que vient le fameux « demi-litre » souvent cité dans les médias.
Comment se fier à des données qui varient d’un facteur 1 000 selon l’entreprise et la méthodologie ? Google dit 0,26 mL, Mistral dit 45 mL, l’UC Riverside dit 500 mL. Qui croire ? Personne, tant qu’il n’y aura pas de standard de mesure obligatoire.
31 milliards de litres en 2024 : l’évaporation silencieuse de Google
Donnons une échelle macro. Un data center moyen de Google évapore environ 1,7 million de litres par jour. La flotte entière a consommé environ 31 milliards de litres en 2024, presque le double de 2021. Google indique que 82 % de cette eau provient de sources non potables, mais dans les régions où l’eau potable est rare, la pression sur les ressources locales est immense.
La projection de l’UC Riverside est alarmante : la demande mondiale d’IA pourrait mobiliser 4,2 à 6,6 milliards de mètres cubes de prélèvements dès 2027. C’est l’équivalent des besoins domestiques annuels de base de 1,3 milliard de personnes en Afrique subsaharienne, selon le rapport UNU-INWEH.
Les data centers sont souvent implantés dans des zones où l’eau est abondante et bon marché. Mais avec l’aggravation du stress hydrique lié au changement climatique, ces choix d’implantation deviennent des bombes à retardement pour les communautés locales.
La stratégie du flou : pourquoi les géants de l’IA refusent de montrer leurs compteurs
On entre dans le vif du sujet politique et économique. Pourquoi les entreprises résistent-elles autant à la transparence ? La réponse est simple : parce que montrer la vérité nuirait à leur image et à leur valorisation boursière. Les géants de l’IA ont bâti leur réputation sur l’innovation propre et responsable. Révéler l’ampleur réelle de leur empreinte environnementale serait un désastre de relations publiques.
Mais les arguments qu’ils avancent pour justifier leur opacité sont de moins en moins crédibles. L’aveu de Sam Altman au procès OpenAI a fissuré le mur de confiance qui protégeait le secteur.
Secret industriel ou mauvaise foi ? Les trois excuses qui ne tiennent plus
Première excuse : « C’est un secret de fabrication. » Les entreprises d’IA affirment que leurs données de consommation énergétique sont des secrets industriels protégés. Mais les émissions de TotalEnergies ou d’Airbus sont publiques. Les bilans carbone des entreprises du CAC 40 sont consultables. Pourquoi l’IA serait-elle au-dessus des lois communes ?
Deuxième excuse : « Le calcul est trop complexe. » Les entreprises prétendent qu’il est techniquement impossible de mesurer précisément la consommation de chaque modèle. Pourtant, des start-up comme Mistral y parviennent, en collaboration avec Carbone 4 et l’ADEME. Si une jeune pousse française peut le faire, OpenAI et Google le peuvent aussi.
Troisième excuse : « Nous compensons avec des crédits carbone. » Ce mécanisme est largement critiqué pour son manque de fiabilité. Planter des arbres ne remplace pas le charbon brûlé pour alimenter un data center. Et les crédits carbone sont souvent basés sur des calculs douteux.
Le doute est renforcé par l’aveu de Sam Altman au procès OpenAI, que nous avions couvert dans notre article sur le procès OpenAI : « Il m’est arrivé de ne pas dire la vérité. » Quand un PDG reconnaît avoir menti, comment croire les chiffres qu’il avance aujourd’hui ?
Le coût réel de l’opacité : qui paie la facture climatique ?
Adoptons un regard économique et géopolitique. Si les géants de l’IA ne paient pas le vrai prix de l’énergie et de l’eau qu’ils consomment, ce sont les contribuables, les collectivités locales et la planète qui trinquent. Les subventions publiques, les tarifs préférentiels pour l’électricité, les exemptions fiscales accordées aux data centers sont autant de transferts des citoyens vers les entreprises.
La transparence n’est pas qu’une question d’éthique, c’est une condition pour une concurrence loyale et une régulation efficace. Sans données fiables, les régulateurs ne peuvent pas fixer de limites, les investisseurs ne peuvent pas évaluer les risques, et les consommateurs ne peuvent pas faire de choix éclairés.
L’Europe peut-elle vraiment forcer « toute la vérité » ? L’AI Act et le pari français
Face à cette opacité organisée, la réponse ne peut venir que de la régulation. Et sur ce terrain, l’Europe a une longueur d’avance. L’EU AI Act, entré en vigueur en 2025, impose déjà des obligations de transparence énergétique pour les modèles d’IA à usage général comme GPT, Gemini ou Llama.
Mais la question reste : l’Europe pourra-t-elle vraiment contraindre des géants américains à se plier à ses règles ? L’extraterritorialité du droit européen est une arme puissante, mais son application dépend de la volonté politique des États membres.
EU AI Act : ce que la loi impose déjà (et ses angles morts)
L’EU AI Act impose aux fournisseurs de modèles d’IA à usage général (GPAI) de documenter la consommation énergétique de leurs modèles. L’AI Office peut exiger cette documentation sans préavis, ce qui permet des contrôles inopinés. Les modèles lancés après le 2 août 2025 sont immédiatement concernés. Ceux lancés avant ont jusqu’au 2 août 2027 pour se conformer.
La Commission européenne explore également un label « énergie et émissions » pour l’IA, sur le modèle du Nutri-Score. Un classement de A à G permettrait aux consommateurs de comparer l’impact environnemental des différents modèles et services d’IA.
Mais des angles morts subsistent. L’AI Act ne couvre pas explicitement la consommation d’eau et l’empreinte foncière. Et les sanctions prévues, bien que potentiellement élevées (jusqu’à 7 % du chiffre d’affaires mondial), dépendent de la capacité des États membres à les appliquer.
L’exception française : Mistral, l’ADEME et le modèle de la transparence
Prenons un exemple concret. Mistral AI, la start-up française, a collaboré avec Carbone 4 et l’ADEME pour publier une analyse de cycle de vie complète de son assistant le plus récent. Résultat : 45 mL d’eau par réponse de 400 tokens, fabrication des serveurs comprise. Un chiffre transparent, vérifiable, et bien plus élevé que les 0,3 mL annoncés par OpenAI sans méthode publiée.
Ce cas montre qu’il est techniquement possible de mesurer son empreinte, et que cela peut devenir un avantage concurrentiel sur le marché européen. Les entreprises qui jouent la transparence gagnent la confiance des consommateurs et des régulateurs.
Alors, si une start-up française le peut, pourquoi OpenAI et Google ne le font-ils pas ? La réponse est embarrassante pour les géants américains : parce que leurs chiffres réels sont probablement bien plus élevés que ce qu’ils veulent bien admettre.
Conclusion : L’IA climatiquement soutenable n’existe pas encore, mais elle doit devenir une priorité
L’appel de Guterres résonne comme un signal d’alarme. La croissance exponentielle de l’IA et l’urgence climatique sont en collision frontale. D’un côté, des modèles toujours plus puissants, des usages toujours plus nombreux, des data centers toujours plus gros. De l’autre, un climat qui se détraque, des ressources qui s’épuisent, des engagements internationaux qui s’éloignent.
La réponse de l’Europe et des jeunes utilisateurs sera déterminante. Les 16-25 ans, premiers utilisateurs de l’IA générative, ont le pouvoir d’exiger la transparence. En choisissant des services qui publient leur empreinte environnementale, en refusant ceux qui cachent leurs chiffres, ils peuvent faire bouger les lignes.
L’IA peut soit sauver des vies en accélérant la recherche médicale et climatique, soit ruiner nos chances climatiques en dévorant des ressources que nous n’avons pas. Tout dépend de la transparence que l’on exigera aujourd’hui. Guterres a lancé le défi. Reste à savoir si les entreprises, les régulateurs et les citoyens le relèveront.
Comme nous l’avons vu dans notre analyse de la coopération mondiale en danger en 2026, le temps presse. La transparence n’est pas une option, c’est une condition de survie pour notre avenir climatique.
