Combien d'eau consomme vraiment l'intelligence artificielle ?

1Résumé pour décideurs

Où va l'eau d'une requête d'IA

Estimation GPT-3 (Li et al.) : l'essentiel n'est pas le refroidissement du centre de données, mais l'eau consommée pour produire son électricité.

Hors site — production d'électricité Sur site — refroidissement

Voir les données

Poste	mL / requête	Part
Hors site (scope 2)	14,704	87 %
Sur site (scope 1)	2,200	13 %

Li, Yang, Islam, Ren — Making AI Less Thirsty, moyenne États-Unis. Confiance : élevée sur la domination de l'indirect.

2Notions indispensables

Sans ces quatre distinctions, aucun chiffre de ce dossier n'est interprétable.

2.1Prélèvement (withdrawal) vs consommation (consumption)

• Prélèvement : volume sorti d'une rivière, d'une nappe ou d'un réseau. La majeure partie peut être restituée au milieu.
• Consommation : fraction qui ne revient pas au bassin — évaporée, incorporée au produit, ou rejetée ailleurs.

Dans une tour de refroidissement de datacenter alimentée en eau de bonne qualité, environ 80 % du prélèvement est évaporé, donc consommé (Li et al., section 2.2 ; ratio confirmé indépendamment par Google). Pour un refroidissement à air avec assistance évaporative, Meta rapporte ~70 %. Un datacenter est donc, contrairement à une centrale en circuit ouvert ou à un usage domestique, une installation où prélèvement et consommation sont du même ordre de grandeur. ÉLEVÉE

2.2Eau sur site (scope 1) vs hors site (scope 2)

• Sur site : le refroidissement du bâtiment.
• Hors site : l'eau consommée pour produire l'électricité que le datacenter absorbe (refroidissement des centrales, évaporation des retenues hydroélectriques).

Le scope 3 — eau incorporée dans la fabrication des puces et des serveurs — est exclu de la quasi-totalité des chiffres publics, faute de données. Li et al. l'excluent explicitement.

Conséquence directe : une WUE (efficacité sur site) basse ne signifie pas un impact hydrique faible. Meta affiche 0,19 L/kWh grâce au refroidissement à air, technique qui consomme davantage d'électricité — donc davantage d'eau hors site. L'impact est déplacé, pas supprimé. ÉLEVÉE

2.3Eau verte, bleue, grise (Water Footprint Assessment Manual, Hoekstra et al., 2011)

L'eau d'un datacenter est quasi exclusivement de l'eau bleue évaporée. Toute comparaison avec un total verte+bleue+grise est une erreur de catégorie. ÉLEVÉE

2.4WUE (Water Usage Effectiveness)

Litres d'eau par kWh de charge informatique. Piège majeur : il en existe deux variantes non comparables.

Comparer le 0,12 d'AWS au 1,15 de Google est une erreur de catégorie. Par ailleurs, l'origine de la « moyenne du secteur de 0,84 L/kWh » avancée par Amazon n'est pas sourcée, et l'année de référence de son chiffre varie selon les pages d'Amazon. Confiance sur l'incomparabilité : ÉLEVÉE.

Fait notable : le rapport environnemental Google 2026 ne publie plus de WUE moyenne de flotte (seulement un PUE de 1,09). La valeur de 1,15 L/kWh n'existe que dans l'article technique d'août 2025.

Prélever n'est pas consommer

Sur un même objet, l'écart entre les deux notions atteint un facteur 291. C'est la première source d'erreur du débat public — et l'échelle ci-dessous est logarithmique, sans quoi les barres de consommation seraient invisibles.

Prélevé — restitué au milieu pour l'essentiel Consommé — ne revient pas

Voir les données

Objet	Prélevé	Consommé	Facteur
Réacteur nucléaire, circuit ouvert (1 kWh)	168 L	1,02 L	165×
Smartphone Fairphone 5 (cycle de vie)	92 900 L	319 L	291×

Macknick et al. (2012) ; Fraunhofer IZM pour Fairphone (2024). Échelle logarithmique — les valeurs exactes sont dans le tableau.

3Ce que consomme l'IA

3.1L'entraînement

Méthode GPT-3, coefficient par coefficient — chacun s'applique à une énergie différente, et c'est ce qui explique le résultat :

Limites décisives. La localisation réelle de l'entraînement de GPT-3 n'est pas publique : les auteurs balaient les sites Microsoft. Le chiffre de 700 000 L est le plus cité au monde et le plus systématiquement sorti de son contexte — c'est le scope 1 seul, soit 13 % du total estimé. L'eau incorporée dans les puces (scope 3) est absente. Enfin, les 281 000 m³ de Mistral ne sont pas comparables aux 5 439 m³ de GPT-3 : périmètre ACV contre périmètre opérationnel, et 18 mois d'usage cumulé contre le seul entraînement.

Ce qu'on peut retenir : ÉLEVÉE — l'entraînement d'un grand modèle représente un volume d'eau de l'ordre de quelques milliers à quelques centaines de milliers de mètres cubes selon le périmètre. FAIBLE — toute valeur précise.

Ce que « l'eau d'une requête » veut dire, selon qui mesure

Trois chiffres publiés, un facteur 173 entre eux — et aucun ne mesure la même chose. Le périmètre pèse davantage que la technologie.

Voir les données

Source	mL / requête	Périmètre
Google (août 2025)	0,26	Scope 1 — refroidissement sur site
Li et al. (GPT-3)	16,904	Scope 1 + 2
Mistral (juillet 2025)	45	Analyse de cycle de vie complète

Rapports d'entreprises et Li et al. Ces trois valeurs ne sont pas comparables entre elles — c'est précisément ce que montre le graphique.

3.2L'inférence

C'est ici que se joue l'essentiel du débat public, et c'est ici que les périmètres divergent le plus.

Comment lire cet écart de 0,26 mL à 45 mL (facteur 173).

Il ne s'agit pas d'une divergence sur la physique mais sur le périmètre :

• Google mesure uniquement le refroidissement du bâtiment, et exclut l'eau de production électrique.
• Li et al. mesurent refroidissement + production électrique, cette dernière pesant ~87 %.
• Mistral mesure un cycle de vie, incluant l'amont et l'infrastructure. La page consultée ne tranche pas explicitement la question de savoir si les 45 mL incluent le scope 2 électrique.

Deux réserves supplémentaires, symétriques.

• Li et al. qualifient eux-mêmes leur estimation de « conservative » : elle repose sur 0,004 kWh par requête, alors qu'un Llama-3-70B consomme déjà ~0,010 kWh et un Falcon-180B ~0,016 kWh. GPT-3 est un modèle de 2020, non représentatif des modèles actuels.
• Google publie une médiane, pas une moyenne, et précise que la distribution est fortement asymétrique. Le chiffre porte sur les prompts texte seulement (ni image, ni vidéo) et sur un point unique dans le temps.

3.3Les volumes d'entreprise (toutes activités, IA non isolée)

Trois avertissements de comparabilité — Confiance : ÉLEVÉE. 1. Microsoft a rétro-corrigé toutes ses séries historiques en 2026 après avoir « identifié des volumes d'eau non rapportés jusqu'ici ». Les publications antérieures (dont les 29 Md L / 23 Md L de 2023) ne sont pas comparables telles quelles aux chiffres récents. 2. Amazon ne publie pas de volume consommé, seulement un prélèvement : aucune comparaison avec Google ou Microsoft n'est possible. 3. Les métriques Google 2025 sont soumises à une assurance limitée par un tiers — un niveau d'assurance faible, pas un audit.

Sur la croissance : ÉLEVÉE. Google +34 % de consommation en un an, Microsoft +22 %. Sur son attribution à l'IA : indéterminée. Google l'attribue à « la demande croissante de services numériques » sans quantifier la part IA.

3.4Les agrégats mondiaux

Sur la projection 2027 de Li et al. : il s'agit de prélèvement, pas de consommation ; 97–98 % vient du scope 2, donc la valeur dépend presque entièrement d'un facteur électrique moyen américain (43,83 L/kWh) appliqué au monde entier ; et la projection de demande énergétique (93,5–147,4 TWh) provient d'une source tierce. FAIBLE

Incohérence à signaler. Les ~560 Md L/an attribués à l'AIE pour « aujourd'hui » cohabitent mal avec les 513 Md L (140 + 373) attribués à l'AIE pour 2023 et relayés par de Vries-Gao. Les périmètres diffèrent probablement, mais cela n'a pas pu être confirmé, le rapport original étant inaccessible.

4Mise en perspective

4.1Comment lire les tableaux qui suivent

Trois règles, toutes de confiance ÉLEVÉE : 1. Ne comparer que des colonnes de même nature : eau bleue consommée avec eau bleue consommée. 2. Les usages domestiques listés sont des prélèvements, pas des consommations : l'essentiel part à l'égout, est traité et restitué. 3. Les empreintes alimentaires de référence portent sur 1996–2005 et n'ont pas été recalculées globalement depuis. Les rendements ayant progressé, les valeurs par kg sont vraisemblablement 10 à 25 % plus basses aujourd'hui pour les céréales — mais aucune réévaluation publiée ne permet de le chiffrer. Confiance sur l'ordre de grandeur : ÉLEVÉE ; sur la valeur 2026 : MOYENNE.

4.2Alimentation — total affiché vs poste réellement comparable

Trois enseignements — Confiance : ÉLEVÉE.

• Le chocolat, champion des chiffres-chocs, a une empreinte bleue plus faible qu'un kilo de blé (198 L contre 342 L). Le total induit en erreur sur la pression réelle sur la ressource.
• Le pâturage extensif a la plus grande empreinte totale du bœuf (21 829 L) et la plus petite empreinte bleue. Contre-intuitif, et documenté.
• Pour le soda, 99,7 à 99,8 % de l'empreinte est en amont : l'empreinte opérationnelle de l'usine n'est que de 0,5 L — exactement l'eau devenue ingrédient. Le même écart amont/site vaut pour l'IA, en sens inverse.

Le chiffre qui circule, et celui qui compte

Les empreintes alimentaires spectaculaires sont surtout de l'eau de pluie. Le poste comparable à l'eau d'un centre de données, c'est l'eau bleue — prélevée dans les rivières et les nappes.

Empreinte totale (verte + bleue + grise) Eau bleue seule — le poste comparable

Voir les données

Produit (1 kg)	Total (L)	Eau bleue (L)	Part verte
Chocolat	17 196	198	98 %
Bœuf	15 415	550	93 %
Blé	1 827	342	70 %
Riz	1 673	341	68 %

Mekonnen & Hoekstra (2011, 2012), données 1996–2005. Le chocolat a une empreinte bleue plus faible qu'un kilo de blé.

4.3Vie courante (prélèvements, sauf mention)

4.4Textile et objets

4.5Électricité — la clé du scope 2 de l'IA

Valeurs opérationnelles uniquement : hors cycle amont du combustible et hors fabrication des équipements.

Quatre lectures — Confiance : ÉLEVÉE sauf mention.

• Le nucléaire en circuit ouvert est le cas d'école de la confusion : 165× d'écart sur la même centrale. Le rejet thermique reste un impact écologique réel, mais ce n'est pas de la consommation d'eau.
• Le solaire à concentration humide consomme plus d'eau par kWh que le nucléaire ou le charbon, et il est généralement implanté en zone aride.
• Les zéros du PV et de l'éolien sont des zéros opérationnels, pas des zéros de cycle de vie : la purification du silicium, l'acier et le béton sont hors périmètre. Dire « le solaire ne consomme pas d'eau » sur cette base est abusif. Confiance sur le cycle de vie complet : ON NE SAIT PAS, à partir de cette source.
• L'hydroélectricité est de loin la plus consommatrice par kWh, avec une variabilité de facteur 2 800 — mais l'allocation de l'évaporation du réservoir à l'électricité fait l'objet d'une controverse méthodologique ouverte que les sources consultées dans ce travail ne documentent pas (un barrage sert aussi à l'irrigation, à la régulation des crues et aux loisirs : lui imputer toute l'évaporation est un choix, pas une évidence). Confiance sur la valeur centrale de 245 L/kWh : FAIBLE.

L'eau consommée pour produire un kilowattheure

Puisque l'essentiel de l'eau de l'IA est celle de sa centrale, le mix électrique du pays où tourne le centre de données décide de presque tout.

Voir les données

Source	Consommé (L/kWh)	Fourchette
Hydroélectricité	245	1,1 – 3 046 selon le barrage
Solaire à concentration (humide)	3,43	2,74 – 4,20
Charbon, tour de refroidissement	2,60	1,82 – 4,16
Nucléaire, tour de refroidissement	2,54	2,20 – 3,20
Gaz cycle combiné, tour	0,78	0,49 – 1,14
Photovoltaïque	0,004	0 – 0,019
Éolien	0	0 – 0

Macknick et al. (2012) ; Mekonnen & Hoekstra (2012) pour l'hydroélectricité. Valeurs opérationnelles : hors fabrication des équipements. Les zéros du solaire et de l'éolien sont des zéros opérationnels, pas de cycle de vie.

4.6Ordres de grandeur — comparaisons honnêtes

Les conversions ci-dessous sont des calculs dérivés par l'auteur ; elles n'ont de valeur qu'illustrative. Elles ne retiennent que des référents d'eau bleue consommée, seuls comparables à l'eau d'un datacenter.

Ce que ce tableau montre — Confiance : ÉLEVÉE. L'écart entre les trois colonnes (facteur 173) est plus grand que l'écart entre les lignes. Autrement dit : le choix du périmètre pèse davantage sur le résultat que l'usage comparé. C'est la raison pour laquelle ces équivalences, quel que soit le camp qui les brandit, ne tranchent rien.

Ce que ce tableau ne montre pas. Une douche est un acte individuel ; l'IA est une infrastructure. Comparer une requête à une douche répond à la question « mon usage personnel est-il lourd ? » — pas à la question « la concentration de datacenters dans ce bassin versant est-elle soutenable ? ». Ce sont deux questions différentes, et la seconde est celle qui se pose aux collectivités.

5Ce qui détermine vraiment l'impact

Le volume mondial est le mauvais indicateur. L'eau n'est pas une ressource fongible : un mètre cube évaporé en Irlande et un mètre cube évaporé en Arizona n'ont pas le même effet.

5.1 Le lieu, d'abord. Chez Microsoft, deux sites illustrent l'amplitude : Singapour, 423 ML prélevés pour 338 845 MWh ; Dublin, 18 ML pour 1 308 581 MWh — un écart d'intensité de plus de 90× entre deux sites de la même entreprise, la même année. (Confiance : ÉLEVÉE ; il s'agit de prélèvement, la consommation par site n'est pas publiée.)

5.2 Le mix électrique local. L'intensité en eau des réseaux américains va de 0,68 à 11,98 L/kWh (facteur 17,6). L'EWIF de l'État de Washington est de 9,501 L/kWh, celle du Texas de 1,287. Comme les entreprises ne divulguent pas où tournent leurs charges IA, cette marge d'erreur ne peut pas être réduite. (Confiance : ÉLEVÉE.)

5.3 La technologie de refroidissement, et son effet de vase communicant. La WUE sur site des sites Microsoft va de 0,000 L/kWh en Inde (refroidissement à sec) à 1,900 L/kWh en Indonésie. Mais l'Inde, avec 0,000 sur site, affiche 6,340 M L au total pour l'entraînement de GPT-3, à cause du scope 2. Le refroidissement à sec ne supprime pas l'eau : il la déplace vers la centrale.

5.4 La saison et la météo. L'évaporation sur site va de 1 L/kWh (moyenne annualisée mondiale de Google) à 9 L/kWh (grand datacenter commercial en Arizona, l'été) : facteur 9. La borne haute est un pic saisonnier local, pas une moyenne.

5.5 Le stress hydrique local. C'est la métrique qui compte, et les rapports environnementaux publiés en 2025 et 2026 la documentent : selon les parcs, la part d'eau prélevée en zone de stress hydrique va de 13 % à 50 %, et un opérateur rapporte 1 704 ML issus de zones à stress élevé ou extrême, en hausse de 25 % en un an. Ces pourcentages ne rapportent ni les mêmes volumes, ni aux mêmes bases, ni selon les mêmes seuils de stress — aucun classement n'en découle. Ce qu'ils établissent en commun : une fraction significative de l'eau des centres de données est prélevée là où elle manque.

5.6 Le cas du « réapprovisionnement ». Google déclare avoir réapprovisionné 7 717 Mgal en 2025, soit 78 % de sa consommation d'eau douce (série 2022→2025 : 6 % / 18 % / 63 % / 78 %, objectif 120 % en 2030). Point méthodologique de confiance ÉLEVÉE : le réapprovisionnement n'est pas de l'eau rendue au bassin utilisé. C'est un crédit volumétrique obtenu ailleurs, souvent dans un autre bassin, et aucune norme externe ne régit ce calcul. Il ne compense donc pas un impact local.

Conclusion de section. « Combien de litres par requête ? » est une question mal posée, non parce que la réponse serait gênante, mais parce que la variable déterminante n'est pas la requête : c'est le bassin versant, le mois de l'année et le mix électrique du réseau qui alimente la machine.

6Anatomie du chiffre viral des 500 mL

Ce que dit la source. L'abstract de Li, Yang, Islam et Ren (Making AI Less Thirsty, arXiv:2304.03271) énonce : une bouteille de 500 mL pour environ 10 à 50 réponses de longueur moyenne, selon le lieu et le moment de déploiement.

Ce que la formulation devient en circulant. La phrase se transforme couramment en « une requête ChatGPT = une bouteille d'eau » ou « 500 mL par question » — formulation reprise dans la presse généraliste, sur les réseaux et dans des présentations d'entreprise depuis 2023. Nous ne citons pas ici d'occurrence précise : aucune reprise datée n'a été collectée et vérifiée dans le cadre de ce travail. Confiance sur l'existence de la déformation : ÉLEVÉE (elle est constatable par toute recherche sur la formule) ; confiance sur son ampleur ou sur les vecteurs précis : ON NE SAIT PAS.

Une nuance dans la source elle-même. L'abstract annonce « 10 à 50 » ; la Table 1 donne en réalité 10,5 (Washington) à 70,4 (Irlande) requêtes par 500 mL. Les auteurs arrondissent donc leur borne haute vers le bas — la fourchette réelle publiée est plus large que celle qui est mise en avant.

D'où vient la fourchette. De la Table 1 : de 10,5 requêtes par 500 mL (État de Washington, 47,506 mL/requête) à 70,4 requêtes par 500 mL (Irlande, 7,107 mL/requête). La valeur centrale « moyenne US » est de 29,6 requêtes pour 500 mL, soit 16,904 mL par requête.

Ce que le chiffre inclut. Scope 1 (2,200 mL) et scope 2 (14,704 mL) : 87 % de la valeur est l'eau de production de l'électricité, pas le datacenter.

Les trois déformations les plus fréquentes.

Ce qu'il faut en retenir. Le chiffre n'est ni un mensonge ni une mesure : c'est une estimation modélisée, à périmètre large, sur un modèle ancien, avec une amplitude géographique de facteur 6,7 explicitement publiée par ses auteurs. Son défaut principal, dans le débat public, n'est pas d'être faux — c'est d'être cité sans son périmètre et sans sa fourchette.

9Les modèles récents : ce qu'on peut calculer, et ce qu'on ne peut pas

La question qui vient naturellement après tout ce qui précède : et les modèles d'aujourd'hui ? Le chiffre de référence de ce rapport porte sur GPT-3, un modèle de 2020. Depuis, les générations se sont succédé — GPT-4 et 5, Gemini, Llama, Claude, DeepSeek, Mistral. Combien d'eau consomment-elles ?

La réponse honnête tient en une phrase : pour la plupart d'entre eux, personne ne peut le calculer, et ce n'est pas faute de méthode — c'est faute de données d'entrée.

9.1Ce qui a cessé d'être publié

GPT-3 sert encore de référence mondiale pour une raison précise : c'est le dernier grand modèle dont l'énergie d'entraînement a été publiée — 1 287 MWh, par une équipe de Google et Berkeley. Après lui, la porte s'est fermée.

Le nombre de paramètres de GPT-4 n'a jamais été confirmé par son éditeur : le chiffre de 1 760 milliards qui circule partout remonte à une déclaration orale non sourcée, reprise ensuite de proche en proche. Pour les modèles Claude — y compris les générations 2026 — la vérification des documents techniques officiels ne trouve aucun nombre de paramètres, aucun budget de calcul, aucune consommation d'énergie, aucun volume d'eau. La seule mention d'eau jamais publiée est qualitative : un « refroidissement économe en eau », sans métrique.

Une exception notable : un opérateur a publié en 2025 une mesure en production pour son assistant grand public — 0,24 Wh et 0,26 mL d'eau par requête texte médiane, avec sa méthodologie. C'est à ce jour la seule donnée officielle de ce type sur un modèle fermé, et elle porte sur le seul refroidissement sur site.

9.2Ce qu'on peut mesurer : les modèles ouverts

Là où les poids d'un modèle sont publics, n'importe quel laboratoire peut le faire tourner sur du matériel instrumenté et mesurer l'énergie au wattmètre, au lieu de l'estimer. Ces valeurs-là sont solides — et elles donnent l'ordre de grandeur d'une génération.

Deux enseignements. D'abord, l'écart entre les modèles ouverts mesurés et l'hypothèse de 2023 est d'un facteur 20 à 150 : l'efficacité par requête a progressé vite, et l'hypothèse historique de 4 Wh est probablement très au-dessus de la réalité d'aujourd'hui. Ensuite, la taille du modèle ne décide pas de tout : un modèle de 20 milliards de paramètres peut consommer plus qu'un modèle de 405 milliards, selon la quantification, le matériel et la longueur de la réponse. — MOYENNE

9.3Calculez vous-même

La conversion de l'énergie en eau, elle, n'a rien de secret. Si vous disposez d'une estimation d'énergie par requête à laquelle vous faites confiance, l'outil ci-dessous applique la formule de référence, coefficient par coefficient, et vous montre chaque étape du calcul.

9.4Ce que ça implique

Le calculateur ci-dessus rend visible ce que tout le rapport démontre : en changeant uniquement le lieu et le refroidissement, à énergie identique, le résultat varie d'un facteur supérieur à 10. La technologie du modèle n'est pas la variable dominante — l'infrastructure et sa géographie le sont.

Et c'est bien pour cela qu'un tableau « eau par modèle » n'existe pas dans ce rapport. Le publier supposerait de connaître, pour chaque modèle, l'énergie réelle par requête, le mix électrique de chaque centre de données qui le sert, et leur technique de refroidissement. Aucune de ces trois données n'est publique pour un modèle fermé. Un tel tableau ne serait pas une mesure : ce serait une suite d'hypothèses présentées comme un résultat — précisément ce que ce rapport s'efforce de ne pas faire. — ÉLEVÉE

7Ce qu'on ne sait pas

Cette section est aussi importante que les précédentes.

1. Aucune ventilation IA / non-IA n'existe. Aucun opérateur ne publie de métrique d'eau par charge de travail. Toute estimation « de l'IA » est dérivée d'hypothèses de puissance installée. (Confiance : ÉLEVÉE sur le constat.) 2. Aucune entreprise ne publie sa consommation d'eau indirecte (scope 2) sur l'ensemble de ses opérations — c'est-à-dire précisément le poste qui domine. 3. L'intensité en eau de l'électricité est l'incertitude dominante : 1,04 L/kWh (hypothèse AIE) contre 3,40–5,3 L/kWh (données déclarées, Siddik et al.), soit un facteur 3,8 à 5. Li et al. signalent en outre qu'une étude LBNL donne 4,35 L/kWh contre les 3,14 qu'ils retiennent (+38 %). 4. La localisation des charges IA n'est pas divulguée. C'est ce qui rend la marge d'erreur irréductible. 5. Le scope 3 (fabrication des puces et serveurs) est absent partout, faute de données publiques. Mistral signale explicitement l'absence de facteurs d'impact publics pour les GPU et qualifie son propre travail de « première approximation ». 6. Deux sources centrales n'ont pas pu être ouvertes : le rapport AIE Energy and AI (HTTP 403) et le billet de Sam Altman. Les valeurs qui en dépendent (~560 Md L/an, ~1 200 Md L en 2030, 2 M L/jour pour un DC de 100 MW, 0,3 mL/prompt) sont à traiter comme non vérifiées. 7. Les séries historiques ne sont pas stables. Microsoft a recalculé toutes ses années antérieures en 2026. Les comparaisons pluriannuelles publiées avant cette date sont caduques. 8. Meta exclut 1 019 ML de prélèvement lié à la construction de ses datacenters (+18 % sur son total) — un poste réel, hors comptage. 9. Google ne publie plus de WUE de flotte dans son rapport 2026. La visibilité sur cette métrique a diminué, pas augmenté. 10. L'effet rebond n'est traité par aucune source. Google documente une division par 33 de l'énergie par prompt tout en enregistrant +34 % de consommation d'eau absolue : le lien entre efficacité unitaire et volume total n'est analysé nulle part dans les sources consultées. 11. Sur le versant comparatif : les empreintes alimentaires n'ont pas été recalculées depuis 1996–2005 ; il n'existe pas, à la connaissance de l'auteur, d'ACV eau de la bouteille d'eau embouteillée revue par les pairs et publiquement accessible ; les chiffres viraux de « 12 000 L par smartphone » et « 400 000 L par voiture » n'ont aucune source primaire ouvrable et sont écartés de ce rapport.

8Sources

Littérature académique revue par les pairs ou en préprint

Publications d'entreprises (auto-déclarées)

Agences publiques et organismes

◆ Sources citées mais NON ouvertes — à ne pas utiliser sans vérification

Note finale au lecteur

Ce rapport ne conclut ni que la consommation d'eau de l'IA est négligeable, ni qu'elle est alarmante. Il établit trois choses vérifiables :

• Les chiffres qui circulent dans les deux camps reposent sur des périmètres incompatibles, et l'écart entre périmètres (facteur 173 sur une même requête) dépasse l'écart entre les usages qu'on cherche à comparer.
• La donnée qui permettrait de trancher — la consommation d'eau attribuable à l'IA, par site et par bassin versant — n'est publiée par personne.
• La question pertinente n'est pas « combien de litres par requête » mais « quelle pression sur quel bassin, à quelle saison, avec quel mix électrique » — une question à laquelle les publications actuelles ne permettent de répondre que très partiellement, et seulement là où les entreprises publient site par site.

Le lecteur qui souhaite se forger un avis devrait, face à tout chiffre sur l'eau et l'IA, poser systématiquement quatre questions : Consommation ou prélèvement ? Sur site ou total ? Quelle localisation ? Quelle date, et pour quel modèle ? En l'absence de ces quatre réponses, le chiffre n'est pas interprétable.