# Comment réduire l'empreinte eau de l'IA ?

> Réduisez la consommation d'eau de l'IA : moins de calcul, des hébergeurs et régions à faible stress hydrique et au bon WUE, et des tâches lourdes placées au bon moment.

Source: https://greenai.guide/fr/comment/comment-reduire-l-empreinte-eau-de-l-ia/  
Updated: 2026-11-19

## En bref

La consommation d'eau suit la consommation d'énergie : la première étape est donc la même, avec des modèles plus petits, des réponses plus courtes et moins de régénérations. Au-delà, choisissez des hébergeurs qui publient leur consommation d'eau, évitez les régions en stress hydrique pour le travail lourd, et demandez aux fournisseurs des chiffres d'eau par site. Par prompt texte, l'eau consommée est faible ; ce sont les totaux et les effets locaux qui comptent.

## Steps

1. Réduisez d'abord le calcul avec des modèles plus petits, des réponses plus courtes et moins de régénérations.
2. Demandez aux hébergeurs la consommation d'eau et le WUE de chaque site, ainsi que l'origine de l'eau.
3. Évitez les régions en stress hydrique pour le travail lourd et flexible, comme l'entraînement.
4. Préférez les hébergeurs qui déclarent leur consommation d'eau publiquement ou à une autorité de régulation.
5. Intégrez l'eau dans vos questions d'achat d'IA et dans vos propres rapports.

**Moins de calcul signifie moins d'eau, et le lieu du calcul détermine l'importance de cette eau.** Les centres de
données utilisent de l'eau surtout pour le refroidissement, et les centrales électriques en utilisent pour produire
l'électricité.

## De quelle quantité d'eau parle-t-on ? {#how-much-water-are-we-talking-about}

Par prompt texte, très peu : Google indique 0,26 mL pour un prompt texte médian sur Gemini. Au total, et à certains
endroits, beaucoup : Li, Yang, Islam et Ren ont estimé que l'entraînement de GPT-3 dans les centres de données de
Microsoft aux États-Unis aurait pu évaporer directement environ 700 000 litres, et ont projeté que la demande mondiale
d'IA pourrait représenter de 4,2 à 6,6 milliards de mètres cubes de prélèvements d'eau en 2027. L'estimation de votre
propre part est traitée dans [estimer l'empreinte eau de l'IA](/fr/comment/comment-estimer-l-empreinte-eau-de-l-ia/).

## Qu'est-ce qui la réduit vraiment ? {#what-actually-reduces-it}

- **Moins de calcul.** L'UNESCO et l'University College London ont constaté que de petits modèles spécialisés
  pouvaient réduire l'énergie jusqu'à 90 %, et des prompts et réponses plus courts, de plus de moitié ; l'eau baisse
  avec l'énergie.
- **Le lieu.** Un litre prélevé dans une zone frappée par la sécheresse a plus d'effet qu'un litre là où l'eau est
  abondante : éloignez donc, lorsque c'est possible, le travail lourd et flexible des sites en stress hydrique.
- **Les preuves des fournisseurs.** Dans l'UE, les exploitants de centres de données dont la demande de puissance
  informatique atteint au moins 500 kW doivent déclarer leur consommation d'énergie et d'eau en vertu du règlement
  délégué 2024/1364. Demandez ces chiffres.

## Erreurs fréquentes {#common-mistakes}

- **Viser uniquement le WUE le plus bas.** Un refroidissement qui économise l'eau peut consommer plus d'électricité ;
  lisez [PUE et WUE](/fr/comment/comment-interpreter-les-chiffres-de-pue-et-de-wue/) ensemble.
- **S'inquiéter des questions courtes** tout en générant librement des images et des vidéos.
- **Oublier l'eau des centrales électriques,** que les chiffres sur site ne comptent pas.

Consultez [l'hébergement et les centres de données](/fr/bonnes-pratiques/hebergement-et-centres-de-donnees-pour-une-ia-verte/).

## Sources

- [Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (2023)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), European Commission (2024)
- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
