Pourquoi les datacenters IA utilisent-ils autant d’eau ?

Les charges de travail d’IA s’exécutent sur des machines physiques. Lorsque les GPU, CPU, mémoire, stockage et équipements réseau consomment de l’électricité, presque toute cette énergie finit par devenir de la chaleur dans le datacenter.

Un serveur web classique peut traiter des requêtes légères, mais l’entraînement et l’inférence IA peuvent maintenir des accélérateurs à forte utilisation pendant de longues périodes. Les racks GPU denses concentrent beaucoup plus de chaleur dans un espace réduit que les équipements informatiques traditionnels.

Le refroidissement n’est donc pas un simple système de confort. Il fait partie de l’infrastructure nécessaire pour maintenir les puces à une température sûre, éviter le throttling, protéger le matériel et garantir un service fiable.

Les datacenters IA modernes regroupent souvent des milliers de GPU en clusters. Ces GPU sont conçus pour le calcul parallèle, ce qui les rend très utiles pour entraîner des réseaux neuronaux et servir des charges d’inférence.

La densité qui rend l’infrastructure IA puissante crée aussi une pression thermique. Plus d’accélérateurs par rack signifie plus d’alimentation électrique, plus de réseau, plus de mémoire et plus de chaleur à évacuer.

C’est pourquoi les datacenters IA sont étroitement liés à la capacité électrique et au refroidissement. Un site peut disposer de terrain ou de fibre, mais être limité par la puissance disponible, la capacité de rejet thermique ou les contraintes locales sur l’eau.

L’eau est utile pour le refroidissement parce qu’elle transporte efficacement la chaleur. De nombreux datacenters utilisent des boucles d’eau glacée, des tours de refroidissement, du refroidissement évaporatif ou des systèmes hybrides combinant air et eau selon les conditions extérieures.

Dans un système évaporatif, une partie de l’eau est volontairement évaporée pour emporter la chaleur. Cela peut réduire l’électricité nécessaire au refroidissement mécanique, notamment par temps chaud, mais augmenter la consommation locale d’eau.

Tous les datacenters n’utilisent pas la même conception. Certains reposent davantage sur l’air, d’autres sur des boucles liquides fermées près des puces, et certains utilisent de l’eau recyclée ou non potable. L’empreinte eau dépend de l’architecture, du climat et de la stratégie d’exploitation.

L’utilisation directe désigne l’eau consommée sur le site du datacenter, généralement pour le refroidissement ou le contrôle de l’humidité. C’est la partie la plus visible, surtout lorsqu’un site utilise le refroidissement évaporatif dans une région soumise au stress hydrique.

L’utilisation indirecte peut aussi compter. La production d’électricité peut nécessiter de l’eau pour le refroidissement des centrales ou la production de combustibles, selon le réseau local. Un datacenter qui utilise peu d’eau sur site peut donc rester associé à une consommation d’eau via son électricité.

C’est l’une des raisons pour lesquelles les estimations publiques varient fortement. Une analyse sérieuse doit préciser si elle compte l’eau sur site, l’eau de la chaîne d’approvisionnement, l’eau liée à l’électricité, les prélèvements, la consommation, ou toutes ces catégories.

Un litre d’eau consommé dans une région fraîche et abondante en eau n’a pas le même impact local qu’un litre consommé dans une région chaude et sèche avec des bassins versants sous tension. Une même technologie de refroidissement peut donc avoir des conséquences très différentes selon le lieu.

Le climat influence la fréquence d’utilisation du free cooling, du refroidissement évaporatif ou du refroidissement mécanique. Le mix électrique influence les émissions carbone. La disponibilité locale en eau détermine si une demande supplémentaire est mineure, controversée ou difficile à exploiter.

C’est pourquoi la durabilité des datacenters ne se résume pas à un chiffre mondial. La question pertinente n’est pas seulement combien d’eau est utilisée, mais où, quand, et quelles options de refroidissement ou d’électricité étaient disponibles.

Réduire l’usage de l’eau peut parfois augmenter l’usage d’électricité. Par exemple, une conception qui évite le refroidissement évaporatif peut dépendre davantage de groupes froids mécaniques, ce qui augmente la demande énergétique pendant les périodes chaudes.

L’inverse peut aussi se produire : utiliser l’eau pour le refroidissement évaporatif peut réduire la consommation électrique et donc les émissions si le réseau est carboné. La meilleure option dépend du stress hydrique local, de l’intensité carbone du réseau, de la météo et de la densité matérielle.

C’est pourquoi la transparence du reporting compte. Des indicateurs comme le PUE pour l’efficacité énergétique et le WUE pour l’eau sont utiles, mais ils doivent être lus avec le contexte local. Une conception sobre en eau n’est pas automatiquement sobre en carbone.

Oui, mais il n’existe pas de solution universelle. Les options incluent une meilleure gestion de l’air, des températures de fonctionnement plus élevées, le refroidissement liquide en boucle fermée, les dry coolers, l’eau recyclée, l’eau non potable, de meilleurs choix d’implantation et du matériel IA plus efficace.

L’optimisation des modèles compte aussi. Des modèles plus petits, une inférence efficace, le batching, le caching et du matériel spécialisé peuvent réduire le calcul nécessaire pour un service donné, ce qui réduit indirectement la chaleur et les besoins de refroidissement.

Mais la demande totale peut continuer à croître si l’usage de l’IA augmente plus vite que les gains d’efficacité. L’objectif pratique est donc non seulement un refroidissement plus efficace, mais aussi une meilleure transparence, une implantation prudente et une planification tenant compte du stress hydrique local.