Une requête ChatGPT consomme entre 0,26 mL et 519 mL d’eau selon le périmètre mesuré : refroidissement seul (0,26-0,3 mL), eau liée à l’électricité (10-50 mL), ou cycle de vie complet (jusqu’à 519 mL). Les seules mesures officielles auditées indiquent 0,26 mL pour Gemini et 0,3 mL pour ChatGPT, soit quelques gouttes. Le vrai enjeu est l’impact collectif : ChatGPT consommerait 54 milliards de litres d’eau annuels, dont la majorité dépend du mix électrique et de la localisation du data center.
Une bouteille d’eau par requête ? Un dé à coudre ? Selon la source consultée, la consommation d’eau ChatGPT varie de quelques gouttes à un demi-litre. L’écart n’est pas anecdotique : il atteint un facteur 2 000. Décryptage des chiffres, des méthodes de calcul et de ce qui compte vraiment derrière le refroidissement des data centers.
Consommation d’eau de ChatGPT : pourquoi les chiffres varient de 0,26 mL à 519 mL
Une requête ChatGPT consomme entre 0,26 mL et 519 mL d’eau selon les sources. Cet écart de 2 000x ne traduit pas une erreur, mais des périmètres de mesure différents : refroidissement seul, eau liée à l’électricité consommée, ou cycle de vie complet du matériel.
Trois périmètres coexistent sans normalisation internationale. Le premier ne compte que l’eau évaporée dans les tours de refroidissement du data center. Le deuxième y ajoute l’eau mobilisée en amont pour produire l’électricité consommée par les serveurs, ce qui soulève des enjeux majeurs pour une intelligence artificielle écologique. Le troisième intègre l’ensemble du cycle de vie de l’infrastructure.
Résultat : deux études rigoureuses peuvent aboutir à des chiffres cent fois différents sans que l’une soit fausse. Quand vous lisez une statistique sur la consommation d’eau, que ce soit pour ChatGPT ou pour des solutions d’arrosage intelligent, la première question à poser n’est pas « combien ? » mais « quoi ex
Le chiffre viral du « demi-litre par requête » repose sur une erreur de lecture. L’étude de référence de l’UC Riverside (2023) évoquait 500 mL pour 10 à 50 réponses de GPT-3, soit 10 à 50 mL par requête. Le facteur d’erreur, en le recopiant mal, atteint 50.
Les chiffres officiels : ce que déclarent OpenAI, Google et Mistral
Sam Altman avance environ 0,3 mL d’eau par requête ChatGPT (juin 2025), Google mesure 0,26 mL pour Gemini (août 2025), et Mistral publie 45 mL [1] par réponse de 400 tokens en cycle de vie complet. Seule l’étude Google repose sur une mesure auditée en production ; celle d’OpenAI reste une déclaration de blog sans méthodologie.
La déclaration d’OpenAI pose un problème de vérifiabilité : aucun périmètre précisé, aucune méthode publiée, aucun audit externe. Google, à l’inverse, documente sa mesure sur une flotte de serveurs en production, mais restreint le calcul au refroidissement direct. Mistral a choisi la voie la plus exigeante : une analyse de cycle de vie menée avec Carbone 4 et l’ADEME, fabrication du matériel comprise, publiée via le Projet Celsius (source).
Tableau comparatif des mesures par source
| Source | Chiffre annoncé | Périmètre | Année |
|---|---|---|---|
| Google (Gemini) | 0,26 mL | Refroidissement seul, mesure auditée | 2025 |
| OpenAI (Sam Altman) | ~0,3 mL | Refroidissement seul, non audité | 2025 |
| UC Riverside (GPT-3) | 10 à 50 mL | Eau totale (refroidissement + électricité) | 2023 |
| Mistral / Carbone 4 / ADEME | 45 mL [1] | Cycle de vie complet, 400 tokens | 2025 |
| Washington Post (GPT-4) | jusqu’à 519 mL | Eau totale, génération longue | 2023 |
Ce tableau explique la cacophonie médiatique. Les deux chiffres les plus bas viennent des éditeurs eux-mêmes et couvrent le périmètre le plus étroit. Les plus élevés viennent de tiers et intègrent l’électricité. Aucun standard ne tranche pour l’instant.
À l’échelle mondiale : la consommation d’eau réelle de ChatGPT
À l’échelle globale, ChatGPT consommerait environ 54,06 milliards de litres d’eau par an [2], soit 102 972 litres par minute [2], pour 285,7 millions de réponses quotidiennes [2]. Cela représente environ 0,1 % de la consommation d’eau totale des États-Unis. Le volume individuel est négligeable, l’agrégat ne l’est plus.
C’est le paradoxe central du débat sur la consommation d’eau ChatGPT : quelques gouttes multipliées par des milliards d’occurrences deviennent un flux industriel. Voici ce que révèlent les données agrégées :
- Le volume annuel : 54,06 milliards de litres par an [2] selon Business Energy UK (février 2025), l’équivalent d’un flux continu de 102 972 litres par minute [2] (source).
- Le volume de requêtes : 285,7 millions de réponses générées chaque jour [2], sur une base d’utilisateurs qui atteignait 800 millions d’actifs hebdomadaires et 2,5 milliards de requêtes quotidiennes fin 2025 selon Next.ink.
- L’électricité : 40 millions de kWh par jour [2], soit davantage que la consommation cumulée des 117 pays les moins énergivores.
- L’entraînement : former GPT-3 aurait mobilisé au minimum 700 000 litres d’eau sur les serveurs Microsoft, et jusqu’à 5,4 millions de litres au total selon l’UC Riverside (2023). Cette empreinte s’ajoute à celle de l’inférence quotidienne.
- La mise en perspective : ce total reste autour de 0,1 % de la consommation d’eau américaine, estimée à environ 450 milliards de m³ par an.
Localisation des data centers : pourquoi une requête consomme 80 fois plus en Arizona
Le WUE (Water Usage Effectiveness) varie de 0,02 L/kWh en Irlande à 1,52 L/kWh en Arizona, soit un facteur 80. Une requête identique n’a donc pas le même coût hydrique selon le serveur qui la traite. En régions chaudes, la production d’électricité elle-même consomme jusqu’à 8 à 9 litres d’eau par kWh.
Le WUE mesure les litres d’eau utilisés par kilowattheure informatique. Sur les data centers Azure aux États-Unis, il oscille entre 0,1 et 1,52 L/kWh selon Next.ink (2025). Une moyenne mondiale entre l’Irlande et l’Arizona ne décrit aucun site réel : elle lisse un écart de 80 fois.
Deux mécanismes expliquent cette variabilité. D’abord le refroidissement : sous un climat froid, l’air extérieur suffit et l’eau devient presque inutile ; sous 45 °C, les tours évaporatives tournent à plein régime. Ensuite le mix électrique : l’UC Riverside estime à 3,1 litres d’eau par kWh la consommation indirecte moyenne d’un modèle d’IA, mais ce ratio grimpe à 8 ou 9 litres par kWh dans les régions chaudes où les centrales thermiques refroidissent elles aussi par évaporation.
Côté infrastructures, Microsoft — partenaire d’OpenAI — a déclaré 10,4 millions de m³ d’eau prélevés en 2026 au niveau mondial. Vous, utilisateur, ne savez pas si votre prompt est traité à Dublin ou à Phoenix. Cette opacité rend tout calcul individuel largement théorique.
Prélèvement ou consommation d’eau : le débat qui divise les experts
L’eau de refroidissement n’est pas détruite : elle est majoritairement prélevée puis rejetée, plus chaude. Mais dans les tours évaporatives, une part significative s’évapore et sort du bassin local. Le rejet thermique favorise par ailleurs la prolifération d’algues et perturbe la reproduction de certaines espèces aquatiques.
« L’eau n’est pas consommée, elle est rejetée plus chaude, mais pas soustraite du milieu. » — Un argument récurrent dans les débats publics, qui oublie que le rejet réchauffé modifie l’écosystème récepteur.
Les chiffres de Microsoft illustrent la distinction : 10,4 millions de m³ prélevés au mondial en 2026, contre 5,8 millions de m³ réellement consommés en Amérique du Nord la même année. Le prélèvement retourne en partie au milieu ; la consommation, elle, quitte le bassin par évaporation.
Arguments minimisant l’impact
Arguments alarmants
- ✅ Une part majoritaire de l’eau prélevée est restituée au milieu
- ✅ Le total annuel reste autour de 0,1 % de la consommation américaine (env. 450 milliards de m³/an)
- ✅ Les mesures auditées les plus récentes tournent autour de 0,26 à 0,3 mL par requête
- ✅ Les nouveaux data centers améliorent leur PUE et leur WUE, et le refroidissement à l’air progresse
- ❌ L’eau utilisée est le plus souvent de l’eau douce potable
- ❌ Les sites d’Arizona, de Californie ou du Moyen-Orient puisent dans des bassins déjà en stress hydrique
- ❌ Le rejet thermique favorise les algues et perturbe la faune aquatique
- ❌ Ni OpenAI, ni Microsoft, ni Anthropic ne publient de chiffre audité par requête
- ❌ La croissance des usages est exponentielle : 2,5 milliards de requêtes quotidiennes fin 2025
La bonne question n’est donc pas « l’eau disparaît-elle ? » mais « d’où est-elle prélevée, et le bassin peut-il l’absorber ? ». Un data center suédois et un data center de l’Arizona ne posent pas le même problème, à consommation identique.
Réduire l’empreinte eau de ses requêtes IA : ce qui marche vraiment
Réduire la consommation d’eau ChatGPT et de vos autres usages IA passe par des choix concrets : privilégier des modèles plus petits pour les tâches simples, éviter les régénérations inutiles, regrouper vos questions et favoriser les fournisseurs publiant leur WUE. L’écart de consommation entre modèles atteint un facteur 100 pour une même tâche.
- Ajustez le modèle à la tâche. Le Projet Celsius (2025) relève un écart d’un facteur 100 entre modèles pour la consommation énergétique. Une reformulation ou un résumé court ne justifient pas le modèle le plus lourd du catalogue.
- Soignez votre prompt du premier coup. Chaque requête pèse entre 0,3 et 3 Wh selon le modèle et la tâche. Trois régénérations pour un même texte, c’est trois fois la facture énergétique et hydrique.
- Regroupez vos demandes. Une consigne unique et détaillée remplace cinq allers-retours. Le gain est immédiat sur le nombre de tokens générés.
- Exigez la transparence. Réclamez le WUE, le PUE et la localisation des data centers. Le Projet Celsius rappelle qu’un refroidissement à l’air en Suède et une évaporation en Arizona n’ont rien de comparable.
- Gardez le sens des proportions. Votre requête individuelle pèse quelques millilitres ; l’enjeu se joue au niveau de l’implantation des infrastructures et des politiques d’approvisionnement en eau.
Avant de partager un chiffre sur l’eau et l’IA, vérifiez trois éléments : le modèle concerné, le périmètre de mesure et l’année. Sans ces trois informations, la statistique est ininterprétable — et probablement mal recopiée.
Ce qu’il faut retenir et faire dès maintenant
La consommation d’eau ChatGPT par requête se compte en millilitres, pas en bouteilles. Mais multipliée par 285,7 millions de réponses par jour [2], elle atteint 54,06 milliards de litres par an [2]. Le vrai levier n’est pas votre sobriété individuelle : c’est la localisation des data centers et la transparence des éditeurs.
Trois actions concrètes : arrêtez de relayer le chiffre des 500 mL par requête, qui repose sur une erreur de lecture ; adaptez systématiquement la taille du modèle à la complexité de votre tâche ; et privilégiez, quand vous avez le choix, les fournisseurs qui publient leur WUE et la localisation de leurs infrastructures. Tant qu’aucun standard de mesure ne s’impose, la vigilance méthodologique reste votre meilleur outil.
Questions frequemment posees
Quelle est la consommation d’eau officielle d’une requête ChatGPT ?
Selon Sam Altman (OpenAI), ChatGPT consomme environ 0,3 mL d’eau par requête, et Google annonce 0,26 mL pour Gemini. Ces chiffres ne comptent que le refroidissement direct des serveurs. Ce sont les seules mesures officielles publiées, bien que non auditées de manière indépendante.
Pourquoi les estimations varient-elles de 0,26 mL à 519 mL ?
Les différences reflètent des périmètres de mesure distincts : refroidissement seul (0,26-0,3 mL), eau pour la production d’électricité incluse (10-50 mL), ou analyse de cycle de vie complète avec fabrication du matériel (jusqu’à 519 mL). Sans préciser le périmètre, aucun chiffre n’est comparable.
Combien d’eau ChatGPT consomme-t-il en un an à l’échelle mondiale ?
ChatGPT consommerait environ 54,06 milliards de litres d’eau par an, soit 102 972 litres par minute, selon Business Energy UK (février 2025). Cela représente l’équivalent de 686 baignoires utilisées uniquement pour le refroidissement des serveurs.
Quelle est la différence entre l’eau de refroidissement et l’eau indirecte ?
L’eau de refroidissement (0,26-0,3 mL) est celle évaporée dans les tours de refroidissement du data center. L’eau indirecte est celle nécessaire pour produire l’électricité consommée : environ 3,1 litres d’eau par kWh selon l’UC Riverside, ce qui multiplie la consommation totale par 30 à 100 fois.
Combien d’eau a-t-il fallu pour entraîner ChatGPT (GPT-3) ?
L’entraînement de GPT-3 a consommé un minimum de 700 000 litres d’eau pour le refroidissement direct, et 5,4 millions de litres au total en incluant l’eau liée à l’électricité, selon l’étude de l’UC Riverside (2023).
La localisation du data center change-t-elle la consommation d’eau ?
Oui, drastiquement. La consommation d’eau pour produire l’électricité varie de 1 litre/kWh chez Google à 8-9 litres/kWh dans les régions chaudes. Un data center alimenté par des énergies renouvelables consomme donc beaucoup moins d’eau qu’un autre utilisant du charbon ou du gaz.
Gaël Lemaire, ingénieur devenu essayiste, partage sur La Maison des Énergies une réflexion apaisée sur notre rapport à l’énergie et au vivant. Il croit en une transition fondée sur la mesure, la justice et la beauté du monde.