Devez-vous vous sentir coupable d’utiliser ChatGPT ? Nous venons de vérifier les allégations de Sam Altman concernant les amandes sauvages.
0
Suivez-nous
Si vous passez du temps sur les réseaux sociaux, vous avez probablement rencontré l'idée de « culpabilité de l'IA ». Le récit ressemble à ceci : chaque fois que vous demandez à ChatGPT de rédiger un e-mail poli ou de générer une recette de dîner en semaine, une ferme de serveurs quelque part draine une quantité impie d'eau potable juste pour empêcher les chips de fondre.
Maintenant, Sam Altman, PDG d’OpenAI, veut mettre fin à ce mème. S'exprimant lors du premier épisode du podcast Sources avec Alex Heath, Altman s'est fortement opposé à la perception selon laquelle les simples invites de l'IA sont des catastrophes environnementales.
Son contre-argument était une comparaison avec une collation populaire.
38 000 requêtes ChatGPT = 1 amande ? Nous avons analysé les chiffres pour le savoir
Regarder dessus
Selon Altman, les centres de données qui consomment des millions de litres d’eau s’appuient sur une technologie de refroidissement obsolète. Dans les installations modernes, a-t-il affirmé, exécuter 38 000 requêtes ChatGPT consomme autant d’eau que produire une seule amande de Californie. Il a reconnu qu’il citait le chiffre de mémoire et qu’il n’était peut-être pas exact, même s’il a soutenu qu’il se situait dans la bonne fourchette.
Il s’agit d’un extrait sonore accrocheur conçu pour rendre votre habitude quotidienne de chatbot pratiquement légère. Mais les calculs tiennent-ils réellement la route et devriez-vous cesser de vous soucier du coût environnemental de vos invites ?
Le calcul : combien d’eau représente vraiment une amande ?
Pour évaluer l’affirmation d’Altman, il faut commencer par l’amande.
La Californie produit environ 80 % des amandes mondiales, et l'estimation agricole la plus citée estime le coût en eau nécessaire à la culture d'un seul noyau d'amande à environ 1,1 gallon (environ 4,16 litres). Une analyse distincte évalue l’empreinte eau totale à environ 12 litres (3,2 gallons) une fois que vous incluez les compensations de précipitations et de pollution. Les amandes sont notoirement des cultures assoiffées car les arbres ont besoin d’une irrigation constante toute l’année.
Si nous prenons le ratio d'Altman à sa valeur nominale en utilisant l'estimation de l'irrigation directe :
1 amande = ~1,1 gallons (4 164 ml) d'eau
38 000 requêtes ChatGPT = 1 amande
1 requête ChatGPT = ~0,0000289 gallons (~0,11 ml d'eau)
Pour mettre 0,11 ml en perspective, une goutte d’eau de laboratoire standard ou une goutte de compte-gouttes représente environ 0,05 ml.
Selon les chiffres d'Altman, poser une question à ChatGPT utilise environ deux gouttes d'eau.
Si ce chiffre semble ridiculement bas par rapport à ce que vous avez lu précédemment, vous n’imaginez rien. Cela ne correspond pas non plus tout à fait aux déclarations antérieures d’Altman.
En juin 2025, il a écrit dans son article de blog « The Gentle Singularity » qu'une requête ChatGPT typique utilise environ 0,000085 gallons d'eau, ce qui équivaut à environ 0,32 ml.
En utilisant ce chiffre avec les estimations par amande couramment citées, vous obtenez environ 11 000 requêtes par amande, et non 38 000. Ses propres chiffres vont dans la même direction mais ne sont pas d’accord sur les détails.
D’où vient l’histoire « L’IA vide votre robinet » ?
La réaction du public contre la consommation d’eau de l’IA provient en grande partie d’une étude largement citée menée par des chercheurs de l’Université de Californie à Riverside et de l’Université du Texas à Arlington.
Cet article, intitulé « Making AI Less Thirsty », a été publié pour la première fois sous forme de préimpression en 2023, puis publié dans l'eau consommée dans les centrales électriques pour produire l'électricité consommée par ces serveurs, une comptabilité plus large connue sous le nom de consommation d'eau de portée 1 et de portée 2. Des analyses indépendantes suggèrent que la couche de production d’électricité peut représenter jusqu’à 75 % de l’empreinte eau totale derrière une seule requête d’IA. Cela signifie que l’écart ne concerne pas seulement l’ancien matériel par rapport au nouveau matériel ; il s'agit de savoir où vous tracez la limite de mesure.
Altman a abordé la question du vieux matériel directement sur le podcast, arguant que les estimations antérieures étaient basées sur des installations utilisant le refroidissement par évaporation. Dans ces configurations plus anciennes, d’énormes tours de refroidissement évaporent littéralement l’eau fraîche dans l’atmosphère pour refroidir l’air chaud sortant des racks de serveurs. Une fois évaporée, cette eau est perdue dans le bassin versant local.
Selon Altman, les centres de données modernes à grande échelle ont évolué de manière agressive vers des systèmes de refroidissement liquide en boucle fermée, dans lesquels de l'eau ou un liquide de refroidissement spécialisé circule à travers des tuyaux scellés comme un radiateur d'automobile, ne perdant pratiquement aucun liquide par évaporation. Dans ces installations, a soutenu Altman, la consommation d’eau ressemble moins à une installation industrielle qu’à un immeuble de bureaux commercial ordinaire avec des éviers et des toilettes standards.
Le piège : pourquoi la comparaison des amandes est une version classique de la Silicon Valley
Alors que les centres de données modernes deviennent incontestablement plus efficaces par jeton, comparer les invites des chatbots aux cultures agricoles ignore plusieurs réalités critiques.
Échelle globale vs culpabilité individuelle. Vous n'utilisez peut-être que deux gouttes d'eau pour vérifier une formule de feuille de calcul, mais OpenAI sert désormais environ 900 millions d'utilisateurs actifs hebdomadaires qui traitent des milliards d'invites chaque jour. Lorsque vous multipliez de minuscules fractions de millilitre à cette échelle mondiale, parallèlement à des cycles de formation continue de modèles qui, selon les chercheurs de l'UC Riverside, peuvent consommer des centaines de milliers de gallons au départ ; le total global reste énorme.
Le stress hydrique local est plus important que les moyennes mondiales. Un verger d’amandiers dans la Vallée Centrale dépend des allocations d’eau établies par l’État et des canaux agricoles. Cependant, les centres de données d’IA sont fréquemment construits dans des communautés suburbaines et des régions semi-arides (telles que Phoenix, le nord de la Virginie et certaines parties du Texas et de la Géorgie) où ils puisent directement dans les systèmes d’eau municipaux. Même une installation moderne et efficace peut provoquer des frictions lorsqu’elle entre en concurrence avec les quartiers résidentiels lors des pics de chaleur estivale.
Toutes les requêtes IA ne sont pas égales. Le chiffre de « 38 000 requêtes » d'Altman repose sur une inférence standard et légère, alors pensez aux réponses textuelles de base GPT-4o. Mais l’industrie évolue rapidement vers des modèles de raisonnement et des agents d’IA autonomes. Lorsqu'une IA « réfléchit » avant de répondre, exécute du code Python dans un bac à sable interne, effectue des recherches sur le Web en direct et s'autocorrige via plusieurs boucles logiques, elle consomme beaucoup plus de calcul par invite qu'un simple chatbot conversationnel. Des chercheurs indépendants ont noté que ces charges de travail plus lourdes peuvent consommer plusieurs fois plus d’énergie et, par extension, d’eau.
Le compromis énergétique. Lorsque les exploitants de centres de données éliminent le refroidissement par eau par évaporation, ils le remplacent souvent par des refroidisseurs énergivores, des pompes à chaleur mécaniques et des ventilateurs d'air à grande vitesse. En bref : réduire la consommation d’eau sur site signifie souvent tirer beaucoup plus d’électricité du réseau électrique local, qui a sa propre empreinte indirecte en eau et en carbone en fonction de la manière dont cette électricité est produite.
Réflexions finales
L'affirmation d'Altman s'appuie fortement sur les meilleurs scénarios pour le matériel moderne en boucle fermée, tout en passant sous silence les exigences massives et plus larges en matière d'infrastructure du boom de l'IA. Son nombre de 38 000 requêtes par amande est probablement défendable comme un ordre de grandeur approximatif pour une seule requête légère sur le matériel le plus récent – mais il ne prend en compte qu’une partie de l’histoire de l’eau et ignore la trajectoire de l’industrie.
