Le paradoxe de la durabilité des infrastructures d'IA urbaine : quand les villes intelligentes rencontrent les goulots d'étranglement énergétiques et hydriques

Ces dernières années, les villes du monde entier se sont empressées de déployer des infrastructures d'intelligence artificielle, des flottes de véhicules autonomes aux plateformes de jumeaux numériques en temps réel. L'IA est devenue le système d'exploitation des villes numériques. Cependant, un article de synthèse récemment publié dans Nature Reviews Clean Technology révèle une réalité préoccupante : les centres de données d'IA qui soutiennent ces applications intelligentes consomment de l'énergie et de l'eau à un rythme sans précédent. Sans intervention, ils réduiront à néant les engagements climatiques des villes.

La croissance exponentielle des centres de données

Selon cette étude intitulée Strategies and design for increasing AI sustainability, le nombre de racks de centres de données dans le monde devrait doubler, voire tripler entre 2023 et 2028, avec une demande supplémentaire d'électricité d'environ 650 térawattheures par an – l'équivalent de la consommation annuelle d'électricité de la France. Pour toute ville abritant un centre de données hyperscale, cela représente une pression considérable sur le réseau électrique local. Le cas du nord de la Virginie (le plus grand hub de centres de données au monde) montre que la structure de consommation électrique locale est en train d'être remodelée par les charges de travail liées à l'IA, et que la majeure partie de cette électricité provient encore de combustibles fossiles.

Le carbone incorporé : un coût urbain négligé

L'étude indique que, dans les grands centres de données d'IA, plus de la moitié des émissions de carbone proviennent des « émissions incorporées » – c'est-à-dire l'empreinte carbone générée par la fabrication des puces, des serveurs et la construction même des centres de données. Cela signifie que les villes ne peuvent pas se contenter de considérer l'efficacité opérationnelle lors du choix du matériel d'IA. L'utilisation de composants recyclés ou de puces de génération précédente peut réduire les émissions totales de 10 à 20 %. Pour les gouvernements locaux visant des objectifs de villes intelligentes « zéro carbone », il s'agit d'une stratégie opérationnelle : privilégier l'achat de matériel d'inférence remis à neuf ou à faible consommation énergétique, plutôt que de rechercher systématiquement les dernières puces d'entraînement.

Le compromis eau-carbone : le dilemme des gestionnaires urbains

L'IA est un « grand consommateur d'eau ». Les systèmes de refroidissement lors de l'entraînement et de l'inférence des modèles consomment de grandes quantités d'eau douce. L'étude révèle un compromis inquiétant pour les gestionnaires urbains : les mesures visant à réduire la consommation d'eau (comme le remplacement du refroidissement par évaporation par un refroidissement à air) peuvent entraîner une augmentation des émissions de carbone de plus de 10 %. Dans les villes de la péninsule arabique ou du sud-ouest des États-Unis, où l'eau est rare, la priorité est souvent donnée à l'économie d'eau plutôt qu'à la réduction du carbone ; mais dans les villes nordiques, c'est l'inverse. Par conséquent, chaque ville doit élaborer des stratégies d'exploitation différenciées pour ses infrastructures d'IA, en fonction de ses ressources en eau locales et de l'intensité carbone de son réseau électrique.

Ordonnancement temporel et spatial : faire danser l'IA avec les énergies renouvelablesContrairement aux centres de données traditionnels toujours en forte charge, les tâches d'entraînement de l'IA présentent une flexibilité temporelle. Des études montrent que programmer ces tâches pendant les périodes d'excédent d'énergie renouvelable (comme les nuits venteuses) peut réduire l'intensité carbone de l'entraînement d'environ 10 %. Pour les villes, cela signifie qu'il est possible de collaborer avec les opérateurs de réseaux électriques pour établir un mécanisme d'« ordonnancement sensible au carbone » : les charges de travail d'IA migrent ou se mettent en pause dynamiquement en fonction des signaux carbone en temps réel du réseau. Ce modèle est en phase pilote en Californie et en Irlande, mais un déploiement à grande échelle nécessite le soutien de nœuds de calcul en périphérie et de réseaux 5G.

La fragmentation de l'inférence : potentiel d'une distribution à l'échelle urbaine

Bien que l'entraînement de l'IA soit concentré dans les grands centres de données, la charge d'inférence se déplace vers la périphérie. Les études indiquent que l'inférence contribue à 40 à 60 % des émissions de carbone équivalentes sur le cycle de vie d'un modèle, mais elle peut être exécutée sur du matériel moins performant. Les villes peuvent répartir les tâches d'inférence sur des lampadaires intelligents, des feux de signalisation ou des contrôleurs de gestion énergétique des bâtiments — en remplaçant essentiellement les centres de données centralisés par des dispositifs de périphérie. Le projet « AI at the edge » d'Amsterdam, aux Pays-Bas, valide cette approche : des milliers de terminaux à faible consommation traitent l'analyse vidéo du trafic, réduisant ainsi la dépendance au cloud central.

Un défi plus vaste : compromis systémiques et gouvernance

Il faut reconnaître que l'impact environnemental de l'IA n'est pas un problème technologique isolé. Il implique le système énergétique urbain, le réseau d'approvisionnement en eau, la planification territoriale et la souveraineté numérique. Par exemple, une ville qui déclare « zéro carbone en 2030 » tout en encourageant l'implantation de centres de données d'IA à très grande échelle doit intégrer des budgets carbone et hydrique dès la phase de planification. La « Feuille de route pour des centres de données verts » de Singapour impose un PUE (efficacité d'utilisation de l'énergie) inférieur à 1,2 pour les nouveaux centres de données, tout en rendant obligatoire le refroidissement par évaporation indirecte pour réduire la consommation d'eau. Des politiques similaires deviennent le nouveau standard de la compétition en matière d'infrastructures numériques entre les villes.

Conclusion : les villes ont besoin d'un nouveau « bilan d'infrastructure »

L'IA ne disparaîtra pas, et les villes intelligentes sont irréversibles. Mais les villes doivent prendre conscience que chaque ligne de code a un coût physique réel. Les villes intelligentes qui réussiront à l'avenir ne seront pas celles qui déploient le plus de capteurs d'IA, mais celles capables de mesurer avec précision et de gérer durablement l'impact carbone, hydrique et sur le réseau électrique de l'IA. Comme le souligne cette synthèse : l'efficacité technique ne suffit jamais à compenser la croissance de l'échelle ; les villes doivent repenser systématiquement la relation entre les charges de travail d'IA et les ressources locales.

Ce n'est pas seulement un défi technique, c'est une épreuve de l'art de la gouvernance.