Green AI, IA frugale, IA verte : quand le vocabulaire change, mais pas la consommation

La semaine dernière, j’ai revu Ready Player One. Pendant que Wade Watts s’échappait d’un monde effondré en se connectant à l’OASIS, la France sortait tout juste de sa deuxième canicule record en un mois. Et je tapais des prompts à une intelligence artificielle pour écrire cet article. Anatomie d’un paradoxe qu’aucun greenwashing sémantique ne pourra résoudre — le mien inclus.

Dans le film de Spielberg sorti en 2018, adapté du roman d’Ernest Cline^[1], l’humanité de 2045 vit dans un monde ravagé par le chaos climatique et les crises énergétiques. Les taudis s’empilent en hauteur, la nature est en ruine, l’économie s’est effondrée. Alors les gens font ce que toute espèce menacée fait quand la réalité devient invivable : ils s’échappent. Ils enfilent un casque de réalité virtuelle et se réfugient dans l’OASIS, un métavers immersif où l’on peut être qui l’on veut, faire ce que l’on veut, oublier ce qui se passe dehors.

À aucun moment le film ne s’attarde sur la question qui, en 2026, saute pourtant aux yeux : d’où vient l’électricité qui fait tourner l’OASIS ? Qui refroidit les serveurs ? Comment cette infrastructure numérique gigantesque continue-t-elle de fonctionner dans un monde qui, par ailleurs, ne fonctionne plus ? Le film ne pose pas la question. Nous non plus.

Nous sommes en juillet 2026. La France vient de vivre son mois de juin le plus chaud jamais enregistré, avec un indicateur thermique national de 22,7 °C — record du siècle^[2]. Saumur a atteint 44,1 °C le 24 juin. Soixante-douze départements ont été placés en vigilance rouge le 25^[3]. Santé publique France évoque au moins un millier de morts sur l’épisode^[4]. Et Météo-France, sobre comme toujours, rappelle que sur les 52 vagues de chaleur recensées en France depuis 1947, plus de la moitié se sont produites après 2010^[5].

Dans le même temps, l’industrie de l’IA connaît une croissance sans précédent. Les datacenters mondiaux devraient doubler leur consommation électrique d’ici 2030^[6]. Les grands acteurs — Google, Microsoft, Amazon, OpenAI, Anthropic — construisent des campus de calcul dont les tailles se mesurent désormais en gigawatts. Et pour désamorcer les critiques qui commencent à monter, l’industrie a trouvé sa parade : le vocabulaire.

Acte I : Le vocabulaire de la « verdure »

Comme toujours quand un secteur devient impossible à défendre sur ses pratiques, il devient nécessaire de le défendre sur ses mots. La méthode est éprouvée — Pixels & Conscience l’a déjà décryptée avec la vidéosurveillance devenue « vidéoprotection ». Le procédé est identique. Seule la thématique change.

Tout commence en 2019, avec un article académique signé par Roy Schwartz et ses collègues de l’Allen Institute for AI et de l’Université de Washington. Les auteurs y opposent deux philosophies de la recherche en intelligence artificielle. La première, qu’ils baptisent Red AI, correspond à la course à la performance sans considération pour les coûts environnementaux ou financiers. La seconde, le Green AI, cherche à intégrer l’efficacité énergétique comme critère de conception au même titre que la performance^[7]. L’intention initiale est honnête. La récupération marketing sera immédiate.

Cinq ans plus tard, le paysage sémantique s’est enrichi. On parle désormais de Green AI, d’IA frugale, d’AI for Green, d’IA responsable, d’IA durable. Chaque terme recouvre une nuance légèrement différente. L’IA frugale, formalisée en France par le référentiel AFNOR SPEC 2314 publié en juin 2024 — le premier document au monde entièrement consacré à l’impact environnemental de l’IA — pousse la logique plus loin que le Green AI : elle inclut le questionnement du besoin lui-même et intègre le renoncement comme option viable^[8]. L’AI for Green, elle, désigne les usages de l’IA au service de la transition écologique. Trois concepts, trois angles, un même préfixe rassurant.

Le procédé est le même que pour la vidéoprotection : on ne modifie pas la chose, on modifie sa désignation. Une IA « verte » consomme rigoureusement la même électricité qu’une IA tout court. Un GPU H100 de NVIDIA chauffe autant qu’il soit utilisé pour un modèle « frugal » ou un modèle « ordinaire ». La seule différence, dans la grande majorité des cas, est l’étiquette qu’on lui colle et le storytelling qu’on construit autour.

Il faut être précis : des efforts techniques réels existent. Le refroidissement liquide direct-to-chip peut réduire la consommation électrique de 25 % par rapport à l’air conditionné traditionnel^[9]. La récupération de chaleur fatale des datacenters progresse — l’ADEME estime le gisement français à 3,6 TWh^[10]. Le PUE (Power Usage Effectiveness) moyen des datacenters s’améliore régulièrement. Certains modèles de langage plus petits, spécialisés, offrent des performances comparables aux grands modèles pour une fraction du coût énergétique. Ces avancées sont réelles.

Mais elles sont écrasées par la courbe de croissance des usages. C’est ce que les économistes appellent l’effet rebond, ou paradoxe de Jevons^[11] : quand on améliore l’efficacité énergétique d’une technologie, on n’en réduit pas la consommation totale, on l’augmente — parce que l’efficacité rend la technologie moins chère, donc plus attractive, donc plus utilisée. Chaque optimisation de rendement des serveurs est immédiatement absorbée par une multiplication des requêtes. Chaque gain de PUE est neutralisé par la construction de nouveaux campus. Chaque modèle plus « frugal » est déployé à des ordres de grandeur supérieurs à ceux qui le précédaient.

Le média Carbo, dans un article de septembre 2025, l’écrivait sans détour : certaines entreprises « parlent de green AI sans agir sur les causes profondes de leur empreinte »^[12]. Traduction : le mot fait le travail que la pratique ne fait pas.

Acte II : Le paradoxe assumé (le mien, le vôtre, celui de tous)

Il faut maintenant nommer ce que ces mots masquent aussi — pour ceux qui les emploient de bonne foi, et pour ceux qui les lisent : la contradiction. Elle est massive, elle est incontournable, et elle ne concerne pas seulement l’industrie. Elle me concerne. Elle vous concerne. Elle concerne quiconque a déjà tapé une requête sur ChatGPT, Gemini, Claude ou Mistral.

Alors autant le dire clairement, parce qu’un média qui décrypte le numérique ne peut pas se contenter de dénoncer les autres sans regarder sa propre pratique : cet article a été rédigé avec l’assistance d’une intelligence artificielle. C’est indiqué en bas de tous les articles de Pixels & Conscience depuis la création du site. Cette mention rend la contradiction visible, elle ne la résout pas.

Chaque prompt envoyé à un grand modèle de langage fait tourner des GPU dans un datacenter qui consomme de l’électricité et de l’eau. Combien exactement ? La question elle-même est un piège. Selon une étude de l’université de Californie à Riverside publiée en 2024, un e-mail de 100 mots généré par GPT-4 consommerait 519 mL d’eau, en intégrant refroidissement et production d’électricité^[13]. Sam Altman, dans un billet de blog de juin 2025, avance de son côté un chiffre bien inférieur : environ 0,3 mL par requête moyenne — mais sans méthode, sans périmètre, sans validation externe^[14]. Google mesure 0,26 mL par requête Gemini, refroidissement seul. Mistral, en analyse de cycle de vie complète, arrive à 45 mL par réponse. Anthropic, qui édite Claude, ne publie aucun chiffre à ce jour^[15].

L’écart entre les chiffres est d’un facteur mille. Ce n’est pas une divergence méthodologique bénigne, c’est l’exact indicateur d’un secteur qui a construit sa propre opacité. On ne pilote pas un débat public sur des ordres de grandeur qui varient de mille pour un.

Le paradoxe est universel. Ploum — Lionel Dricot^[16] — écrit ses excellents billets sur la « merdification » d’internet sur un blog qui, lui aussi, fait tourner des serveurs. Les journalistes qui enquêtent sur l’impact climatique du numérique le font depuis des ordinateurs connectés au cloud. Les militants de la sobriété numérique publient sur des réseaux sociaux gourmands en énergie. Les chercheurs qui alertent sur la consommation des LLM utilisent des LLM pour indexer leur bibliographie. Personne n’échappe à cette contradiction. Personne, en tout cas, qui accepte de continuer à parler dans l’espace public.

Il y a deux façons de traiter cette contradiction. La première consiste à la nier, ou à s’en absoudre par une pirouette rhétorique : « oui mais mon usage est raisonnable », « oui mais je fais de la pédagogie », « oui mais l’électricité française est décarbonée ». Ce sont toutes des vérités partielles. Elles sont aussi toutes des façons de ne pas voir. La seconde consiste à la nommer, à la rendre visible, à la porter dans le regard de ceux qui lisent. Sans se donner le beau rôle, sans en faire un mea culpa théâtral, sans non plus l’utiliser comme laissez-passer pour continuer sans limite. Juste l’admettre.

Cet article existe grâce à une IA. Il critique aussi l’industrie qui produit cette IA. Ces deux propositions sont vraies simultanément. Elles ne s’annulent pas. Elles cohabitent, inconfortablement, et c’est précisément cet inconfort qu’il faut refuser de faire disparaître par un mot rassurant.

Acte III : La géographie physique du « cloud »

Puisqu’on en est à nommer ce qui se cache derrière les mots, prenons celui de « cloud ». C’est probablement le plus efficace de tous les termes de novlangue technologique — et Pixels & Conscience en a déjà touché deux mots dans son édito vidéosurveillance. Le nuage évoque l’immatérialité, la légèreté, l’invisibilité. Il fait tellement bien son travail sémantique qu’on en oublie ce qu’il est vraiment.

Un cloud, c’est un bâtiment. Ou plutôt des milliers de bâtiments répartis sur la planète, remplis de serveurs qui chauffent, alimentés par des câbles qui arrivent d’une centrale électrique, refroidis par des systèmes qui consomment de l’eau. Le cloud a des coordonnées GPS, une adresse postale, un compteur EDF et une facture d’eau.

En France, RTE recensait dans son bilan électrique 2025 environ 300 datacenters actifs sur le territoire, pour une consommation d’environ 10 TWh par an, soit près de 2 % de la consommation électrique nationale^[17]. L’ADEME, dans ses scénarios publiés en janvier 2026, en compte 352^[18]. Les deux organismes s’accordent sur l’ordre de grandeur. À l’échelle mondiale, l’Agence Internationale de l’Énergie prévoit que les datacenters consommeront 945 TWh d’électricité en 2030, soit à peu près l’équivalent de la consommation annuelle actuelle du Japon^[19].

Ce que ces chiffres ne disent pas, c’est où ces bâtiments sont construits — et pourquoi. Un rapport de Nature Finance publié en février 2025 indique que 45 % des datacenters mondiaux sont implantés dans des bassins fluviaux à risque élevé en matière de disponibilité en eau. Chez Microsoft, 42 % des sites se trouvent dans des régions soumises à un stress hydrique important. Chez Google, ce chiffre est de 15 %^[20]. En 2024, Google a vu sa consommation nette d’eau augmenter de 28 % en un an, atteignant 30 milliards de litres, dont environ un tiers prélevé dans des régions déjà en tension. Microsoft déclare, pour la même année, que 46 % de ses prélèvements d’eau ont eu lieu dans des zones stressées^[21].

Pourquoi installer des infrastructures gourmandes en eau dans des régions qui en manquent ? Parce que l’électricité y est moins chère, parce que le foncier est disponible, parce que les incitations fiscales sont plus généreuses, parce que les autorités locales, à court de projets industriels, ne posent pas trop de questions. La logique est parfaitement rationnelle du point de vue économique. Elle est totalement absurde du point de vue climatique.

Un datacenter d’une puissance de 1 mégawatt utilise en moyenne 25,5 millions de litres d’eau par an pour son refroidissement, selon les chiffres du Forum Économique Mondial. C’est l’équivalent de la consommation quotidienne d’environ 300 000 personnes^[22]. Le refroidissement adiabatique, technique très répandue, fonctionne en vaporisant de fines gouttelettes d’eau dans l’air pour rafraîchir les serveurs — c’est-à-dire, littéralement, en évaporant de l’eau douce dans l’atmosphère. Et ce, pendant que dehors, en 2026, la moitié de la France cuit sous des vigilances rouges canicule.

La France est plutôt bien positionnée par rapport à d’autres pays. Le refroidissement liquide en circuit fermé, comme celui développé par OVHcloud ou déployé sur le campus Data4 de Marcoussis, atteint un WUE (Water Usage Effectiveness) de 0,06 litre par kWh — un chiffre remarquablement bas^[23]. Le mix électrique national est décarboné à plus de 95 %, avec une intensité carbone de 53 g équivalent CO2 par kWh selon le bilan RTE 2025, ce qui en fait l’un des meilleurs d’Europe^[24]. Ces atouts sont réels.

Mais l’Arcep, dans son enquête annuelle 2026 pour un numérique soutenable, a alerté sur la concentration géographique des datacenters français, qui commence à créer des tensions locales sur l’électricité, l’eau et le foncier. La zone de Marne-la-Vallée héberge à elle seule une part disproportionnée de la capacité IT du pays^[25]. Franceinfo rapportait en mai 2026 que la consommation hydrique des datacenters et de l’IA reste difficile à mesurer, faute de méthode commune et de transparence suffisante des opérateurs. L’Arcep parle sobrement d’une « absence de méthode consensuelle »^[26]. Traduction : on pilote une partie du débat public avec des logs incomplets.

Acte IV : Anticipation dystopique — Ready Player One en négatif

Revenons à Wade Watts et à son OASIS. Ce que le film ne pose jamais comme question, c’est celle de la soutenabilité physique du monde virtuel dans un monde réel effondré. Comment continue-t-on à faire tourner des milliards de serveurs quand le réseau électrique national se délite, quand les nappes phréatiques s’assèchent, quand les vagues de chaleur imposent des délestages ? Le film, comme la plupart des œuvres de science-fiction dystopique, prend son parti d’un miracle infrastructurel implicite : la technologie continue de fonctionner, même quand rien ne fonctionne plus.

C’est cette hypothèse qu’il faut interroger. Parce que si l’anticipation dystopique a plus d’impact que la science-fiction pure, c’est précisément parce qu’elle refuse ce type de miracle. Elle projette les tendances actuelles sans supposer qu’un deus ex machina viendra les résoudre.

Alors projetons. Les canicules françaises de 2026 sont, selon Météo-France, cohérentes avec les projections climatiques pour un réchauffement à +2 °C^[27]. La trajectoire actuelle des émissions mondiales de gaz à effet de serre nous emmène plutôt vers +4 °C d’ici la fin du siècle. Dans un tel scénario, selon une étude publiée dans The Lancet en 2024, le nombre médian de décès annuels liés à la chaleur en France pourrait atteindre 23 382 personnes par an^[28]. Vingt-trois mille trois cent quatre-vingt-deux, chaque année, à titre de référence.

Dans le même intervalle, la consommation électrique des datacenters aura doublé. La demande en eau des infrastructures numériques pourrait passer de 560 à 1 200 milliards de litres par an à l’échelle mondiale, selon les projections de l’AIE^[29]. L’IA générative représentera, selon McKinsey, une augmentation de 160 % de la demande énergétique des datacenters d’ici 2030^[30]. Et ces projections datent d’avant la course actuelle aux « modèles agentiques », dont les consommations par tâche sont plusieurs ordres de grandeur au-dessus des LLM conversationnels.

Que se passe-t-il quand ces deux courbes se rencontrent ? La question ne relève plus de la spéculation. Elle est déjà en train de se poser dans des pays comme l’Irlande, où les datacenters ont consommé 17 % de l’électricité nationale en 2022 — chiffre qui a créé un moratoire de fait sur les nouveaux projets à Dublin^[31]. Elle se pose au Texas, où les datacenters devraient représenter 6,6 % de la consommation d’eau de l’État d’ici 2030^[32]. Elle commence à se poser en France, où les tensions locales sur l’électricité et le foncier remontent jusqu’aux préfectures.

Il n’y a pas besoin d’imaginer un effondrement complet. Il suffit d’imaginer les arbitrages qui s’installent progressivement, discrètement, dans les couloirs des ministères et les salles de conseil régional. Faut-il autoriser un nouveau datacenter dans une région déjà en restriction d’eau ? Faut-il, pendant une canicule, imposer un délestage aux serveurs plutôt qu’aux climatisations des EHPAD ? Faut-il maintenir l’accès à ChatGPT quand le réseau électrique atteint son seuil de rupture ? Ces questions ne sont pas dystopiques. Elles sont administratives.

Et c’est là que la boucle se referme. Nous construisons des outils que nous décrivons comme les béquilles cognitives de nos sociétés — pour gérer la complexité, optimiser les flux, coordonner les crises. Ces outils reposent sur une infrastructure physique dont la soutenabilité, à horizon vingt ans, est tout sauf garantie. La probabilité que l’IA que nous construisons aujourd’hui tombe en panne au moment précis où nous en aurons le plus besoin — pendant une canicule majeure, une crise énergétique, un stress hydrique aigu — n’est pas nulle. Elle est même, à mesure que les deux courbes montent en parallèle, de plus en plus élevée.

Ready Player One, en 2045, montre une humanité qui a construit un monde virtuel comme refuge pour un monde réel devenu invivable. Le paradoxe caché du film, celui que personne ne veut voir, c’est que le monde virtuel a besoin du monde réel pour exister. Pas de nappes phréatiques, pas de refroidissement. Pas de refroidissement, pas de serveurs. Pas de serveurs, pas d’OASIS. Wade Watts, quand il enlève son casque, ne le sait pas encore : sa fuite est en train de consumer les conditions matérielles de sa propre fuite.

Le mot de la fin

Reste la question du « maintenant ». Un article qui se contenterait de dresser un tableau aurait échoué. La question qui traîne à la fin de la lecture, celle qui gêne, c’est : qu’est-ce qu’on fait de ça ?

Réponse honnête, à trois niveaux.

Au niveau individuel, presque rien. Ou plutôt : rien qui pèse. Renoncer à l’IA générative parce que le cloud transpire, c’est éteindre la lampe pendant qu’une aciérie tourne à côté. Le geste est cohérent, il est légitime, il peut avoir du sens dans la construction d’une posture personnelle — mais mathématiquement, il ne fait pas bouger l’aiguille. L’effet Jevons est structurel, pas individuel. La sobriété numérique de quelques milliers de lecteurs vigilants est absorbée en quelques secondes par un déploiement d’entreprise. C’est désagréable à écrire, mais c’est ainsi.

Au niveau sectoriel, l’affaire est un peu plus lisible. Exiger de la transparence sur les chiffres — de la vraie, avec méthode publiée et audits externes. Refuser les métriques d’entreprise auto-publiées sans validation. Demander qu’un fournisseur cloud communique le WUE, le PUE, la localisation et le mix électrique de chacun de ses sites, comme il communique aujourd’hui son taux de disponibilité. Les cadres normatifs — AFNOR SPEC 2314 pour la France, obligations européennes de reporting extra-financier — posent les bases. Il faut maintenant les faire respecter, ce qui suppose des contrôles, pas des chartes.

Au niveau politique — et c’est là que la question devient sérieuse — l’arbitrage est déjà en cours. Il se joue dans les couloirs des préfectures, des ARS, des services de RTE, des directions régionales de l’ADEME. Un nouveau campus IA à Marseille, un raccordement haute tension à Marne-la-Vallée, une autorisation de prélèvement d’eau dans le bassin Adour-Garonne : chaque décision de ce type contient déjà un arbitrage entre l’IA et le reste. Entre les GPU et les EHPAD. Entre le refroidissement des serveurs et l’irrigation d’un maraîchage. Entre l’attractivité du territoire pour les investisseurs américains et la résilience du territoire pour ses habitants.

Ces arbitrages sont techniques, pour l’instant. Ils vont devenir politiques, très bientôt. La question n’est pas de savoir s’ils vont être posés — ils le seront, la trajectoire des chiffres l’exige. La question est de savoir qui va y répondre, et sur la base de quels critères.

Si personne ne pose la question maintenant, ce sera un opérateur réseau, la nuit d’une canicule, qui la posera à sa place. Il choisira, sans mandat démocratique et sans débat public, entre délester les serveurs et délester les climatisations des hôpitaux. Il fera pour le mieux, en fonction des consignes qu’on lui aura données. Mais ces consignes, aujourd’hui, personne ne les écrit publiquement.

Voilà ce qu’il faut faire maintenant. Écrire ces consignes. Publiquement. Avant qu’elles ne soient improvisées un soir de juillet 2029, avec 47 °C dehors, un réseau à saturation, et un pays qui découvrira alors — mais un peu tard — que l’infrastructure numérique s’est mise entre lui et sa propre survie.

Cet article a été rédigé avec l’assistance d’une IA. Il critique aussi l’industrie qui la produit. Cette contradiction ne sera résolue par aucun mot, aucun préfixe rassurant, aucune posture individuelle. Elle sera résolue politiquement — ou pas du tout.

Pixels & Conscience — Comprendre le numérique, questionner ses usages.

Cet article a été rédigé avec l’assistance d’une intelligence artificielle et relu par l’auteur.

Notes et références

1. ↑ Ready Player One, film de Steven Spielberg (2018), adapté du roman éponyme d’Ernest Cline (2011). Voir la notice Wikipédia du film.
2. ↑ « Canicule de juin 2026 : un épisode historique », Météo-France, juin 2026.
3. ↑ « Juin 2026, la canicule de tous les records », Reporterre, 26 juin 2026.
4. ↑ « Canicules de 2026 en Europe », Wikipédia (compilation des bilans provisoires de Santé publique France).
5. ↑ Bilan des vagues de chaleur en France depuis 1947, Météo-France.
6. ↑ « Quelle est la consommation énergétique des data centers ? », Alterna énergie, août 2025, citant les projections de l’AIE.
7. ↑ Roy Schwartz, Jesse Dodge, Noah A. Smith, Oren Etzioni, « Green AI », Allen Institute for AI & University of Washington, 2019 (arXiv:1907.10597). Synthèse en français : Consultis Environnement, mars 2026.
8. ↑ Référentiel général pour l’IA frugale, AFNOR SPEC 2314, publié en juin 2024. Voir Consultis Environnement, mai 2026.
9. ↑ « Datacenters : quelles sont les techniques de refroidissement et leur impact environnemental ? », Datalok, juin 2025.
10. ↑ Estimation ADEME du gisement français de chaleur fatale des datacenters, Opéra Énergie, avril 2026.
11. ↑ Paradoxe de Jevons : Wikipédia.
12. ↑ « IA et environnement : quel impact réel et quelles opportunités ? », Carbo, septembre 2025.
13. ↑ Pengfei Li, Jianyi Yang, Mohammad A. Islam, Shaolei Ren, « Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models », University of California Riverside, publié dans Communications of the ACM, 2025 (préimpression 2023). Voir Gameblog pour la synthèse en français.
14. ↑ Sam Altman, « The Gentle Singularity », billet de blog, juin 2025. Recensé et discuté par Projet Celsius, juin 2026.
15. ↑ Comparaison des chiffres d’empreinte hydrique publiés par les éditeurs de LLM : Projet Celsius, juin 2026.
16. ↑ Blog de Lionel Dricot alias Ploum : ploum.net. Voir en particulier ses billets sur la « merdification » (enshittification) d’internet.
17. ↑ « Les data centers en chiffres clés », RTE, mis à jour le 1er juin 2026, extrait du Bilan électrique 2025.
18. ↑ Scénarios ADEME sur les datacenters français, janvier 2026. Cités par Learn Up, juin 2026.
19. ↑ Projections AIE (Agence Internationale de l’Énergie), rapport Energy and AI, avril 2025. Synthèse : Alterna énergie, août 2025.
20. ↑ Rapport Nature Finance, février 2025, sur l’implantation des datacenters dans les bassins fluviaux à risque hydrique. Voir Hellio, février 2026.
21. ↑ « Centres de données : pourquoi leur refroidissement consomme tant d’eau », I’MTech (Institut Mines-Télécom), 29 mai 2026.
22. ↑ Chiffre du World Economic Forum, cité par Hellio, février 2026.
23. ↑ Campus Data4 de Marcoussis, WUE de 0,06 L/kWh grâce au refroidissement liquide OVHcloud. Voir Datalok, juin 2025.
24. ↑ Bilan électrique 2025 de RTE : mix décarboné à 95 %, intensité carbone de 53 g eq. CO2/kWh. Voir RTE.
25. ↑ Enquête annuelle 2026 de l’Arcep « Pour un numérique soutenable ». Voir la synthèse dans Learn Up, juin 2026.
26. ↑ Constat de l’Arcep sur l’absence de méthode consensuelle de mesure de la consommation hydrique du numérique, rapporté par Franceinfo le 15 mai 2026 et repris par Learn Up.
27. ↑ Projections climatiques françaises et scénario TRACC à +2 °C, Météo-France, juin 2026.
28. ↑ Étude publiée dans The Lancet en 2024 sur la mortalité liée à la chaleur en France à +4 °C. Citée par Reporterre, 26 juin 2026.
29. ↑ Projections AIE sur la consommation d’eau des datacenters (rapport Energy and AI, avril 2025). Voir Hellio, février 2026.
30. ↑ Projections McKinsey sur la demande énergétique des datacenters IA d’ici 2030, citées dans Consultis Environnement, avril 2025.
31. ↑ Consommation des datacenters irlandais en 2022 (17 % de l’électricité nationale). Voir Alterna énergie.
32. ↑ Projection texane sur la part des datacenters dans la consommation d’eau de l’État à horizon 2030. Voir LeMagIT, janvier 2026.