L’expansion des centres de données dédiés à l’intelligence artificielle entre dans une phase délicate. On ne se limite plus à discuter de leur consommation électrique, de leur usage en eau ou de leur connexion au réseau. Une nouvelle question apparaît : ces installations peuvent-elles faire augmenter la température locale dans leurs environs ?

Une étude publiée sur arXiv en avril 2026, réalisée par des chercheurs de l’Université de Cambridge et d’autres institutions, aborde précisément cette problématique. L’analyse compare les températures de surface terrestre par satellite entre 2004 et 2024, croise ces données avec l’emplacement des centres de données et conclut qu’après leur mise en service, une augmentation moyenne de 2,07 ºC de la température de surface est observée dans la zone concernée. La fourchette s’étend de 0,3 ºC à 9,1 ºC, avec 95 % des cas centrés entre 1,5 ºC et 2,4 ºC.

Ce chiffre est frappant, mais il faut le lire en nuance. L’étude évoque la température de surface terrestre, pas nécessairement la température de l’air perçue par une personne en se promenant en ville. De plus, elle regroupe des centres de données construits sur deux décennies, de 2004 à 2024. Ce détail est crucial : une grande partie de ces installations sont antérieures à la récente explosion de l’IA générative, ce qui relativise l’idée que tout ce phénomène constitue une véritable « île de chaleur de l’IA ».

Ce que révèle vraiment l’étude

L’étude utilise les données MODIS de température de surface terrestre, reconstituées à l’échelle mondiale avec une résolution améliorée de 500 mètres, et les croise avec les localisations des centres de données. Elle part de plus de 11 000 sites, en exclut ceux situés en zones urbaines denses, et analyse 8 472 centres hors des zones peuplées. Après nettoyage des données problématiques et des valeurs aberrantes, l’analyse repose sur 6 733 points.

La méthodologie compare la température avant et après l’activation de chaque centre. Selon les auteurs, l’effet ne se limite pas au point précis de l’installation : il serait détectable jusqu’à 10 kilomètres, avec une intensité décroissante avec la distance. Un accroissement moyen de 1 ºC par mois pourrait ainsi s’observer jusqu’à environ 4,5 km, le tout s’amenuisant au-delà de 7 km.

Ils estiment également que plus de 340 millions de personnes pourraient vivre dans la zone d’influence de ces « îlots de chaleur des données ». Cette estimation résulte de la superposition des rayons de 10 km autour des centres avec des cartes de population de WorldPop.

Ces chiffres méritent une attention particulière. Cependant, leur lecture nécessite nuance et précaution.

Nuance méthodologique : chaleur liée à l’IA ou changement d’usage du sol ?

L’un des premiers points de clarification concerne l’étiquette elle-même. Le document évoque des “centres de données pour l’IA” et des “hyperscalers IA”, mais la série temporelle commence en 2004. À cette époque, l’infrastructure actuelle de modèles fondamentaux, la demande massive en GPU pour entraînement et inférence, ou encore la course aux centres de données spécialement conçus pour l’IA générative n’existaient pas encore. Il s’agissait de centres traditionnels, de cloud, d’hébergement, de colocation, de réseaux et de services numériques – mais pas du type de consommation que nous associons aujourd’hui à l’IA.

Cela n’invalide pas l’étude, mais il faut en souligner la limite : ce que le travail mesure surtout, c’est l’impact thermique local associé à l’implantation de centres de données en certains endroits. Même si cela pourrait être lié en partie à l’IA, l’attribuer exclusivement à cette dernière serait excessif.

Le second point concerne la nature physique. Une partie de l’augmentation de température provient peut-être de la dissipation énergétique des équipements, mais une autre peut être expliquée par le changement d’usage du sol : asphalte, toitures, aires pavées, parkings, végétation réduite, voiries et matériaux à faible albédo. Il s’agit du phénomène urbain classique, amplifié par une infrastructure précise.

Les auteurs tentent de limiter cette confusion en excluant les sites situés en zones urbaines denses, pour éviter que la pollution lumineuse, la circulation, le chauffage ou l’industrie ne brouillent la lecture. Cependant, la possibilité qu’un terrain rural transformé en installation technique change réellement parce qu’il devient une infrastructure est encore présente.

Il est également important de rappeler que tous les centres de données ne sont pas comparables. Un centre technique de 2008 ne ressemble pas à un campus hyperscale actuel, ni une installation refroidie à l’air à une autre refroidie à l’eau, ou encore un site dans un climat sec par rapport à un autre dans un environnement urbain doté de réseaux de chaleur.

Attention à l’exagération

Il est tentant d’interpréter ces résultats comme si chaque centre de données agissait comme un radiateur géant, chauffant tout un quartier. La réalité est plus complexe. Toute l’électricité consommée dans ces centres se transforme inévitablement en chaleur, mais l’impact local dépend de nombreux facteurs : la façon dont cette chaleur est dissipée, la surface occupée, le design, le climat, la ventilation, la végétation, l’isolation et la méthode de refroidissement.

Autrement dit : le chauffage existe, mais il ne faut pas tout attribuer entièrement aux serveurs. Dans beaucoup de cas, la transformation physique du sol joue un rôle encore plus déterminant.

Cette critique méthodologique ne doit pas servir à nier le problème, mais à l’aborder avec précision et nuance.

Le vrai enjeu : plus d’infrastructures pour un logiciel peu économe

Les centres de données, notamment en Europe, ne fonctionnent pas dans un vide réglementaire. La Directive européenne sur l’efficacité énergétique impose des obligations de reporting pour les centres utilisant plus de 500 kW de puissance IT, et la Commission travaille sur une base de données commune et des normes minimales de performance pour le secteur.

Cela ne signifie pas que l’impact est résolu. Mais cela rappelle qu’il faut passer d’une simple critique de « l’empreinte d’un bâtiment » à une question plus profonde : quels logiciels exécutons-nous, et avec quelle discipline énergétique ?

L’IA générative a encouragé une culture de la surconsommation informatique : prompts longs, réponses exagérément étendues, modèles généralistes pour des tâches faibles, stockage sans gestion, réexécutions automatiques, agents utilisant trop d’outils et systèmes compensant leur inefficacité par plus de matériel. Le centre de données est visible, mais beaucoup de décisions viennent en réalité du design logiciel.

L’Agence internationale de l’énergie prévoit que la consommation électrique mondiale des centres de données pourrait doubler pour atteindre près de 945 TWh en 2030, représentant environ 3 % de la consommation électrique globale. Entre 2024 et 2030, cette consommation devrait augmenter d’environ 15 % par an, beaucoup plus vite que d’autres secteurs.

Ce développement ne se limite pas à de meilleurs refroidisseurs : il faut travailler sur des modèles plus efficaces, optimiser l’inférence, recycler le calcul, limiter le contexte, appliquer une planification carbone-responsable, couper les charges inutiles, concevoir des architectures sobres, et intégrer des métriques de durabilité dans la gestion quotidienne.

Les hyperscalers doivent aussi faire preuve de transparence

Un autre aspect souvent laissé de côté dans le débat public concerne la transparence. Beaucoup d’organisations utilisent l’IA et le cloud sans connaître précisément leur empreinte écologique par client, charge ou service. Les grands fournisseurs publient des rapports de durabilité, mais les données granulaires essentielles à une gestion précise restent rares.

Pour une entreprise souhaitant évaluer son impact réel, il ne suffit pas de connaître la consommation globale d’un fournisseur. Il faut des données par région, par type de service, par consommation en énergie, en eau, en émissions, en récupération de chaleur, etc. Sans ces détails, l’évaluation de la durabilité reste peu fiable.

L’étude propose aussi des mesures logicielles et matérielles, comme la sélection plus efficace des modèles, la compression, la réduction de la taille des modèles, l’inférence à faible empreinte, des circuits plus efficaces, la modulation dynamique de puissance, la refroidissement coordonné ou encore des techniques passives comme les revêtements radiatifs pour réduire la charge thermique.

Ce que doivent faire les responsables TIC

Concrètement, pour les administrateurs systèmes, architectures cloud, équipes DevOps ou responsables infrastructure, la démarche est claire : la durabilité doit devenir une composante essentielle des indicateurs de performance (KPIs). Elle ne peut plus rester une idée vague ou un rapport annuel.

Pendant des années, on a mesuré la disponibilité, la latence, le coût, le débit, l’utilisation CPU, la mémoire, les IOPS ou les erreurs. Il faut désormais ajouter l’efficacité par transaction, la consommation par requête, le coût énergétique par inférence, la capacité réelle d’utilisation, les données stockées inutilisées, le taux de réutilisation, l’empreinte environnementale et la durée de vie du matériel.

Le plus grand danger serait de se laisser entraîner par une lecture simpliste de l’îlot de chaleur, en opposant technophilie et rejet de l’IA. La digitalisation est nécessaire, et les centres de données aussi. Mais cela ne doit pas conduire à concevoir des logiciels comme si l’énergie, l’eau, le sol et le matériel étaient infinis.

L’étude de Cambridge ouvre une discussion utile, même si elle n’est pas parfaite. Ses résultats désignent un phénomène qui mérite vigilance mais doivent être interprétés avec prudence : il peut y avoir un effet thermique local lié aux centres, mais tout cet effet n’est pas forcément dû à l’IA ni expliqué uniquement par la chaleur générée par la puissance informatique.

La véritable question n’est pas de savoir s’il faut arrêter les centres de données, mais comment éviter que l’inefficacité logicielle continue à se cacher derrière plus de terrain, de puces, de refroidissement et de mégawatts.

Questions fréquentes

Est-ce que l’étude montre que l’IA chauffe tout un quartier ?
Elle indique une corrélation entre la présence de centres et une augmentation de la température de surface à proximité. Cependant, attribuer cela uniquement à l’IA est discutable, car la période étudiée commence en 2004, avant le boom de l’IA générative.

Quelle est la différence entre température de surface et température de l’air ?
La température de surface mesure la chaleur des sols, toitures et matériaux, vue par satellite. Elle n’est pas toujours représentative de la température ressentie par l’humain, mais peut influencer le microclimat local.

Le phénomène est-il uniquement dû à la chaleur produite par les serveurs ?
Pas nécessairement. Le changement d’usage du sol – asphalte, végétation, matériaux noirs – contribue aussi à augmenter la température locale.

Les centres de données sont-ils réglementés en Europe ?
Oui. La directive européenne sur l’efficience énergétique impose des obligations de reporting pour ceux consommant plus de 500 kW de puissance informatique. La Commission européenne travaille aussi à définir des standards minimaux de performance et de reporting.

Que peuvent faire les équipes techniques ?
Concevoir des logiciels plus efficients, mesurer la consommation par charge, réduire le stockage inutile, optimiser l’inférence, utiliser des modèles adaptés, et intégrer des indicateurs de durabilité dans la gestion quotidienne.

Sources :