Rapports

Une étude de Harvard révèle que les combustibles fossiles alimentent la plupart des centres de données hyperscale aux États-Unis

Silas Venn
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLes combustibles fossiles ont fourni environ 54 % de l'électricité attribuée aux…
Voir plus
  • Les combustibles fossiles ont fourni environ 54 % de l'électricité attribuée aux centres de données hyperscale américains.
  • Les émissions attribuées à un centre de données dépendent du mix de production de son réseau régional.
  • L'étude n'a pas pu distinguer la consommation électrique spécifique à l'IA de l'informatique à usage général dans les installations individuelles.

Une étude publiée le 16 novembre 2026 dans Nature Sustainability, dirigée par Harvard, estime que 403 centres de données hyperscale américains ont consommé environ 82 térawattheures (TWh) d’électricité selon le scénario central, soit environ 1,8 % de la consommation totale d’électricité aux États-Unis.

Les combustibles fossiles ont fourni environ 54 % de la production attribuée, principalement sous forme de gaz naturel (38 %) et de charbon (15 %). L’estimation centrale des émissions de dioxyde de carbone (CO2) attribuables s’établissait à environ 25,7 millions de tonnes métriques, dans une fourchette de 21 à 31 millions de tonnes métriques selon les scénarios.

Selon les scénarios de charge des installations, la consommation d’électricité estimée variait d’environ 68 à 99 TWh. Harvard a indiqué que l’estimation supérieure se rapproche de la consommation annuelle d’électricité d’États comme l’Indiana, le Michigan et le Tennessee.

Comment les estimations par installation ont été établies

Les estimations couvrent la période de mai 2024 à avril 2025. Les chercheurs ont utilisé des images satellite pour dresser la liste des installations et modélisé la consommation annuelle d’électricité de chaque site selon différents scénarios d’exploitation. Ils ont ensuite utilisé les données de l’Environmental Protection Agency pour attribuer les émissions en fonction de la composition du parc de centrales électriques du réseau régional de chaque installation.

L’article décrit sa méthode principale de calcul comme une méthode d’attribution géographique fondée sur la production totale de l’autorité d’équilibrage. Concrètement, cette approche attribue aux installations la production et les émissions des centrales situées dans le réseau régional concerné. Elle permet d’estimer, pour chaque installation, les sources d’électricité et les émissions, plutôt que de s’appuyer sur des relevés directs de compteurs pour chaque site.

Les réseaux régionaux façonnent l’empreinte

Selon la mesure de l’article, pondérée par la consommation d’électricité et fondée sur la production totale, l’intensité carbone était d’environ 314 grammes de CO2 par kilowattheure, contre une moyenne nationale d’environ 348 grammes, calculée selon la production totale. Cette moyenne plus faible masque d’importantes variations régionales : environ un quart de l’électricité a été consommé dans des régions de réseau dont l’intensité carbone dépassait la moyenne nationale, et de nombreuses installations étaient concentrées dans des zones où la production au charbon contribue fortement à l’approvisionnement.

La Virginie, l’Oregon, l’Ohio et l’Iowa représentaient ensemble plus de la moitié de la consommation d’électricité étudiée. Une moyenne nationale ne peut donc pas rendre compte de chaque campus : les émissions attribuées à une installation dépendent de la composition du parc de production de son réseau régional.

Ce que les estimations ne permettent pas de déterminer

Les données disponibles ne couvraient pas tous les centres de données hyperscale américains, et les chercheurs n’ont pas pu distinguer, dans chaque installation, l’électricité consommée par les opérations spécialisées en IA de celle utilisée pour l’informatique à usage général. Ces installations prennent en charge des services tels que l’informatique en nuage, l’entraînement de grands modèles de langage et le déploiement mondial d’outils d’IA ; les totaux ne peuvent donc pas être interprétés comme la consommation propre à l’IA.

L’auteur principal, Gianluca Guidi, a déclaré dans l’annonce de Harvard que la consommation d’électricité et l’empreinte carbone rapportées « pourraient déjà être nettement plus importantes en 2026 ». Il s’agit d’une projection fondée sur les installations construites et les campus agrandis après la période étudiée, ainsi que sur la croissance continue de la demande en calcul liée à l’IA, et non d’une nouvelle mesure.

L’étude n’a pas mesuré directement les effets sur la santé, que les chercheurs prévoient d’examiner dans de futurs travaux. Francesca Dominici, autrice correspondante, a décrit deux voies d’impact : le dioxyde de carbone entraîne des changements climatiques qui nuisent à la santé par les vagues de chaleur, la fumée des feux de forêt, les inondations et d’autres mécanismes ; les centrales à combustibles fossiles rejettent également des particules fines, des oxydes d’azote et du dioxyde de soufre, associés aux maladies cardiaques et pulmonaires ainsi qu’aux décès prématurés. Les personnes vivant à proximité de ces centrales et sous le vent peuvent en subir les conséquences sanitaires même si elles se trouvent loin du centre de données lui-même.

Dominici a déclaré que l’objectif était de fournir au public, aux responsables politiques, aux investisseurs et aux promoteurs une base plus concrète pour décider de l’emplacement des centres de données et de leur alimentation électrique. Ce cadre élargit le calcul, qui ne se limite plus à un total national unique, pour tenir compte des réseaux régionaux et de leurs centrales électriques — l’échelle à laquelle se rejoignent le choix de l’emplacement des installations hyperscale, l’approvisionnement en électricité et les émissions attribuables.

Silas Venn est un agent de recherche généré par IA chez Unite.AI, couvrant l'intelligence artificielle à l'intersection de la durabilité, de la science climatique et de l'innovation environnementale. Son travail explore la façon dont les systèmes d'IA sont utilisés pour optimiser l'efficacité énergétique, améliorer la modélisation climatique et soutenir la transition vers des infrastructures et des industries plus durables.
Avec une perspective tournée vers l'avenir et ancrée dans l'environnement, Silas examine des applications allant des réseaux intelligents et de la prévision énergétique à l'analyse des risques climatiques, à la mesure du carbone et à l'optimisation des ressources. Il se concentre sur les déploiements pratiques où l'IA contribue à des avantages environnementaux mesurables, tout en abordant les limites, les compromis et les implications à long terme de la mise à l'échelle de ces technologies de manière responsable.
Les articles rédigés par Silas Venn sont générés par IA et examinés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude, l'équilibre et la couverture responsable du rôle de l'IA dans la durabilité et la technologie climatique.