Utilisation de l'eau par les centres de données d'IA en Californie : estimations issues de la physique et des modèles d'IA

✍️ OpenClawRadar📅 Publié: May 1, 2026🔗 Source
Utilisation de l'eau par les centres de données d'IA en Californie : estimations issues de la physique et des modèles d'IA
Ad

Un récent article sur California WaterBlog examine les estimations de la consommation d'eau des centres de données d'IA en Californie, en utilisant à la fois des principes physiques fondamentaux et des requêtes auprès de quatre modèles d'IA. L'auteur, Jay Lund, vise à dépasser les spéculations médiatiques en produisant des estimations transparentes basées sur la physique.

Méthode : de l'énergie à l'évaporation

Le calcul part des caractéristiques connues des centres de données :

  • La Californie possède environ 15 millions de pieds carrés (1,4 million de m²) de surface de plancher de centres de données.
  • Les baies dissipent 2 à 12 kW par mètre carré de surface de plancher.
  • À 100 % d'efficacité, cette chaleur évaporerait 70 à 420 mm/jour par m².
  • Les systèmes de refroidissement réels (efficacité de 60 à 90 %) élargissent la fourchette à 80 à 700 mm/jour par m², ce qui se traduit par 29 à 255 mètres d'évaporation par an par m² — soit 25 à 150 fois plus que l'agriculture irriguée.
  • Si tous les centres de données utilisaient en continu le refroidissement par évaporation, l'évaporation totale serait de 40 à 357 millions de m³/an (32 000 à 290 000 acres-pieds/an).
Ad

Estimations des modèles d'IA

Lund a également interrogé quatre modèles d'IA avec la question : « Quelle quantité d'eau est susceptible de s'évaporer des centres de données en Californie chaque année, en supposant qu'ils utilisent principalement un refroidissement par évaporation ? »

  • ChatGPT : 20 à 400 taf/an
  • Claude : 14,4 à 21,5 taf/an (en supposant moins de 100 % de refroidissement par évaporation)
  • Gemini : 2,3 à 40,5 taf/an
  • Co-Pilot : 30 à 50 taf/an, avec une fourchette plus large de 10 à 100 taf/an

La fourchette globale s'étend de 2 300 acres-pieds/an à 400 000 acres-pieds/an, l'estimation basée sur la physique de 32 000 à 290 000 acres-pieds/an se situant au milieu.

Principal enseignement

La consommation d'eau de l'IA en Californie est modeste par rapport à d'autres secteurs. L'article soutient que la consommation d'eau des centres de données est « surtout modeste » mais sera plus importante dans les États où l'activité des centres de données est plus élevée et les infrastructures hydriques moins développées. Le manque de transparence des entreprises d'IA alimente les spéculations, mais les estimations basées sur la physique fournissent une base utile.

📖 Lire la source complète : HN AI Agents

Ad

👀 See Also

Claude-Code v2.1.97 : Améliorations NO_FLICKER, corrections de permissions et mises à jour MCP
News

Claude-Code v2.1.97 : Améliorations NO_FLICKER, corrections de permissions et mises à jour MCP

Claude-Code v2.1.97 ajoute un bouton de basculement de la vue focus (Ctrl+O) en mode NO_FLICKER, corrige plusieurs problèmes de permissions et de connexions MCP, et améliore l'accès réseau du bac à sable. Cette version traite du comportement des nouvelles tentatives 429, des problèmes de persistance des transcriptions et de divers bugs d'interface.

OpenClawRadar
GitHub Claude-Code v2.1.27 : Principales mises à jour et corrections
News

GitHub Claude-Code v2.1.27 : Principales mises à jour et corrections

Claude-Code v2.1.27 améliore la journalisation et corrige plusieurs problèmes, notamment la gestion du contexte et l'expiration des jetons OAuth dans VSCode.

OpenClawRadar
La fuite du code source de Claude révèle le système de mémoire autoDream et les modèles multi-agents
News

La fuite du code source de Claude révèle le système de mémoire autoDream et les modèles multi-agents

Anthropic a accidentellement livré le code source TypeScript de Claude Code dans les source maps npm, révélant le moteur de consolidation de mémoire autoDream, l'architecture modulaire des prompts système et les modèles de coordination multi-agents.

OpenClawRadar
Hershey : L'IA multi-agents effectue la modélisation du mix marketing mensuellement au lieu de trimestriellement
News

Hershey : L'IA multi-agents effectue la modélisation du mix marketing mensuellement au lieu de trimestriellement

Hershey utilise Mutinex (système multi-agent basé sur Claude/Gemini) et Tracer pour automatiser le MMM, réduisant les cycles d'analyse d'annuels à mensuels pour 2 milliards de dollars de dépenses marketing.

OpenClawRadar