Sur l’IA, les gigafactories… et la contre-proposition low-tech citoyenne

1. Empreinte au sol : 2025 → 2075

À court terme, l’essor de l’intelligence artificielle et de la mobilité électrique se traduit surtout par la multiplication de deux types d’installations :

Élément	Point de départ (≈ 2025)	Vitesse de croissance annoncée	Emprise moyenne d’un site	Projection 2075 « conservatrice »	Projection 2075 « agressive »
Datacenters	Un gros millier de campus « hyperscale » pour plus de 8 000 sites cloud au total	Capacité doublant tous les 4 ans (~ 18 %/an) ; charge IA + 33 %/an jusque 2030	Hyperscale : 2–3 km² ; edge/colo : 0,04 km²	8,3 × 10⁵ km² (0,56 % des terres)	7 × 10⁶ km² (4,7 % des terres)
Gigafactories	240 usines batteries ; 401 prévues en 2030	Marché + 18–26 %/an (2023-2030)	≈ 1 km² (Tesla NV 12 km² ; Berlin 7,4 km² ; Ultium 0,6 km²)	1,6 × 10⁴ km² (0,01 %)	4,0 × 10⁴ km² (0,03 %)

En 2075 :

• Scénario conservateur (15 %/an datacenters, 10 %/an gigafactories) : ≈ 8,5 × 10⁵ km², soit 0,57 % de la surface terrestre émergée (149 M km²) – l’équivalent cumulé de la France et de l’Espagne.

• Scénario agressif (doublement des hyperscale tous les 4 ans, 18 %/an pour les usines) : ≈ 7,0 × 10⁶ km², soit 4–5 % des terres – à peu près l’Australie entière.

Comment lire ces chiffres ?

Ordres de grandeur, pas certitudes : le marché de l’IA et celui des batteries sont encore jeunes ; les taux publiés ne tiendront probablement pas 50 ans sans frein.

Facteurs de frein

• Énergie & réseau : la disponibilité électrique (déjà 2 % de la consommation mondiale en 2022 pour les DC) deviendra limitante bien avant que la Terre ne manque de place. (Reuters)

• Eau et CO₂ : refroidissement des datacenters et procédés chimiques des batteries.

• Économie : surcapacités et annulations ; 2024 a vu un record d’abandons de projets de gigafactories. (Benchmark Minerals)

Optimisations possibles

• Empilement vertical & densification des serveurs (immersion cooling, racks 80 kW+).

• Réutilisation de sites industriels (centrales, entrepôts).

• Nouvelle génération : puces à rendement supérieur, batteries solides = moins de m²/GWh ou de m²/Tflops.

Conclusion simple
Même en extrapolant la croissance actuelle pendant un demi-siècle sans rupture technologique ni contrainte, l’emprise physique de l’IA et des gigafactories resterait inférieure à 5 % des terres – un impact foncier bien moindre que l’agriculture (~ 38 %) ou l’urbanisation (~ 3 %). Les vrais enjeux seront donc l’énergie, l’eau et les matières premières plutôt que la place au sol.

Scénario conservateur : ≈ 8,5 × 10⁵ km².
Scénario agressif : ≈ 7 × 10⁶ km² – quand même ! lol…

---

Effets en cascade : ce que les infrastructures de l’IA et les gigafactories risquent de déclencher

1. Extraction : là où tout commence

Métal clé	Impact environnemental	Impact social
Lithium (salars andins)	Pompage des saumures → déplétion d’eau douce dans l’Atacama, stress sur la biodiversité (ScienceDirect)	Conflits avec les communautés indigènes (redevances, accès à l’eau)
Cobalt (RDC)	Déversements acides, poussières de cobalt (Amnesty International)	Travail d’enfants, expulsions forcées, violences armées
Nickel (Indonésie)	Déforestation, sédiments dans les mangroves (Mongabay)	Perte de terres coutumières, poursuites d’activistes, tensions ethniques
Terres rares & métaux critiques	Boues radioactives en Chine, solvants toxiques	Arme géopolitique : Pékin restreint les exportations (2024-25) (Reuters)

2. Production : usines & semi-conducteurs

Gigafactories : fortes émissions initiales (béton, acier) et solvants NMP/PFAS.
Fonderies de puces : gaz SF₆, NF₃ (GWP > 20 000) ; jusqu’à 38 Ml/j d’eau ultrapure.

3. Exploitation : datacenters « assoiffés & énergivores »

• Eau : Google a pompé 5,2 Md L en 2023 ; un entraînement GPT-3 ≈ 700 000 L (DataCenterDynamics / The Washington Post).

• Électricité : la charge IA fait bondir les émissions des GAFAM (+ 48 % chez Google en 5 ans).

• Implantations parfois dans des régions déjà en stress hydrique (Arizona, Chili, Nord-Virginie).

4. Fin de vie : un tsunami d’e-waste

62 Mt d’e-waste en 2022 (+ 5 %/an), seulement 22 % recyclés correctement (WHO / ITU).
Relargage de plomb et de mercure → impacts neurologiques sur les enfants.

5. Boule de neige sociale

Mécanisme	Risque majeur
Externalités locales	Santé dégradée autour des mines/usines → coûts de soins, productivité en baisse.
Inégalités & emplois	Profits concentrés ; l’OCDE observe déjà des pressions sur les bas salaires.
Fiscalité & services publics	Exonérations, mais peu d’emplois permanents → recettes parfois négatives.
Accès inégal aux technos propres	Batteries chères → VE pour ménages aisés, fossiles pour les autres.

6. Déplacements & tensions géopolitiques

• 216 M de migrants climatiques internes d’ici 2050 (Banque mondiale).

• Déplacements forcés par les mines (Kolwezi, RDC).

• Nationalisations (lithium au Chili) et contrôles d’exportation (Chine) → diplomatie « bâton-carotte ».

• Sécurité privée & militarisation : contrats de type Erik Prince, déploiements de troupes régionales.

7. Où mène la spirale ?

Plus d’IA → plus d’énergie → plus de mines → plus d’émissions → plus d’évènements extrêmes… qui menacent les infrastructures.
Chaînes d’approvisionnement fragiles : une rupture (export-ban, guerre) peut bloquer la transition verte.

---

En clair

Les infrastructures numériques ne sont pas qu’une « surface » : elles créent un réseau de pressions environnementales, sociales et géopolitiques qui, sans garde-fous, risquent d’aggraver la misère et d’élargir l’écart riches-pauvres. La technologie n’est pas neutre : tout dépendra de la manière dont nous extrayons, produisons, alimentons et recyclons – et de la répartition des bénéfices.

“IA low-tech citoyenne” : les grandes lignes d’un modèle sobre, coopératif et circulaire

---

1. Principes de base

Objectif	Concrètement…
Sobriété énergétique	Choisir des modèles de moins de 7 B paramètres (quantisés en 4 bits) qui tournent sur un mini-serveur < 30 W ou même sur un Raspberry Pi 4/5 Reddit.
Matériel réemployé	Racks composés de PC ou stations de travail réformés ; composants récupérés dans le flux croissant de 62 Mt d’e-waste/an .
Logiciels libres	LLM : GPT4All, Mistral-7B, TinyLlama, etc., tous sous licences open source/usage commercial libre GitHubMistral AI Documentation.
Boucle fermée	Alimentation par micro-grid solaire + batteries “2ᵉ vie”, eau de pluie en circuit fermé, recyclage local du matériel usagé.
Gouvernance coop	Propriété de la plateforme par une SCIC ou un FabLab ; décisions prises en assemblée (1 personne = 1 voix).

---

2. Architecture type : 100 % locale, 100 % ouverte

bashCopierModifier┌────────────────────────────────────────────────────────┐
│  SOLAR + BATTERIES (2ᵉ vie) │  DC micro-grid 48 V    │
└───────────────┬──────────────┬────────────────────────┘
                │              │
      ┌─────────▼─────────┐    │
      │  MICRO DATA LAB   │    │
      │  • 1-2 refurb servers  │
      │  • Air/phase-change    │
      │    cooling, pas d’eau  │
      └─────────┬─────────┘    │
                │              │
      ┌─────────▼─────────┐    │
      │  EDGE NODES       │    │
      │  • Raspberry Pi   │    │
      │  • Jetson Nano    │    │
      └─────────┬─────────┘    │
                │              │
      ┌─────────▼─────────┐    │
      │  CITOYENS / API    │◄──┘
      └────────────────────┘

• • Empreinte : 2 vieilles baies 42U = 1 m² ; < 2 kW (soit 50× moins qu’un conteneur hyperscale).

• • Fonctions : chat local, traduction, résumé de documents municipaux, diagnostic agricole, voix hors-ligne (TinyML) tinyMLtinyML.

• • Chaleur valorisée : 2 kW suffisent à chauffer 120 m² de bibliothèque l’hiver.

---

3. Boucle fermée “de la mine au recyclage”

1. 1. Départ : cartes mères, GPUs d’ancienne génération récupérés.

1. 1. Fonctionnement : électricité solaire ; 0 L d’eau grâce au refroidissement par caloducs ou immersion à huile végétale.

1. 1. Fin de vie : tri local, extraction des métaux dans un centre habilité ; pièces réparables réinjectées.
      → Résultat : l’IA locale évite l’extraction de nouveaux métaux et la consommation d’eau qui dépasse 6 G gallons/an chez Google Aquatech Trade.

---

4. Gouvernance et justice sociale

Pilier	Mise en œuvre
Transparence	Code, jeux de données, poids du modèle publiés ; audit par les membres.
Souveraineté des données	Les informations restent sur site ; pas de transfert vers le cloud.
Partage de valeur	Revenus (services, formations) réinvestis dans le quartier ; adhésion annuelle symbolique.
Formation & emplois	Ateliers de reconditionnement, bootcamps TinyML → nouvelles compétences locales.
Égalité d’accès	Points d’accès gratuits (médiathèques, écoles) pour réduire la fracture numérique.

---

5. Limites et garde-fous

• • Capacité : modèles ≤ 7 B ≃ réponses moins créatives que GPT-4 ; mutualiser diverses instances ou distiller périodiquement depuis un modèle plus grand hébergé dans un datacentre régional alimenté en renouvelable + refroidi à l’air.

• • Matériel critique : même reconditionnés, disques/GPUs finissent par manquer ; prévoir une filière de pièces détachées coopérative.

• • Sécurité : isolation réseau, mises à jour automatiques, chiffrement E2E.

---

6. Feuille de route : monter la première “micro-IA citoyenne”

Étape	Budget	Délai
Inventaire de matériel réemployable (collecte e-waste locale)	0 €	1 mois
Achat compléments (PIs, onduleur, panneaux 3 kWc)	~4 000 €	2 mois
Installation & soft (GPT4All, Mistral-7B-Q4, Ollama)	0 €	1 semaine
Création SCIC + charte d’usage	300 €	1 mois
Formations citoyennes	500 €	en continu

---

 

Une IA low-tech citoyenne fonctionne “en circuit fermé” : énergie locale, matériel réemployé, code ouvert, gouvernance partagée. Techniquement faisable (LLM 7 B sur Raspberry Pi, GPT4All sur vieux GPU 12 GB) ; écologiquement frugale (quelques kWh/j, zéro eau) ; socialement vertueuse (appropriation, emplois).
C’est un contre-modèle crédible aux mégaserveurs gourmands en ressources — à condition d’accepter une puissance modeste et d’organiser une véritable économie circulaire de la tech.

Projection sur 50 ans d’une IA “low-tech citoyenne”

(micro-datacentres locaux, matériel réemployé, modèles open-source ≤ 7 B paramètres)

Année	Hypothèses clés	Nombre d’unités	Empreinte moyenne par unité	Surface totale
2025	1 micro-datacentre pour 10 000 hab. (premiers collectifs, fablabs, bibliothèques)	8 × 10⁵	20 m² au sol (baie 42 U + 30 m² de panneaux si non en toiture) DataCenterDynamics	≈ 24 km²
2075	Adoption généralisée : 1 micro-datacentre pour 5 000 hab. (≈ 10 Md d’habitants) ONU	2 × 10⁶	idem	≈ 60 km²

Méthode

• • Micro-footprint : 418 m² pour un centre modulaire 1 MW ; notre version citoyenne n’en retient que 20 m² (1 rack + onduleur + allée), chiffres inspirés d’un prototype à Mountain View (418 m² pour 1 MW) DataCenterDynamics.

• • Capacité IA : LLaMA 7B ou TinyLlama tournent déjà sur un Raspberry Pi 4/5 (4–8 Go RAM) GitHub ; une baie récupère 10–20 GPU d’occasion pour servir un quartier.

• • Les panneaux solaires sont supposés en toiture dans 70 % des cas ; quand ils sont au sol on ajoute 30 m².

---

Comparaison avec les scénarios “industriels”

Scénario 2075	Surface IA+batteries	% des terres émergées	Rapport vs. low-tech (60 km²)
Low-tech citoyenne	60 km²	0,00004 %	—
Industriel conservateur	846 000 km²	0,57 %	× 14 000
Industriel agressif	7 040 000 km²	4,7 %	× 117 000

(Rappels des scénarios industriels calculés précédemment.)

---

Ce que cela change ?

1. Impact foncier quasi nul
   60 km², c’est la taille d’une petite agglomération ; on reste 1 000 fois en-dessous de l’urbanisation actuelle et invisibles face à l’agriculture.

• C’est une surface équivalente à un carré d’environ 7,75 km de côté (√60 km ≈ 7,75 km).

• À l’échelle locale : Cela correspond à presque 10 fois la taille d’Ivry-sur-Seine. C’est l’équivalent de la surface cumulée d’Ivry-sur-Seine (6,1 km²), Vitry-sur-Seine (11,7 km²), Villejuif (5,3 km²), Charenton-le-Pont (1,9 km²), et de sept autres communes de taille similaire du Val-de-Marne.

• À l’échelle de l’Australie : 60 km² peuvent sembler importants localement, mais rapportés à la taille de l’Australie (environ 7,7 millions de km²), c’est infime. Cela représente environ 0,00078 % du territoire australien, soit une « goutte d’eau » sur ce continent immense.

1. 1. Réduction mécanique des externalités
      
      • • Énergie : chaque micro-site < 2 kW, 100 % solaire/batterie de seconde vie, pas de pics réseau.
      • • Eau : refroidissement passif ou à huile végétale, consommation ≈ 0 L.
      • • Matières premières : réemploi de GPU/PC → extraction de métaux divisée par 10 – 100 (pas de nouveaux data-GPU 80 GB par million).

1. 1. Résilience sociale
      
      • • Gouvernance coopérative locale, données qui ne quittent pas la ville.
      • • Formation & emplois dans le recyclage électronique et la maîtrise de l’IA embarquée.

1. 1. Limites
      
      • • Puissance plafonnée : modèles > 7 B à distiller ou demander ponctuellement à un nœud régional vert.
      • • Accès aux pièces détachées : besoin d’une filière mondiale de rechange pour GPU/SSD d’occasion.

---

Conclusion

En basculant vers une IA low-tech, distribuée et circulaire, l’empreinte au sol sur 50 ans passerait de l’ordre du continent (Australie) à celle d’une seule ville, soit près de 100 000 fois moins de surface que le scénario industriel extrême. Le vrai défi devient alors l’organisation d’un réemploi massif du matériel et la culture coopérative qui va avec — pas la place disponible sur la planète.

Les questions à se poser et axes de réflexion dans le cadre du projet « La Brik Project »

« Rendre l’IA utile, sobre et citoyenne : des micro-datacentres coopératifs, alimentés en énergie locale et bâtis sur du matériel réemployé, pour que chaque quartier devienne acteur – pas spectateur – du numérique. »

---

Axe	Questions-clé pour la réflexion
Finalité sociale	Quel problème concret (accès à l’information, services publics, formation, …) résolvons-nous pour les habitants ?
Modèle d’IA	Taille < 7 B paramètres ? Données ouvertes locales ? Comment garantir la transparence des jeux de données ?
Matériel & énergie	D’où viennent nos PC/GPU reconditionnés ? Capacité solaire / batteries 2ᵉ vie suffisante ? Refroidissement sans eau ?
Gouvernance	Coopérative ? Association ? Quelles règles pour l’usage, la maintenance, le partage des coûts et des bénéfices ?
Boucle circulaire	Filière locale de collecte e-waste ? Partenariats recyclage & réparation ?
Évaluation d’impact	Quels indicateurs : kWh/jour, eau, tonnes de CO₂ évitées, nombre d’usagers formés ?
Scalabilité	Comment répliquer le modèle dans un autre quartier / une autre ville sans perdre la gouvernance citoyenne ?
Risques & limites	Obsolescence du matériel ? Sécurité des données locales ? Besoin ponctuel d’IA plus puissante ?