Notre article dépasse grandement les 10 000 signes demandés, car nous l’avons rédigé avant l’arrivée tardive de consignes qui limitent son format. Nous serions déçues de ne pas pouvoir vous montrer notre travail dans sa version développée, car nous y avons passé un temps considérable. 

BOURGEOIS Maud – CRETIN-REINA Morgane – DUMAS Marylou – LEGOUTER Jahmine

_________________________________________________________

INTRODUCTION 

Suite aux échanges avec des employées de la communauté d’agglomération Paris-Saclay le 09 octobre 2026 à Telecom Paris, nous avons été interpellées par la notion d’externalité. Si le système ‘infrastructure’ s’incarne physiquement de façon très localisée (réseau électrique, réseau routier, etc.), il  dépend aussi toujours d’autres territoires fournissant des services. Ces dépendances se situent en amont des opérations de construction, de stockage de données, de calcul et de maintenance  (extraction de matières premières, production et distribution de l’électricité, etc) mais aussi en aval (réseaux de fibres optiques, réseau internet, etc). Ces externalités sont invisibles pour beaucoup ; en cause, l’effacement physique des infrastructures et de leurs conséquences par-delà la seule échelle visible et localisée. C’est cette mise à distance des impacts que l’on a souhaité rendre lisible à travers notre travail. Ce qui est l’ailleurs d’un territoire existe et s’incarne dans cet ailleurs ; et n’est donc pas sans conséquences. De la même manière, les phénomènes de transformation – subis ou choisis – d’un territoire impactent toujours une population, qu’elle soit interne au territoire, ou externe.   

Dès lors, nous avons dans un premier temps souhaité interroger la distance entre habitants et infrastructures, afin de comprendre leur vision du data center, de ses potentielles externalités et leurs conséquences dans leur quotidien. Dans un souci de projection et de mise en visibilité des phénomènes soulevés, nous avons également cherché à rapporter les externalités territoriales de l’infrastructure au sein-même du territoire d’implantation des data centers, à savoir, dans le contexte de cette étude, le territoire Paris-Saclay. D’une part, il s’agit donc de documenter empiriquement la manière dont s’incarne et est perçue l’infrastructure à échelle humaine, au voisinage du data center ; d’autre part, il nous intéresse de questionner les conséquences de toutes ces externalités infrastructurelles en les relocalisant de manière fictionnelle sur l’environnement du territoire-même.

Problématique

Nous avons donc procédé à deux études parallèles motivées par les questions suivantes : (i) que signifie pratiquer un territoire traversé par les data centers ? (ii) comment réinscrire la planification du développement des data centers dans une prise en compte sensible, systémique et multi-territoire des impacts ? Pour répondre à ces questions, nous avons cherché, auprès des populations de l’agglomération Paris-Saclay, les manières dont les data centers leur deviennent perceptibles, ou leur demeurent invisibles. À travers quelles expériences, quels usages et quels discours leur présence s’inscrit-elle (ou non) dans le quotidien et dans les représentations du territoire ? En quoi ce rapport à l’infrastructure révèle-t-il une tension entre la dématérialisation perçue du numérique et la réalité de ses externalités spatiales et énergétiques ? Dans une visée plus quantitative, nous nous sommes également demandées combien d’hectares de terre situés en-dehors de l’agglomération sont nécessaires et consacrés au fonctionnement de ces dispositifs. Et surtout : que représentent ces surfaces exploitées par rapport au territoire actuellement pris en compte par le commanditaire, et de combien d’hectares forestiers et agricoles serait-il amputé s’il devait fournir l’ensemble des services nécessaires au fonctionnement des data centers ?

Nous présenterons les méthodes et les résultats de ces deux études complémentaires de manière successive et séparée en commençant par l’enquête qualitative réalisée auprès des usagers, et en finissant par l’étude quantitative dite « métabolique », consacrée aux externalités surfaciques. Ensuite, nous discuterons ces résultats de façon croisée, afin d’outiller au mieux la communauté d’agglomération dans sa capacité de compréhension et de planification quant aux enjeux posés par le développement des data centers sur son territoire.

1. Enquête qualitative : expérience sensible et représentations liées aux data centers et à leurs infrastructures chez les usagers du territoire Paris-Saclay

MÉTHODES : 

De la représentation à l’expérience du territoire 

Nous avons procédé à une étude qualitative afin de comprendre la diversité des rapports aux data centers, au-delà de leur dimension technique et numérique. Cette méthode nous permettait de recueillir les perceptions, les expériences et les connaissances des individus (pas forcément sachants, justement) en tenant compte de leur position et de leur proximité avec ces infrastructures.

Notre travail s’est réalisé en deux enquêtes, les résultats de la première ayant permis de recentrer notre discours, notre démarche et ses objectifs, et ainsi construire un deuxième protocole en conséquence (seconde enquête).

Préparation 

• Nous avons élaboré ensemble les questions, les choix des terrains et protocoles sur la plateforme collaborative Miro, qui nous a servi de cahier de recherche. Nous y avons ensuite mis les données récoltées. (voir annexe 4)
• Grâce à l’application Epicollect5, nous avons matérialisé la trame d’entretien et avons pû, lors des échanges, collecter et conserver rapidement les réponses ainsi que la localisation géographique de chaque entretien. Nous utilisions donc la plateforme en direct, grâce à nos téléphones portables. (voir annexe 4)

• Schématisation : Nous avons demandé aux participants de schématiser ou dessiner la manière dont ils se représentaient les data centers. Nous avons prévu des ardoises à cet effet. Ce choix d’outils a pu permettre de réduire une forme d’appréhension liée au dessin, puisqu’ils seraient ensuite effacés. Les schématisations ont été conservées grâce à des photographies à la fin de chaque entretien au moyen de la fonction prévue à cet effet par Epicollect5. (voir annexe 3)
• Localisation géographique : Nous avons choisi et imprimé trois fonds de carte à différentes échelles (communauté d’agglomération Paris-Saclay, nationale, mondiale) issues de cartes.gouv.fr pour faire situer les data centers aux interrogés. Des pochettes plastiques étaient prévues afin que les interrogés puissent dessiner et sélectionner des zones avec des feutres effaçables. Leurs réponses nous ont permis de réaliser trois nouvelles cartes (voir annexe 2). 
• Présentation auprès des interrogés : Nous avons choisi de nous présenter comme élèves réalisant un travail pour l’école, afin de réduire l’appréhension des interrogés sur la ‘bonne’ réponse ou non à donner. Nous avons d’ailleurs été prises pour des collégiennes par une interrogée (M11), ce qui montre que nous avons tenté de ne pas paraître professionnelles et de sortir du cadre formel, « l’école » justifiant la discussion.

Remarque : pour les entretiens du 16 octobre, nous avons pris des notes sur carnet de ce qui était dit, ce qui permettait de gérer les « débordements » des entretiens hors des cadres établis.

Enquête 1 

Le 14 octobre 2026, nous avons réalisé notre première enquête, pendant laquelle nous avons mené des entretiens directifs à partir d’une trame commune, sur trois terrains de la communauté d’agglomération Paris-Saclay :  

a) auprès des étudiants et professeurs des écoles CentraleSupélec, ENS Paris-Saclay et Télécom Paris

b) auprès des habitants de Marcoussis (en centre-ville), commune où est implanté le campus de data centers de la société Data4

c) Auprès des employés de Data4

Le terrain a) permettait d’interroger le rapport au data center de personnes familières des études scientifiques, des connaissances techniques et des usages numériques. L’intérêt nous semblait être de récolter des ressentis du data center dans sa physicalité, son fonctionnement et son utilisation concrète.

Le terrain b), par sa proximité géographique à l’infrastructure, nous permettait de saisir davantage les perceptions et ressentis liées à la présence du data center dans l’environnement quotidien, notamment en matière de paysage, de circulation, de voisinage, de logement et de transformations locales.

Le terrain c), enfin, nous permettait de nous rapprocher du fonctionnement même de l’infrastructure et des perceptions de celle-ci pour ses travailleurs. La proximité professionnelle des enquêtés permettait d’aborder le data center à partir de connaissances concrètes sur son fonctionnement, ses contraintes et ses activités.

Le choix des terrains suivait une progression en entonnoir, allant d’un rapport principalement lié aux savoirs scientifiques et aux usages numériques, à une expérience ancrée dans l’environnement quotidien, puis à une connaissance professionnelle, potentiellement plus utilitaire du data center. Cette approche permettait ainsi d’envisager le lien à l’infrastructure sous différents angles, jusqu’à se rapprocher de son fonctionnement interne. Enfin, le choix d’entretiens directifs plutôt que semi-directifs était réfléchi pour nous permettre de comparer les réponses entre les trois terrains grâce à une trame identique.

Les entretiens visaient à comprendre comment les personnes interrogées définissaient les data centers, se les représentaient et les situaient dans l’espace. Nous avons également cherché à recueillir des informations sur leur profil et leur rapport au territoire : âge, activité, lieu de vie ou de travail, familiarité avec les infrastructures numériques. Pour accompagner les échanges, nous avions préparé trois cartes à différentes échelles (territoriale, nationale et mondiale). Ce dispositif devait permettre aux personnes interrogées de situer les data centers et d’exprimer leur représentation (factuelle et formelle) dans leur implantation géographique, en faisant varier les échelles d’observation, et de comprendre s’ils pensaient les externalités et flux des infrastructures.

Nous sommes restées environ 4h sur place, et avons interrogé 21 personnes : 15 au terrain a), 3 au terrain b), et 3 au terrain c). Les entretiens se sont déroulés debout et parfois assis, auprès de passants, de travailleurs ou d’élèves mobilisés dans le cadre des mouvements sociaux d’octobre 2026, pour une durée variant de 10 à 35 minutes. 

Limites de cette étape : 

Cette première enquête a fait émerger un résultat intéressant nous ayant conduit à construire la seconde méthodologie : la perception du data center varie fondamentalement selon la distance géographique et quotidienne à l’infrastructure : 

• À l’échelle du Plateau (étudiants, enseignants) : Le data center est pensé de manière abstraite. L’infrastructure est souvent ramenée à des considérations générales sur l’IA ou à une matérialité distante. La préférence spontanée s’oriente vers une mise à distance : le data center doit se situer hors des agglomérations, « loin de chez soi ». Les interrogés lient également le data center à leur expérience de travail ou d’études. On suppose que cette réponse peut résulter d’un biais dû au domaine d’expertise et d’utilisation des interrogés, en leur qualité de professionnels ou futurs professionnels du milieu scientifique.

• À  proximité d’un data center (riverains de Marcoussis, voisins directs de Data4) : Le rapport se cristallise autour de la présence physique immédiate de l’objet (un bâtiment fermé, perçu parfois comme une « prison », modifiant le paysage). Les interrogés n’insèrent pas spontanément le data center dans un réseau multi-territorial. Paradoxalement, cette proximité spatiale n’implique pas une meilleure connaissance du fonctionnement interne, mais suscite des postures oscillant entre appréhension, répulsion (« Je n’aimerais pas habiter à côté ») et résignation (« C’est l’avenir, on n’a pas le choix »).

C’est précisément pour dépasser cette seule posture du « Not In My Back Yard » (pas dans mon jardin) et explorer la manière dont l’infrastructure s’insère concrètement dans les pratiques vécues que nous avons fait évoluer notre protocole lors du second jour de terrain. Nous avons délaissé les questionnaires fermés au profit de discussions guidées sur le quotidien, l’ancrage paysager et le sentiment d’appartenance au territoire.

Bien que ce premier jour de terrain nous ait permis de recueillir des définitions, des représentations et des associations spontanées liées aux data centers, nous avons constaté que les réponses avaient parfois tendance à déplacer les enjeux autour de considérations générales sur l’intelligence artificielle et les technologies numériques. La formulation de nos questions pouvait favoriser ce déplacement, au détriment de l’expérience concrète des infrastructures dans le territoire. Notre objectif s’est transformé, pour dépasser les représentations générales des data centers et mieux comprendre la manière dont les personnes appréhendent ces infrastructures à partir de leurs pratiques et de leur expérience du territoire.

Enquête 2 

Le 16 octobre 2026 nous sommes donc retournées sur le terrain, après avoir fait évoluer nos protocoles et nos méthodes à la suite des premiers entretiens.  

Nous avons privilégié des échanges plus ouverts, prenant la forme de discussions autour de trois thématiques : 

• les perceptions sensibles et imaginaires du data center  
• leur ancrage territorial et l’expérience quotidienne vécue des infrastructures
• les impacts territoriaux et les impacts à venir. 

Cette évolution devait laisser davantage de place aux expériences personnelles, aux perceptions et aux associations formulées par les personnes interrogées, sans les orienter systématiquement vers une définition technique du data center ou une réflexion globale sur l’intelligence artificielle.

Nous avons également fait évoluer les supports mobilisés : contrairement aux premiers entretiens, nous avons favorisé une expression plus libre. Fini le matériel très physique et finalement presque scolaire ou formel de nos premiers entretiens : nous sommes allées à la rencontre des pratiquants de l’agglomération avec un matériel plus sensible et informel, armées seulement d’un stylo et de feuilles (ainsi que notre capacité de dialogue, en gardant en tête nos trois thématiques de questionnement).

Ce second temps d’enquête constitue un déplacement du regard : il ne s’agit plus seulement de comprendre ce que les personnes savent ou imaginent des data centers, mais d’examiner comment elles les relient (ou non) à leur quotidien et au territoire dans lequel elles évoluent. L’enquête repose donc sur deux démarches complémentaires : la première permet d’explorer les représentations et les connaissances spontanées ; la seconde cherche à approfondir les expériences et les perceptions situées.

Au total, 32 personnes ont été interrogées sur les différents terrains. 21 enquêtés ont répondu à nos questions lors de la première enquête ; 11 lors de la seconde. 

RÉSULTATS : 

Des data centers imaginés aux infrastructures vécues

Nous avons retranscrit sur un document commun les différents entretiens puis avons procédé à un codage abductif des données (entre les grilles préconçues et les surprises du terrain qui nous permettaient d’établir de nouvelles catégories). Nous avons ensuite regroupé différents verbatims par thématisations et fusion de codes communs. 

Le data center, définition et représentation

« une grosse merde » (E11)« c’est quoi ça ? » (M21)« c’est du sérieux » (M21)« c’est comme des ordis, qui demandent de l’eau donc c’est polluant » (M22)« ça fait vraiment prison » (M23)« maintenant c’est des machines, c’est des robots » (M24)« là où sont les données informatiques » (M11)« c’est une grosse grosse société, c’est très spacieux » (M11)« c’est l’avenir, on a pas le choix » (M11)« I hate it » (M12)« to process data for ai, compute » (M12)« c’est pour stocker de la donnée » (M13)« c’est un gros bloc noir rectangle » (M13)« c’est isolé des habitations » (M13)« c’est juste un gros labo en mode usine » (M21)« It’s useful for everybody » (C21)« grosse usine industrielle qui consomme plein de trucs » (C22)« ça peut être beau » (C11)« tremplin pour la recherche et l’innovation » (C12)« un gros bloc dégueulasse » (T23)

Certains participants ont exprimé un rejet face à l’idée du data center. Dès les premières impressions recueillies, la charge affective se traduit par des expressions d’hostilité radicale ou de rejet direct : des termes comme « une grosse merde » (E11), « I hate it » (M12), « c’est terrible » (M23), « c’est pas ce qu’on a de plus beau » (M22).

Les premiers entretiens montrent aussi que la majorité des personnes interrogées associent spontanément le data center à une infrastructure lourde, polluante et visuellement étouffante. Lorsqu’ils imaginent sa localisation, la plupart des interviewés pense et préfère que les data centers soient rejetés hors des agglomérations, voire éloignés des lieux de vie. La plupart les pense même hors de portée du public : on le retrouve dans certaines paroles comme « ça fait prison » (M23) ou dans certains dessins où des barrières et des clôtures apparaissent (cf dessin M12).

Cette mise à distance esthétique et géographique traduit un désir d’invisibilisation de l’objet. Un paradoxe apparait : lors d’un entretien (M13), une femme nous a confié « je n’aimerais pas habiter à côté » alors même qu’elle réside à Marcoussis, à quelques centaines de mètres de Data4. L’infrastructure est ainsi rejetée symboliquement en dehors de son quotidien, bien qu’elle fasse partie de son environnement immédiat. Un interviewé nous a même directement dit : « les gens n’y connaissent rien » (M24).

D’autres participants semblent adopter une position plus nuancée, plus neutre ou distanciée vis-à-vis de Data4. Cette posture traduit parfois un évitement du conflit de voisinage : 

« nous on s’en plaint pas, peut être que le problème c’est de l’autre côté. Moi je suis pas une emmerdeuse de première » (M11) en miroir de « vous me croirez peut-être pas » « je sens les vibrations » (M23). Il s’agit aussi parfois d’une forme de résignation fataliste face à l’aménagement numérique : « C’est l’avenir, on n’a pas le choix » (M11).

Ces différentes positions socio-spatiales se reflètent directement dans les dessins et schématisations des data centers réalisés par les enquêtés sur les ardoises : certains schémas représentent même le danger à travers des pictogrammes d’avertissement (C22) (tête de mort, arbres morts ou desséchés à proximité du bâtiment, fumées toxiques), signifiant ainsi une appréhension, un rejet esthétique et une résignation face à une infrastructure perçue comme exogène.

Un sentiment d’illégitimité ou la posture du non-connaisseur du sujet par les interrogés

« moi j’ai pas beaucoup d’avis » (M22)« moi je m’y connais pas » (M23)« moi j’y connais rien » (M24)« je suis has been » (M24)« je suis un homme torturé » (C22)

La plupart des interrogés de l’espace public ou du centre-ville de Marcoussis commencent par se dédouaner de toute compétence technique et se présentent d’eux-mêmes comme des non-connaisseurs du sujet : « moi j’y connais rien » (M24), « je suis has been » (M24). Cette dépréciation de soi crée une barrière initiale : le data center est perçu comme un affaire d’experts ou de politiques, ce qui conduit les enquêtés à estimer que sa présence « ne changerait pas leur vie quotidienne ». Cependant, l’enquête révèle une asymétrie marquée entre nos trois terrains :

Sur le terrain des Écoles du plateau (CentraleSupélec, ENS, Télécom Paris) : si certains étudiants mobilisés lors des blocus minorent leurs connaissances, beaucoup mobilisent un vocabulaire technique précis (« IA », « serveurs », « calcul ». Pour ce public averti, l’aveu d’une certaine méconnaissance relève plutôt d’une prudence scientifique face à la complexité des flux ou de la gouvernance que d’une ignorance réelle.

À Marcoussis : les habitants compensent l’absence de savoir technique par un savoir d’usage et une observation empirique du paysage et des transformations locales. Par ailleurs, un interrogé qui stipulait ne rien connaître au sujet était tout de même averti et a cité des chiffres sur la consommation des data center : « c’est 4% de la consommation électrique aux USA », « je connais personne qui travaille là-bas, mais Alcaltel ils avaient fait un plan social et licencié 2000 à 3000 travailleurs ».(M24)

Ce sentiment d’illégitimité technique semble ainsi renforcer l’invisibilité fonctionnelle du data center, délégant la question aux experts et aux pouvoirs publics. 

Le rapport aux externalités

La consommation énergétique « c’est comme des ordis, qui demandent de l’eau donc c’est polluant » (M22)« 4% de la consommation électrique nationale aux États-Unis » (M24)« vous savez combien ça consomme ? Personne sait » (M24)« ça doit être très chaud à l’intérieur et aussi à l’extérieur avec les radiations électriques » (M13) L’environnement « c’est une catastrophe écologique » (C22)« pour les oiseaux ça doit être terrible » (M23)« terrible for the environment, huge impact » (M12)« les animaux doivent sentir les radiations, ils vont partir » (M13)« la consommation de l’eau assèche aussi les nappes phréatiques » (M13) Le paysage « ils construisent encore, ils passent des câbles » (M11)« c’est excentré des villes, c’est obligé, on peut pas mettre ça vers les habitations » (M11)« ça ne change pas grand chose. Peut-être un impact technologique local, mais on ne risque pas de tuer toute la population d’un lac comme aux États-Unis? Ça ne défigure pas le plateau. Ça reste discret » (C11)« l’urbanisme a davantage impacté l’environnement que les data centers » (C11) La mise à distance des habitations  « ça pose pas de problème, nous on s’en plaint pas. Peut-être que le problème c’est de l’autre côté. Moi je suis pas une emmerdeuse de première » (M11)« j’aimerais pas habiter à côté » (M13)« excentré des villes, c’est obligé, on peut pas mettre ça vers les habitations » (M11)« c’est surtout le statut du data center qui change : avant on se développait autour des points d’eau, puis autour de la géothermie, maintenant c’est autour des data center » (E12) L’attractivité du territoire et les mouvements de populations « c’est une rentrée d’argent pour la France et les implanteurs » (M13)

Lorsque l’échange s’approfondit, l’environnement devient le prisme privilégié à travers lequel les enquêtés matérialisent l’infrastructure. Les externalités environnementales sont appréhendées à travers le métabolisme de l’objet : ce qu’il engloutit (eau, électricité) et ce qu’il rejette (chaleur, ondes).

Les personnes interrogées sur le plateau soulignent la disproportion entre la dématérialisation perçue des usages (le Cloud) et la lourdeur des réseaux physiques requis (câbles underground, antennes, pylônes RTE, consommation d’eau pour le refroidissement). La question climatique suscite une inquiétude systémique (« j’ose même pas imaginer » (M23)) : le data center est vu comme une « catastrophe écologique » ou un non-sens environnemental (« ce serait pas écolo »).

Ce que l’implantation locale d’un data center implique sur le territoire reste flou pour certains interrogés, notamment à Marcoussis. On peut hypothétiquement supposer que même si tous ne sont pas capables de soulever des conséquences concrètes à l’implantation à côté de leurs habitations, on remarque malgré tout une hostilité à leur implantation (« j’aimerais pas habiter à côté » (M13), « Excentré des villes, c’est obligé, on peut pas mettre ça vers les habitations » (M11)), même si elle n’arrive pas toujours à être justifiée par des mots. 

De même, la question des retombées fiscales reste floue (« je suppose que ça apporte une taxe professionnelle », « on voit pas bien ce que ça rapporte », alimentant le sentiment d’un territoire sacrifié sans contrepartie directe. Les entretiens témoignent donc d’une prise de conscience plus ou moins affinée des coûts écologiques, mais maintenue dans une opacité quant aux chiffres et aux échelles réelles.

L’infrastructure dans le quotidien 

En interrogeant les participants sur leur expérience quotidienne du data center, nous avons obtenu des réponses variées et complémentaires, à plusieurs échelles. 

La création d’emploi supposée

« dans les data centers y’a pas 600 personnes » (M24)« 3 personnes pour 20 000m2 » (M24)« ça crée pas de nouveaux emplois » (M24)« taking jobs because of AI » (M12)« je suis inquiète pour l’IA et les fakes news » (M13)« certainement que ça [Data4] amène de nouveaux travailleurs, ça l’a fait à Alcatel » (M21)« y’a que les travailleurs, et pas forcément de Marcoussis d’ailleurs » (M22)« y’a des informaticiens, le travail peut se faire à distance » (M24)

À Marcoussis, certains riverains pensent que le développement des data center amènera de nouveaux travailleurs (M21), mais sans forcément que cette dynamique n’impacte la ville puisque les travailleurs ne sont pas tous de Marcoussis (M22). Un interrogé déconstruit néanmoins l’argument économique classique de la création d’emplois, en développant un long argumentaire sur le travail, arguant que les nouveaux data centers n’emploieraient que très peu de travailleurs, que le travail peut se faire à distance, et qu’il n’y aurait donc sans doute pas d’arrivage de travailleurs dans la ville : « 3 personnes pour 20 000m2 », « y’a pas 600 personnes ». Pour la population locale, l’implantation d’un data center ne génère pas de dynamisme démographique ou commercial : « il n’y aura pas de nouvelle population » (M24). 

Le droit de construire

« c’est du sérieux, l’état ils font ce qu’ils veulent, en haut y’a pas de problèmes, c’est vite classé alors que toi si tu veux bâtir ici tu peux pas vu que l’église est classée au patrimoine » (M21)

La légitimité de l’implantation suscite quelques critiques quant à la gouvernance territoriale. Des enquêtés interrogent le « droit de construire » et l’impuissance des habitants face aux décisions étatiques ou privées : « l’État, ils font ce qu’ils veulent » (M21), « en haut [la plaine où se situe D4] y’a pas de problèmes, c’est vite classé, alors que toi si tu veux bâtir ici [centre ville de Marcoussis] tu peux pas vu que l’église est classée au patrimoine » (M21), « le plateau a été pensé il y a 50 ans sans l’avis de personne ». Le data center incarne un urbanisme du fait accompli où la consultation citoyenne est perçue comme absente : « on n’a pas d’info, c’est flou » (M24), « on peut rien faire, c’est terrible » (M24). L’infrastructure est parfois vécue comme un objet imposé « d’en haut ».

Le rapport au corps

« j’ai eu des maux de tête » (M23)« je sens mon lit trembler » (M23)« c’est pas vraiment du bruit mais des ondes » (M23)« on m’a dit qu’il n’y avait aucun danger, car tout est sous terre » (M23)« je suis allée voir un naturopathe » (M23)« c’est comme avec la 5G » (M23)« ça pose pas de problème, nous on s’en plaint pas [du bruit]. Peut-être que le problème c’est de l’autre côté » (M11)« certains se plaignent [du bruit] mais pas moi » (M11)« the enjoyability of the place will be impacted with noise pollution » (T14)

Chez les riverains les plus proches de l’infrastructure à Marcoussis, le data center quitte le champ de la théorie pour s’inscrire directement dans le corps et le sensoriel. 

Une interrogée a mentionné que certains habitants de Marcoussis se plaignaient du bruit émis de Data4. Nous n’avons pas trouvé de personne se plaignant directement du bruit. Notons que nous n’avons pas entendu ni perçu de bruit, ni aux alentours de Data4, ni à Marcoussis. 

Cependant, une travailleuse de Marcoussis a confié souffrir de nuisances vibratoires et sonores : « Je sens mon lit trembler » (M23), « C’est pas vraiment du bruit mais des ondes ». (M23). Ces symptômes la plongent aussi dans une forme de crainte du data center et d’anxiété : « J’ai eu des maux de tête terribles » (M23), « Je suis allée voir un naturopathe » (M23), « on m’a dit qu’il n’y avait aucun danger » (M23). L’interrogée a même anticipé notre incompréhension et notre réaction « peut-être que vous allez pas me croire » avant de nous dire qu’elle sentait des vibrations qu’elle pense émises par le data center. Le ressenti de cette personne n’est toutefois pas généralisable. N’ayant obtenu qu’une réponse allant dans le sens des nuisances sur la santé, on pourrait se questionner sur la présence d’une somatisation dûe à l’invisibilisation de l’infrastructure. Toutefois, la probabilité d’une réelle nuisance physique dans l’expérience du data center vécue par les riverains semble vérifiée : de nombreux retours documentés (1)(2) attestent d’une gêne sonore et physique dûe à l’implantation de data center proche des habitations.  

1. Geoffre-Rouland, Aymeric. “Ça fait vibrer tout votre être de l’intérieur” : le bruit invisible des datacenters IA rend les riverains malades. 2026. lesnumeriques.com. consulté le 22/10/26. 
2. Sardin, Joseph. ”Data centers IA : le grondement qui réveille les voisins”. lasonotheque.org. consulté le 22/10/26.

La dimension non-existentielle du data center dans le quotidien 

Plusieurs riverains ont aussi admis que le data center ne changeait rien à leur quotidien, et n’avait d’impact ni sur la ville ni sur leur corps ou leur expérience du terrain. Cela résulte du fait que la plupart des interrogés de Marcoussis n’éprouve pas directement Data4, mais au mieux passe devant lors de trajets jusqu’à la ville de Nozay. Cela rejoint la dimension d’invisibilité de la structure, et s’accorde avec les représentations schématiques des riverains qui n’ont jamais dessiné l’intérieur du data center (voir l’analyse des schématisations). 

« pour moi ça ne change rien du tout » (M22)« dans la ville c’est vraiment pas un sujet » (M22)« moi je ne m’y connais pas, je passe devant le DC pour livrer mes fleurs à Nozay mais c’est tout » (M23)« pas tant d’impact que ça » (C12)« it wouldn’t change my daily life » (C21)

Remarque : les non-réponses des travailleurs de Data4

Nous nous sommes rendues sur le site du data center Data4 afin d’interroger les travailleurs et d’observer la matérialité de l’infrastructure. Nous sommes restées environ 30 minutes sur site, et avons observé de nombreux travailleurs venant en voiture puis franchissant les barrières. Il a été impossible de les interroger. Nous avons pu parler à plusieurs employés de la sécurité et de la loge, qui nous ont fait comprendre qu’ils n’avaient pas l’autorisation de nous répondre et que nous devions partir sans prendre la moindre photographie au motif que « c’est trop sensible » (D12).

Cette expérience de terrain constitue en soi un matériau d’analyse intéressant : elle démontre l’invisibilité informationnelle et sécuritaire de la structure. Le data center se comporte comme une boîte étanche, refusant les regards et coupant l’infrastructure de son environnement. Le data center nous apparaît alors comme une structure physique mais fantôme (personne ne sait véritablement ce qu’il s’y passe) et secrète (interdite au public) dans son fonctionnement.

La sécurisation du site renforce l’image d’une « boîte noire » (3) mystérieuse et inaccessible, éléments retrouvés dans les dessins des interrogés, dans lesquels reviennent parfois les clôtures entourant le data center ; ainsi que dans les mots employés (« ça fait vraiment prison » D23).

3. Latour, Bruno. La science en action : introduction à la sociologie des sciences. 1987.

Les schématisations : 

Un certain nombre de représentations des data center réalisées auprès de scientifiques du plateau de Saclay figurent une représentation de l’intérieur du bâtiment. Cela peut montrer une certaine connaissance du fonctionnement du data center. 

D’autres ont représenté le data center comme un bâtiment fermé, reprenant les codes iconographiques des usines (cheminées, fumées, toit « shed ») voire des prisons (bâtiment fermé, carré, grillages et barbelés).

Si certains ont opté pour une représentation fermée (ce qui allait de pair avec le discours sur la méconnaissance de l’objet « je n’y connais rien »), d’autres ont fait figurer des systèmes ouverts, avec une matérialisation du réseau (câbles, eau, antenne électrique). 

Nous avons regroupé les dessins réalisés en 5 catégories : 

• L’image de l’empilement, des ordinateurs, c’est-à-dire l’intérieur des bâtiments.
• L’iconographie de l’usine, c’est-à-dire des représentations de l’extérieur des bâtiments.
• La représentation d’un système fermé, qui souvent s’accompagne d’un discours sur l’illisibilité et la méconnaissance des data center.
• La représentation d’un système ouvert, qui intègre le data center dans un réseau infrastructurel. 
• La représentation du data center comme paysage, ou intégré à un environnement. 

Notons qu’aucun interrogé de Marcoussis n’a représenté l’intérieur d’un data center, ce qui montre que même en côtoyant la structure dans le paysage, celle-ci reste très opaque : « c’est vraiment à l’abri, y’a un peu que les gens qui courent qui passent devant, et encore » (M22), « je passe devant le datacenter pour livrer mes fleurs à Nozay, mais c’est tout » (M23)

Le dessin s’est révélé un outil efficace pour recueillir des représentations du data center qui échappent parfois à la verbalisation, bien que certains n’aient pas souhaité s’emparer du crayon.

Le travail de localisation des data centers: 

Pour la première phase d’entretiens et comme explicité plus haut, nous demandions aux interrogés de situer géographiquement les data centers sur une carte. Ils avaient le choix de l’échelle et pouvaient même en utiliser plusieurs. 

D’après nos échanges à Marcoussis, nous avons pu remarquer que les interrogés ne savaient pas toujours où situer les data centers et n’osaient pas systématiquement prendre le stylo pour entourer ou annoter des zones précises. Certains étaient vagues « everywhere but not sure where » (M12), d’autres n’osaient pas placer précisément un point sur la carte mais étaient quasiment certains que ces infrastructures étaient situées hors des villes, loin des habitations, et généralement « dans les plaines » (M11). C’est aussi ce qu’on retrouve sur la carte à l’échelle nationale, où les points de localisation (interrogés de Marcoussis et du plateau confondus) situent principalement les data centers dans des régions associées à la montagne ou la campagne, pour des raisons de mise à distance d’un objet potentiellement encombrant, de disponibilité spatiale, et de climat (zones froides favorisant le refroidissement des infrastructures), à l’exception de l’Île de France. 

Au contraire, les résultats tirés des échanges sur le plateau ont montré que les data centers étaient plutôt placés au sein des zones urbaines dans l’imaginaire des interrogés. C’est principalement visible sur la carte à l’échelle de l’agglomération, où la majorité des points de localisation est placée directement sur le plateau, et plus particulièrement à des endroits stratégiques, comme les écoles et laboratoires de recherche (ENS Paris-Saclay, Polytechnique, Commissariat à l’Énergie Atomique…).  

Dans l’ensemble, les 17 interrogés qui se sont saisis des cartes ont davantage eu tendance à situer les datacenters à l’échelle de la communauté d’agglomération Paris-Saclay (échelle choisie par 13 personnes soit 76,48% des interrogés) ; à l’échelle mondiale (9 personnes ; [52,94%]) et enfin à l’échelle nationale (8 personnes ;  [47,06%]). 

Enfin, nous avons noté une similarité des réponses entre les interrogés du terrain des écoles du plateau. Si l’on s’attendait à ce qu’ils situent presque tous au même endroit les data centers du plateau ou de l’agglomération Paris-Saclay, nous avons été surprises lors de l’analyse des cartes de remarquer qu’il y avait aussi une même similarité des réponses à l’échelle mondiale. Nous pouvons supposer que l’imaginaire des data centers et de leur implantation territoriale fait commun au sein de la communauté du plateau de Saclay, potentiellement signe d’une forme de connaissances sur le sujet.

LIMITES / BIAIS / DISCUSSION 

Les premiers entretiens nous ont amenés à interroger non seulement le contenu des réponses recueillies, mais aussi les conditions dans lesquelles celles-ci étaient produites. Réalisés dans l’espace public, auprès de personnes aux profils et aux disponibilités variées, les échanges ont été soumis à des contraintes propres au terrain : temps limité, interruptions et inégale disponibilité des personnes sollicitées. Les données récoltées en entretiens peuvent présenter des biais liés aux conditions de rencontre. Bien qu’un certain nombre de personnes pressées n’aient pas souhaité répondre à nos questions, d’autres ont parfois, notamment dans les rues de Marcoussis, pû exprimer leur impatience quant à la fin de l’entretien. À cela résulte une disparité dans le développement des réponses. 

Dans les blocus des écoles, les entretiens ont parfois été coupés à cause des obligations des manifestants à effectuer certaines actions. Du fait des entretiens réalisés debout dans la rue (à Marcoussis en tout cas), peu ont dessiné eux-mêmes l’infrastructure (1 sur les 3 interrogés). Nous avons donc dessiné une fois face à l’interrogé qui a confirmé notre représentation (M13), et dessiné une autre fois après l’entretien terminé en suivant la description formelle donnée (M11). Pour les cartes, certains n’ont pas osé placer les data centers et nous ont répondu par des réponses vagues (« everywhere but not sure where » (M12) / « dans les plaines » (M11) / « pas au milieu des habitations » (M13). Dans ces cas de figure, nous n’avons pas localisé à leur place, nous avons simplement noté leur réflexion en marge des cartes. (Voir Annexe 2)

Concernant la composition de l’échantillon (assez réduit), nous avons davantage interrogé de personnes âgées retraitées à Marcoussis, puisque que nous avons enquêté en journée. Nous avons tout de même interrogé des jeunes et une travailleuse. 

Au total, sur nos deux enquêtes, et tous terrains confondus, davantage d’hommes ont été interrogés (H= 20 / F= 12). De plus, quelques biais peuvent découler des différents terrains et interrogateurs : bien que nous ayons suivi le même questionnaire, les adaptations effectuées sur place ont pû conduire à des micro-différences de déroulés d’entretiens, selon le degré de directivité et différence entre les enquêtrices. 

2. Fiction métabolique : relocalisation de l’empreinte spatiale liée à la consommation électrique des data centers du territoire Paris-Saclay

Cette deuxième étude est consacrée à une externalité bien particulière induite par les data centers : les surfaces exploitées. Plus précisément, il s’agit des occupations surfaciques équivalentes imputables à leur consommation électrique – nous reviendrons sur ce que signifie cette formule. Le choix de cette focale par rapport à d’autres types d’externalités reportées en-dehors du territoire (pollutions sonores, atmosphériques, de l’eau, de l’air, conditions de travail, risque industriel, etc.) n’est pas anodin. Ce choix a été fait car il corrobore les hypothèses et une partie des résultats liés à l’enquête qualitative précédemment décrite sur le rapport fondamentalement géographique que les individus entretiennent avec les infrastructures « data centers » (voir à ce sujet la section « résultats » de la partie précédente, sur la distribution géographique des représentations au sein du territoire Paris-Saclay). Par ailleurs, notre objet d’étude privilégié étant la question de la mise à distance physique des infrastructures et l’expérience de leur matérialité, il apparaissait judicieux d’en documenter prioritairement l’empreinte spatiale. En effet, l’occupation du sol corrélée à l’emprise physique des infrastructures sur les paysages et les milieux de vie apparaît, au terme de l’analyse précédente, un facteur essentiel de rejet de la part des populations. Par conséquent, l’objectif était d’une part de produire des estimations quantitatives quant aux impacts surfaciques externalisés – ou plus simplement empreinte spatiale – par le développement des data centers sur le territoire Paris-Saclay ; d’autre part de rendre visibles, tangibles et donc discutables ces impacts au prisme des intérêts des territoires. Dans cette perspective, des représentations fictionnelles ont été utilisées comme support d’expérience de pensée.

MÉTHODE

Framework :

La méthode employée s’inscrit dans le cadre d’une approche dite « métabolique ». Le métabolisme social, une notion préfigurée dans les travaux de Karl Marx (Marx, 1867), entend « dépasser le clivage entre sciences naturelles et sciences humaines dans la compréhension des relations économiques et écologiques des sociétés » (Beaucaire et al., 2022). Traditionnellement, en biologie, une analyse métabolique permet d’observer et de décrire les « mécanismes encadrant les flux de matière et d’énergie traversant un organisme et assurant sa reproduction dans le temps » (Beaucaire et al., 2022). Sa reprise en sciences sociales permet d’analyser la manière dont les systèmes sociaux tels que les villes, les objets techniques, et dans notre cas les data centers, sont en fait inscrits dans des processus plus vastes de circulation et de flux de matière et d’énergie. Plus spécifiquement, nous employons cette approche afin de comprendre comment les data centers « consomment » de l’espace, du foncier, de la terre, par-delà les limites de leur propre emprise au sol, compte-tenu des dispositifs techniques qui les rendent possibles et dont ils dépendent, dont beaucoup sont situés sur d’autres territoires en France et dans le monde. Dans l’intention de rendre à nouveau visibles ces externalités qui demeurent invisibles du fait de leur éloignement, l’objectif de cette étude est de produire des « fictions métaboliques » capables de relocaliser, et donc de bousculer la relation distanciée avec ces impacts.

Étapes principales :

Dans le cadre de cette enquête quantitative et de sa restitution, nous avons procédé à une méthodologie en quatre temps :(i) délimitation du cadre de l’étude (jeu de données et temporalités considérés)(ii) première estimation des ordres de grandeurs des empreintes spatiales pour les externalités extractives et énergétiques lors de la construction mais aussi pour une année de fonctionnement, afin de ne retenir que les secteurs les plus significatifs(iii) perfectionnement de la méthodologie pour produire des estimations harmonisées d’empreinte spatiale sur le secteur retenu (dans notre cas, la consommation électrique annuelle)(iv) production d’une visualisation cartographique des surfaces exploitées en les intégrant à l’intérieur-même du territoire Paris-Saclay

Par souci de concision et de clarté, la méthodologie est détaillée dans ces aspects techniques en annexe 5. Nous présentons dans les paragraphes suivants uniquement les clés de compréhension majeures.

La première étape de l’étude se veut exploratoire afin de dégager des premiers ordres de grandeur liés à chaque type d’externalité majeure. Ainsi, elle s’intéresse aux impacts liés i) à la construction et ii) au fonctionnement des data centers sur une année. Ces deux « moments » sont traités de manière distinguée, en tenant compte pour chacun d’eux de l’extraction de matières premières (externalités extractives) et de la production et de la distribution de l’électricité (externalités énergétiques). Un jeu de données a été constitué afin d’inventorier les data centers sur le territoire de l’agglomération Paris-Saclay, ainsi que leurs caractéristiques réelles ou hypothétiques nécessaires pour réaliser les estimations. La carte éditée par la communauté d’agglomération Paris-Saclay (voir Annexe 6) a été utilisée comme source pour définir les 10 sites en exploitations et les 6 encore en projet. Les caractéristiques associées sont la puissance électrique totale de chaque installation, ainsi que leur surface bâtie.

La deuxième étape visait à réaliser de premières estimations dans le but de dégager les principaux postes d’externalité surfacique. Pour ce faire, des quantités de matériaux nécessaires à la construction et au fonctionnement de chaque data center ont été déduites des données connues. De même, l’électricité consommée a été déduite des puissances totales. Ensuite, ces quantités de matière et d’énergie consommées ont été converties en « occupations surfaciques équivalentes » exprimées en hectares-années par tonne de matière première (ha·an/t) et par mégawattheure (ha·an/MWh). Cet indicateur consiste à attribuer à chaque quantité de matière et d’énergie consommée une fraction des surfaces occupées par les installations assurant les fonctions d’extraction, de production et de distribution. Concernant les externalités énergétiques, le mix électrique français a été pris en compte afin de moduler le coefficient d’occupation selon les types de filières (le nucléaire est par exemple beaucoup plus concentré que le photovoltaïque en termes de MWh/m2).

Suite aux résultats de cette première phase d’estimation, la méthodologie a été focalisée sur l’évaluation de l’empreinte spatiale imputable à la consommation électrique annuelle du parc. Elle prend en compte les mines d’uranium, les centrales de production électrique suivant le mix français, ainsi que les réseaux électriques. Elle est appliquée selon les deux scénarios définis (situation actuelle comprenant les 10 data centers en service, et scénario futur proche incluant les 6 en projet).

Enfin, les résultats exprimés en ha·an sont transformés en aires exprimées en hectares. Ces surfaces sont ensuite insérées au sein d’une visualisation cartographique du territoire Paris-Saclay, dans les interstices du bâti du plateau de Saclay. Elles représentent l’espace théoriquement dédié à la production et à l’acheminement de l’énergie utilisée par les data centers de l’agglomération pendant un an. Elles se voient donc relocalisées de manière entièrement fictionnelle afin de figurer l’espace que devrait dédier Paris-Saclay aux filières énergétiques si l’agglomération devait subvenir aux besoins électriques de ses data centers, en supposant qu’elle le fasse dans des rapports semblables aux conditions dans lesquels ces services sont déjà rendus (mix énergétique et conditions d’exploitation identiques). En ce sens, il s’agit d’une expérience de pensée.

RÉSULTATS

1. Premières estimations et resserrement de l’objet d’étude

La première étape aboutit à une estimation d’empreinte spatiale totale d’environ 832 ha·an pour l’ensemble des 16 data centers étudiés. Parmi les quatre postes considérés, les externalités énergétiques liées à une année de fonctionnement apparaissent très largement dominantes, représentant environ 749 ha·an, soit 90 % du total. À titre de comparaison, les externalités extractives de la construction représentent environ 68 ha·an, contre 11 ha·an pour ses externalités énergétiques et 3 ha·an pour les externalités extractives du fonctionnement.

Bien que cette hiérarchie reste dépendante de données et de coefficients exploratoires et hypothétiques, elle justifie le choix de concentrer la suite de l’étude sur l’empreinte spatiale liée à la seule consommation électrique annuelle des data centers.

2. Résultats et interprétations pour le parc existant (situation actuelle)

Pour les 10 data centers actuellement en exploitation, la puissance électrique totale retenue est d’environ 325 MW, correspondant à une consommation annuelle théorique de 1,99 TWh. Selon notre modèle, l’empreinte spatiale externalisée imputable à cette consommation représente environ 302 ha·an, répartis comme indiqué dans le tableau 1.

Catégorie d’externalité	Emprise (ha·an)
Installations nucléaires	25,47
Installations hydroélectriques	90,88
Installations éoliennes	7,22
Installations photovoltaïques	150,22
Installations thermiques fossiles	2,72
Autres installations de production	4,01
Réseaux de transport électrique	19,94
Mines d’uranium	1,36
TOTAL	301,82

Tableau 1 : Résultats pour le scénario 1 (situation actuelle) par catégorie d’externalité : l’empreinte spatiale attribuable au parc existant est exprimée en hectares-années (ha·an).

Les surfaces imputées à la production photovoltaïque et hydroélectrique apparaissent largement dominantes, représentant ensemble environ 80 % de l’empreinte calculée. Ce résultat s’explique notamment par leurs coefficients d’occupation surfacique relativement élevés, malgré une contribution minoritaire de ces filières au mix électrique français.

Il est important de rappeler que ces surfaces ne correspondent pas à des hectares de terre effectivement exploités afin de fournir le parc numérique de l’agglomération en électricité. Il s’agit de la fraction théorique des surfaces occupées par les installations exploitées pendant 1 an, et nécessaire pour alimenter le parc local à hauteur de ce qu’il consomme pendant 1 an. A ce titre, pour une même période de fonctionnement des data centers, on pourrait théoriquement imaginer une surface exploitée deux fois plus petite, mobilisée pendant 2 ans plutôt qu’un (à condition, dans le cas de l’extractivisme, que la ressource sur place soit suffisante). Or, il est plus intuitif et plus cohérent d’un point de vue temporel de considérer 1 an de production de service pour 1 an de fonctionnement, d’où ce choix méthodologique.

Les valeurs sont arrondies à l’unité au sein de la visualisation (voir Figure 1).

Les surfaces en question sont insérées dans les interstices du bâti, par-dessus les friches, terres agricoles et forestières du plateau de Saclay dont une partie sont protégées par la ZPNAF (Zone de Protection Naturelle Agricole et Forestière). Ce choix s’inscrit dans un contexte d’artificialisation croissante du plateau, et dans une intention d’alerter et interpeller les populations locales de même que les personnels, acteurs économiques et élus susceptibles d’être impliqués dans la planification du développement du parc numérique et des data centers du territoire Paris-Saclay.

3. Résultats et interprétations pour le scénario prospectif concernant le parc en cours de développement (scénario futur proche)

Dans le scénario prospectif, l’ensemble des 16 entrées recensées est considéré comme étant en exploitation. La puissance électrique totale atteint alors environ 811 MW, correspondant à une consommation annuelle théorique de 4,97 TWh. L’empreinte spatiale externalisée imputable à cette consommation représente environ 753 ha·an, répartis comme indiqué dans le tableau 2.

Catégorie d’externalité	Emprise (ha·an)
Installations nucléaires	63,49
Installations hydroélectriques	226,60
Installations éoliennes	18,01
Installations photovoltaïques	374,54
Installations thermiques fossiles	6,79
Autres installations de production	9,99
Réseaux de transport électrique	49,71
Mines d’uranium	3,39
TOTAL	752,52

Tableau 2 : Résultats pour le scénario 2  (scénario futur proche) par catégorie d’externalité : l’empreinte spatiale attribuable à l’ensemble du parc existant et en cours de développement est exprimée en hectares-années (ha·an).

Le développement des projets recensés entraînerait ainsi, selon nos hypothèses, une augmentation de 451 ha·an, soit environ +149 % par rapport à la situation actuelle. L’empreinte spatiale imputable à la consommation électrique serait donc multipliée par près de 2,5, alors que le nombre de data centers n’est lui multiplié que par 1,6. La raison de ce découplage entre les impacts et l’accroissement du nombre de sites tient à la nature assez nouvelle des data centers en projet : ils sont tous de type « hyperscale », tandis qu’un seul des data centers préexistants fait partie de cette catégorie. (Figure 2)

Figure 1 :« Fiction métabolique figurant l’empreinte spatiale relocalisée du parc existant.

Figure 2 : « Fiction métabolique » figurant l’empreinte spatiale relocalisée du futur parc, incluant les sites en projet

DISCUSSION 

Cette étude visait à interroger la notion d’externalité, tant dans l’ancrage territorial de l’objet data center que dans sa relation avec les êtres gravitants autour de l’infrastructure. Il s’agissait de questionner la manière dont le data center s’incarne, est perçu ou distancé dans sa localité ; et d’interroger la problématique de l’ailleurs dans un contexte très situé. Pour ce faire, nous avons étudié l’ancrage spatial, environnemental et vécu des data centers au sein de la communauté d’agglomération Paris-Saclay. Nous avons croisé une démarche de simulation cartographique avec une étude qualitative menée en deux temps auprès des habitants et usagers du territoire choisi. 

Invisibilité de l’infrastructure et distance au territoire 

À la suite de l’étude qualitative des data centers, nous avons remarqué que : 

L’adjacence spatiale à l’infrastructure n’entraîne pas vraiment de meilleure compréhension de son fonctionnement. Si les riverains de Marcoussis vivent au quotidien à côté de Data4, leur rapport à l’objet reste marqué par l’inconnu et le sentiment d’illégitimité technique. L’infrastructure, même réduite au bâtiment du datacenter de Data4 s’est révélée plutôt invisible, ce qui montre d’une part une forme de méconnaissance (entretenue par l’inaccessibilité du site) des data centers de la part des pratiquants du territoire, et d’autre part l’insaisissabilité du data center, qui au final n’a que peu d’impact dans la vie quotidienne des usagers. Inversement, les usagers des écoles du plateau, physiquement plus éloignés du site, mobilisent un vocabulaire technique plus précis sans pour autant en saisir l’ancrage paysagé local. La proximité spatiale garantit un rapport différent à l’objet, éprouvé dans son incarnation à une échelle réduite. La tendance spontanée des interrogés de notre première enquête à déplacer le débat vers l’intelligence artificielle, les fake news ou la consommation énergétique mondiale montre que l’infrastructure locale est souvent lue à travers le prisme des grands récits contemporains sur le numérique plutôt que par un regard des pratiquants du terrain sur leurs propres pratiques, rendant parfois difficile le questionnement sur la localité.

Notre deuxième enquête a permis de mieux aborder cette territorialisation, pour laquelle nous avons eu des retours intéressants. Si certains, dans notre première enquête, ont éprouvé un rejet des infrastructures au niveau local sans pour autant nous en donner la justification (« j’aimerais pas en avoir un à côté de chez moi »), nous avons récolté des réflexions éclairées pouvant expliciter ce refus lors de notre deuxième enquête. Il a notamment été question d’interroger le fait que même si les problèmes ne se voient pas au niveau local, ils sont ailleurs : « ça ne pose pas de problème à Saclay, mais plus largement, l’existence des data centers consomme des ressources à des endroits où elles manquent (eau, énergie), mais ce problème ne se pose pas à Saclay » (T21). 

 Perception et expérience vécue 

Cette opacité est renforcée par les postures de distanciations sécuritaires observées sur le site de Data4 (accès refusé, absence d’information), transformant le data center en une boîte noire (3) ou un objet fantôme. 

Parmi les habitants riverains de Data4 cette opacité est souvent revenue dans les échanges, appuyée par la caractéristique d’un objet peu côtoyé concrètement, voire pas du tout utilisé dans leur quotidien, et à côté duquel ils ne s’arrêtent presque jamais à part pour courir ou attendre le bus. 

L’infrastructure leur demeure alors étrangère bien que présente depuis longtemps sur le territoire (« ça a changé c’est déjà là depuis les années 60 » (M21)), et son esthétique se prête à des comparaisons peu arrangeantes (« ça fait vraiment prison » (M23), « c’est pas ce qu’on a de plus beau » (M22)). 

Cette distanciation s’est aussi ressentie dans certains échanges en lien avec l’apport du datacenter sur le territoire. Beaucoup se sont dit incertains au fait que l’infrastructure amène de nouveaux travailleurs et participe ainsi à un renouveau citoyen. D’autres ont abordé l’idée de mise à l’écart de la population riveraine aux discussions sur l’implantation et les apports de ces objets au niveau territorial, jugeant les retours « flou » et invisibles aux habitants, notamment en ce qui concerne le gain économique. Sur ce point, la question foncière de l’implantation de ces structures a aussi été relevée, appuyant l’idée de décisions prises d’en haut sans consultation de la population et au détriment parfois de leurs propres revendications : « l’état ils font ce qu’ils veulent, en haut [la plaine où se situe Data4] y’a pas de problèmes, c’est vite classé [au sens de classer un dossier] alors que toi si tu veux bâtir ici [centre ville de Marcoussis] tu peux pas vu que l’église est classée au patrimoine » (M21).

Une autre conséquence de l’implantation de telles structures dans le territoire est celle sur l’environnement. Bien qu’ils n’aient pas toujours été capables de localiser les data centers sur une carte ou de nous donner une définition précise de cette infrastructure et de ses conséquences, nombreux sont les interrogés qui ont abordé la question des dommages environnementaux et leurs inquiétudes sur le sujet. Ces dernières ont même dépassé la sphère de l’externalité du soi pour s’immiscer dans l’intériorité physique, puisque nous avons eu un retour d’une interrogée inquiète pour sa santé. 

1. Latour, Bruno. La science en action : introduction à la sociologie des sciences. 1987.

Prospection 

Dans une dimension prospective, tous les participants déclarent penser que le nombre de data centers sur le plateau ne fera qu’augmenter (à l’exception d’un doctorant travaillant dans le milieu, pour lequel les nouvelles technologies liées au quantique et aux algorithmes permettront la stagnation, si ce n’est la décroissance du nombre de data center, qui seront devenus plus performants). Concernant les conséquences sur le territoire, les problématiques environnementales, esthétiques (du paysage), sociales et physiques évoquées en entretiens sont aussi applicables sur les territoires extérieurs traversés par les infrastructures. Un interrogé (E12) reste optimiste et pense que le datacenter est un outil, et donc que l’avenir dépendra de l’usage qu’on en fait. Le terrain semble révéler un certain paradoxe dans l’imaginaire des interrogés : la représentation technique et fonctionnelle du data center y est absente, mais la projection des coûts énergétiques et environnementaux potentiels est souvent relevée (notamment sur ce qui est visible tout de suite, comme l’aménagement des friches). Certains interrogés ont ainsi pu nous paraître inquiets si d’autres structures étaient amenées à s’implanter. Pour d’autres, il s’agit de la suite logique de la construction du plateau, et ne semblent pas penser qu’ils y prêteront particulièrement attention à l’avenir. 

Tant que les externalités spatiales et énergétiques demeureront déléguées à des « ailleurs » invisibles, et tant que l’implantation locale se fera au détriment des récits et vécus des riverains, l’aménagement du territoire numérique ne rendra pas compte des coûts réels de ce développement.  

Ce contraste territorial fait directement écho au travail cartographique mené en parallèle sur la relocalisation des externalités énergétiques. La carte (voir figure X) démontre l’emprise spatiale gigantesque (plusieurs centaines d’hectares de photovoltaïque, d’hydroélectricité et d’installations nucléaires) que nécessiterait le fonctionnement des data centers si leurs besoins énergétiques étaient réinsérés sur le plateau-même. En miroir, nos entretiens révèlent une tendance des usagers à préférer déléguer ces charges hors de leur périmètre de vie.) 

Cette perception citoyenne rejoint directement la cartographie prospective de relocalisation des externalités énergétiques réalisée sur la plateau de Saclay. La carte met en évidence qu’un fonctionnement soutenu des data centers du territoire imposerait de sacrifier des centaines d’hectares (374 ha.an de centrales photovoltaïques, 225 ha.an d’installations hydroélectriques, 63 ha.an de nucléaire) si ces ressources devaient être produites localement. Les verbatims traduisent cette intuition populaire : les usagers pressentent l’immensité de cette emprise (« Personne ne sait combien ça consomme »), tout en préférant intuitivement que ces externalités demeurent rejetées hors de leur périmètre de vision et de vie. 

BIBLIOGRAPHIE

ADEME. Avis d’experts – Les data centers ou centres de données : au centre de la transition numérique. ADEME, octobre 2024. [Consultable à l’adresse :
https://librairie.ademe.fr/batiment/7712-avis-d-experts-les-data-centers-ou-centres-de-donnees.html]

BEAUCAIRE, Krystof, VIVIN, Clara, DIONNE, Marc, et al. Le métabolisme social. 2022.

FEDERAL HIGHWAY ADMINISTRATION (FHWA). User Guidelines for Waste and Byproduct Materials in Pavement Construction. Rapport FHWA-RD-97-148, rubrique « Portland Cement Concrete Pavement ». 1997. [Consultable à l’adresse :
https://www.fhwa.dot.gov/publications/research/infrastructure/pavements/97148/072.cfm]

GEOFFRE-ROULAND, Aymeric. “Ça fait vibrer tout votre être de l’intérieur” : le bruit invisible des datacenters IA rend les riverains malades. 2026. lesnumeriques.com. consulté le 22/10/26.

LATOUR, Bruno. La science en action : introduction à la sociologie des sciences. 1987.

MARX, Karl. Le Capital : Critique de l’économie politique. Livre I : Le développement de la production capitalistique.1867.

NICHOLSON, Robert. « Data centre growth seen in scaled schemes and retrofits ». RICS Construction Journal, 10 juillet 2024. [Consultable à l’adresse :
https://ww3.rics.org/uk/en/journals/construction-journal/data-centre-demand-retrofit.html]

RTE. Bilan électrique 2025 – Production. RTE, portail Analyses et données. 2026. [Consultable à l’adresse : https://analysesetdonnees.rte-france.com/bilan-electrique-2025/production]

SARDIN, Joseph. ”Data centers IA : le grondement qui réveille les voisins”. lasonotheque.org. consulté le 22/10/26.

WORLD NUCLEAR ASSOCIATION (s. d.). « Nuclear Fuel Cycle Overview ». Consulté le 27 octobre 2026. [Consultable à l’adresse : https://world-nuclear.org/information-library/nuclear-fuel-cycle/introduction/nuclear-fuel-cycle-overview]

ANNEXES : 

Annexe 1 – Tableau récapitulatif des participants 

Nomenclature	Lieu d’entretien	Genre	Âge	Situation de la personne	jour
D11	Data4	H	35-50	Employé DC (agent d’accueil)	1
D12	Data4	H	35-50	Employé DC (gardien)	1
D13	Data4	H	50-65	Employé DC (gardien)	1
M11	Marcoussis : rue	F	+65	Riverain DC retraitée	1
M12	Marcoussis : rue	H	20-35	Riverain DC et réfugié	1
M13	Marcoussis : rue	F	+65	Riverain DC retraitée	1
M21	Marcoussis : rue	H	+65	Riverain DC retraité	2
M22	Marcoussis : arrêt de bus	F	20-35	Riverain DC étudiante	2
M23	Marcoussis : sa boutique	F	50-65	Travailleuse riverain DC	2
M24	Marcoussis : rue	H	+65	Riverain DC retraité	2
E11	ENS	H	20-35	Étudiant ENS	1
E12	ENS	H	20-35	Doctorant ENS	1
E13	ENS	H	20-35	Doctorant ENS	1
E14	ENS	F	20-35	Doctorante et professeur ENS	1
E15	ENS	H	20-35	Étudiant ENS	1
E16	ENS	F	-20	Étudiante ENS	1
E17	ENS	F	20-35	Étudiante ENS	1
C11	CentraleSupélec (boulangerie plus loin)	H	35-50	Professeur CentraleSupélec	1
C12	CentraleSupélec (boulangerie plus loin)	F	35-50	Professeure CentraleSupélec	1
C13	CentraleSupélec	H	20-35	Étudiant CentraleSupélec	1
C14	CentraleSupélec	H	20-35	Étudiant Université Paris-Saclay	1
C21	CentraleSupélec	F	20-35	Étudiante ENS	2
C22	CentraleSupélec (boulangerie plus loin)	H	35-50	Ostéopathe	2
T11	Télécom	H	20-35	Étudiant Télécom	1
T12	Télécom	H	20-35	Étudiant Télécom	1
T13	Télécom	H	20-35	Étudiant Télécom	1
T14	Télécom	F	20-35	Étudiante Télécom	1
T21	Télécom (arrêt Ferme de la Vauve)	H	20-35	Étudiant (?)	2
T22	Télécom (arrêt Ferme de la Vauve)	H	20-35	Étudiant (?)	2
T23	Télécom (arrêt Ferme de la Vauve)	F	20-35	Étudiante (?)	2
P21	Polytechnique (arrêt ENSTA Les Joncherettes)	H	20-35	Étudiant (?)	2
P22	Polytechnique (arrêt ENSTA Les Joncherettes)	F	20-35	Élève collège/lycée (?)	2

Annexe 2 – Cartographies de localisation des data centers dans l’imaginaire des interrogés

Annexe 3 Schématisation d’un data center dans l’imaginaire des interrogés

Annexe 4 – Nos outils de travail – carnet de terrain numérique 

captures d’écran de notre carnet de bord commun sur la plateforme Miro

Capture d’écran de nos données sur la plateforme epicollect 5 (récolte des données des premiers entretiens)

Annexe 5 – Détail de la méthode (étude 2 : fiction métabolique)

Nota bene (utilisation de l’IA générative):

Dans un contexte de dispersion et de difficulté d’accès aux données nécessaires pour ces estimations – telles que les consommations électriques, la nature et la masse des matériaux de construction, etc, pour chaque data center – et en raison de fortes contraintes de temps, un recours important mais maîtrisé à l’intelligence artificielle a été fait. Il a permis notamment de systématiser la collecte de données sur internet en explorant une grande quantité de sources susceptibles d’enrichir le jeu de données. Chaque source a ensuite été vérifiée manuellement. L’intelligence artificielle a également été sollicitée pour assister la construction des protocoles méthodologiques d’estimation d’ordres de grandeurs : les requêtes demandaient à l’agent de préconiser des méthodologies et de les expliquer en détail, puis de nouvelles requêtes permettaient d’en interroger les biais et d’affiner le protocole de manière itérative jusqu’à aboutir à une méthodologie jugée convenable. Enfin, elle a été utilisée pour appliquer les méthodologies retenues, autrement dit faire les calculs, sur les jeux de données composés préalablement. Rappelons que l’objectif de cette enquête est de produire des ordres de grandeur et non des données exactes, afin de livrer une représentation approximative mais heuristique des phénomènes étudiés. Ainsi, les procédés de déduction dans la constitution des jeux de données, de même que le recours important à l’IA, avec toutes les limites que ces dispositions méthodologiques impliquent, sont jugés conformes à l’intention. Celle-ci reste très modeste en termes de grandeurs numériques et ne prétend que donner un aperçu réaliste des phénomènes soulevés. L’outil utilisé est GPT‑5.6 Sol en mode “réflexion avancée”.

1. Délimitation du cadre de l’étude et constitution des jeux de données

La première étape de l’étude se veut exploratoire afin de dégager des premiers ordres de grandeur liés à chaque type d’externalité majeure. Ainsi, elle s’intéresse aux impacts liés 1) à la construction et 2) au fonctionnement des data centers sur une année. Ces deux « moments » sont traités de manière distinguée, en tenant compte pour chacun d’eux de l’extraction de matières premières (externalités extractives) et de la production et de la distribution de l’électricité (externalités énergétiques). Un jeu de données a été constitué afin d’inventorier les data centers considérés par l’étude sur le territoire de l’agglomération Paris-Saclay, ainsi que leurs caractéristiques réelles ou hypothétiques nécessaires pour réaliser les estimations.

Tableau 1 : Jeu de données simplifié répertoriant les data centers considérés ainsi que leurs puissances électriques totales et surfaces bâties retenues pour les calculs finaux (pour un tableau plus détaillé avec les sources et les opérations effectuées, voir l’annexe 7)

Cet inventaire recense 16 entrées, réparties entre 10 installations en exploitation et 6 en projet (Source: carte éditée par l’agglomération Paris-Saclay consultable en annexe 6). Cette distinction a été conservée tout au long de l’analyse de façon à pouvoir comparer les externalités associées au parc existant, avec celles qui seront induites après la mise en fonction des nouveaux data centers actuellement en cours de développement. Pour chacun de ces sites ont été associées des caractéristiques de puissance électrique totale et de surface bâtie.

Par ordre de priorité, voici la provenance de ces données :

a. Puissance électrique totale

(i) Documents accessibles sur internet où elles sont explicitement publiées, elles sont alors directement reprises ;

(ii) Estimation à partir de la puissance informatique (puissance effectivement utilisée par les serveurs, plus petite que la puissance totale consommée) lorsque celle-ci est disponible. Un coefficient de 1,3 est alors appliqué, correspondant à un Power Usage Effectiveness (PUE) réaliste pour les data centers français avec une moyenne vers 1,7 et une tendance vers 1,2 pour les nouvelles installations (Ademe, 2024). L’efficacité est légèrement surestimée (valeur de PUE inférieure) pour privilégier une légère sous-estimation de la consommation électrique totale.

(iii) Estimation à partir de la surface bâtie lorsque celle-ci est disponible. On considère une densité de puissance informatique de 1 MW IT pour 1000m2, afin d’obtenir une estimation de puissance informatique, puis on applique le coefficient lié au PUE (x 1,3). Cette densité de puissance informatique provient d’une estimation empirique avec environ 40 à 50 % des surfaces bâties brutes occupées par les salles informatiques, et une puissance typique de 2,5 à 4 kW/m² (Source : RICS, 2024).

(iv) En l’absence de toute donnée, on applique une valeur arbitraire de 1,3.

b. Surface bâtie

(i) Documents accessibles sur internet où elles sont explicitement publiées, elles sont alors directement reprises ;

(ii) Estimation à partir de la puissance informatique : on considère, réciproquement à l’estimation de la puissance informatique depuis la surface bâtie, 635m2 par MW IT (on considère que les salles informatiques occupent 45 % de la surface bâtie ainsi qu’une densité informatique de 3,5 kW/m²).

(iii) Estimation à partir de la puissance électrique totale : application du coefficient de 1,3 lié au PUE puis même opération que dans le point précédent.

(iv) En l’absence de toute donnée, on applique une valeur arbitraire de 200m2.

2. Premières estimations

Nous avons distingué les ressources mobilisées lors de la construction des data centers de celles consommées pendant leur première année de fonctionnement. Concernant la construction, ont été considérés les matériaux nécessaires à l’édification des bâtiments et à l’installation des équipements techniques : béton, granulats, cuivre, lithium et autres métaux. Ces quantités ont été déduites des caractéristiques de surface bâtie et de puissance électrique selon les opérations consignées dans le tableau 2. De même, l’électricité nécessaire à la construction a été prise en compte. Lorsque nous ne disposions que de la puissance électrique totale, nous avons d’abord estimé la puissance informatique en divisant cette valeur par le PUE de 1,3 retenu précédemment. Enfin, nous avons estimé l’électricité nécessaire à la construction en appliquant un ratio forfaitaire de 0,5 MWh par m² de surface bâtie. Ce coefficient ne constitue pas une analyse énergétique détaillée de l’ensemble des matériaux et opérations de chantier, mais une approximation destinée à produire un premier ordre de grandeur. Concernant l’année de fonctionnement, c’est essentiellement la consommation électrique qui a été prise en compte, supposant un apport négligeable en intrants matériels. Celle-ci constitue un flux continu, contrairement à la plupart des matériaux incorporés au moment de la construction. La consommation annuelle a été estimée à partir de la puissance électrique totale des data centers, en supposant un fonctionnement moyen à 70 % de leur capacité nominale (c’est-à-dire leur charge maximale théorique), pendant 8 760 heures, soit une année complète. Le coefficient de 70 % constitue ici une hypothèse de taux de charge moyen, et non une mesure des consommations effectives. Il permet de ne pas assimiler automatiquement la puissance maximale disponible à une puissance constamment appelée. Ainsi, un data center disposant d’une puissance électrique totale de 10 MW consommerait théoriquement :

10 MW × 0,70 × 8 760 h = 61 320 MWh/an.

Tableau 2 : Récapitulatif des opérations et des coefficients retenus pour le calcul de chaque paramètre afin d’estimer la masse de matière première associée à chaque data center en fonction de leur surface bâtie et de leur puissance électrique.

Ces opérations ont permis de produire un inventaire estimatif des flux matériels et énergétiques pour chacun des data centers du territoire. Il convient néanmoins de préciser que toutes les quantités obtenues ne présentent pas le même degré de fiabilité. Certaines sont dérivées de caractéristiques publiées par les exploitants, tandis que d’autres dépendent de coefficients hypothétiques. En particulier, les masses de cuivre, de lithium et d’autres métaux ne correspondent pas à des relevés des équipements réellement installés. L’intérêt de ce premier inventaire réside donc principalement dans la possibilité de comparer les installations suivant une méthode homogène.

Conversion des quantités consommées en occupations surfaciques équivalentes

Afin d’estimer les surfaces mobilisées, un coefficient représentant l’occupation surfacique équivalente nécessaire à la production de chaque quantité de matière première et d’énergie leur a été affecté. Ce coefficient est exprimé en hectares-années par tonne de matière première (ha·an/t), ou par mégawattheure d’électricité (ha·an/MWh). Dans le cas des matières premières, on attribue à chaque tonne produite une fraction de la surface occupée par les activités extractives correspondantes.

Exemple explicatif :

Prenons l’exemple d’une carrière de granulats occupant 10 hectares et produisant 100 000 tonnes de matériaux par an. On peut considérer, par convention, que chaque tonne produite mobilise :10 ha ÷ 100 000 t/an = 0,0001 ha·an/tAinsi, si la construction d’un data center nécessite 10 000 tonnes de granulats, son emprise extractive imputée serait de :10 000 t × 0,0001 ha·an/t = 1 ha·anCette valeur ne signifie pas qu’un hectare supplémentaire a nécessairement été exploité pour construire le data center. Elle représente une fraction de l’occupation de la carrière attribuée à la quantité de matériaux consommée. Le même principe a été appliqué aux autres matières premières.

Les coefficients ont été choisis afin de permettre une comparaison initiale entre les principales chaînes extractives. Ils ne proviennent cependant pas de données réelles. Il s’agit de produire des estimations indicatives plutôt que de mesurer précisément les surfaces réellement exploitées.

Tableau 3 : Récapitulatif des coefficients retenus pour chaque matériau. Ils représentent l’occupation surfacique équivalente nécessaire à la production de chaque quantité de matière première et d’énergie, et sont forfaitaires.

Notons qu’une précaution a été prise pour éviter les doubles comptages : le béton n’a pas été associé à une occupation extractive supplémentaire lorsque les granulats qu’il contient étaient déjà comptabilisés. 

Concernant les externalités énergétiques, la méthode adoptée a consisté à attribuer aux data centers une fraction des superficies occupées par les installations nécessaires à la production et au transport de l’électricité qu’ils consomment. Pour cela, nous nous sommes appuyées sur le mix électrique français de 2025, publié par RTE, en considérant conventionnellement que l’électricité consommée par les data centers provenait des différentes filières dans les mêmes proportions que la production nationale. À chacune de ces filières (nucléaire, hydraulique, éolien, photovoltaïque, thermique fossile et autres) a été associé un coefficient spécifique exprimé en hectares-années par mégawattheure (ha·an/MWh). Ce coefficient permet d’imputer à chaque MWh consommé une fraction de la superficie occupée par les installations nécessaires à sa production. Les coefficients retenus sont respectivement de 0,00001875 ha·an/MWh pour le nucléaire, 0,0004 pour l’hydraulique, 0,00004 pour l’éolien, 0,001254 pour le photovoltaïque, 0,00004 pour le thermique fossile et 0,0001 pour les autres filières. Nous avons également pris en compte les surfaces mobilisées pour le transport de l’électricité, en appliquant un coefficient provisoire de 0,00001 ha·an/MWh. Enfin, l’extraction de l’uranium nécessaire à la production électrique nucléaire a été comptabilisée séparément, dans la catégorie des externalités extractives, à partir d’une hypothèse de 20 tonnes d’uranium naturel par TWh d’électricité nucléaire produit et d’un coefficient d’occupation minière de 0,05 ha·an par tonne d’uranium.

À partir de ces conversions, nous avons calculé, pour l’ensemble de ces data centers, quatre postes d’occupation surfacique : les externalités extractives de la construction ; les externalités énergétiques de la construction ; les externalités extractives durant une année de fonctionnement. ; les externalités énergétiques durant une année de fonctionnement.

3. Construction de la méthodologie finale

Les premières estimations ayant fait apparaître ce dernier poste (externalités énergétiques durant une année de fonctionnement) comme le principal poste d’externalisation spatiale, nous avons choisi de concentrer la suite de l’étude sur cette seule composante. Il s’agit de produire une estimation harmonisée des surfaces mobilisées pour satisfaire la demande électrique des data centers de Paris-Saclay. La méthode reprend les consommations annuelles précédemment estimées, agrégeant trois composantes de l’empreinte énergétique :

(i) la production d’électricité, dont les surfaces sont estimées en répartissant les consommations selon les six filières du mix électrique français de 2025 (RTE, 2026), puis en appliquant à chacune son coefficient d’occupation surfacique.

(ii) L’extraction des combustibles, quantifiée ici uniquement pour l’uranium nécessaire à la production nucléaire, à partir des coefficients précédemment présentés.

(iii) Le transport de l’électricité, pour lequel nous retenons un coefficient forfaitaire de 0,00001 ha·an/MWh, destiné à représenter les surfaces occupées par les infrastructures de transport et de raccordement.

L’indicateur final correspond à la somme de ces trois composantes, calculées pour deux ensembles de data centers : ceux qui sont actuellement exploités (scénario situation actuelle) et l’ensemble des 16 data centers répertoriés comprenant ceux qui sont actuellement exploités et ceux qui sont encore en projet, en faisant comme si ces derniers étaient en exploitation (scénario futur proche). Les surfaces externalisées propres à ces deux scénarios sur un an sont ensuite distinguées par catégories : centrale nucléaire, centrale thermique fossile, centrale photovoltaïque, installations hydroélectriques, installations éoliennes, réseaux de distribution électrique, autres installations énergétiques, et mines d’uranium.

4. Visualisation finale

En dernier lieu, les résultats exprimés en ha·an sont traduits en hectares selon une hypothèse d’occupation continue sur une année de référence, soit 1 ha·an représenté par 1 ha.

Les surfaces ainsi obtenues pour chacun des deux scénarios et selon chaque catégorie d’externalité sont ensuite représentées à l’intérieur d’une vue cartographique du territoire Paris-Saclay : des polygones d’aires égales à ces surfaces sont dessinés au moyen du logiciel Qgis. Ces polygones représentent ainsi les surfaces théoriquement dédiées à la production et à l’acheminement de l’énergie utilisée par les data centers de l’agglomération pendant un an. Celles-ci sont relocalisées de manière entièrement fictionnelle afin de figurer l’espace que devrait dédier Paris-Saclay aux filières énergétiques si elle devait subvenir aux besoins électriques de ses data centers, en supposant qu’elle le fasse dans des rapports semblables aux conditions dans lesquels ces services sont déjà rendus (mix énergétique et conditions d’exploitation identiques). En ce sens, il s’agit d’une expérience de pensée.

Il est important de rappeler que ces surfaces ne correspondent pas à des hectares de terre effectivement exploités afin de fournir le parc numérique de l’agglomération en électricité. Il s’agit de la fraction théorique des surfaces occupées par les installations exploitées pendant 1 an, et nécessaire pour alimenter le parc local à hauteur de ce qu’il consomme pendant 1 an. A ce titre, pour une même période de fonctionnement des data centers, on pourrait théoriquement imaginer une surface exploitée deux fois plus petite, mobilisée pendant 2 ans plutôt qu’un (à condition, dans le cas de l’extractivisme, que la ressource sur place soit suffisante). Or, il est plus intuitif et plus cohérent d’un point de vue temporel de considérer 1 an de production de service pour 1 an de fonctionnement, d’où ce choix méthodologique.

Annexe 6 – Source initiale pour l’inventaire des data centers considérés pour l’étude métabolique

Carte éditée en 2024 par la communauté d’agglomération Paris-Saclay

Annexe 7 – Nos outils de travail – carnet de terrain numérique 

Tableau complet du jeu de données utilisé pour l’étude métabolique, avec sources et opérations de déduction