Les data-centers consomment plus de 2 % de la demande électrique mondiale, et la pression pour réduire leur impact environnemental ne cesse de croître. PUEWUE et CUE constituent le trépied de mesure permettant d’évaluer respectivement l’efficacité énergétique, la consommation d’eau et l’empreinte carbone. Cet article détaille, étape par étape, comment mettre en place la métrologie, lancer un audit automatisé et exploiter un tableau de bord ESG afin de hiérarchiser les gains les plus pertinents: free cooling, réutilisation de chaleur et optimisation de la charge via virtualisation.
Plan de métrologie: où placer les capteurs
Le premier jalon consiste à identifier les points de mesure critiques. Le PUE nécessite le relevé du consommation totale d’électricité (IT + infrastructure) et de la consommation IT uniquement. Le WUE réclame le volume d’eau utilisé par les systèmes de refroidissement, tandis que le CUE nécessite les facteurs d’émission carbone associés à chaque source d’énergie. Un schéma typique comprend:
- Un compteur d’entrée d’alimentation principal (kW).
- Des compteurs sur chaque rack ou groupe de serveurs (kW).
- Des débitmètres à l’entrée et à la sortie des unités de refroidissement (L/h).
- Des capteurs de température et d’humidité pour ajuster les facteurs de conversion carbone.
Une fois les emplacements définis, il faut calibrer les appareils selon les normes IEC 61850-9-2 pour garantir la traçabilité des données.
Script d’audit de base
Automatiser la collecte évite les erreurs humaines et accélère la production des indicateurs. Le script suivant, écrit en Python, interroge les API des onduleurs, du système de monitoring BMS et des compteurs d’eau:
#!/usr/bin/env python3
import requests, json, datetime
def get_power:
r = requests.get('http://ipmi.local/api/power')
return r.json['total_kw']
def get_it_power:
r = requests.get('http://bms.local/api/it')
return r.json['it_kw']
def get_water:
r = requests.get('http://water.local/api/flow')
return r.json['liters_per_hour']
def main:
now = datetime.datetime.utcnow.isoformat
data = {
'timestamp': now,
'total_power_kw': get_power,
'it_power_kw': get_it_power,
'water_lph': get_water
}
print(json.dumps(data))
# Enregistrement dans un fichier CSV ou base de données
if __name__ == '__main__':
main
Le script s’exécute toutes les 5 minutes via cron, stocke les relevés dans une base InfluxDB, et alimente les tableaux de bord Grafana où les ratios PUEWUE et CUE sont calculés en temps réel.
Calcul des indicateurs PUE, WUE et CUE
Les formules de base sont les suivantes:
- PUE = Consommation totale (kW) / Consommation IT (kW)
- WUE = Volume d’eau (L) / Consommation IT (kW·h)
- CUE = Émissions CO₂ (kg) / Consommation IT (kW·h)
Le calcul du CUE requiert le facteur d’émission carbone du mix énergétique local, disponible sur le site de l’opérateur réseau (ex.: 0,45 kg CO₂/kWh). En combinant les données horodatées, on obtient un tableau journalier permettant de repérer les pics d’inefficacité.
Hiérarchisation des gains: free cooling, chaleur récupérée, virtualisation
Une fois les indicateurs en main, la priorisation s’appuie sur le ratio d’impact potentiel vs coût d’implémentation.
- Free cooling exploiter les conditions extérieures (température < 15 °C) pour réduire la puissance des climatiseurs. Dans les régions à climat tempéré, le gain moyen de PUE passe de 1,6 à 1,3, soit une économie d’énergie de 20 %.
- Réutilisation de chaleur capturer la chaleur résiduelle des modules serveur pour alimenter un réseau de chauffage urbain ou des processus industriels. Le CUE diminue de 0,05 kg CO₂/kWh; le retour sur investissement se situe entre 2 et 4 ans.
- Optimisation charge/virtualisation consolider les workloads, réduire le nombre de serveurs physiques, et activer l’allocation dynamique de ressources. Cette action baisse simultanément PUE et WUE de 5 à 10 % avec un coût minimal (logiciel de gestion d’hyperviseur).
Le tableau ci-dessous résume l’ordre de mise en œuvre recommandé:
| Levier | Impact PUE | Impact CUE | CAPEX estimé |
|---|---|---|---|
| Free cooling | -0,3 | -0,02 kg/kWh | Moyen |
| Réutilisation de chaleur | -0,1 | -0,05 kg/kWh | Élevé |
| Virtualisation | -0,05 | -0,01 kg/kWh | Faible |
Modèle de tableau de bord ESG
Le tableau de bord doit offrir une vue agrégée des trois indicateurs et des leviers d’amélioration. Un modèle efficace comporte quatre blocs:
- Vue d’ensemble PUE, WUE, CUE moyens mensuels, avec seuils d’alerte.
- Analyse des sources répartition énergie par zone (IT, refroidissement, alimentation).
- Projets en cours statut du free cooling, capacité de récupération de chaleur, taux de virtualisation.
- KPIs ESG émissions totales CO₂, consommation d’eau, économies réalisées (%).
Chaque bloc se rafraîchit automatiquement grâce aux flux InfluxDB → Grafana. Les décideurs peuvent
