IA et énergie : pourquoi la course aux watts devient le nouveau défi des géants du numérique

L’intelligence artificielle, une infrastructure lourde et gourmande

L’intelligence artificielle est souvent présentée comme une révolution purement logicielle. Pourtant, derrière chaque requête adressée à un modèle de langage ou chaque image générée par une IA se cache une infrastructure physique colossale : des data centers, des réseaux électriques, des systèmes de refroidissement, des câbles et des transformateurs. Cette matérialité a un coût énergétique, hydrique et foncier dont l’ampleur est encore mal mesurée.

Selon le dernier rapport de l’Agence internationale de l’énergie (AIE), la consommation d’électricité des data centers pourrait doubler d’ici 2026 pour atteindre plus de 1 000 TWh, soit l’équivalent de la consommation totale du Japon. Ce bond est largement tiré par l’explosion des usages liés à l’IA générative et à l’apprentissage automatique.

Dans ce contexte, la formule est devenue un lieu commun stratégique : la course à l’intelligence artificielle n’est plus seulement une course aux puces, mais une course aux watts. L’accès à l’électricité bon marché et abondante devient un facteur de compétitivité aussi crucial que la puissance de calcul.

Le goulot d’étranglement électrique : des puces inutilisables faute de courant

Un exemple souvent cité illustre parfaitement ce basculement. Satya Nadella, PDG de Microsoft, aurait confié disposer de puces Nvidia haut de gamme qu’il ne pouvait pas brancher, tout simplement parce que l’électricité nécessaire à leur fonctionnement n’était pas disponible sur site. L’anecdote est révélatrice : le facteur limitant n’est plus seulement le silicium ou la capacité de production des semi-conducteurs, mais bien le cuivre des câbles, les transformateurs électriques et les mégawatts disponibles dans les zones d’implantation.

Aux États-Unis, cette tension atteint un niveau critique. La production électrique du pays stagne depuis le début des années 2010 pendant que la demande explose sous l’effet de l’électrification des transports, de la réindustrialisation des semi-conducteurs et des besoins massifs de l’IA. Les opérateurs de réseaux, comme PJM Interconnection, alertent sur des délais d’attente de plusieurs années pour raccorder de nouveaux data centers au réseau haute tension.

Les stratégies des géants de la tech face à la pénurie d’électricité

Face à ce constat, les grandes entreprises technologiques multiplient les initiatives pour sécuriser leur approvisionnement électrique. Microsoft a signé un contrat record pour le redémarrage d’une unité de la centrale nucléaire de Three Mile Island, fermée depuis 2019. Amazon et Google misent sur des parcs solaires et éoliens couplés à des batteries de grande taille, tandis qu’Apple explore la piste des petits réacteurs nucléaires modulaires (SMR).

Ces décisions spectaculaires ne sont pas sans conséquences. Aux États-Unis, plusieurs centrales à charbon ont vu leur fermeture repoussée pour répondre à la demande des data centers. En Europe, des projets de gaz naturel et de biomasse sont relancés. Le débat sur le nucléaire est ravivé, non pas pour des raisons climatiques, mais pour des raisons de compétitivité énergétique de l’IA. L’enjeu n’est plus simplement de produire de l’énergie décarbonée, mais de la produire immédiatement et de manière pilotable.

Pour approfondir ce sujet, la page de l’AIE sur l’électricité propose des données actualisées sur la demande mondiale.

Chine vs Occident : deux modèles de planification énergétique de l’IA

La Chine a adopté une approche radicalement différente de celle des pays occidentaux. Pékin a intégré dès 2020 la question énergétique dans sa stratégie nationale d’intelligence artificielle. Le gouvernement chinois planifie l’implantation des data centers en fonction de la disponibilité des ressources : les régions de l’ouest, riches en hydroélectricité et en solaire, accueillent les centres de calcul non critiques, tandis que les régions côtières concentrent les infrastructures à faible latence.

Cette planification territoriale s’accompagne d’un investissement massif dans les réseaux électriques haute tension et dans le stockage d’énergie. En parallèle, la Chine continue de construire des centrales à charbon pour garantir une base pilotable, tout en développant le nucléaire et les énergies renouvelables. Résultat : les géants chinois du cloud, comme Alibaba Cloud ou Huawei Cloud, bénéficient d’un accès à l’électricité à des tarifs compétitifs, ce qui leur permet d’offrir des prix inférieurs à ceux des fournisseurs occidentaux.

À l’opposé, les États-Unis et l’Europe découvrent souvent en temps réel que l’IA est avant tout une infrastructure énergétique. Les délais de raccordement, la saturation des réseaux et la volatilité des prix de l’électricité freinent les projets d’expansion des data centers. Un rapport de McKinsey estime que d’ici 2030, la demande d’électricité des data centers aux États-Unis pourrait absorber jusqu’à 9 % de la production totale du pays, contre 4 % aujourd’hui.

L’eau, deuxième mur invisible de l’intelligence artificielle

L’électricité n’est pas la seule ressource sous pression. L’eau est un enjeu tout aussi critique. Les data centers consomment de l’eau pour le refroidissement de leurs équipements – soit en circuit ouvert (par évaporation), soit en circuit fermé avec tours de refroidissement. En moyenne, un data center de grande taille peut consommer entre 1 et 4 millions de litres d’eau par jour.

Cette consommation indirecte est amplifiée par la production d’électricité nécessaire au fonctionnement des serveurs. Une centrale thermique ou nucléaire rejette de la chaleur dans l’environnement, ce qui peut nécessiter des prélèvements d’eau importants. De plus, la fabrication des puces électroniques est extrêmement gourmande en eau ultra-pure. Un wafer de 300 mm destiné à la production de processeurs pour l’IA peut nécessiter jusqu’à 10 000 litres d’eau.

Les tensions sont déjà visibles. Au Mexique, des projets de data centers d’Amazon et de Google ont été critiqués pour leur impact sur les ressources en eau locales. À Taïwan, en 2021, la pire sécheresse depuis plus d’un siècle a contraint le gouvernement à arbitrer l’eau entre l’agriculture et l’industrie des semi-conducteurs, au détriment des agriculteurs. L’IA met donc en concurrence des ressources rares avec d’autres usages sociaux et économiques.

Pour en savoir plus sur l’impact hydrique du numérique, l’article de Nature sur l’eau et l’IA fournit des données récentes.

L’empreinte foncière et les conflits d’usage

Au-delà de l’énergie et de l’eau, l’IA occupe de vastes surfaces. Un data center hyperscale (de plusieurs centaines de MW) peut s’étendre sur 50 à 100 hectares. Les projets de parcs de batteries, de centrales solaires ou de lignes haute tension destinés à les alimenter grignotent également des terres agricoles ou naturelles. Dans plusieurs régions du monde, des conflits fonciers éclatent entre les promoteurs de data centers, les agriculteurs et les collectivités locales.

En France, le projet de data center d’Equinix à Saint-Denis a suscité des controverses sur l’utilisation du foncier en zone urbanisée. Aux Pays-Bas, un moratoire a été imposé pendant deux ans pour limiter l’implantation de nouveaux centres de données en raison de leur pression sur le réseau électrique et sur l’espace. L’IA a un coût territorial qui dépasse largement le cadre numérique.

Vers une nécessaire planification intégrée

L’essor de l’intelligence artificielle confronte les sociétés à un défi inédit : comment concilier la croissance exponentielle des besoins de calcul avec la disponibilité finie des ressources naturelles et des infrastructures électriques ? Les réponses ne peuvent être uniquement techniques. Elles impliquent une planification intégrée associant les acteurs de l’énergie, des télécommunications, de l’aménagement du territoire et de la régulation.

Les pistes existent : amélioration de l’efficacité énergétique des processeurs (les nouvelles puces Nvidia Blackwell réduisent la consommation par opération), adoption de systèmes de refroidissement liquide direct, délocalisation des traitements non critiques vers des régions à fort potentiel renouvelable, ou encore mutualisation des infrastructures entre plusieurs acteurs. Mais ces solutions ne suffiront pas sans une prise de conscience politique et industrielle de la nature profondément matérielle de l’IA.

Comme le souligne le podcast original de Tecsol-Quotidien, l’intelligence artificielle est une « méga machine » qui repose sur des ressources finies. La reconnaître comme telle est la première étape pour en maîtriser l’impact. La course aux watts ne fait que commencer.

Pour approfondir, la publication de l’Université Columbia sur l’IA et le système électrique offre une analyse détaillée des enjeux de réseau.

Aurélien CHAPUIS

Aurélien Chapuis est diplômé du Master Management et Gestion de l’Énergie de l’ESCP Business School. Expert en stratégie photovoltaïque et business developer pour PV Solaire Énergie depuis 2019, il accompagne les professionnels du secteur dans leur croissance et vulgarise les enjeux de la transition énergétique pour le grand public.

Découvrez le parcours professionnel d’Aurélien Chapuis.