Centres de données et IA : l’optimisation mathématique pour choisir où les construire et comment les alimenter

Face à la croissance rapide des centres de données portée par l’intelligence artificielle, l’optimisation mathématique aide les décideurs à choisir où implanter ces sites et comment les alimenter en électricité sans déstabiliser le réseau. C’est la thèse défendue par Jerry Yurchisin, Senior Data Science Strategist chez l’éditeur de logiciels Gurobi, interrogé sur le sujet.

Pourquoi les centres de données mettent les territoires sous tension

Pour Jerry Yurchisin, la montée en puissance des centres de données ne se résume pas à trouver un terrain. Elle oblige les collectivités à arbitrer l’accès à l’électricité, à l’eau et à d’autres ressources rares, tout en tenant compte de règles qui varient d’un endroit à l’autre et d’habitants dont les attentes ne vont pas toujours dans le même sens.

Il insiste sur la portée de ces choix : une implantation décidée maintenant engage le territoire pour longtemps. Trois interrogations reviennent : quel emplacement retenir, comment sécuriser l’alimentation électrique sans affaiblir le réseau en place, et la production disponible suffira-t-elle à la fois pour ces nouveaux sites et pour la population locale ?

Un réseau électrique devenu incertain

L’expert constate que, dans de nombreuses régions, on ne peut plus tenir pour acquise la solidité du réseau. Cette incertitude pousse les entreprises à raisonner par scénarios plutôt que sur une simple photographie de la situation actuelle.

Comparer des sites sur leur résistance aux imprévus

L’optimisation sert alors à classer les emplacements possibles selon leur capacité à encaisser l’avenir : hausse de la demande, raccordements qui prennent du retard, saturation des lignes ou arrivée de nouvelles centrales. Autre avantage cité : la décision devient lisible, puisque le modèle montre quels critères ont fait pencher la balance vers un site plutôt qu’un autre.

Cette question du raccordement ne concerne pas que les grands projets. Un particulier qui veut produire sa propre électricité a lui aussi intérêt à connaître le potentiel de son terrain, par exemple avec notre carte solaire.

L’IA, une consommation difficile à prévoir

Selon Jerry Yurchisin, les traitements d’intelligence artificielle font varier la consommation bien plus fortement que les usages informatiques habituels. Planifier l’énergie nécessaire devient donc plus délicat.

Les exploitants doivent étudier toute une gamme de profils de consommation possibles. Les modèles mathématiques permettent de tester ces hypothèses et de retenir des solutions qui restent fiables et rentables même si les besoins évoluent.

Deux familles de modèles mises en avant

L’expert rappelle que ces outils existent depuis longtemps : on s’en sert déjà pour placer des équipements ou programmer la production des centrales. Ce qui change, d’après lui, c’est surtout le volume de décisions à prendre et le rythme imposé.

Les modèles de localisation

Appelés en anglais « Facility Location Problems », ils aident à décider où construire un centre de données ou ses équipements annexes. Ils combinent le prix du terrain, la proximité du réseau électrique, les ressources en eau, les limites de transport de l’électricité et les effets sur le voisinage.

Les modèles de planification de la production

Les « Unit Commitment Problems » servent à choisir quelles sources d’énergie solliciter, à quel moment ajouter des capacités et comment trouver l’équilibre entre fiabilité, coût, émissions et contraintes du réseau. C’est la même logique, à petite échelle, que celle d’un foyer qui associe panneaux et batterie solaire pour décaler sa consommation.

Vers un outil standard pour les exploitants

Jerry Yurchisin estime que la tendance est nette : avec l’accumulation des contraintes énergétiques, environnementales et locales, l’optimisation passe du statut d’atout à celui d’outil de décision à part entière.

Il imagine qu’elle deviendra, à terme, un équipement de base des centres de données, au même titre que les générateurs de secours, les alimentations sans interruption (UPS) ou les logiciels de suivi énergétique. Son intérêt serait de justifier clairement les choix d’implantation, d’agrandissement et de répartition des ressources, en intégrant leurs effets sur les habitants.

Pour situer ces enjeux, l’Agence internationale de l’énergie publie des analyses sur la consommation des centres de données, et RTE présente l’état et les perspectives du réseau électrique français.

Questions fréquentes

Qu’est-ce que l’optimisation mathématique appliquée aux centres de données ?

C’est l’usage de modèles de calcul pour comparer de nombreuses options, comme l’emplacement d’un site ou le choix des sources d’électricité, et retenir celle qui respecte au mieux un ensemble de contraintes : coût, fiabilité du réseau, eau, émissions et impact local.

Pourquoi l’IA complique-t-elle la planification énergétique ?

Parce que les calculs d’intelligence artificielle font varier la consommation électrique beaucoup plus que les usages informatiques classiques. Les exploitants doivent donc prévoir plusieurs scénarios de demande au lieu d’un seul.

Quels modèles sont utilisés pour choisir l’emplacement d’un centre de données ?

Les modèles de localisation, dits « Facility Location Problems », pèsent le prix du foncier, l’accès au réseau électrique, la disponibilité de l’eau, les limites de transport de l’électricité et les effets sur le territoire pour classer les sites possibles.