Centres de données d’IA : une demande d’électricité appelée à quadrupler d’ici 2030

L’intelligence artificielle ne se résume pas à une application sur un écran. Derrière chaque requête adressée à un assistant conversationnel, chaque image générée et chaque modèle entraîné se trouvent des milliers de serveurs regroupés dans des centres de données. Or ces infrastructures deviennent un enjeu énergétique à part entière : leur croissance est si rapide qu’elle oblige déjà producteurs d’électricité, gestionnaires de réseaux et pouvoirs publics à revoir leurs prévisions.

Dans son rapport publié en avril 2025, l’Agence internationale de l’énergie, l’AIE, anticipe une accélération spectaculaire. La consommation des centres de données optimisés pour l’intelligence artificielle devrait être multipliée par plus de quatre d’ici 2030. Ce chiffre ne signifie pas que tous les centres de données quadrupleront leur consommation au même rythme. Il désigne les installations spécialisées dans les charges de calcul liées à l’IA, particulièrement gourmandes en puissance informatique.

L’enjeu dépasse donc la seule question technique. Il porte sur la capacité des réseaux à acheminer l’électricité là où elle est demandée, sur le rythme de déploiement des sources bas carbone et, en dernier ressort, sur le bilan environnemental réel de l’essor de l’IA.

Ce que prévoit l’AIE pour les centres de données

Les centres de données font déjà fonctionner une partie invisible de l’économie numérique : stockage en ligne, vidéo, messageries, services bancaires, commerce électronique et calcul scientifique. L’IA ajoute une couche de besoins très spécifique. L’entraînement d’un grand modèle consiste à faire travailler simultanément un très grand nombre de puces de calcul pendant de longues périodes. Son utilisation par des millions de personnes, appelée inférence, nécessite ensuite de maintenir des capacités disponibles en permanence.

Selon l’AIE, la demande électrique totale des centres de données dans le monde pourrait passer d’environ 415 térawattheures, TWh, en 2024 à environ 945 TWh en 2030. Cela représente plus qu’un doublement. À l’intérieur de cet ensemble, les centres de données orientés vers l’IA progressent beaucoup plus vite, d’où la prévision d’un besoin multiplié par plus de quatre.

Un térawattheure correspond à un milliard de kilowattheures. Cette unité permet de mesurer l’électricité consommée sur une année à l’échelle d’un pays, d’un secteur industriel ou d’un parc de centres de données. Le chiffre de 945 TWh ne décrit donc pas la puissance instantanée appelée lors d’un pic, mais un volume annuel d’électricité.

Pourquoi l’IA demande-t-elle autant d’électricité ?

Les applications d’IA générative reposent sur des calculs massifs réalisés par des processeurs spécialisés. Pour produire un texte, analyser une image ou répondre à une question complexe, un modèle doit exécuter un grand nombre d’opérations mathématiques. Lors de l’entraînement, le volume de calcul est concentré sur une période donnée. Lors du déploiement, le défi change : il faut répondre rapidement à des utilisateurs très nombreux, parfois partout dans le monde.

Cette logique encourage la construction de centres de données de taille exceptionnelle. Regrouper des milliers, voire davantage, de puces au même endroit permet de les faire coopérer efficacement. Mais une telle concentration crée aussi un appel de puissance considérable sur le réseau local. L’AIE indique qu’un centre de données peut consommer autant d’électricité que 100 000 foyers. Certains des plus grands projets en construction pourraient avoir des besoins vingt fois supérieurs.

Le point sensible n’est pas seulement le total annuel consommé. C’est aussi le lieu et le moment de la consommation. Un réseau électrique doit être dimensionné pour répondre aux pointes de demande et pour raccorder de nouveaux clients industriels. Lorsqu’un projet de centre de données arrive dans une région où les lignes à haute tension, transformateurs ou capacités de production sont déjà proches de leurs limites, il peut nécessiter des investissements importants avant même sa mise en service.

L’efficacité énergétique des puces, des logiciels et du refroidissement reste donc décisive. Une amélioration de rendement peut réduire la quantité d’électricité nécessaire à une tâche donnée. Toutefois, elle ne garantit pas une baisse de la consommation totale : si les services deviennent moins coûteux et sont davantage utilisés, le volume global de calcul peut continuer d’augmenter. C’est l’un des paradoxes centraux de la course à l’IA.

Les États-Unis au premier plan de la pression sur les réseaux

La dynamique est particulièrement visible aux États-Unis, qui concentrent une part importante des investissements dans l’IA et des grandes infrastructures de calcul. D’après les projections de l’AIE, les centres de données américains devraient consommer, d’ici 2030, plus d’électricité que la fabrication de l’aluminium, de l’acier, du ciment et des produits chimiques réunis.

Cette comparaison donne la mesure du changement. Ces activités sont traditionnellement considérées comme parmi les plus électro-intensives de l’industrie. Voir les infrastructures numériques les dépasser ne signifie pas que l’industrie lourde disparaît, mais que le calcul devient lui aussi un déterminant majeur de la planification énergétique.

Les conséquences varient fortement d’un État ou d’une région à l’autre. Là où les centres de données se concentrent, les enjeux peuvent inclure :

• le délai de raccordement au réseau électrique ;
• le financement de nouvelles lignes et de nouveaux transformateurs ;
• l’accès à une production disponible à toute heure ;
• l’acceptabilité de nouvelles centrales ou infrastructures électriques ;
• la concurrence potentielle avec les besoins des ménages et des autres entreprises.

Les grands acteurs du numérique peuvent signer des contrats d’approvisionnement en électricité bas carbone ou financer de nouvelles capacités. Mais un contrat ne remplace pas, à lui seul, les câbles, les postes électriques et les moyens de flexibilité nécessaires pour acheminer physiquement l’énergie au bon endroit.

Les renouvelables peuvent-elles suivre le rythme ?

Le rapport de l’AIE ne conclut pas que l’essor des centres de données conduira mécaniquement à une hausse incontrôlée des émissions. Il souligne plutôt que l’issue dépendra des choix d’infrastructure et de politique énergétique. Les énergies renouvelables devraient couvrir près de la moitié de l’augmentation mondiale de la demande électrique des centres de données d’ici 2030.

C’est une contribution importante, mais elle ne couvre pas toute la croissance anticipée. Le solaire et l’éolien produisent selon les conditions météorologiques et l’heure de la journée. Pour alimenter un centre de données qui doit rester disponible en continu, il faut donc articuler plusieurs solutions : réseau électrique renforcé, stockage, gestion de la demande, autres capacités de production pilotables et, selon les pays, nucléaire ou centrales à gaz.

Le risque souligné par le débat énergétique est celui d’un recours prolongé à des centrales au gaz ou, dans certains cas, au charbon pour répondre rapidement à la nouvelle demande. Une telle trajectoire pèserait sur les objectifs climatiques. À l’inverse, des investissements suffisamment anticipés dans les renouvelables, les réseaux et le stockage peuvent faire des centres de données un moteur supplémentaire de l’électrification bas carbone.

L’IA peut-elle aussi aider à décarboner l’énergie ?

L’IA est à la fois une source de demande électrique et un outil possible pour mieux utiliser l’énergie disponible. C’est toute l’ambivalence mise en avant par l’AIE. Des algorithmes peuvent améliorer les prévisions de production solaire et éolienne, anticiper la consommation, détecter des anomalies sur un réseau ou aider à équilibrer plus finement offre et demande.

Les réseaux électriques ont longtemps été organisés autour de grandes centrales pilotables, dont la production pouvait être ajustée de manière centralisée. L’essor du solaire et de l’éolien décentralise et rend plus variable une partie de la production. Mieux prévoir ces variations permet de limiter les pertes, de mieux orienter les investissements et d’intégrer davantage d’électricité renouvelable sans dégrader la fiabilité du système.

L’IA pourrait aussi contribuer à améliorer l’efficacité de procédés industriels, à optimiser la maintenance d’équipements et à explorer des ressources minérales nécessaires aux technologies de l’énergie propre. Dans le secteur minier, par exemple, l’analyse de données géologiques peut aider à identifier des réserves de minerais critiques pour les équipements renouvelables.

Mais ces bénéfices ne sont pas automatiques. Ils dépendent de l’usage choisi, de la qualité des données, de l’énergie utilisée par les systèmes et de la comparaison avec des solutions plus simples. Une IA appliquée à une tâche peu utile ne compense pas sa propre consommation parce qu’elle est qualifiée d’innovante.

L’empreinte environnementale ne se limite pas à l’électricité

L’électricité reste le principal indicateur car elle conditionne directement les émissions associées, selon le mix énergétique local. Mais l’implantation de centres de données soulève aussi des questions liées au foncier, aux équipements matériels et à l’eau utilisée par certains systèmes de refroidissement.

Les serveurs dégagent de la chaleur. Cette chaleur doit être évacuée pour préserver leur fonctionnement et leur durée de vie. Certains sites utilisent des solutions de refroidissement qui peuvent mobiliser de l’eau, ce qui devient particulièrement sensible dans les territoires soumis au stress hydrique. D’autres privilégient des conceptions limitant cette dépendance. Les choix techniques, le climat local et les règles de gestion de l’eau influencent donc fortement l’impact d’un projet.

La localisation compte tout autant. Un centre de données implanté près d’une production électrique bas carbone et d’un réseau suffisamment robuste n’a pas les mêmes conséquences qu’un site raccordé dans une zone dépendante de combustibles fossiles ou souffrant déjà de contraintes d’approvisionnement. La taille des installations oblige ainsi à penser les projets avec les collectivités, et non comme de simples bâtiments informatiques isolés.

Des responsables politiques, dont Claude Turmes, ont alerté sur le fait que les effets négatifs de l’IA pourraient l’emporter largement sur ses bénéfices si son déploiement n’était pas encadré. L’avertissement vise moins l’IA en elle-même que l’absence de stratégie : sans transparence sur les besoins, sans planification des réseaux et sans exigences environnementales, la rapidité des investissements peut prendre le pas sur la cohérence énergétique.

Quels leviers pour les entreprises et les pouvoirs publics ?

Répondre à cette hausse de demande suppose de travailler sur plusieurs fronts simultanément. Les entreprises qui conçoivent ou exploitent des centres de données peuvent améliorer l’efficacité du matériel, choisir des implantations compatibles avec les capacités locales et adapter certaines tâches de calcul aux moments où l’électricité bas carbone est abondante.

Les pouvoirs publics ont, eux, un rôle de planification. Ils doivent évaluer les demandes de raccordement, accélérer lorsque cela est possible le déploiement des réseaux et fixer des règles de transparence. La publication d’informations sur la consommation électrique, l’origine de l’énergie, les besoins en eau ou les émissions associées peut éclairer les décisions publiques et locales.

La coopération est indispensable, car les bénéfices et les contraintes ne se situent pas au même endroit. Un centre de données peut fournir des emplois et des recettes fiscales à un territoire, tout en exigeant des investissements dans des infrastructures financées à une échelle plus large. Les arbitrages doivent donc être explicites : quelle capacité électrique réserver, quelles contreparties environnementales demander, et comment éviter de fragiliser la sécurité d’approvisionnement ?

Ce qu’il faut surveiller d’ici 2030

La prévision de l’AIE ne décrit pas un destin inévitable, mais l’ampleur d’un choix industriel et énergétique désormais urgent. La croissance des centres de données dédiés à l’IA sera observée à travers quelques indicateurs clés : le rythme réel de construction, l’efficacité des nouvelles puces, la disponibilité des réseaux, la part des renouvelables et le recours éventuel à des centrales fossiles pour combler les besoins.

Le sujet est également géographique. La consommation mondiale peut sembler abstraite, alors que les tensions se jouent à l’échelle d’un territoire, d’un poste électrique ou d’une ressource en eau. La question n’est donc plus seulement de savoir si l’IA a besoin d’énergie. Elle est de déterminer quelle énergie, où, à quel moment et avec quelles garanties pour les habitants, l’industrie et le climat.

L’IA pourrait participer à la modernisation des systèmes énergétiques, à condition que ses propres infrastructures soient intégrées à cette transformation. C’est ce qui fera la différence entre une nouvelle source de pression sur des réseaux déjà sollicités et un levier, parmi d’autres, pour accélérer une économie électrique plus efficace et moins carbonée.