IA et électricité : pourquoi les data centers mettent les réseaux sous tension

Une intelligence artificielle ne se nourrit pas seulement de données. Pour apprendre à reconnaître des textes, des images ou des schémas, puis répondre à des millions d’utilisateurs, elle mobilise aussi des serveurs, des puces spécialisées, des équipements de refroidissement et, surtout, beaucoup d’électricité. À mesure que l’IA générative se diffuse, cette réalité physique devient un enjeu industriel, environnemental et politique.

Le terme « alimenter l’IA » recouvre donc deux impératifs étroitement liés. Il faut d’une part fournir des données suffisamment fiables, variées et bien documentées pour entraîner les modèles. Il faut d’autre part assurer une alimentation électrique continue aux centres de données qui effectuent les calculs. Or ces deux ressources, les données et l’énergie, ne sont ni illimitées ni également accessibles.

En janvier 2025, les investissements dans l’infrastructure numérique s’accélèrent. Mais construire davantage de capacité de calcul ne consiste pas à installer quelques serveurs dans un bâtiment. Cela suppose de raccorder des installations parfois gigantesques au réseau, de garantir leur refroidissement, de sécuriser leur approvisionnement énergétique et de répartir équitablement les coûts de ces nouveaux besoins.

Pourquoi l’IA fait-elle grimper la demande d’électricité ?

L’intelligence artificielle repose sur des opérations mathématiques répétées à très grande échelle. L’entraînement d’un modèle consiste à faire passer d’immenses quantités de données dans des processeurs afin d’ajuster progressivement ses paramètres. Une fois le modèle déployé, chaque requête envoyée par un utilisateur demande également des calculs, même si ceux-ci sont en principe bien moins lourds que la phase d’entraînement.

Les modèles d’IA ne sont pas seuls responsables de la hausse de consommation des centres de données. Ces sites hébergent aussi le stockage en ligne, le streaming, les services de messagerie, le commerce électronique et les logiciels utilisés par les organisations. Mais l’essor des usages d’IA ajoute une nouvelle demande, particulièrement intense en calcul, à un secteur déjà en forte croissance.

Aux États-Unis, les centres de données ont consommé environ 4 % de l’électricité totale en 2023, selon une estimation publiée fin 2024. Ce chiffre donne un ordre de grandeur du défi, mais il serait inexact de l’attribuer intégralement à l’IA. Il englobe l’ensemble des activités numériques réalisées dans ces infrastructures.

Un seul grand centre de données peut, dans certains cas, utiliser autant d’électricité qu’une ville d’environ 50 000 habitants. Cette comparaison reste illustrative, car les besoins d’une ville varient fortement selon son climat, son industrie et son habitat. Elle met néanmoins en évidence le changement d’échelle : l’arrivée d’un nouveau site peut transformer les besoins électriques d’un territoire.

Données de qualité : l’autre alimentation indispensable à l’IA

L’électricité fait fonctionner les machines, mais les données façonnent ce qu’elles apprennent. Un modèle ne comprend pas le monde comme un humain : il repère des régularités dans les contenus qui lui sont fournis. La qualité de ces contenus détermine donc largement la qualité, la pertinence et les limites de ses réponses.

Plusieurs critères comptent :

• la fiabilité des informations collectées ;
• leur diversité géographique, culturelle et linguistique ;
• leur adéquation avec la tâche visée ;
• la détection des erreurs, doublons et contenus trompeurs ;
• la documentation de leur origine et de leurs conditions d’utilisation.

Diversifier les sources peut contribuer à réduire certains biais, par exemple lorsqu’un ensemble de données représente mal une population, une langue ou une réalité sociale. Cela ne garantit pas automatiquement un système équitable. Les choix des concepteurs, les méthodes de nettoyage et d’annotation, ainsi que les conditions de déploiement du modèle comptent tout autant.

La question est également éthique et économique. Les acteurs qui possèdent de vastes corpus de données, des infrastructures de calcul et l’accès à une énergie abondante disposent d’un avantage considérable. Sans règles de transparence et sans attention aux droits des personnes concernées, l’accès inégal aux ressources nécessaires à l’IA risque d’accentuer des déséquilibres déjà existants.

Les principaux défis de l’alimentation des IA

Les besoins de données et d’énergie se croisent, mais ils ne se résument pas à une seule difficulté. Le tableau ci-dessous résume les principaux points de tension auxquels font face les entreprises, les collectivités et les opérateurs de réseau.

Les renouvelables peuvent-elles suffire ?

Google, Microsoft et d’autres grands groupes technologiques utilisent des accords d’achat d’électricité, souvent désignés par l’acronyme anglais PPA. Ces contrats de long terme permettent à une entreprise de s’engager à acheter la production d’un parc éolien ou solaire. Ils peuvent faciliter le financement de nouvelles installations renouvelables et contribuer à réduire l’empreinte carbone associée à ses activités.

Il faut toutefois distinguer un contrat d’achat de l’électricité physiquement consommée à chaque instant par un centre de données. Dans un réseau électrique, les électrons ne portent pas l’étiquette de l’entreprise qui les a achetés. Le site utilise le mélange d’électricité disponible localement, tandis que le contrat organise une relation économique avec un producteur.

Cette distinction est essentielle car les centres de données doivent fonctionner en continu. La production solaire varie avec l’ensoleillement et la production éolienne avec le vent. Elles ont besoin d’un réseau capable d’équilibrer l’offre et la demande, de moyens de stockage ou d’autres sources pilotables pour assurer la continuité du service.

La difficulté est aussi administrative. Les infrastructures de production et de transport prennent du temps à planifier et à construire. Les procédures de raccordement, les autorisations et les contraintes de réseau peuvent ralentir des projets pourtant jugés urgents par les entreprises du numérique.

Pourquoi le nucléaire revient-il dans les stratégies des géants technologiques ?

Face au besoin d’une électricité disponible en permanence, certains groupes explorent le nucléaire. Cette technologie peut fournir une production continue et sans émissions directes de dioxyde de carbone pendant son fonctionnement. Elle ne dispense pas pour autant de traiter les questions de sûreté, de coûts, de déchets, de délais de construction et d’acceptation publique.

En septembre 2024, Microsoft et Constellation Energy ont annoncé un accord visant à soutenir le redémarrage d’un réacteur sur le site de Three Mile Island, en Pennsylvanie. Le projet concerne l’unité 1, arrêtée en 2019, et non l’unité 2, connue pour l’accident nucléaire de 1979 et définitivement fermée. Constellation prévoit de remettre en service l’installation, renommée Crane Clean Energy Center, sous réserve des autorisations nécessaires.

Cet accord illustre une évolution importante : pour certains acheteurs industriels, le nucléaire existant ou relancé apparaît comme une réponse possible à la recherche d’une électricité stable. Il ne constitue pas une solution immédiate et universelle. Redémarrer une centrale suppose des investissements, des contrôles réglementaires et des travaux techniques significatifs.

Les petits réacteurs modulaires, souvent appelés SMR, sont également présentés comme une piste. Leur promesse repose sur des unités plus compactes et potentiellement plus standardisées que les grandes centrales. En janvier 2025, cette perspective reste toutefois soumise à des défis de conception, de financement, de réglementation et de déploiement industriel. L’idée d’une installation rapide et moins coûteuse ne doit pas être confondue avec une garantie.

Les centres de données, un enjeu pour les territoires

L’implantation d’un centre de données ne relève pas uniquement d’une décision privée. Elle engage le réseau local, les autorités chargées de planifier les infrastructures et les habitants. Lorsqu’un site très énergivore s’installe dans une zone donnée, il peut imposer de nouveaux investissements dans les lignes, les transformateurs ou la production électrique.

Une question centrale est celle de la répartition des coûts. Qui finance les équipements nécessaires au raccordement d’un grand consommateur ? Comment éviter que les investissements destinés à répondre à la demande des entreprises ne dégradent l’accès, la fiabilité ou le prix de l’électricité pour les ménages et les autres activités locales ? Les structures tarifaires et les décisions de planification deviennent donc des sujets de gouvernance.

L’empreinte environnementale dépasse par ailleurs la seule consommation électrique. Construire et renouveler les équipements suppose des matériaux, des bâtiments et des infrastructures. La pertinence environnementale d’un projet dépend ainsi de plusieurs facteurs : le volume de calcul demandé, l’efficacité des installations, l’origine de l’électricité et la durée de vie des matériels.

Réduire la consommation : puces, logiciels et refroidissement

Produire plus d’énergie ne suffira pas à régler le problème. Le levier le plus direct consiste aussi à réaliser un même travail avec moins d’électricité. Les fabricants de puces cherchent à augmenter le nombre d’opérations effectuées par watt consommé. Les concepteurs de modèles peuvent, eux, optimiser les algorithmes, limiter les calculs inutiles et choisir des architectures adaptées à chaque usage.

Le refroidissement est un autre gisement d’amélioration. Dans un centre de données, une part de l’énergie ne sert pas directement à calculer : elle alimente aussi les ventilateurs, pompes et équipements chargés de maintenir les serveurs à une température acceptable. Mieux organiser les flux d’air, rapprocher l’air froid des équipements qui en ont besoin et améliorer la conception des bâtiments peuvent réduire ces besoins annexes.

Les opérateurs suivent notamment un indicateur appelé PUE, pour « Power Usage Effectiveness ». Il compare l’électricité totale consommée par le site à celle utilisée directement par les équipements informatiques. Plus cet indicateur se rapproche de 1, moins les infrastructures annexes consomment d’énergie par rapport aux serveurs. Il ne résume toutefois pas, à lui seul, l’empreinte globale d’un centre de données.

Enfin, le calcul conscient du carbone cherche à déplacer certaines tâches informatiques vers les lieux ou les moments où l’électricité est moins carbonée. Il peut s’agir, par exemple, de reporter un traitement qui n’est pas urgent ou de le confier à une région disposant d’une production bas-carbone plus abondante. Cette méthode n’est pas applicable à tous les usages : une réponse instantanée à un utilisateur, une contrainte de confidentialité ou la localisation des données peuvent limiter les possibilités de déplacement.

Ce qu’il faut surveiller

La course à l’IA transforme l’électricité en facteur stratégique au même titre que les données et les puces. Dans les prochains mois, il faudra observer la capacité des réseaux à raccorder les nouveaux projets, le rythme réel de déploiement des productions renouvelables et des solutions nucléaires, ainsi que les efforts faits pour rendre les logiciels et les infrastructures moins gourmands.

La transparence sera tout aussi déterminante. Les entreprises devront mieux expliquer l’origine de leurs données, les besoins énergétiques de leurs installations et les progrès effectivement accomplis. Pour les pouvoirs publics, le défi consiste à accueillir l’innovation sans faire peser ses coûts sur les territoires les moins armés pour y répondre.

L’IA peut contribuer à optimiser des systèmes complexes, y compris énergétiques. Mais son développement responsable dépendra d’une question très concrète : avec quelles données, quelle électricité et quelles règles collectives souhaite-t-on alimenter ces machines ?