IA en 2025 : les infrastructures au cœur du virage économique

À l’aube de 2025, la compétition autour de l’intelligence artificielle ne porte plus seulement sur la qualité d’un modèle ou l’originalité d’un assistant conversationnel. Elle se déplace vers ce qui permet de faire fonctionner ces outils au quotidien : des puces capables de calculer rapidement, des logiciels qui répartissent les tâches, des données exploitables, des centres de données adaptés et des équipes en mesure de les déployer.

Cette évolution explique l’ampleur des investissements attendus. L’IA générative a rendu visibles les possibilités de création de texte, d’image ou de code, mais son passage à grande échelle pose une question beaucoup plus concrète : comment délivrer des réponses fiables et rapides à un grand nombre d’utilisateurs, sans faire exploser les coûts ni la consommation d’énergie ? En 2025, l’infrastructure pourrait ainsi devenir aussi stratégique que les modèles eux-mêmes.

Des dépenses mondiales appelées à accélérer

Le cabinet IDC prévoit 307 milliards de dollars de dépenses mondiales en solutions d’intelligence artificielle en 2025. Cette somme couvre l’ensemble des outils, logiciels, matériels et services destinés à intégrer l’IA dans les organisations. La trajectoire annoncée reste très rapide : IDC estime ces dépenses à 632 milliards de dollars en 2028.

Ces montants ne doivent pas être confondus avec le seul marché des assistants conversationnels. Ils renvoient à un ensemble bien plus vaste : capacités de calcul, stockage, cybersécurité, plateformes de données, intégration dans les outils métiers et accompagnement des entreprises. L’IA est donc aussi un marché d’infrastructures, souvent invisible pour le grand public, mais déterminant pour la diffusion des usages.

L’estimation d’un impact économique cumulé de près de 19 900 milliards de dollars d’ici 2030, soit 3,5 % du PIB mondial, illustre l’ampleur des attentes. Il ne s’agit pas d’une somme que les entreprises dépenseraient en une année, ni d’un gain garanti pour chacune d’elles. Cette projection traduit plutôt l’idée que l’IA pourrait transformer la productivité, les processus de décision et l’organisation de nombreux secteurs.

Pourquoi l’inférence devient le vrai défi opérationnel

Lorsqu’un modèle est entraîné, il apprend à partir d’un très grand volume de données et ajuste ses paramètres. Mais une fois cette phase terminée, il faut encore l’utiliser. C’est le rôle de l’inférence : le modèle reçoit une requête, l’interprète et produit une réponse, une prédiction ou un contenu.

Cette distinction est essentielle. Pour une entreprise qui met un assistant d’IA à la disposition de milliers de salariés ou de clients, l’inférence intervient à chaque demande. Une réponse trop lente, trop coûteuse ou indisponible dégrade immédiatement l’expérience et limite le nombre d’usages envisageables. Avec l’IA générative, l’inférence ne se réduit plus à classer une image ou à reconnaître une commande : elle peut générer des contenus complexes, analyser des documents ou construire une réponse à partir de multiples informations.

Les progrès attendus reposent à la fois sur le matériel et sur le logiciel. Des composants plus performants, de meilleurs mécanismes d’optimisation et une gestion plus fine des charges de travail doivent permettre d’améliorer les performances. L’objectif est également de réduire le coût total de possession, qui additionne notamment l’achat, l’exploitation et la maintenance des systèmes. La publication d’origine envisage une baisse potentielle pouvant aller jusqu’à un facteur de cinq, une perspective qui dépendra toutefois des technologies retenues et des conditions de déploiement.

L’IA agentique impose des réponses quasi instantanées

L’une des tendances structurantes de 2025 est l’essor annoncé de l’IA agentique. Cette expression désigne des systèmes capables d’enchaîner plusieurs étapes pour accomplir une tâche : comprendre une demande, rechercher des informations, utiliser un outil, solliciter éventuellement d’autres modèles, puis proposer une action ou une réponse.

Un tel système ne se limite donc pas à générer quelques phrases. Dans un contexte professionnel, il peut être appelé à naviguer entre différents logiciels, bases de données et règles internes. Cette organisation suppose de coordonner plusieurs composants et de conserver une bonne réactivité. Or, plus le parcours est complexe, plus les risques de latence, de surcoût ou d’erreur augmentent.

Pour les responsables informatiques, l’enjeu consiste à construire une infrastructure de calcul accélérée et évolutive. Elle doit pouvoir absorber des pics de demandes, répartir les calculs entre plusieurs systèmes et fournir des résultats dans des délais compatibles avec une prise de décision en temps réel. La rapidité ne sera pas le seul critère : une IA qui agit dans des processus métiers devra aussi être encadrée, contrôlée et connectée à des données fiables.

Les « IA factories », de la donnée à la décision

Le développement des « IA factories », ou usines d’intelligence artificielle, répond à la même logique industrielle. Le terme ne désigne pas nécessairement une usine au sens traditionnel. Il décrit une organisation technique qui transforme des données brutes en résultats exploitables : prévisions, recommandations, automatisations ou analyses destinées aux métiers.

Dans ce modèle, les données constituent la matière première. Elles sont collectées, préparées, traitées par des infrastructures de calcul, puis exploitées par des modèles. Le résultat doit ensuite pouvoir être utilisé par un service commercial, logistique, financier ou de relation client. Toute la difficulté réside dans cette chaîne complète : un modèle performant ne suffit pas si les données sont incomplètes, mal gouvernées ou difficiles à relier aux outils de l’entreprise.

En 2025, ces infrastructures pourraient notamment servir à anticiper le comportement des consommateurs, optimiser les chaînes d’approvisionnement ou simuler des mouvements sur les marchés financiers. Pour les entreprises, l’avantage concurrentiel ne viendra donc pas seulement de l’accès à l’IA. Il dépendra de la capacité à mettre cette technologie au service de décisions concrètes, avec des indicateurs précis pour vérifier son utilité.

Cette approche exige aussi de la prudence. Une prédiction n’est pas une certitude, et l’automatisation d’une décision peut reproduire des biais présents dans les données. La promesse des IA factories est d’accélérer l’exploitation de l’information, pas de supprimer la responsabilité humaine dans les décisions sensibles.

Centres de données : le refroidissement liquide gagne du terrain

La montée en puissance de l’IA a une conséquence très physique : les calculs dégagent de la chaleur. Les charges de travail associées aux grands modèles, et plus largement à l’inférence à forte demande, sollicitent fortement les équipements installés dans les centres de données. Le refroidissement devient alors un sujet de performance, de fiabilité et de consommation énergétique.

Les grands fournisseurs de cloud et les entreprises les plus avancées explorent ainsi le refroidissement liquide pour leurs nouvelles installations dédiées à l’IA. Contrairement au refroidissement par air, cette technique utilise un liquide pour évacuer la chaleur des équipements. Elle répond aux besoins de systèmes de calcul particulièrement denses, là où les solutions traditionnelles peuvent atteindre leurs limites.

Le déploiement de ces centres de données représente un investissement lourd. C’est pourquoi la colocation, qui consiste à héberger ses équipements dans des installations exploitées par un prestataire spécialisé, devrait aussi se développer. Elle peut permettre à une entreprise de s’appuyer sur une infrastructure adaptée sans assumer seule la conception et l’exploitation d’un site complet.

La question énergétique restera centrale. La course à l’IA ne se résume pas à installer davantage de machines : elle oblige à concilier puissance de calcul, coûts d’exploitation et efficacité des installations. En 2025, la qualité de l’infrastructure pourrait devenir un facteur de différenciation aussi important que le choix d’un modèle.

IA et informatique quantique : une convergence encore technique

L’informatique quantique nourrit de grandes attentes, car elle vise à traiter certains problèmes d’une manière différente de l’informatique classique. Mais la technologie reste confrontée à une difficulté majeure : les erreurs liées aux qubits, les unités de calcul quantique. Ces systèmes sont sensibles aux perturbations, ce qui rend nécessaire le développement de techniques de correction d’erreurs.

En 2025, l’attention devrait se concentrer sur l’implémentation de ces mécanismes, qui réclament des calculs rapides et une faible latence. L’IA pourrait jouer un rôle dans la gestion de systèmes quantiques complexes, notamment pour optimiser leur fonctionnement global et traiter les informations nécessaires à la correction des erreurs.

Il faut néanmoins distinguer cette convergence technique d’une transformation immédiate de tous les usages de l’IA. Les travaux évoqués concernent d’abord la fiabilité et le pilotage des systèmes quantiques. Le principal enjeu, à ce stade, est de progresser vers des machines capables d’effectuer des calculs utiles malgré les erreurs qui affectent les qubits.

Ce qu’il faut surveiller en 2025

Pour les entreprises, l’année 2025 devrait être moins celle d’une adoption uniforme que celle des choix structurants. Les organisations devront arbitrer entre développement interne et recours à des fournisseurs, entre déploiements rapides et exigences de sécurité, entre expérimentation et industrialisation.

Cinq questions permettront d’évaluer la solidité d’un projet d’IA :

• Les données utilisées sont-elles suffisamment fiables, protégées et pertinentes pour le besoin visé ?
• Le coût de l’inférence reste-t-il compatible avec le nombre d’utilisateurs et la fréquence des requêtes ?
• L’infrastructure peut-elle évoluer si l’usage augmente rapidement ?
• Les équipes disposent-elles des compétences nécessaires pour contrôler, intégrer et maintenir les outils ?
• Les résultats produits améliorent-ils réellement une décision, un service ou une opération mesurable ?

L’IA de 2025 devrait ainsi se jouer sur un terrain moins spectaculaire, mais décisif : la capacité à faire passer des démonstrations prometteuses à des services robustes, rapides et soutenables. Les acteurs qui réussiront cette transition disposeront d’un avantage stratégique, à condition de ne pas confondre vitesse de déploiement et création durable de valeur.