IA et électricité : les États-Unis face au défi des data centers géants

Un centre de données consacré à l’intelligence artificielle n’est plus une simple salle remplie de serveurs. À mesure que les modèles apprennent sur davantage de données, répondent à des millions d’utilisateurs et produisent textes, images ou logiciels, ils mobilisent des grappes de puces, des systèmes de refroidissement et des infrastructures électriques de taille industrielle. Aux États-Unis, cette montée en puissance fait de l’énergie l’un des verrous les plus concrets de la course à l’IA.

Au 2 octobre 2025, les annonces de nouveaux campus informatiques se multiplient. Elles promettent des capacités de calcul sans précédent, mais posent une question très terrestre : le réseau américain peut-il fournir assez d’électricité, là où ces machines sont implantées, assez vite et avec une empreinte environnementale acceptable ? Le mot « pénurie » résume une inquiétude réelle, mais il mérite d’être précisé. Il ne s’agit pas nécessairement d’un pays entier plongé dans le noir, mais de tensions possibles sur certaines zones, certains raccordements et certaines heures de consommation.

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

L’IA générative consomme de l’électricité à deux moments distincts. Le premier est l’entraînement : des milliers, parfois des dizaines de milliers de processeurs spécialisés travaillent simultanément pour ajuster les paramètres d’un modèle. Cette étape est longue et particulièrement intensive. Le second est l’inférencement, c’est-à-dire l’usage quotidien du modèle lorsqu’il répond à une requête, génère une image ou analyse un document. Chaque interaction est moins énergivore qu’un entraînement complet, mais leur nombre peut devenir immense lorsque le service est déployé à grande échelle.

À ces calculs s’ajoute tout ce qui permet aux machines de fonctionner sans interruption : alimentation électrique secourue, réseau interne, stockage, ventilation et refroidissement. Une puce très performante transforme une grande part de l’électricité qu’elle reçoit en chaleur. Évacuer cette chaleur est donc une condition de fiabilité, et une nouvelle source de consommation.

Le chiffre de 25 % d’augmentation possible de la demande électrique américaine d’ici 2030, mis en avant dans le débat sur l’IA, donne l’ordre de grandeur des inquiétudes. Il ne faut toutefois pas le lire comme si chaque kilowattheure supplémentaire était exclusivement imputable à ChatGPT ou à un autre assistant. La croissance de la demande dépend aussi de l’électrification des transports, du chauffage, de l’industrie et de l’arrivée d’autres activités numériques. L’Agence internationale de l’énergie souligne néanmoins que les centres de données et le traitement informatique pourraient représenter une part considérable de la hausse de la demande américaine à l’horizon 2030.

Le terme « exponentiel » est souvent employé pour décrire cette dynamique. Il traduit surtout la vitesse des annonces et l’augmentation de l’échelle des projets. L’évolution réelle dépendra des usages, des gains d’efficacité des puces, du choix des modèles et de la capacité des opérateurs à construire les infrastructures prévues.

Des projets qui changent d’échelle

L’ampleur des investissements annoncés rend le défi particulièrement visible. En septembre 2025, Nvidia et OpenAI ont annoncé un partenariat pouvant atteindre 100 milliards de dollars pour déployer des systèmes de calcul Nvidia destinés à l’IA. La capacité visée, 10 gigawatts, donne une dimension physique à un montant qui pourrait autrement rester abstrait.

Le rapprochement avec « dix centrales nucléaires » doit être compris comme un ordre de grandeur. La puissance d’une centrale ou d’un réacteur varie selon sa conception, son âge et son taux de disponibilité. Mais la comparaison reste parlante : il ne s’agit plus de raccorder un immeuble de bureaux ou un entrepôt, mais des installations capables de peser à elles seules sur les choix de production et de transport d’électricité d’une région.

Le cas de Colossus, le supercalculateur construit à Memphis par xAI, la société d’Elon Musk, est tout aussi révélateur. Les données citées évoquent un besoin de 260 mégawatts. Même si ce niveau est très inférieur aux 10 gigawatts envisagés dans le partenariat Nvidia et OpenAI, il montre qu’un seul projet d’entraînement de modèles peut atteindre une puissance habituellement associée à des infrastructures industrielles majeures.

Ces capacités ne correspondent pas à une consommation uniforme et parfaitement prévisible. L’activité d’un centre de données varie selon les opérations lancées, la disponibilité des machines et la fréquentation des services. Pour le gestionnaire de réseau, cette variabilité ajoute une difficulté : il faut assurer une alimentation stable malgré des appels de puissance très élevés.

Le réseau électrique peut-il suivre le rythme ?

Produire davantage d’électricité ne suffit pas. Il faut également disposer de lignes à haute tension, de transformateurs, de postes électriques et de raccordements capables de livrer cette puissance au bon endroit. Or ces équipements prennent souvent plusieurs années à planifier, autoriser et construire. Les délais de raccordement peuvent ainsi devenir aussi déterminants que la disponibilité d’une centrale.

C’est pourquoi le risque ne se présente pas partout de la même façon. Un État ou une région peut disposer d’une production suffisante sur le papier, tout en manquant de lignes pour alimenter un nouveau campus numérique. À l’inverse, une zone dotée d’éolien ou de solaire abondants peut être limitée par l’intermittence de ces productions, si le stockage et les interconnexions ne progressent pas au même rythme.

Parler de pénurie d’électricité recouvre donc plusieurs situations :

• une capacité de production insuffisante lors des pics de consommation ;
• un réseau local saturé autour d’un nouveau centre de données ;
• des raccordements retardés faute d’équipements ou d’autorisations ;
• un recours accru à des centrales fossiles pour garantir une puissance disponible à tout instant.

La dernière hypothèse est particulièrement sensible. Dans les régions où la centrale appelée en renfort fonctionne au gaz, au charbon ou au fioul, une hausse de la demande informatique peut entraîner davantage d’émissions. L’impact climatique de l’IA ne dépend donc pas seulement du nombre de requêtes envoyées à un modèle, mais aussi du mix électrique local et de l’heure à laquelle le calcul est effectué.

Quelles réponses face à la faim d’énergie des data centers ?

Plusieurs stratégies sont envisagées, et aucune ne peut suffire seule. La première consiste à construire de nouvelles capacités de production. Chevron envisage ainsi de fournir de l’électricité spécifiquement pour les centres de données en expansion. Cette orientation illustre une évolution importante : les entreprises énergétiques voient les infrastructures d’IA comme une nouvelle catégorie de clients industriels, susceptible de justifier des projets dédiés.

La deuxième piste est l’accélération des énergies renouvelables, notamment le solaire. L’idée est simple : la quantité d’énergie solaire reçue par la Terre est immense, très supérieure aux besoins annuels de l’humanité. Mais transformer ce potentiel en alimentation fiable pour des data centers réclame des panneaux, du foncier, des lignes, des batteries et une capacité à équilibrer le réseau lorsque le soleil ne brille pas.

Le nucléaire est également au cœur des discussions. Sa production pilotable et bas carbone peut correspondre au besoin d’une alimentation continue. La multiplication de la capacité nucléaire mondiale est régulièrement présentée comme une réponse possible à la demande croissante de calcul. Là encore, le calendrier compte : concevoir et construire de nouvelles installations est un processus long, alors que les besoins des entreprises technologiques se matérialisent beaucoup plus vite.

La troisième piste se situe dans les centres de données eux-mêmes. Des puces plus efficaces, des modèles mieux optimisés, des algorithmes plus sobres et des méthodes de refroidissement améliorées peuvent réduire l’électricité nécessaire pour une même tâche. L’efficacité ne résout pas automatiquement le problème : un service devenu moins coûteux à utiliser peut attirer davantage d’utilisateurs. Mais elle reste indispensable pour éviter que la croissance des usages ne se traduise mécaniquement par une croissance identique de la consommation.

L’eau, l’autre ressource sous pression

L’électricité n’est pas le seul sujet environnemental. Refroidir les équipements peut mobiliser de l’eau, directement sur le site ou indirectement via la production d’électricité. L’importance de cet enjeu varie selon la technologie de refroidissement, le climat local et la ressource énergétique utilisée.

Il faut aussi distinguer les prélèvements d’eau de la consommation d’eau. Une installation peut prélever de l’eau puis en restituer une partie, ou en évaporer une autre. Cette différence est essentielle dans les régions frappées par le stress hydrique. Lorsqu’un opérateur prévoit d’implanter un pôle d’IA à proximité de nouveaux réservoirs ou dans une zone où l’eau est disputée, la question devient locale et politique : quelle quantité sera disponible pour les habitants, l’agriculture, l’industrie et les écosystèmes ?

Les choix d’implantation devraient donc intégrer l’accès à une électricité décarbonée, la robustesse du réseau et la disponibilité de l’eau. Installer un data center là où l’énergie est abondante mais où l’eau manque peut seulement déplacer le problème.

Une question de planification et de régulation

La réponse ne repose pas uniquement sur les groupes technologiques. Les autorités publiques, les opérateurs de réseau et les collectivités doivent disposer d’informations fiables sur la puissance demandée, le calendrier des projets et les engagements de flexibilité des futurs sites. Une planification plus transparente permettrait d’éviter qu’un raccordement massif ne soit découvert trop tard, après les annonces immobilières et les investissements.

La régulation peut aussi encourager les data centers à réduire leur consommation lors des pointes, lorsque le réseau est le plus sollicité. Ces mécanismes supposent toutefois que certaines tâches puissent être décalées sans dégrader un service essentiel. L’entraînement de modèles est souvent plus flexible qu’un assistant utilisé en temps réel par le public, mais chaque entreprise doit évaluer ses propres contraintes.

Le contexte géopolitique ajoute une couche d’incertitude. Les conflits, dont celui opposant Israël et le Hamas, peuvent affecter les marchés de l’énergie, les chaînes d’approvisionnement et le coût de certains équipements. Ils ne provoquent pas mécaniquement une pénurie d’électricité aux États-Unis, mais ils rappellent que les infrastructures numériques restent dépendantes de ressources physiques, de composants industriels et de marchés mondiaux.

Ce qu’il faut surveiller d’ici 2030

La trajectoire énergétique de l’IA américaine dépendra moins d’une promesse isolée que de plusieurs indicateurs concrets. Le premier est le nombre de gigawatts effectivement raccordés, et non seulement annoncés. Les projets de data centers sont souvent présentés très tôt, alors que leur mise en service dépend des permis, des transformateurs, des puces et des contrats d’électricité.

Le deuxième est la nature des contrats énergétiques. Un engagement d’achat d’électricité renouvelable peut soutenir de nouveaux projets solaires ou éoliens, mais il ne garantit pas à lui seul une alimentation propre à chaque heure. Il faut regarder la localisation de la production, la disponibilité du stockage et le recours éventuel à des centrales de secours.

Le troisième est l’efficacité du calcul. À mesure que les modèles deviennent plus puissants, les entreprises devront démontrer que les gains de capacité ne se traduisent pas uniquement par des besoins toujours plus élevés. Des modèles plus petits, des usages mieux ciblés et des centres de données capables d’adapter leur charge au réseau peuvent limiter la pression sans renoncer aux bénéfices de l’IA.

Enfin, le débat devra rester ancré dans les réalités locales. Une stratégie crédible ne consiste pas seulement à additionner des gigawatts au niveau national. Elle doit répondre à une question plus précise : où produire l’électricité, comment l’acheminer, avec quelle eau, à quel coût et au bénéfice de quels usages ? C’est à cette condition que l’essor de l’IA pourra éviter de transformer une ambition technologique en fragilité énergétique.