Meta prépare des centres de calcul géants pour viser la superintelligence

Le prochain front de la course à l’intelligence artificielle ne se joue pas seulement dans les modèles ou les assistants conversationnels. Il se construit aussi dans des centres de calcul gigantesques, capables d’entraîner et de faire fonctionner des systèmes consommant une puissance informatique et électrique hors norme. C’est sur ce terrain que Meta entend accélérer très fortement.

Le 16 juillet 2025, Mark Zuckerberg a affirmé que son groupe prévoyait d’investir des centaines de milliards de dollars dans des infrastructures de calcul destinées à l’IA. L’objectif affiché est particulièrement ambitieux : disposer d’une capacité de calcul inégalée pour poursuivre le développement de ce que le dirigeant appelle une « superintelligence ».

Cette annonce ne correspond pas à la présentation d’un produit immédiatement disponible. Elle dessine plutôt une stratégie industrielle de long terme, fondée sur trois leviers : construire des réseaux de calcul toujours plus vastes, recruter des spécialistes de premier plan et sécuriser les données ainsi que les outils nécessaires à l’entraînement des modèles. Dans une industrie où OpenAI et Google ont pris une avance visible auprès du grand public, Meta veut changer d’échelle.

Des centaines de milliards pour quoi faire ?

Dans le vocabulaire des grands groupes technologiques, investir dans l’infrastructure d’IA signifie financer l’ensemble des équipements qui permettent aux modèles de fonctionner à très grande échelle. Cela recouvre notamment les puces de calcul, les serveurs, les réseaux très haut débit reliant les machines entre elles, les bâtiments qui les abritent, ainsi que les systèmes de refroidissement et l’alimentation électrique.

Les modèles d’IA générative exigent en effet deux phases très coûteuses. La première est l’entraînement : le système analyse d’immenses quantités de données afin d’ajuster ses paramètres. La seconde est l’inférence, c’est-à-dire le moment où il répond aux utilisateurs, génère une image, résume un document ou produit du code. Plus un modèle est sollicité par des millions ou des milliards de personnes, plus cette seconde phase devient elle aussi une charge industrielle considérable.

L’expression « centaines de milliards de dollars » donne la mesure de l’ambition, mais elle ne constitue pas à elle seule un budget annuel détaillé. Meta n’a pas, dans l’annonce évoquée, présenté de calendrier financier consolidé ni la répartition précise de ces sommes entre les bâtiments, le matériel, l’énergie, les partenariats ou les équipes de recherche. Le message est surtout stratégique : le groupe veut traiter la puissance de calcul comme une ressource décisive, au même titre que les talents et les données.

Prometheus et Hyperion, deux projets à l’échelle des réseaux électriques

Deux noms résument cette montée en puissance : Prometheus et Hyperion. Le premier réseau de calcul doit être opérationnel en 2026. Le second est conçu pour évoluer progressivement jusqu’à une capacité de 5 gigawatts.

Le gigawatt est une unité de puissance équivalant à un milliard de watts. Dans ce contexte, il ne faut pas comprendre qu’un centre de données « produit » cette énergie. Il s’agit de la puissance électrique qu’un ensemble d’infrastructures peut nécessiter lorsqu’il fonctionne. C’est un indicateur qui révèle le changement de dimension de l’IA : on ne parle plus seulement d’acheter des serveurs, mais de disposer d’une capacité énergétique comparable à celle mobilisée par de très grands équipements industriels.

À titre de comparaison, la puissance évoquée pour Hyperion pourrait correspondre, selon les habitudes de consommation considérées, à l’alimentation annuelle de 1 à 4 millions de foyers américains. Cette fourchette rappelle qu’une comparaison avec les ménages reste approximative : la consommation varie fortement selon les régions, les usages de chauffage ou de climatisation, et les périodes de l’année. Elle permet néanmoins de comprendre l’ordre de grandeur.

Construire de tels ensembles suppose également de résoudre des contraintes très concrètes. Les puces spécialisées dégagent beaucoup de chaleur, ce qui impose des systèmes de refroidissement performants. Les milliers de machines doivent échanger des données à très grande vitesse. Surtout, le raccordement au réseau électrique devient un facteur de calendrier, au même titre que la disponibilité des terrains, des composants et des compétences techniques.

Pourquoi Meta mise-t-il sur une « superintelligence » ?

La formule employée par Mark Zuckerberg est plus ambitieuse que celle d’IA générative, qui désigne des systèmes capables de produire du texte, des images, de l’audio ou du code à partir d’une consigne. Une superintelligence renvoie à l’idée d’une IA dont les capacités cognitives dépasseraient largement celles des humains dans de nombreux domaines. Ce n’est pas un standard technique établi, ni une technologie dont l’existence est aujourd’hui démontrée.

Cette notion est voisine, sans être exactement identique, de celle d’intelligence artificielle générale. L’IA générale désigne généralement un système hypothétique pouvant comprendre et accomplir un large éventail de tâches intellectuelles avec une capacité d’adaptation comparable ou supérieure à celle d’une personne. La superintelligence pousse cette projection plus loin, en imaginant des performances dépassant les aptitudes humaines, y compris dans la recherche scientifique ou l’invention.

Pour Meta, l’enjeu est aussi concurrentiel. OpenAI a installé ChatGPT comme référence mondiale des assistants d’IA générative. Google dispose de capacités de recherche, de produits grand public et d’une infrastructure de cloud considérable. Face à ces acteurs, Meta possède des atouts importants, notamment ses services utilisés à très grande échelle et sa famille de modèles Llama, mais doit démontrer qu’elle peut être au premier rang sur les modèles les plus performants.

L’investissement dans le calcul est donc une réponse à une réalité simple : dans l’IA de pointe, la qualité d’un modèle dépend certes des méthodes de recherche et des données, mais aussi de la quantité de calcul disponible. Une infrastructure plus vaste ne garantit pas automatiquement un meilleur système. Elle donne en revanche la possibilité de réaliser davantage d’expériences, d’entraîner des modèles plus grands et de servir davantage d’utilisateurs.

Scale AI et les recrutements, l’autre bataille de Meta

La puissance informatique ne suffit pas. Un modèle a besoin de données exploitables et d’équipes capables de le concevoir, de l’évaluer et de le rendre utile. C’est dans cette logique que Meta a investi plus de 14 milliards de dollars pour prendre 49 % de Scale AI.

Scale AI est spécialisée dans la préparation de données nécessaires à l’entraînement des modèles. Ce travail peut prendre différentes formes : organiser des données, les annoter, vérifier leur qualité ou produire des jeux d’évaluation. Ces opérations sont moins visibles que le lancement d’un assistant conversationnel, mais elles sont essentielles. Un système entraîné sur des données mal structurées, incomplètes ou mal évaluées peut afficher des résultats impressionnants tout en restant peu fiable sur des cas concrets.

Meta cherche également à attirer des profils rares. Le groupe a recruté plusieurs talents venus d’OpenAI, avec des primes substantielles évoquées dans le cadre de cette compétition. Dans un secteur où les chercheurs, ingénieurs en systèmes distribués et spécialistes de l’alignement des modèles sont très demandés, les salaires et les conditions proposées sont devenus un instrument stratégique.

La volonté de Mark Zuckerberg est de constituer une équipe dense en compétences et soutenue par une puissance de calcul très élevée. Ce choix traduit une vision intégrée : posséder ses infrastructures, renforcer ses capacités en données et recruter les personnes capables de transformer ces ressources en avancées scientifiques ou en produits.

Llama 4 rappelle que le calcul ne résout pas tout

La pression qui pèse sur Meta est d’autant plus forte que son dernier modèle, Llama 4, a été accueilli avec déception. Dans les évaluations évoquées autour de son lancement, il se positionne derrière ses concurrents directs sur les capacités de programmation. Son prédécesseur, Llama 3, est également resté mieux considéré sur l’interface texte mentionnée dans ces comparaisons.

Ces résultats doivent être lus avec prudence. Les benchmarks d’IA mesurent des performances sur des séries de tests définies : résolution de problèmes, rédaction, code, raisonnement ou compréhension de documents. Ils sont utiles pour comparer des modèles dans des conditions identiques, mais ils ne résument pas toutes les qualités d’un outil. L’expérience d’un utilisateur dépend aussi de la rapidité, du coût, de la fiabilité, de la capacité à respecter des consignes et de l’intégration dans un service.

Ils soulignent néanmoins une limite importante de la stratégie du « toujours plus grand ». Ajouter des puces et augmenter la taille des centres de données peut permettre d’explorer des modèles plus ambitieux, mais la progression dépend aussi des choix d’architecture, des méthodes d’entraînement, de la qualité des données et des mécanismes d’évaluation. Pour Meta, l’enjeu sera de prouver que l’ampleur de l’investissement se traduit par des gains concrets dans les modèles et les usages.

Une ambition qui pose aussi la question de l’énergie

L’objectif de 5 gigawatts pour Hyperion place immédiatement la consommation électrique au cœur du débat. Les centres de données d’IA ont besoin d’une alimentation stable, continue et abondante. Leur expansion peut donc accentuer la pression sur les réseaux, en particulier dans les zones où de nombreuses infrastructures numériques se concentrent déjà.

L’impact environnemental ne se limite pas à l’électricité consommée par les puces. Il inclut la construction des bâtiments, la fabrication des serveurs et les dispositifs de refroidissement. Selon les technologies employées et les conditions locales, le refroidissement peut aussi devenir un enjeu de gestion de l’eau. L’annonce de Meta met en avant la capacité de calcul visée, mais ne détaille pas, à ce stade, l’approvisionnement énergétique des projets Prometheus et Hyperion ni les mesures associées à leur empreinte environnementale.

Cette question dépasse Meta. L’ensemble des entreprises engagées dans la course aux modèles de pointe doit concilier deux impératifs : déployer rapidement des capacités de calcul et démontrer que cette croissance est compatible avec des réseaux électriques déjà très sollicités. Les solutions reposent potentiellement sur l’efficacité des puces, l’optimisation des logiciels, la localisation des sites et l’accès à une électricité bas carbone, mais leur mise en œuvre dépend de choix industriels précis.

Ce qu’il faudra surveiller d’ici 2026

Le premier test concret sera la mise en service annoncée de Prometheus en 2026. Sa capacité effective, sa fiabilité et son utilisation par les équipes de Meta permettront de mesurer l’écart entre l’ambition affichée et la réalité opérationnelle. La progression d’Hyperion vers les 5 gigawatts sera un indicateur encore plus significatif, car elle dépendra de l’exécution technique et des capacités électriques disponibles.

Il faudra aussi observer la prochaine génération de modèles de Meta. L’entreprise devra montrer que les infrastructures, les recrutements et le partenariat avec Scale AI débouchent sur des améliorations visibles : meilleures capacités de raisonnement, programmation plus robuste, qualité accrue des réponses et déploiement efficace à grande échelle.

Enfin, le discours sur la superintelligence devra être confronté à des éléments mesurables. Quels problèmes les modèles résolvent-ils réellement ? Avec quel niveau de fiabilité ? À quel coût énergétique et financier ? Et quelles garanties offrent-ils lorsqu’ils sont intégrés à des services utilisés par des milliards de personnes ? Les centaines de milliards annoncés illustrent la démesure de la compétition actuelle. Ils ne remplacent ni la preuve technologique, ni les réponses aux questions d’énergie, de sécurité et d’utilité sociale que cette course soulève.