L’intelligence artificielle ne se nourrit pas que de données — elle dévore aussi de l’énergie. Derrière chaque modèle de langage, chaque image générée ou assistant numérique, des milliers de serveurs tournent jour et nuit, engloutissant des mégawatts d’électricité. Ces centres de données, longtemps invisibles, sont devenus le cœur énergétique du monde numérique. Et ce cœur bat de plus en plus vite.
Une consommation qui s’emballe
Les chiffres sont vertigineux. Selon l’Agence internationale de l’énergie, les data centers pourraient doubler leur consommation d’électricité d’ici 2030, principalement sous l’effet de la montée en puissance de l’IA générative. Aux États-Unis, ils absorbent déjà près de 4,4 % de l’électricité nationale. Google, de son côté, a vu ses besoins énergétiques passer de 14,4 à plus de 30 millions de MWh en l’espace de quatre ans — soit plus du double en une seule décennie d’activité.
Ce n’est pas une anomalie statistique. C’est le reflet d’une réalité structurelle : entraîner un grand modèle de langage mobilise des milliers de GPU pendant des semaines entières, avec une consommation continue et prévisible qui ne ressemble à rien de ce que les réseaux électriques avaient eu à gérer jusqu’ici.
Des infrastructures sous pression
Les modèles d’IA reposent sur des processeurs graphiques et des unités de traitement tensoriel extrêmement énergivores. Leur refroidissement exige des systèmes liquides sophistiqués, parfois alimentés par des milliers de litres d’eau quotidiennement. La chaleur dégagée est telle que certaines installations expérimentent aujourd’hui le refroidissement par immersion totale des serveurs dans des liquides diélectriques — une technologie qui relevait encore de la science-fiction il y a dix ans.
La pression sur les territoires est réelle. L’Irlande et les Pays-Bas ont déjà imposé des moratoires sur l’installation de nouveaux data centers dans certaines zones, faute de capacité électrique suffisante. Ce qui semblait être un problème lointain frappe désormais des pays européens au cœur de leur politique énergétique.
Des promesses vertes face à une demande qui s’accélère
Les géants du numérique ne restent pas sans réponse. Microsoft, Amazon et Google multiplient les engagements : neutralité carbone d’ici 2030, contrats d’approvisionnement en énergie renouvelable sur vingt ans, projets de refroidissement passif, construction de data centers à proximité de sources hydrauliques ou éoliennes. Ces initiatives sont réelles, et certaines sont déjà en production.
Mais la réalité reste contrastée. La demande en énergie croît plus vite que les progrès d’efficacité. Pour chaque avancée dans la réduction de la consommation par requête, le nombre de requêtes augmente exponentiellement. C’est ce que les économistes appellent l’effet rebond — et il s’applique ici avec une brutalité particulière.
Vers une IA économe, ou une planète contrainte
La question de fond est simple, même si la réponse ne l’est pas. Peut-on continuer à entraîner des modèles toujours plus puissants sans faire exploser la facture écologique ? Plusieurs pistes émergent : des architectures plus légères capables d’apprendre avec moins de données, des modèles spécialisés plutôt que généralistes, des méthodes d’entraînement distribué qui tirent parti des énergies renouvelables disponibles au moment où elles le sont.
Mais ces solutions restent partielles. Tant que la puissance de calcul sera synonyme de performance, la pression sur les réseaux électriques continuera de croître. Et tant que l’énergie restera relativement bon marché pour les hyperscalers, l’incitation à l’efficience restera insuffisante.
Repenser l’innovation
Les data centers sont les nouvelles centrales électriques du monde numérique. Ce qu’ils produisent — de la puissance de calcul — est devenu aussi indispensable que l’électricité elle-même. Mais à la différence des centrales traditionnelles, leur croissance n’est pas planifiée collectivement : elle suit la logique des marchés, des levées de fonds et des courses aux modèles.
Peut-être faudra-t-il bientôt considérer chaque requête comme un acte énergétique — et apprendre à penser l’innovation autrement. Non plus seulement en termes de performances, mais en termes d’efficience. Non plus seulement en gigaflops, mais en kilowattheures par réponse utile.
Tant que l’IA consommera davantage qu’elle n’optimise, la transition technologique restera incomplète. Et le mur énergétique, lui, ne reculera pas.
Rejoignez-nous sur Medium
Article rédigé le 30 novembre 2025 par Adrien Hassler, passionné d’astronomie, d’IA et de nouvelles technologies, et créateur d’AdrienTech.com
