Le prochain goulot d'étranglement de l'IA, c'est l'alimentation électrique, pas la puissance de calcul

La puce d'IA la plus avancée au monde ne sert pas à grand-chose si le centre de données ne dispose pas de suffisamment d'électricité pour la faire fonctionner. C'est là une contrainte, bien moins médiatisée, qui pèse désormais sur le cycle d'investissement dans l'intelligence artificielle. Les entreprises technologiques peuvent commander des processeurs, construire des salles de serveurs et entraîner des modèles de plus en plus performants, mais la production d'électricité, les lignes de transport et les raccordements au réseau ne peuvent pas être développés au même rythme.

La consommation mondiale d’électricité des centres de données devrait plus que doubler d’ici 2030, l’intelligence artificielle constituant le principal moteur de cette croissance. Aux États-Unis, les centres de données pourraient représenter une part substantielle de la demande supplémentaire en électricité d’ici la fin de la décennie. Cette pression est d’autant plus forte que les nouvelles capacités informatiques ne se répartissent pas de manière homogène sur l’ensemble du territoire. Elles ont tendance à se concentrer dans un petit nombre de régions disposant de réseaux de fibre optique existants, de terrains disponibles, d’une fiscalité favorable et d’une main-d’œuvre qualifiée dans le domaine des technologies.

Le phénomène des investissements dans l'IA s'étend donc au-delà des entreprises de semi-conducteurs et des plateformes cloud. Les services publics, les producteurs d'électricité, les fabricants d'équipements de réseau, les spécialistes du refroidissement, les groupes d'ingénierie et les développeurs de centres de données s'intègrent désormais dans cette même chaîne économique. Les opportunités sont considérables, mais il en va de même pour le risque de considérer automatiquement toute entreprise liée à la demande en électricité comme un bénéficiaire.

Il est plus facile d'annoncer une capacité de calcul que de la mettre en œuvre

La conception d’un nouveau centre de données peut se faire en quelques mois. En revanche, l’approbation et la construction de la capacité de transport nécessaire pour l’alimenter peuvent prendre des années. Les gros transformateurs, les appareillages de commutation et autres composants du réseau ont souvent des délais de livraison très longs, tandis que les projets de production d’électricité peuvent passer des années à attendre la conclusion d’un accord d’interconnexion. L’opposition locale, les études d’impact environnemental et les désaccords quant à la prise en charge des coûts d’infrastructure peuvent retarder encore davantage le processus.

Cela modifie la manière dont les investisseurs doivent interpréter les annonces concernant les centres de données. Un projet d’installation ne représente pas une capacité de calcul exploitable tant qu’il n’a pas obtenu le terrain, les équipements, les ressources nécessaires à la construction et un accès fiable à l’électricité. La disponibilité de l’électricité est de plus en plus le facteur déterminant pour savoir si un projet pourra être mis en service dans les délais prévus, fonctionner en dessous de sa capacité ou rester un simple projet sur le papier.

Les entreprises technologiques se livrent désormais une concurrence aussi acharnée pour accéder à la production d’électricité que pour les puces de pointe. Certaines signent des contrats d’achat d’électricité à long terme, soutiennent de nouveaux projets nucléaires et renouvelables ou implantent leurs installations à proximité de centrales existantes. D’autres envisagent de produire et de stocker de l’électricité sur site afin de réduire leur dépendance vis-à-vis de réseaux surchargés. Ces dispositions révèlent où se situe désormais la pénurie. Le défi ne se limite plus à fabriquer suffisamment de processeurs ; il s’étend désormais à la nécessité de les alimenter en électricité fiable à chaque heure de l’année.

L'IA transforme la structure de la demande en électricité

Les centres de données ne constituent pas simplement une catégorie supplémentaire de bâtiments commerciaux. Ils nécessitent des flux d’énergie importants et relativement constants, et les installations axées sur l’IA peuvent être nettement plus gourmandes en énergie que les centres conventionnels gérant le stockage, la messagerie électronique ou les services cloud classiques. L'entraînement d'un modèle de grande envergure peut entraîner une période ponctuelle de demande exceptionnellement élevée, tandis que l'inférence — c'est-à-dire le calcul nécessaire chaque fois qu'un utilisateur ou une entreprise fait appel à ce modèle — génère une charge continue à mesure que son adoption se généralise.

La fiabilité est essentielle. Une usine peut être amenée à réduire temporairement sa production lorsque les prix de l'électricité augmentent fortement. Un centre de données prenant en charge des systèmes financiers, des applications médicales ou une infrastructure cloud mondiale dispose quant à lui d'une marge de manœuvre bien plus réduite en cas d'interruption. Les groupes électrogènes de secours et les batteries peuvent pallier de brèves coupures, mais ils ne remplacent pas un approvisionnement stable à long terme.

La charge arrive également sous forme de blocs d’une ampleur inhabituelle. Un seul projet peut nécessiter des centaines de mégawatts, ce qui est comparable à la demande d’un complexe industriel de grande envergure ou d’une petite ville. Les gestionnaires de réseau, habitués à prévoir une croissance progressive, doivent désormais évaluer plusieurs projets de très grande envergure dont la réalisation n’est pas garantie. Si l’on construit trop peu d’infrastructures, des capacités économiquement rentables sont retardées ; si l’on construit trop pour des projets qui ne verront jamais le jour, d’autres consommateurs d’électricité risquent de devoir supporter une partie des coûts.

Cette incertitude est déjà en train de modifier la réglementation. Les autorités examinent actuellement comment les charges importantes doivent être raccordées, dans quels délais elles doivent être desservies et si les entreprises sollicitant une capacité exceptionnelle doivent financer davantage les mises à niveau nécessaires du réseau. Les conclusions de cette réflexion auront une incidence sur la rentabilité des centres de données, au même titre que le coût des serveurs qu’ils abritent.

Le réseau électrique s'intègre désormais dans la chaîne d'approvisionnement technologique

La chaîne d'approvisionnement liée à l'intelligence artificielle est souvent décrite en termes de puces, de mémoire, d'équipements réseau et de cloud computing. Cette vision s'arrête trop tôt. L'électricité doit être produite, transportée, transformée et distribuée avant que ces actifs puissent générer des revenus.

Cela met en avant un autre groupe d’entreprises. Les fabricants d’équipements de réseau fournissent des transformateurs, des disjoncteurs et des systèmes haute tension. Les groupes d’ingénierie conçoivent des postes électriques et des liaisons de transport. Les fabricants de câbles contribuent à l’extension physique des réseaux. Les services publics investissent dans les capacités de production et de distribution. Les promoteurs identifient les sites où l’électricité, la fibre optique et les terrains sont disponibles simultanément.

Cette opportunité ne se limite pas au volume d'électricité vendu. Un réseau confronté à une croissance rapide de la charge nécessite des investissements à plusieurs niveaux. Il peut s'avérer nécessaire de renforcer les réseaux, d'agrandir les sous-stations et de remplacer les équipements vieillissants plus tôt que prévu. Les logiciels de gestion de l'énergie et les systèmes de réponse à la demande prennent toute leur importance lorsque les opérateurs doivent équilibrer d'importantes charges flexibles et une production variable.

Les opportunités d'investissement les plus prometteuses ne proviendront pas nécessairement des entreprises les plus étroitement associées à l'IA. Il pourra s'agir d'entreprises industrielles bien établies dont les carnets de commandes sont soutenus par plusieurs tendances qui se recoupent : la demande en centres de données, l'électrification, la modernisation du réseau électrique et le remplacement des infrastructures obsolètes. Leur exposition peut s'avérer intéressante, car elle dépend moins du développeur de modèles qui finira par dominer le marché.

Le frein réside dans la mise en œuvre. La pénurie d'équipements peut renforcer le pouvoir de fixation des prix, mais les fabricants doivent tout de même accroître leurs capacités sans compromettre la qualité ni investir au plus haut d'un cycle conjoncturel temporaire. Les services publics peuvent dégager des rendements réglementés sur les nouvelles infrastructures, mais une résistance politique peut surgir si les ménages estiment que leurs factures servent à financer des projets technologiques privés.

Une alimentation électrique fiable peut justifier un surcoût

Le calcul lié à l'intelligence artificielle ne se contente pas d'électricité. Il a besoin d'électricité au bon endroit, à l'échelle requise et avec un niveau de fiabilité suffisamment élevé. Cela confère aux installations de production existantes et aux raccordements au réseau une valeur bien supérieure à ce que pourrait laisser supposer le chiffre national des excédents.

Une région peut produire globalement suffisamment d’électricité tout en ne disposant pas des capacités de transport nécessaires pour l’acheminer vers un groupe de centres de données particulier. Une autre peut disposer d’une énergie renouvelable abondante, mais avoir du mal à assurer un approvisionnement constant pendant les périodes de faible vent ou d’ensoleillement limité. La production au gaz peut réagir rapidement, mais la construction de nouveaux gazoducs et les réglementations en matière d’émissions peuvent freiner son expansion. Les centrales nucléaires offrent une production fiable et à faible empreinte carbone, même si la construction de nouveaux réacteurs reste coûteuse et longue sur de nombreux marchés.

Aucune technologie ne devrait à elle seule pouvoir répondre à cette demande supplémentaire. Les énergies renouvelables peuvent fournir une grande partie de l'énergie nécessaire, en particulier là où des infrastructures de stockage et de transport sont disponibles. Le gaz naturel pourrait contribuer à la fiabilité du réseau et permettre un déploiement plus rapide. L'énergie nucléaire suscite un regain d'intérêt car elle permet une production continue sans émissions directes de carbone. Les projets géothermiques pourraient s'avérer pertinents dans des zones propices, tandis que les batteries peuvent gérer les fluctuations de courte durée et réduire la demande de pointe.

Les investisseurs doivent faire la distinction entre les sources d'électricité qui font les gros titres et celles qui sont capables de répondre au profil de charge réel. Un centre de données qui affirme acheter suffisamment d'énergie renouvelable sur l'ensemble de l'année peut tout de même recourir à la production à partir de combustibles fossiles à certaines heures. La différence entre un équilibrage annuel et un approvisionnement propre en continu prendra de plus en plus d'importance à mesure que les engagements climatiques des entreprises feront l'objet d'un examen plus minutieux.

Le refroidissement et l'eau font partie des contraintes

L'électricité n'alimente pas uniquement les processeurs. Une part considérable est utilisée pour évacuer la chaleur qu'ils produisent. À mesure que la densité de calcul augmente, les systèmes traditionnels de refroidissement par air peuvent perdre en efficacité, ce qui favorise un recours accru au refroidissement par liquide et à des équipements de gestion thermique plus spécialisés.

Cela engendre un cycle d'infrastructure secondaire. Les centres de données ont besoin de pompes, d'échangeurs thermiques, de canalisations, de refroidisseurs, de systèmes de surveillance et de conceptions permettant de maintenir les équipements dans des conditions de fonctionnement très strictes. L'efficacité du refroidissement peut avoir une incidence significative tant sur les coûts d'exploitation que sur la capacité de calcul pouvant être déployée dans le cadre d'une enveloppe énergétique donnée.

La disponibilité en eau complique le choix du site. Certains systèmes de refroidissement consomment des quantités importantes d'eau, ce qui peut être source de conflits dans des régions déjà confrontées à un stress hydrique. Les communautés locales peuvent se réjouir des investissements et des emplois créés, tout en s'opposant à l'utilisation de ressources rares par des installations qui, une fois leur construction achevée, n'emploient qu'un nombre relativement restreint de personnes.

Les exploitants réagissent en mettant en place des systèmes en boucle fermée, des conceptions à assistance pneumatique et en s'efforçant d'utiliser de l'eau recyclée, mais il n'existe pas de solution universelle. La conception adéquate dépend du climat, de la disponibilité en eau, des prix de l’électricité et de la densité de calcul. Pour les investisseurs, cela signifie que le refroidissement ne doit pas être considéré comme un simple détail technique. Il influe sur les emplacements où les centres de données peuvent être construits, sur la rapidité avec laquelle ils peuvent s’agrandir et sur leurs marges d’exploitation à long terme.

C'est l'emplacement qui déterminera davantage le rendement

Pour les générations précédentes d’infrastructures numériques, la proximité des utilisateurs et des réseaux de fibre optique était un critère déterminant dans le choix des sites. Ces facteurs restent importants, mais l’électricité est en train de redessiner la donne. Les régions capables de fournir rapidement de l’électricité pourraient attirer des projets qui, auparavant, se seraient concentrés dans des pôles technologiques déjà établis.

Cela pourrait profiter aux régions disposant d'une production abondante, de terrains disponibles et d'un cadre réglementaire favorable, notamment certaines parties des États-Unis, du Moyen-Orient, de la région nordique et de certains marchés asiatiques. Les climats plus frais pourraient également alléger en partie la charge liée au refroidissement, même si la connectivité au réseau et la stabilité politique restent des facteurs importants.

La valeur économique d'un site peut évoluer de manière spectaculaire dès lors qu'il dispose d'un raccordement électrique garanti. Les promoteurs ayant accès à des capacités de transport d'électricité peuvent être en mesure de louer des terrains ou des installations à des tarifs plus élevés, tandis que les sites ne bénéficiant pas d'un raccordement fiable au réseau peuvent perdre de leur intérêt, quels que soient leurs autres atouts.

L'immobilier dédié aux centres de données nécessite donc une analyse plus technique qu'un investissement immobilier classique. Le bail peut être de longue durée et le locataire financièrement solide, mais la valeur de l'actif dépend également des contrats d'électricité, de la conception du système de refroidissement, du remplacement des équipements et de la demande continue pour un type particulier de calcul. Une installation construite pour le matériel actuel peut nécessiter des investissements considérables à mesure que les processeurs deviennent plus puissants et génèrent davantage de chaleur.

La concentration géographique engendre un autre risque. Si plusieurs grands sites dépendent du même réseau électrique aux capacités limitées, des conditions météorologiques extrêmes ou une défaillance du réseau de transport d'électricité peuvent affecter simultanément une part importante de la capacité de calcul. La diversification des emplacements des centres de données pourrait devenir une question de résilience opérationnelle plutôt qu'une simple question de coût.

Les coûts énergétiques pourraient bouleverser l'économie de l'IA

Les aspects économiques de l'intelligence artificielle sont généralement abordés sous l'angle des prix des puces, des coûts de formation des modèles et de la possibilité de facturer les utilisateurs. L'électricité prend de plus en plus d'importance à mesure que l'utilisation de l'IA passe de projets expérimentaux à des activités quotidiennes, tant dans les entreprises que chez les particuliers.

L'entraînement retient l'attention car il nécessite une puissance de calcul considérable, mais l'inférence pourrait à terme consommer davantage d'énergie au total. Un modèle utilisé ponctuellement par des chercheurs génère un certain profil de demande. Ce même modèle, intégré à des moteurs de recherche, des logiciels, des services clients, des soins de santé et des processus industriels, en génère un autre.

Si les prix de l'électricité augmentent ou si l'accès au réseau reste limité, les entreprises spécialisées dans l'IA pourraient devoir améliorer plus rapidement l'efficacité de leurs modèles. Des modèles spécialisés plus petits pourraient devenir intéressants pour les tâches qui ne nécessitent pas les systèmes polyvalents les plus puissants. Les charges de travail pourraient être réparties entre différents sites et moments de la journée en fonction de la disponibilité énergétique. Les entreprises pourraient réserver les modèles les plus puissants aux tâches à forte valeur ajoutée, tout en utilisant des alternatives moins coûteuses pour les demandes courantes.

Cela récompenserait les développeurs capables de tirer un meilleur parti de chaque unité de puissance de calcul et d’électricité. Le marché pourrait commencer à évaluer l’efficacité de l’IA de la même manière qu’il évalue la consommation de carburant ou le rendement de production : non pas comme un simple atout environnemental, mais comme un facteur déterminant en matière de coût et d’évolutivité.

La pénurie d'énergie pourrait également renforcer la position des plus grandes entreprises technologiques. Celles-ci disposent en effet des moyens financiers nécessaires pour financer des infrastructures dédiées, conclure des contrats énergétiques à long terme et faire face aux retards. Les développeurs de plus petite taille pourraient devoir s'en remettre à des fournisseurs de services cloud qui se sont déjà assurés des capacités limitées, ce qui renforcerait l'importance de ces plateformes au sein de l'économie de l'IA.

Toutes les entreprises de services publics ne tirent pas pleinement parti de l'IA

La hausse de la demande semble être un facteur positif pour les fournisseurs d'électricité, mais les implications en matière d'investissement ne sont pas évidentes. Les services publics réglementés pourraient devoir engager des dépenses importantes avant que cette nouvelle charge ne génère des recettes. Les régulateurs doivent déterminer quelle part de cet investissement peut être récupérée auprès de l'exploitant du centre de données et quelle part doit être intégrée à l'assiette tarifaire globale.

Une entreprise de services publics peut bénéficier d'une demande plus forte tout en étant confrontée à une opposition politique, à des coûts de financement plus élevés et à des risques liés à la construction. Si un projet d'envergure est annulé après la commande des infrastructures, les coûts peuvent tout de même devoir être supportés. Les contrats à long terme, les contributions initiales et les engagements de paiement minimum peuvent réduire cette exposition, mais leur efficacité varie.

Les producteurs d'électricité en situation de concurrence sont confrontés à une équation différente. Une hausse de la demande peut soutenir les prix de l'électricité et la valeur des capacités de production existantes, en particulier dans les régions soumises à des contraintes. Ce même contexte peut encourager l'apparition de nouvelles capacités, ce qui modifiera l'équilibre à terme. Les prix des combustibles, la réglementation en matière d'émissions et la conception du marché déterminent dans quelle mesure la croissance de la demande profitera finalement aux actionnaires.

Les entreprises les plus attractives sont peut-être celles qui disposent d'atouts difficiles à reproduire : une production située au bon endroit, une capacité d'interconnexion disponible, des équipements spécialisés ou une expertise en ingénierie. L'argument d'investissement le moins convaincant est simplement celui selon lequel l'IA consomme de l'électricité et que, par conséquent, toutes les entreprises du secteur de l'énergie doivent en bénéficier.

Le commerce de l'IA prend de l'ampleur, mais ne devient pas plus sûr

Les investisseurs à la recherche des prochains bénéficiaires de l'intelligence artificielle pourraient les trouver dans les secteurs de la production d'électricité, des équipements électriques, de la construction de réseaux électriques et du refroidissement. Cela élargit le champ des acteurs concernés au-delà d'un petit groupe d'entreprises spécialisées dans les semi-conducteurs et les plateformes, mais n'élimine pas pour autant le risque lié aux valorisations.

Dès lors qu’un goulot d’étranglement est largement reconnu, les actions liées à sa résolution peuvent anticiper plusieurs années de croissance. Les carnets de commandes peuvent sembler exceptionnellement bien remplis, car les clients passent leurs commandes à l’avance pour s’assurer de disposer d’équipements rares, ce qui peut entraîner des doublons ou des annulations. Un important portefeuille de projets peut également inclure des installations qui ne disposent pas du financement nécessaire, d’un permis de construire ou d’un accès réaliste à l’électricité.

L'analyse devrait donc s'appuyer en priorité sur la demande effective plutôt que sur les annonces. Les investisseurs doivent examiner les contrats signés, les capacités de production, les marges, la concentration de la clientèle et le montant des capitaux nécessaires pour répondre à la croissance attendue. Pour les fournisseurs d'énergie et les promoteurs, la qualité du contrat de raccordement revêt autant d'importance que la taille prévue du centre de données.

Le secteur de l'énergie s'impose progressivement comme un argument en faveur de l'investissement dans l'IA, mais il reste un secteur régi par des actifs physiques, la réglementation et de longs cycles de construction. Ces caractéristiques le distinguent du secteur des logiciels et le rendent moins apte à s'adapter rapidement lorsque les prévisions évoluent.

La pénurie s'est étendue à l'économie réelle

Intelligence artificielle est souvent décrite comme une technologie immatérielle. Son développement repose pourtant sur certaines des infrastructures les plus concrètes de l'économie : centrales électriques, lignes de transport d'électricité, transformateurs, systèmes de refroidissement et terrains.

La pénurie de semi-conducteurs a démontré que la croissance du numérique peut être freinée par les contraintes physiques de la fabrication. La phase suivante montre que même des équipements informatiques disponibles en abondance ne peuvent fonctionner sans un développement correspondant des infrastructures énergétiques. Un processeur peut être produit en quelques mois ; un projet de réseau de transport d'électricité peut, quant à lui, prendre près d'une décennie.

Cela ne signifie pas pour autant que l'électricité constituera un frein permanent au développement de l'IA. La hausse des prix et l'augmentation de la demande attireront les investissements, tandis que les gains d'efficacité permettront de réduire la consommation d'énergie nécessaire à chaque tâche. Les centres de données pourraient gagner en flexibilité, en transférant certaines charges de travail vers des périodes où l'électricité est moins chère ou plus disponible.

Cette adaptation prendra encore du temps. Pendant cette période, l'accès à une alimentation électrique fiable influencera le choix des sites d'implantation des capacités d'IA, les entreprises qui pourront se développer et le coût de chaque unité de calcul. La course à la technologie ne se joue plus uniquement dans les laboratoires et les usines de semi-conducteurs. Elle se joue également au niveau du raccordement au réseau électrique.