Réflexion · Technologie, énergie et géopolitique. Les projections de l’AIE sont distinguées du scénario imaginé pour 2045.
L’intelligence artificielle a un coût invisible
Nous utilisons l’intelligence artificielle depuis un écran. Une question, une réponse. Une image générée en quelques secondes. Un programme écrit à partir d’une simple instruction.
Tout semble immatériel.
Pourtant, derrière chaque réponse, il existe une infrastructure bien réelle : des processeurs, des serveurs, des réseaux, des systèmes de refroidissement et des bâtiments entiers remplis de machines.
Ces infrastructures consomment de l’électricité. Beaucoup d’électricité, à mesure que leur nombre et leur puissance augmentent.
L’intelligence artificielle semble être une révolution du logiciel. Mais elle repose aussi sur une réalité beaucoup plus ancienne : la capacité à produire, transporter et fournir de l’énergie.
Et cette réalité pourrait devenir l’un des principaux facteurs de la compétition mondiale autour de l’IA.
Des data centers aux dimensions industrielles
L’entraînement des plus grands modèles d’IA peut nécessiter des milliers de processeurs spécialisés travaillant en parallèle. Une fois le modèle disponible, chaque utilisation mobilise à nouveau des ressources informatiques. Certains modèles plus petits peuvent néanmoins fonctionner sur un ordinateur personnel.
À l’échelle de millions d’utilisateurs, ces calculs s’accumulent.
Les entreprises construisent donc de nouveaux centres de données, agrandissent les installations existantes et cherchent à sécuriser leur approvisionnement électrique.
Le problème ne se limite pas à brancher davantage de serveurs.
Il faut disposer de lignes électriques adaptées, de transformateurs, de systèmes de refroidissement, de terrains et de réseaux capables d’absorber une demande importante. Dans certaines régions, les infrastructures électriques deviennent un facteur limitant pour les nouveaux projets.
Dans son rapport de 2026, l’Agence internationale de l’énergie projette que la consommation électrique mondiale des centres de données pourrait presque doubler, passant de 485 térawattheures en 2025 à environ 950 térawattheures par an en 2030. Ce chiffre concerne l’ensemble des centres de données, pas uniquement ceux consacrés à l’IA.
Cette estimation n’est pas une certitude : elle dépend notamment de l’évolution de la demande, de l’efficacité des puces et des systèmes, et du rythme de déploiement de l’IA.
Mais elle indique l’ampleur du défi.
Nous avons appris à rendre l’intelligence numérique accessible presque partout. Nous devons maintenant alimenter les machines qui la rendent possible.
La nouvelle course à l’électricité
Pendant des décennies, les grandes puissances ont cherché à sécuriser leur accès au pétrole, au gaz et aux autres ressources énergétiques.
L’essor de l’IA ajoute une nouvelle dimension à cette compétition.
Une entreprise peut disposer des meilleurs chercheurs et des modèles les plus avancés. Si elle ne trouve pas suffisamment d’électricité pour alimenter ses infrastructures, son développement peut être ralenti.
À l’inverse, un territoire disposant d’une production électrique abondante, d’un réseau robuste et de conditions favorables à l’installation de data centers peut attirer des investissements importants.
L’énergie devient ainsi un facteur de compétitivité technologique.
Mais attention à ne pas réduire cette équation à une seule variable. La quantité d’électricité disponible ne suffit pas : son prix, sa fiabilité, les délais de raccordement, la disponibilité des puces, les compétences et la stabilité réglementaire comptent également.
La puissance de demain ne se mesurera donc pas uniquement au nombre de modèles d’IA développés.
Elle dépendra aussi de la capacité à leur fournir les ressources matérielles nécessaires.
Nucléaire, solaire, gaz : quelle énergie pour l’IA ?
Face à cette demande, plusieurs sources d’énergie sont envisagées ou mobilisées.
Le nucléaire offre une production pilotable et peu émettrice de carbone en phase de fonctionnement. Certaines entreprises technologiques cherchent à sécuriser leur approvisionnement grâce à des contrats de long terme, tandis que de nouveaux projets nucléaires sont étudiés.
Le solaire et l’éolien peuvent apporter une électricité bas-carbone, mais leur production varie selon les conditions météorologiques. Leur intégration nécessite donc des réseaux adaptés, du stockage ou d’autres moyens de production complémentaires.
Le gaz peut fournir une énergie pilotable dans les régions où cette infrastructure existe, mais il entraîne des émissions de gaz à effet de serre.
Aucune de ces solutions n’efface toutes les contraintes. Les délais de construction, les coûts, les ressources nécessaires et les conséquences environnementales varient selon les technologies et les territoires.
Le défi consiste à développer des infrastructures capables de répondre à une demande croissante sans aggraver inutilement les pressions climatiques et environnementales.
Car une question se pose : à quoi servirait une technologie conçue pour résoudre certains problèmes de l’humanité si son développement accentuait d’autres difficultés ?
Une intelligence plus efficace suffira-t-elle ?
Il existe une autre voie : rendre les systèmes plus efficaces.
Les concepteurs de puces cherchent à effectuer davantage de calculs avec moins d’électricité. Les développeurs optimisent leurs modèles et leurs méthodes d’entraînement. Les centres de données améliorent leur refroidissement et leur gestion énergétique.
Ces progrès peuvent réduire le coût énergétique d’une opération donnée.
Mais un phénomène complique l’équation : lorsque l’utilisation d’une technologie devient moins coûteuse, son usage peut augmenter.
Si chaque requête consomme moins d’énergie, les entreprises peuvent proposer davantage de services, et les utilisateurs peuvent multiplier les demandes. Les gains d’efficacité peuvent alors être partiellement compensés par l’augmentation du volume d’utilisation.
C’est pourquoi il ne suffit pas de demander combien d’énergie consomme une requête.
Il faut aussi se demander combien de requêtes seront effectuées, quels modèles seront utilisés et quelles tâches méritent réellement de mobiliser des ressources importantes.
L’avenir énergétique de l’IA dépendra autant des innovations techniques que des choix économiques et collectifs.
Et si l’énergie devenait la véritable limite ?
Imaginons 2045.
Les systèmes d’IA sont présents dans les usines, les écoles, les hôpitaux, les transports et les foyers. Des robots produisent des biens, entretiennent des infrastructures et participent à la recherche scientifique.
La capacité de calcul est devenue essentielle au fonctionnement de la société.
Mais les ressources énergétiques restent inégalement réparties. Certaines régions disposent d’une production abondante et de réseaux modernes. D’autres subissent des pénuries, des coûts élevés ou des infrastructures fragiles.
Deux territoires peuvent alors avoir accès aux mêmes avancées scientifiques, mais pas aux mêmes moyens de les utiliser.
L’un peut entraîner ses propres modèles, exploiter ses robots et développer ses industries. L’autre doit limiter ses usages ou dépendre d’infrastructures contrôlées ailleurs.
Ce scénario n’est pas une prédiction. Il permet d’explorer une possibilité : l’inégalité numérique pourrait aussi devenir une inégalité énergétique.
Le contrôle de l’énergie ne donnerait pas automatiquement le contrôle de l’IA. Mais il pourrait déterminer qui peut la développer à grande échelle, qui peut en bénéficier et qui reste dépendant des autres.
Qui pourra se payer l’intelligence ?
Jusqu’ici, nous avons souvent considéré l’intelligence artificielle comme un service disponible sur Internet.
Pourtant, ce service repose sur des infrastructures coûteuses, des ressources physiques et une production énergétique qui doit être financée.
Si la demande continue d’augmenter, qui paiera pour ces installations ? Comment répartir leurs coûts ? Quelle place donner aux usages essentiels, à la recherche publique et aux besoins ordinaires des citoyens ?
Et si les infrastructures les plus puissantes se concentraient entre les mains de quelques entreprises ou de quelques États, quelles dépendances cela créerait-il ?
Ces questions relient directement l’énergie aux enjeux abordés dans les autres articles de Pensée IA : la puissance mondiale, la propriété de l’intelligence artificielle et les inégalités entre ceux qui possèdent les moyens de production et ceux qui doivent y accéder.
L’IA peut devenir plus performante. Elle peut aussi devenir plus efficace.
Mais elle ne devient pas immatérielle pour autant.
Le progrès a besoin d’une source
Nous avons longtemps imaginé l’intelligence artificielle comme une affaire de code, d’algorithmes et de puissance de calcul.
Derrière cette révolution se trouve pourtant une infrastructure industrielle : des mines, des usines, des câbles, des centrales, des réseaux électriques et des territoires.
Le monde numérique ne flotte pas au-dessus du monde physique. Il en dépend.
À mesure que l’IA s’intègre à l’économie, l’énergie pourrait devenir l’un des facteurs qui détermineront le rythme de son développement et la répartition de ses bénéfices.
La question n’est donc pas seulement de savoir qui créera l’intelligence la plus puissante.
C’est aussi de savoir qui pourra la faire fonctionner, à quelle échelle, à quel prix et avec quelles conséquences.
Dans un monde où l’intelligence devient une infrastructure, celui qui contrôle l’énergie contrôlera-t-il une partie du pouvoir ?