Partie III · Le matériel et l'infrastructure
L'énergie : qui paiera les gigawatts ?
10.1La facture énergétique de l'IA
10.2Eau, électricité, empreinte carbone
À ces impacts s'ajoute un effet sur les réseaux et les factures. Aux États-Unis, l'essor des datacenters pourrait faire grimper la facture d'électricité moyenne de l'ordre de 8 % d'ici 2030, avec des hausses bien plus fortes dans les zones saturées (le nord de la Virginie, par exemple). D'où une question d'équité : les riverains paieront-ils, sur leur facture, l'appétit énergétique des géants de l'IA ?
À ces effets s'ajoutent deux angles morts. Le premier est la stabilité du réseau : pour ne pas dépendre d'un réseau saturé, certains opérateurs construisent leur propre production sur place (gaz, solaire, batteries, voire nucléaire dédié), une tendance dite « derrière le compteur » qui soulève à son tour des questions d'émissions et d'équité. Le second est l'empreinte matérielle : fabriquer des millions de puces et de serveurs consomme des minéraux critiques (cuivre, terres rares) et génère, au rythme des renouvellements de matériel, une masse croissante de déchets électroniques. L'empreinte de l'IA ne se réduit donc pas à l'électricité qu'elle brûle aujourd'hui.
Le goulot d'étranglement. Le problème le plus structurel est un décalage de calendrier, sur lequel des analystes (comme l'Uptime Institute) alertent dès 2026 :
À noter : tous les pays ne sont pas logés à la même enseigne. En France, par exemple, le gestionnaire du réseau (RTE) estime pouvoir absorber les besoins prévus des projets de datacenters (de l'ordre de 4 GW), grâce à un mix électrique déjà largement décarboné.
10.3Solutions : efficacité, nucléaire, renouvelables
10.4Le débat climatique
D'un côté, l'IA représente une charge nouvelle et massive sur des réseaux déjà sous tension, au risque de prolonger le recours aux énergies fossiles et de reporter la facture sur les citoyens. De l'autre, ses défenseurs soulignent son potentiel pour le climat : optimiser les réseaux électriques, accélérer la découverte de nouveaux matériaux (meilleures batteries, captage du carbone), améliorer la modélisation climatique, ou faire progresser des recherches comme la fusion nucléaire (des thèmes que l'on retrouvera au chapitre 14 sur la science).
La question qui résume tout, et qui donne son titre à ce chapitre, reste ouverte : qui paiera les gigawatts ? Les entreprises qui en profitent, ou la collectivité ? Et le bénéfice scientifique et économique justifiera-t-il l'empreinte ? Il n'y a pas, en 2026, de réponse tranchée, mais une certitude : l'énergie est devenue le facteur limitant numéro un de la trajectoire de l'IA, autant que les puces.
À retenir (chapitre 10)
- La consommation électrique des datacenters (~415 TWh en 2024) pourrait approcher 1 000 TWh en 2026 (l'équivalent du Japon) et tripler d'ici 2030.
- Au-delà de l'électricité, l'IA pèse sur l'eau (refroidissement), le carbone (turbines à gaz d'appoint) et les factures des riverains.
- Un goulot d'étranglement menace : on bâtit un datacenter en 3 ans, mais une centrale (surtout nucléaire) en bien plus, d'où un « ciseau » entre demande et production.
- Trois solutions : l'efficacité (meilleures puces, quantification, petits modèles), le nucléaire (accords des géants, mais délais longs) et les renouvelables (en plein essor, mais intermittentes).
- Le débat climatique est ouvert : charge nouvelle sur les réseaux contre potentiel d'accélération de la transition. L'énergie est devenue le premier facteur limitant de l'IA.
Ainsi s'achève la partie III. Nous avons vu le carburant (calcul, matériel, énergie) qui propulse l'IA. La partie IV explore les grandes convergences où l'IA rencontre d'autres technologies de rupture : la blockchain, l'informatique quantique, et la robotique.