Explosion énergétique des data centers portée par l’IA
Le monde fait face à une urgence énergétique sans précédent : la consommation électrique des centres de données devrait culminer à 1 596 térawattheures d’ici 2035. Cela représenterait une envolée spectaculaire de 255 % par rapport aux niveaux anticipés en 2025. Cette dynamique hors norme est principalement alimentée par l’essor fulgurant de l’intelligence artificielle, dont les modèles géants, les phases d’entraînement extrêmement gourmandes en énergie et l’usage massif à l’échelle mondiale redessinent totalement la courbe de la demande.
Pour mesurer l’ampleur du phénomène, ces 1 596 térawattheures équivaudraient à plusieurs fois la consommation annuelle combinée de grandes nations industrialisées. À l’échelle planétaire, cela constituerait une part majeure de la production électrique totale projetée pour 2035, plaçant les infrastructures numériques au cœur des enjeux énergétiques mondiaux.
États-Unis, Chine et Europe en première ligne
Les États-Unis devraient conserver leur position de leader mondial en matière de consommation énergétique des data centers. La demande américaine progresserait de 144 % sur la période pour atteindre environ 430 térawattheures en 2035. Cette croissance repose sur des pôles technologiques majeurs comme la Virginie du Nord, le Texas et l’Oregon, tout en s’étendant vers de nouveaux territoires tels que l’Ohio, la Géorgie et l’Iowa. Dans ces États, les géants du cloud et de l’IA développent des campus affichant plusieurs gigawatts de capacité, comparables à la production de plusieurs réacteurs nucléaires par site.
La Chine suivrait de très près avec une hausse impressionnante de 255 %, portant sa consommation à 397 térawattheures. Pékin investit massivement dans ses supercalculateurs nationaux et ses hyperscalers locaux afin de rester compétitif dans la course mondiale à l’IA. Toutefois, la pression exercée par les contraintes énergétiques et les objectifs climatiques impose une accélération significative des capacités renouvelables et nucléaires.
L’Europe afficherait la progression relative la plus forte, avec un bond estimé à 303 % pour atteindre 274 térawattheures en 2035. L’Irlande, les Pays-Bas, la France, la Finlande et l’Allemagne concentrent une grande partie des annonces de nouveaux projets. Néanmoins, les coûts élevés de l’électricité, les délais de raccordement au réseau et les résistances locales pourraient ralentir cette expansion.
600 térawattheures supplémentaires dès 2030
En parallèle, les centres de données qui entreront en service d’ici 2030 nécessiteront, une fois à pleine capacité, plus de 600 térawattheures additionnels chaque année. Cela correspond à la consommation annuelle d’environ 60 millions de foyers, soit l’équivalent énergétique de plusieurs grandes nations européennes réunies, mobilisé exclusivement pour ces infrastructures numériques.
Cette soif énergétique est directement liée à l’évolution des modèles d’intelligence artificielle. Chaque génération, comptant des milliards voire des trillions de paramètres, accroît considérablement les besoins en calcul, en stockage et en refroidissement. L’entraînement d’un modèle de grande envergure peut mobiliser des centaines de gigawattheures, tandis que l’inférence quotidienne — c’est-à-dire son utilisation par des millions d’utilisateurs — représente déjà la majorité de la demande, et connaît une croissance exponentielle avec l’adoption massive.
Production électrique : le véritable goulot d’étranglement
Sans une augmentation rapide et massive de la production d’électricité, l’expansion de l’IA pourrait se heurter à une limite structurelle. Les acteurs majeurs tels que Microsoft, Google, Amazon, Meta, xAI ou OpenAI concluent déjà des accords records pour sécuriser des approvisionnements en énergie nucléaire, solaire couplée à du stockage, éolienne ou encore gazière comme solution transitoire. Certains vont même jusqu’à financer ou acquérir directement des centrales électriques entières.
Pour relever ce défi, une combinaison à très grande échelle sera indispensable : renouvelables, nucléaire de nouvelle génération incluant les petits réacteurs modulaires, gaz naturel assorti de capture carbone lorsque nécessaire, et innovations majeures en efficacité énergétique. Parmi celles-ci figurent le refroidissement par immersion liquide, le développement de puces plus performantes et des architectures optimisées réduisant la consommation par unité de calcul.
Enjeux économiques, sociétaux et climatiques
Au-delà des données techniques, cette transformation soulève des questions systémiques. Sur le plan économique, les data centers pourraient devenir le principal moteur de la croissance de la demande électrique mondiale. Cela stimulerait des investissements colossaux dans le secteur énergétique, tout en risquant d’augmenter les prix pour les ménages et les industries traditionnelles.
À l’échelle locale, des tensions apparaissent déjà sur les réseaux électriques, avec des risques accrus de coupures régionales. La concurrence pour l’eau utilisée dans les systèmes de refroidissement s’intensifie également, alimentant l’opposition de certaines communautés riveraines.
D’un point de vue climatique, si une proportion importante de cette énergie demeure issue de sources fossiles, les émissions des centres de données pourraient atteindre plusieurs centaines de millions de tonnes de CO₂ par an d’ici 2035 — un volume comparable aux émissions annuelles d’un pays de taille moyenne comme l’Australie ou la Corée du Sud.
Le kilowattheure, nouvelle frontière stratégique de l’IA
En définitive, le principal frein des prochaines années ne sera plus uniquement l’accès aux semi-conducteurs ou la puissance de calcul brute, mais bien la disponibilité du kilowattheure. Sans une transformation profonde du système énergétique mondial — vers une électricité abondante, fiable et idéalement décarbonée — les ambitions les plus élevées de l’intelligence artificielle, y compris vers une forme d’intelligence générale, pourraient être contraintes par les limites physiques de l’énergie.
La décennie qui débute impose un choix stratégique : ralentir le développement de l’IA afin de préserver les ressources énergétiques existantes, ou refondre en profondeur notre infrastructure énergétique pour permettre à l’IA de se déployer pleinement.
