Monkoin
Tech

Les data centers face à la soif d'énergie des intelligences artificielles

Entraîner un grand modèle de langage consomme autant d'électricité qu'une petite ville. Face à cette demande, opérateurs et collectivités cherchent des solutions pour concilier numérique et sobriété.

Monkoin

L'intelligence artificielle a un appétit insatiable : celui de l'électricité. Chaque requête adressée à un assistant génératif mobilise des milliers de processeurs graphiques, et l'entraînement d'un modèle de dernière génération peut consommer en quelques semaines l'équivalent de la consommation annuelle de plusieurs milliers de foyers.

Une demande qui explose

Les opérateurs de data centers le reconnaissent : la part de l'IA dans leur consommation électrique est passée de quelques pour cent à près d'un quart en deux ans. Les projections les plus sobres prévoient un doublement de la demande d'ici 2030.

Cette croissance pose une question simple : d'où viendra l'électricité ? Dans plusieurs régions, les gestionnaires de réseau commencent à refuser de nouveaux raccordements, et certaines communes s'interrogent sur l'opportunité d'accueillir ces infrastructures énergivores.

Les pistes pour réduire la facture

  • Le refroidissement liquide : remplacer l'air par des circuits d'eau ou de fluide caloporteur permet de réduire de 30 à 40 % la consommation des systèmes de refroidissement.
  • La récupération de chaleur : les data centers installés en ville peuvent chauffer des immeubles, des serres ou des piscines municipales.
  • Le pilotage flexible : décaler les tâches les plus lourdes vers les heures où l'électricité est abondante et bon marché.

La question n'est plus de savoir si l'IA va consommer de l'énergie, mais si nous sommes prêts à payer le prix de cette consommation — en euros comme en émissions.

Un enjeu de transparence

Les grands acteurs du secteur publient désormais des bilans carbone détaillés, mais les méthodologies varient encore. Pour les observateurs, la priorité est d'établir des référentiels communs, afin que les entreprises puissent comparer honnêtement l'impact de leurs choix numériques.

En attendant, la sobriété s'invite dans les équipes techniques : optimiser un modèle, c'est aussi réduire le nombre de calculs inutiles. Une piste que les ingénieurs redécouvrent avec intérêt.

À lire aussi

Tech
Monkoin

Le retour des ordinateurs portables réparables

Après des années de machines scellées, les fabricants redécouvrent la modularité. Batteries amovibles, composants standardisés, guides de réparation : le marché change de braquet.

Lire l'article →