Pourquoi les data centers IA consomment-ils autant d’électricité ?

Pourquoi un data center IA consomme-t-il autant d’électricité ? Parce qu’il peut concentrer des milliers de processeurs haute performance, sollicités pendant de longues périodes, auxquels s’ajoutent la mémoire, les réseaux, le stockage, le refroidissement et les systèmes électriques auxiliaires. L’installation doit rester disponible en continu, même si chaque serveur ne fonctionne pas constamment à pleine puissance.

Le mot « cloud » masque cette réalité : répondre à une requête mobilise des machines, déplace des données et produit de la chaleur. Lorsque ces opérations se multiplient, un service numérique devient une charge très concrète pour le réseau électrique.

Combien d’électricité consomme un data center IA ?

Il n’existe pas de consommation standard. Une salle informatique d’entreprise, un bâtiment hyperscale et un campus de plusieurs bâtiments ne désignent ni la même taille ni le même usage.

À titre d’ordre de grandeur, la page thématique de l’AIE cite 10 à 25 MW pour des data centers traditionnels et plus de 100 MW pour des centres hyperscale orientés IA. Ce ne sont ni des seuils universels ni une plage applicable aux petites salles informatiques. Un campus additionne plusieurs bâtiments et peut être livré par étapes.

Pour comparer correctement, il faut d’abord distinguer puissance et énergie. Le MW, ou mégawatt, mesure la puissance à un instant donné. Le GW vaut 1 000 MW. Le MWh mesure l’énergie consommée pendant une durée ; 1 TWh vaut un million de MWh.

Exemple mathématique : un site tirant 100 MW en moyenne pendant 24 heures consomme 2 400 MWh, soit 2,4 GWh. Si cette moyenne persistait pendant une année de 8 760 heures, il consommerait 876 000 MWh, soit 0,876 TWh. Ce n’est ni un site réel ni une moyenne de l’industrie. Une capacité annoncée de 100 MW ne permet pas, à elle seule, de conclure que cette consommation sera atteinte.

Autre précaution : un chiffre peut désigner la puissance réservée aux équipements informatiques ou celle de l’ensemble du bâtiment. Dans le second cas, refroidissement et pertes électriques sont déjà compris. Les ajouter une deuxième fois gonflerait artificiellement le total.

À l’échelle mondiale, l’AIE estime dans son rapport de 2026 que l’ensemble des data centers a consommé environ 485 TWh en 2025. Sa projection centrale atteint environ 950 TWh en 2030, près de 3 % de la demande électrique mondiale. Ce total ne concerne pas uniquement l’IA. La consommation des centres orientés vers l’IA augmenterait plus vite et pourrait tripler sur cette période.

Il s’agit d’une projection, sensible à l’adoption, à l’efficacité et aux contraintes de construction. Elle actualise les repères de 415 TWh pour 2024 et de 945 TWh pour 2030 publiés par l’AIE en 2025 ; les deux éditions ne doivent pas être mélangées comme une seule série inchangée.

Pourquoi les GPU changent l’équation énergétique

Un CPU est un processeur généraliste, adapté à des tâches variées. Un GPU exécute de nombreuses opérations en parallèle. Cette architecture est particulièrement utile pour les calculs sur lesquels reposent les modèles d’IA.

Le GPU peut effectuer un travail donné plus efficacement qu’une architecture mal adaptée. Pourtant, un bâtiment rempli d’accélérateurs puissants peut consommer davantage au total : on y installe plus de capacité et on lui confie beaucoup plus de calculs. Efficacité par opération et consommation totale ne sont pas la même mesure.

La densité change aussi l’installation. Nvidia décrit son système GB200 NVL72 comme une baie associant 72 GPU Blackwell et 36 CPU Grace, avec refroidissement liquide. Dans sa documentation de conception, le fabricant évoque une capacité de refroidissement de 120 kW pour cette baie. C’est une caractéristique d’un système précis, pas la puissance moyenne de tous les racks et encore moins sa consommation électrique mesurée en permanence.

Les puces ne travaillent pas seules. La mémoire HBM alimente les calculs en données ; les réseaux font communiquer les machines ; le stockage conserve les ensembles utilisés. Notre présentation de la chaîne de valeur des puces d’IA explique ces dépendances.

Enfin, l’entraînement et l’inférence créent des profils différents. L’entraînement mobilise les machines pour construire ou améliorer un modèle. L’inférence les utilise ensuite pour produire chaque réponse. Un service largement adopté continue donc à consommer après son entraînement. La longueur des réponses, la vidéo ou les tâches d’agents peuvent modifier fortement le travail nécessaire : il n’existe pas un coût électrique universel de « la requête IA ».

Le refroidissement consomme lui aussi de l’énergie

L’électricité utilisée par les équipements informatiques se transforme en grande partie en chaleur. Il faut l’évacuer pour maintenir les composants dans leurs conditions de fonctionnement.

Avec le refroidissement par air, ventilateurs et circulation d’air déplacent cette chaleur. Le refroidissement liquide la récupère plus près des composants, notamment par des plaques froides ou, selon le système, par immersion. Il reste ensuite à la rejeter à l’extérieur. Pompes, ventilateurs et éventuellement groupes frigorifiques consomment aussi de l’énergie.

Le résultat dépend de la densité des racks, du climat, des températures de fonctionnement et du choix d’architecture. Le liquide n’efface pas ces contraintes et ne signifie pas automatiquement forte consommation d’eau : les circuits et la méthode de rejet de chaleur doivent être examinés séparément.

Dans son analyse de 2025, l’AIE situe la part du refroidissement autour de 7 % dans des hyperscalers efficaces, contre plus de 30 % dans certains data centers d’entreprise moins efficaces. Ce sont des profils différents, pas une proportion fixe à appliquer à chaque projet IA.

Le PUE rapporte l’énergie totale du site à celle de ses équipements informatiques, sur un même périmètre et une même période. Exemple fictif : 120 MWh consommés par le site pour 100 MWh informatiques donnent un PUE de 1,2. Les 20 MWh supplémentaires couvrent les auxiliaires et pertes, pas uniquement le refroidissement.

Un PUE plus bas indique moins d’énergie auxiliaire par unité d’énergie informatique. Il ne prouve pas que le site consomme peu en valeur absolue, ni que son calcul est utile, ni que son électricité est peu carbonée. Un bâtiment efficace peut rester un très grand consommateur.

Pourquoi le réseau électrique devient le vrai goulot d’étranglement

Disposer d’électricité dans un pays ne signifie pas pouvoir livrer la puissance nécessaire sur une parcelle précise. La production, les lignes de transport, les sous-stations et la distribution locale doivent être compatibles avec la nouvelle charge.

Une sous-station reçoit et adapte les niveaux de tension ; les transformateurs permettent ces changements. Si ces équipements ou les lignes qui les alimentent doivent être renforcés, le calendrier dépend des études, des permis, des commandes industrielles et des travaux. Une réservation de capacité n’équivaut pas toujours à une alimentation immédiatement utilisable.

Dans son rapport Powering Artificial Intelligence, publié en 2026, l’AIE souligne les contraintes de capacité des réseaux, les files de raccordement et les délais d’autorisation. Ces difficultés sont locales : elles ne permettent pas d’attribuer le même délai à tous les pays ou à tous les projets.

La fiabilité compte autant que le volume annuel. Une centrale ou un contrat peut fournir assez d’énergie sur l’année sans résoudre chaque pointe de puissance ni chaque contrainte de ligne. Batteries, alimentation sans interruption et groupes de secours répondent à certains besoins, avec leurs limites de durée et d’exploitation.

Une fois la capacité demandée identifiée, une autre question apparaît : combien de temps faut-il pour réellement raccorder le site au réseau ? Notre analyse des retards de raccordement et de leurs conséquences financières, à travers NextDC, Nscale et Amazon, traite précisément de cette étape. Ici, le sujet reste la consommation et les équipements qui la rendent possible.

Pourquoi certaines entreprises se tournent vers le nucléaire

Les grands opérateurs recherchent une alimentation abondante, fiable et compatible avec leurs objectifs de décarbonation. Le nucléaire attire leur attention parce qu’il peut produire de façon soutenue avec de faibles émissions directes de carbone, tout en nécessitant maintenance et arrêts planifiés.

Les stratégies diffèrent. Microsoft a signé avec Constellation un contrat destiné à soutenir le redémarrage de Three Mile Island Unit 1, rebaptisée Crane Clean Energy Center. Google soutient à la fois le parc existant et des projets avancés, dont ceux de Kairos Power. Amazon a également investi dans X-energy et soutient des projets de petits réacteurs modulaires, ou SMR.

Ces engagements ne sont pas des mégawatts déjà disponibles. Autorisations, construction, combustible, raccordement, financement et coûts restent déterminants. Un SMR annoncé ne résout pas automatiquement le besoin d’un data center qui doit ouvrir prochainement.

Notre dossier sur Google, les hyperscalers et le nucléaire pour les data centers IA distingue ces contrats et leurs calendriers. Il complète cette page sans remplacer l’analyse du réseau. Renouvelables, stockage, gaz et autres solutions participent aussi au mix, chacun avec des contraintes propres.

Le problème n’est pas seulement énergétique, il devient financier

L’électricité indisponible peut retarder la mise en service. La capacité ne peut alors pas être facturée comme prévu, tandis que du capital reste immobilisé. Intérêts, engagements d’achat et coûts de projet peuvent continuer selon les contrats. La rentabilité dépend donc aussi du calendrier.

Électricité indisponible → mise en service retardée → recettes reportées → capital immobilisé → rendement du capital potentiellement dégradé. Cette chaîne décrit un risque ; son ampleur dépend du financement, des conditions commerciales et des possibilités de déplacer la demande.

L’accès à la puissance devient ainsi une composante de la valeur du site. Deux bâtiments semblables n’offrent pas le même service économique si l’un peut fonctionner maintenant et l’autre doit attendre un renforcement du réseau.

Notre analyse de CoreWeave, de la dette et du financement des data centers IA examine l’autre face de l’équation : comment rémunérer et rembourser le capital engagé aujourd’hui avec les revenus de demain. Le dossier sur les retards détaille, lui, ce qui arrive lorsque les calendriers physiques dérapent.

Pour les ménages et les autres entreprises, la question est différente : qui finance les nouvelles infrastructures ? Les tarifs, les garanties demandées aux grands clients et les décisions des régulateurs déterminent la répartition des coûts. Une hausse uniforme des factures n’est pas une conséquence automatique.

Le point décisif dépasse donc le nombre de GPU commandés. Il faut réunir du calcul, une alimentation fiable et un usage commercial capable d’en payer le coût. Une capacité annoncée n’est pas encore une capacité opérationnelle — et une capacité opérationnelle n’est pas forcément rentable.

FAQ : data centers IA et électricité

Pourquoi les data centers IA consomment-ils autant d’électricité ?

Ils concentrent des processeurs puissants, de la mémoire et des réseaux, auxquels s’ajoutent le refroidissement et les auxiliaires électriques. L’intensité dépend des équipements, de leur utilisation et de l’efficacité du site ; tous ne fonctionnent pas à pleine charge en permanence.

Combien d’électricité consomme un data center ?

Il n’existe pas de chiffre universel. Il faut connaître sa puissance moyenne et la durée d’utilisation. À titre mathématique, 100 MW moyens pendant 24 heures représentent 2 400 MWh. Une puissance annoncée ou maximale ne suffit pas à mesurer l’énergie réellement consommée.

Pourquoi l’IA augmente-t-elle la demande électrique ?

L’entraînement et l’utilisation des modèles ajoutent des calculs, des échanges de données et des besoins de refroidissement. Les gains d’efficacité peuvent réduire l’énergie par tâche, mais la multiplication des usages peut augmenter la consommation totale.

Les data centers utilisent-ils plus d’électricité que les villes ?

Certains grands campus peuvent atteindre des consommations comparables à celles d’une ville. La comparaison dépend toutefois du site, de la population et du périmètre retenu. Il faut comparer des consommations sur la même durée, sans confondre puissance maximale et énergie annuelle.

Pourquoi les entreprises technologiques investissent-elles dans le nucléaire ?

Elles cherchent notamment une production soutenue et faiblement carbonée pour accompagner leurs besoins. Contrats sur le parc existant, redémarrages et nouveaux réacteurs répondent à des calendriers différents ; une annonce ne garantit pas une disponibilité immédiate.

L’électricité peut-elle ralentir le développement de l’IA ?

Oui, localement. Une alimentation insuffisante ou un raccordement retardé peut décaler la disponibilité du calcul. Cela peut déplacer les investissements vers d’autres régions ou solutions énergétiques, plutôt qu’arrêter uniformément le développement mondial de l’IA.

Cet article est publié à titre informatif. Les données peuvent être révisées après leur publication initiale.