L’intelligence artificielle a habitué le marché à penser en termes de rapidité. Nouveaux modèles tous les quelques mois, puces plus puissantes, centres de données annoncés avec des chiffres qui semblaient invraisemblables il y a peu, levées de fonds à plusieurs milliards. Mais la limite qui commence à apparaître ne se trouve plus seulement dans le logiciel ou les semi-conducteurs. Elle se trouve dans la partie la plus tangible de l’économie : électricité, turbines, transformateurs, permis, terrains, eau, refroidissement et infrastructures.

Une phrase attribuée à Elon Musk, très répandue sur les réseaux, résume bien cette tension. Quand on lui a demandé pourquoi les géants de la tech ne construisaient pas simplement des centrales privées à côté de leurs centres de données, sa réponse a été directe : le vrai goulot d’étranglement, ce sont les fabricants de turbines. Au-delà de la citation littérale, l’idée reflète une réalité de plus en plus visible : l’IA peut évoluer bien plus vite en code qu’il n’est possible de construire des infrastructures lourdes.

Ce paradoxe est gênant. Une équipe peut entraîner ou ajuster un modèle en quelques semaines, louer des capacités GPU, concevoir une architecture d’inférence distribuée en quelques mois. Mais construire une production électrique, renforcer une sous-station, obtenir des turbines à gaz, étendre des lignes de transmission ou décrocher des autorisations environnementales prend des années. L’IA progresse au rythme du logiciel ; l’énergie suit encore celui de l’acier, du béton et des réglementations.

Le nouveau goulot d’étranglement n’est plus seulement les GPU

En 2023 et 2024, le débat autour de l’IA s’est concentré sur la pénurie de GPU. NVIDIA est devenu le symbole de cette course, chaque annonce de capacité se mesurant en chips, clusters et gigawatts de calcul. Cet enjeu reste crucial, mais il commence à montrer ses limites. Disposer d’accélérateurs ne sert pas à grand-chose si l’électricité n’est pas là pour les allumer, les refroidir et les connecter.

L’Agence Internationale de l’Énergie estime que la consommation électrique mondiale des centres de données pourrait doubler pour atteindre environ 945 TWh en 2030, un chiffre proche de la consommation actuelle du Japon. L’IA sera l’un des principaux moteurs de cette croissance, avec des serveurs optimisés progressant bien plus vite que l’infrastructure informatique conventionnelle. Aux États-Unis, l’AIE prévoit que près de la moitié de la croissance de la demande électrique jusqu’à la fin de la décennie viendra des centres de données.

Les données récentes confirment cette tendance. En avril 2026, l’AIE a signalé que la demande électrique des centres de données avait augmenté de 17 % en 2025, avec une croissance encore plus rapide pour ceux dédiés à l’IA, bien au-delà du taux global de 3 %. L’Administration de l’Énergie américaine prévoit de nouveaux pics de consommation en 2026 et 2027, portés par les centres de données, l’IA, les cryptomonnaies et l’électrification d’autres usages. La demande totale passerait de 4 195 milliards de kWh en 2025 à 4 379 en 2027.

L’IA est déjà une industrie énergétique à part entière, pas seulement une industrie de puces et de modèles. Ce constat vaut aussi en Europe, où le réseau électrique constitue déjà le principal frein à l’expansion du cloud IA.

Construire sa propre génération d’énergie n’est pas si simple

Une solution apparemment logique serait que les grands acteurs construisent leur propre production d’énergie près de leurs centres de données. Ce qu’on appelle dans le secteur la génération « derrière le compteur » : une énergie dédiée, directement associée à une installation industrielle ou numérique, qui réduit la dépendance au réseau et offre plus de contrôle sur l’approvisionnement.

Mais cette voie bute aussi sur des contraintes physiques. Turbines à gaz, transformateurs, systèmes haute tension, équipements de refroidissement industriel et main-d’œuvre qualifiée ne surgissent pas du jour au lendemain. Une analyse publiée dans Engineering indique que les délais d’attente pour de grandes turbines à gaz atteignent en moyenne cinq ans, et jusqu’à sept dans certains cas, contre un à trois ans auparavant. En avril 2026, TechCrunch rapportait que la concurrence pour de nouvelles centrales à gaz destinées aux centres de données provoquait une pénurie de turbines et une forte hausse des coûts, avec des délais allant jusqu’à six ans pour certains équipements et une absence de nouvelles commandes jusqu’en 2028.

L’exemple de xAI illustre cette réalité. La société associée à Musk a obtenu l’autorisation d’installer 41 turbines à gaz naturel dans le Mississippi, avec une capacité estimée à 1,2 GW pour alimenter ses centres de données Colossus. La décision a été critiquée par des groupes environnementaux, mais elle témoigne de la volonté de l’industrie de trouver des solutions directes. D’autres acteurs cherchent des alternatives : Meta a signé un accord pour 1 GW d’énergie solaire spatiale, signe que les voies conventionnelles ne suffisent plus à répondre à la demande.

Le problème, c’est que toutes les entreprises ne peuvent pas s’offrir ces solutions. Acheter des GPU, c’est une chose ; devenir un promoteur électrique, négocier des permis, assurer le carburant, gérer les émissions, signer des accords d’interconnexion et exploiter des actifs énergétiques critiques en est une autre. L’IA pousse les entreprises technologiques vers un terrain qui ressemble de moins en moins à du logiciel et de plus en plus à une industrie lourde.

Chine, États-Unis et la vitesse de développement

La comparaison avec la Chine revient régulièrement, car la course à l’IA est aussi une compétition en capacité industrielle. La Chine a montré dans les secteurs du solaire, des batteries, des réseaux électriques ou de la fabrication électronique une capacité remarquable à construire rapidement et à faire évoluer ses chaînes d’approvisionnement. Les États-Unis conservent leur leadership en puces, logiciels, capital et modèles, mais rencontrent des blocages dans les permis, le réseau électrique, la fabrication d’équipements et la coordination territoriale.

L’AIE prévoit que les États-Unis et la Chine concentreront près de 80 % de la croissance mondiale de la demande électrique des centres de données jusqu’en 2030. Ils partagent donc le même dilemme : posséder des entreprises capables d’entraîner des modèles avancés ne suffit pas, il faut aussi alimenter physiquement l’infrastructure qui les fait tourner.

La différence réside dans la rapidité administrative, la planification et le contrôle sur les chaînes industrielles. La Chine peut accélérer ses projets stratégiques grâce à une coordination étatique difficile à reproduire dans des démocraties décentralisées. Les États-Unis disposent d’un marché privé immense, mais leurs projets peuvent être bloqués par des permis locaux, des litiges, des agences, des communautés ou des restrictions environnementales.

L’Europe observe ce débat avec ses propres contraintes. La demande pour les centres de données croît aussi sur le continent, mais sous une pression réglementaire accrue concernant la durabilité, l’eau, les terrains et la consommation d’énergie. Pour des régions comme Madrid, Francfort, Dublin, Amsterdam ou Paris, la question n’est plus seulement d’attirer des investissements, mais de déterminer ce que le réseau peut physiquement absorber.

Le logiciel avance, mais l’infrastructure suit

La grande leçon de cette étape, c’est que l’IA a remis en marche l’économie physique. Pendant des décennies, une grande partie du discours technologique s’est appuyée sur l’idée que la valeur se déplaçait vers l’immatériel : code, plateformes, données, services cloud. Tout cela reste vrai, mais seulement jusqu’à ce que la demande en calcul oblige à construire des gigawatts.

Chaque avancée en modèles implique une empreinte matérielle. Plus de paramètres exigent plus d’entraînement. Plus d’inférences nécessitent plus de serveurs distribués. Plus de serveurs, c’est plus d’énergie, plus de refroidissement, davantage de fibre optique, plus de sous-stations, transformateurs, terrains et constructions. Le monde numérique ne flotte pas dans l’air : il vit dans des usines remplies d’équipements qui consomment de l’électricité en continu.

Cela modifie aussi la hiérarchie dans la chaîne technologique. Fabricants de turbines, fournisseurs de transformateurs, compagnies électriques, opérateurs de réseaux, entreprises d’ingénierie, fabricants de systèmes de refroidissement et opérateurs de centres de données jouent désormais un rôle plus déterminant. Le prochain avantage compétitif ne se mesurera pas seulement au nombre de GPU, mais à l’accès anticipé à une puissance fiable, des permis sécurisés et des équipements électriques livrés dans les temps.

Le raisonnement de Musk repose sur une vérité simple : on ne peut pas faire fonctionner l’IA sans énergie. Et on ne peut pas produire de l’énergie à grande échelle sans usines, permis, matériaux, main-d’œuvre et années de planification. Le code évolue à une vitesse quasi instantanée ; une centrale électrique, non.

Le mythe de l’IA comme industrie purement numérique s’épuise. La course se joue désormais aussi dans les zones industrielles, les lignes de transmission, les ports, les centrales à turbines, les mines de cuivre, les usines de transformateurs et les municipalités qui approuvent ou bloquent des projets. L’intelligence artificielle entre dans sa phase de béton. Et cette étape sera plus lente, plus coûteuse et plus politique que la précédente.

Questions fréquentes

Quel est le principal goulot d’étranglement physique de l’IA ?

L’énergie. Les centres de données pour l’IA nécessitent de grandes quantités d’électricité, ainsi que du refroidissement, des connexions réseau, des transformateurs, des turbines et des permis qui prennent des années à obtenir.

Pourquoi les big tech ne construisent-ils pas simplement leurs propres centrales électriques ?

Les équipements eux-mêmes posent problème : les délais de livraison pour de grandes turbines à gaz atteignent cinq à sept ans. S’y ajoutent les permis, le combustible, les interconnexions et la capacité industrielle nécessaire pour opérer des actifs énergétiques critiques.

La pénurie de GPU reste-t-elle un problème ?

Oui. Les puces restent critiques, mais la disponibilité électrique est devenue une contrainte tout aussi importante, voire plus bloquante, pour de nombreux projets d’IA à grande échelle.

Quels pays ont un avantage dans cette nouvelle étape ?

Ceux qui combinent capacité technologique et rapidité de construction des infrastructures énergétiques. Les États-Unis et la Chine concentreront près de 80 % de la croissance prévue, mais avec des défis très différents : le marché privé américain bute sur les permis et les litiges, la Chine accélère grâce à la coordination étatique.

Comment l’Europe se positionne-t-elle dans cette course ?

L’Europe fait face à des contraintes réglementaires strictes sur la durabilité, l’eau et la consommation énergétique. Les grands hubs comme Francfort, Dublin, Amsterdam ou Madrid ne cherchent plus seulement à attirer des investissements : ils doivent d’abord déterminer ce que leur réseau peut physiquement absorber.