Google aurait limité l’usage de Gemini par Meta, mais pourquoi ?

L'usage instable d'électricité par l'IA met à l'épreuve les limites du réseau

La croissance rapide des infrastructures d'intelligence artificielle est généralement présentée comme un problème de consommation énergétique brute. L'Agence internationale de l'énergie (AIE) estime que les centres de données pourraient représenter 3 à 4% de la consommation électrique mondiale d'ici la fin de la décennie, et les compagnies d'électricité révisent déjà leurs prévisions à long terme pour anticiper la croissance des installations hyperscale et des clusters de calcul à haute densité. Mais cette lecture centrée sur le volume masque un phénomène plus subtil : ce n'est pas seulement la quantité d'énergie consommée par ces systèmes qui pose problème, mais la manière dont des charges de calcul de plus en plus denses et synchronisées modifient le comportement même du réseau électrique. L'entraînement des modèles d'IA, effectué sur des clusters de GPU, TPU et autres accélérateurs fonctionnant en parallèle, produit une demande électrique dense et hautement synchronisée, tandis que l'inférence, c'est-à-dire l'utilisation réelle de ces modèles, génère une demande plus distribuée et imprévisible, dépendante du comportement des utilisateurs. Ces deux profils de charge peuvent varier brutalement en quelques millisecondes, créant des à-coups de consommation que les réseaux électriques n'ont pas été conçus pour absorber. Ce phénomène a des conséquences concrètes pour les gestionnaires de réseau. Contrairement aux charges industrielles traditionnelles, prévisibles et gérables par la planification de réserves, les mises à niveau du réseau de transport et les programmes de gestion de la demande, les centres de données d'IA imposent des variations rapides qui sollicitent les réserves de production de secours, les mécanismes de régulation de fréquence et les infrastructures de transport locales. Des opérateurs déploient déjà des technologies d'atténuation comme des batteries, des systèmes de conditionnement de puissance et des supercondensateurs pour absorber ces pics. Le National Renewable Energy Laboratory (NREL) souligne d'ailleurs la complexité croissante liée à l'intégration de ressources aussi dynamiques dans l'exploitation des réseaux modernes. Pour l'industrie électrique, cela signifie revoir en profondeur les méthodes de prévision, de gestion des réserves et d'équilibrage du réseau, sous peine de voir la fiabilité de l'approvisionnement se dégrader dans les zones les plus exposées. Cette variabilité liée au calcul se distingue de celle introduite par les énergies renouvelables : l'intermittence de l'éolien ou du solaire provient de l'offre, dictée par les conditions météorologiques, alors que celle des centres de données provient de la demande, pilotée par la synchronisation des charges de travail et les stratégies de planification informatique. Le problème est aggravé par la concentration géographique des data centers, attirés par la fibre optique, la proximité des marchés, les incitations fiscales et des coûts électriques historiquement bas. La Virginie du Nord, surnommée "Data Center Alley", illustre cette concentration extrême : la région héberge la plus grande densité mondiale de centres de données et achemine une part considérable du trafic internet global, plaçant les opérateurs électriques locaux en première ligne face à ces nouveaux défis.

💬 Le réseau électrique a été pensé pour des charges prévisibles, pas pour des clusters GPU qui font varier la demande de plusieurs mégawatts en quelques millisecondes. Ça change la nature du problème : on parlait de volume, il faut maintenant parler de synchronisation. Le vrai risque n'est plus "l'IA consomme trop d'énergie" mais "l'IA consomme de façon trop brutale pour un réseau conçu pour l'industrie du XXe siècle", et ça, aucune batterie ne le résout à grande échelle pour l'instant.

☕️ Google va louer de l’infra IA chez SpaceX pour 920 millions de dollars par mois

Google a signé le 5 juin un accord avec SpaceX pour louer jusqu'à 110 000 GPU NVIDIA opérés par xAI, l'entreprise d'intelligence artificielle d'Elon Musk. Le contrat, révélé dans un document déposé auprès de la SEC, prévoit un loyer mensuel de 920 millions de dollars sur une période allant d'octobre 2026 à juin 2029, pour un montant total estimé à 30,3 milliards de dollars. Une phase de mise à disposition progressive est prévue dès septembre 2026, et Google dispose d'une clause de sortie sans pénalité entre octobre et décembre 2026 si SpaceX ne peut pas fournir les capacités promises. Cet accord intervient trois jours après que Google a annoncé son intention de lever 80 milliards de dollars pour financer ses propres infrastructures de calcul, tout en révélant un carnet de commandes lié à l'IA de 460 milliards de dollars, dont la moitié doit être réalisée dans les 24 prochains mois. Que le premier fournisseur de cloud mondial soit contraint de louer des ressources informatiques à un concurrent dit quelque chose de la pression extraordinaire qui s'exerce sur les capacités de calcul IA en ce moment. Google justifie l'accord comme "opportun et à court terme" pour répondre à une demande dépassant ses prévisions sur Gemini Enterprise, sa plateforme d'agents d'entreprise. L'ampleur du contrat illustre concrètement ce que signifie une pénurie de GPU à l'échelle industrielle : même les géants du cloud ne peuvent pas toujours livrer dans les délais sans externaliser. Pour les entreprises clientes de Google, c'est une garantie de capacité ; pour l'industrie, c'est le signal que la course aux infrastructures IA crée des dépendances croisées inédites entre concurrents directs. Ce deal s'inscrit dans une relation plus complexe qu'une simple transaction commerciale. Google détenait 6,11 % du capital de SpaceX fin 2025, et conserverait environ 5 % après la fusion de SpaceX avec X et xAI selon Bloomberg, ce qui fait de Mountain View l'un des actionnaires d'Elon Musk. Pour SpaceX, l'accord tombe à un moment stratégique : l'entreprise prépare activement son introduction en bourse à 135 dollars l'action, pour une valorisation d'environ 1 750 milliards de dollars, et ce contrat démontre sa capacité à monétiser ses investissements IA malgré leur coût élevé. SpaceX avait déjà signé un accord similaire avec Anthropic, portant sur les GPU du datacenter Colossus I pour 1,25 milliard de dollars par mois. Si ces deux contrats sont honorés à pleine mesure, la question se pose de savoir quelles ressources de calcul resteront disponibles pour entraîner et faire tourner les propres modèles d'IA de SpaceX.

💬 Le premier fournisseur de cloud mondial qui loue des GPU chez un concurrent pour tenir ses clients, ça résume mieux que n'importe quel rapport l'état réel de la pénurie. Ce qui me perturbe, c'est qu'Anthropic a signé un deal similaire chez SpaceX au même moment pour 1,25 milliard par mois : tu te demandes bien comment les mêmes machines vont servir deux gros clients en simultané. La clause de sortie sans pénalité en fin 2026 montre que Google n'est pas totalement dupe, ce qui est peut-être la seule vraie bonne nouvelle ici.

Google négocierait le financement d'un data center de plusieurs milliards pour Anthropic

Google serait en négociation pour financer partiellement la construction d'un datacenter de plusieurs milliards de dollars au Texas, destiné à être loué par Anthropic, selon des informations du Financial Times. Le montage financier envisagé passerait par des prêts à la construction accordés à Nexus Data Centers, l'opérateur du site qui détient le bail avec Anthropic. Le montant exact n'a pas été divulgué, mais l'expression « multibillion-dollar » laisse entrevoir une infrastructure d'envergure. Ce projet illustre la dépendance croissante des laboratoires d'IA aux investissements massifs en infrastructure de calcul. Pour Anthropic, accéder à une capacité de calcul dédiée et à grande échelle est indispensable pour entraîner et déployer ses modèles Claude à un niveau compétitif face à OpenAI et Google DeepMind. Pour Google, financer l'infrastructure de son partenaire stratégique — dans lequel il a déjà investi plus de 2 milliards de dollars — renforce un écosystème dans lequel ses propres intérêts sont engagés. Ce mouvement s'inscrit dans une course mondiale aux datacenters alimentée par l'explosion de la demande en IA générative. Microsoft construit des infrastructures pour OpenAI, Amazon pour ses propres services et Anthropic via AWS. Le fait que Google joue désormais aussi le rôle de bailleur de fonds pour Anthropic, en plus de partenaire cloud, témoigne de l'intrication croissante entre financement, infrastructure et développement des modèles dans l'industrie de l'IA.

☕️ Microsoft se tournerait vers AWS pour absorber l’explosion des usages IA sur GitHub

Microsoft aurait discrètement conclu un accord avec Amazon Web Services pour absorber le trop-plein de trafic sur GitHub, selon deux sources internes citées par Business Insider. La plateforme de code, rachetée par Microsoft en 2018, subit depuis fin 2024 une pression sans précédent liée à l'explosion des outils de développement assistés par IA, notamment GitHub Copilot et ses agents autonomes. Le 3 avril 2026, Kyle Daigle, directeur des opérations de GitHub, chiffrait publiquement l'ampleur du phénomène : la plateforme enregistrait désormais 275 millions de commits par semaine, contre un milliard sur l'ensemble de l'année 2025, soit un rythme annualisé de 14 milliards. Microsoft n'a pas confirmé le recours spécifique à AWS, mais un porte-parole a reconnu une "stratégie multi-cloud", évoquant "l'incroyable pic du développement des agents" qui aurait "mis à l'épreuve les limites de l'infrastructure". La situation illustre un paradoxe industriel saisissant : ce sont les propres outils d'IA de Microsoft qui génèrent une demande que son cloud maison, Azure, ne parvient plus à satisfaire. Fin avril, plusieurs développeurs influents avaient publiquement annoncé leur intention de quitter GitHub en raison de pannes répétées imputées à cette surcharge. L'ironie est d'autant plus mordante que Microsoft avait annoncé en octobre dernier vouloir migrer intégralement GitHub vers Azure dans un délai de 24 mois, faisant de la plateforme une vitrine stratégique de sa puissance cloud. Devoir solliciter son principal concurrent pour tenir debout fragilise ce discours commercial et interroge la capacité d'Azure à accompagner les pics de croissance liés à l'IA générative, précisément le segment où Microsoft entend dominer. GitHub occupe une position centrale dans l'écosystème mondial du développement logiciel, avec plus de 100 millions de développeurs enregistrés. Son passage sous pavillon Microsoft avait déjà suscité des inquiétudes sur l'indépendance de la plateforme ; la dépendance croissante à Copilot et l'introduction récente d'une facturation à l'usage de cet outil ont ravivé ces tensions. La question du multi-cloud n'est pas nouvelle dans l'industrie, mais elle prend une dimension politique particulière quand elle oppose deux géants du secteur en compétition directe sur l'IA. Microsoft doit désormais arbitrer entre la priorité donnée à Azure comme infrastructure de référence et la nécessité opérationnelle de garantir la stabilité d'un service critique, sans quoi GitHub risque de perdre la confiance de la communauté des développeurs au profit d'alternatives comme GitLab ou Codeberg.