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

L'efficacité à grande échelle : NVIDIA et les acteurs de l'énergie accélèrent les centres d'IA flexibles pour renforcer le réseau électrique

NVIDIA et la startup Emerald AI ont présenté lors du CERAWeek — le sommet mondial de l'énergie surnommé le « Davos de l'énergie » — une architecture inédite qui transforme les usines à IA en actifs flexibles pour le réseau électrique. Construite sur la plateforme NVIDIA Vera Rubin DSX et le logiciel Conductor d'Emerald AI, cette approche intègre calcul, gestion de l'énergie et pilotage en temps réel dans une architecture unifiée. Concrètement, une usine à IA peut désormais moduler sa consommation électrique en fonction des conditions du réseau, tout en continuant à produire des tokens. Six grands acteurs de l'énergie — AES, Constellation, Invenergy, NextEra Energy, Nscale Energy & Power et Vistra — se sont engagés à construire des capacités de production compatibles avec cette architecture, notamment via des projets hybrides combinant alimentation locale et connexion au réseau. Du côté de l'efficacité pure, NVIDIA revendique une progression d'un million de fois le nombre de tokens générés pour un même budget énergétique, entre le GPU Kepler de 2012 et la plateforme Vera Rubin lancée cette année. La métrique clé est désormais le « tokens par seconde par watt ». Cet enjeu dépasse la simple optimisation technique : la croissance explosive des infrastructures IA menace de déstabiliser des réseaux électriques déjà sous tension. En rendant les centres de calcul capables de s'adapter en temps réel à l'offre disponible — en réduisant leur consommation lors des pics de demande, par exemple — cette approche évite de dimensionner le réseau pour des pointes qui ne surviennent que rarement. Pour les opérateurs d'énergie, cela représente une nouvelle classe de clients industriels qui, au lieu de fragiliser le réseau, peuvent contribuer à sa stabilité. Pour les entreprises qui déploient l'IA à grande échelle, l'avantage est double : des coûts opérationnels réduits et un accès accéléré à la puissance électrique, souvent le principal goulot d'étranglement dans la construction de nouveaux data centers. Jensen Huang, fondateur et PDG de NVIDIA, décrit l'infrastructure IA comme un « gâteau à cinq couches » — énergie, puces, infrastructure, modèles, applications — dans lequel l'énergie constitue la base fondatrice. C'est dans cette logique que s'inscrit également l'annonce de Maximo, une entreprise de robotique solaire incubée par AES, qui a achevé l'installation autonome d'une ferme solaire de 100 mégawatts sur le site Bellefield d'AES, en utilisant NVIDIA Omniverse et Isaac Sim. TerraPower, en partenariat avec SoftServe, a de son côté présenté une plateforme de jumeau numérique propulsée par Omniverse pour accélérer la conception de réacteurs nucléaires. Ces annonces illustrent une tendance de fond : l'IA ne se contente plus de consommer de l'énergie, elle commence à en accélérer la production.

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

Selon le Financial Times, Google a demandé à Meta de réduire sa consommation de ressources liées à son modèle Gemini dès le mois de mars 2026, après avoir atteint les limites de sa capacité de calcul. Meta ne sollicitait pas Gemini pour de simples expérimentations : l'entreprise s'appuyait déjà sur le modèle de Google pour des opérations critiques, notamment le développement logiciel interne, les chatbots publicitaires, le service client et la détection de contenus frauduleux. Ce recours massif à une IA externe s'explique par des performances supérieures à celles des solutions maison de Meta sur plusieurs cas d'usage stratégiques, ce qui a entraîné une montée en charge que Google n'a finalement pas pu absorber sans friction. Cet épisode illustre une réalité que l'on tend à oublier face aux annonces triomphales des géants de la tech : les infrastructures physiques restent le véritable goulot d'étranglement de l'industrie de l'IA. Construire des centres de données prend des années, et la demande en puissance de calcul croît plus vite que les capacités mondiales de production. Pour Meta, la situation est d'autant plus inconfortable que l'entreprise ne dispose d'aucun service cloud grand public qui lui permettrait d'amortir ses besoins en mutualisant les ressources. Résultat : l'un des groupes les plus capitalisés au monde se retrouve dépendant de son concurrent direct pour faire tourner des fonctions commerciales essentielles, une vulnérabilité stratégique considérable. Le paradoxe va plus loin encore : Google lui-même n'est pas à l'abri de ces tensions sur les ressources. La firme de Mountain View loue désormais des serveurs auprès de SpaceX pour environ un milliard de dollars par mois afin d'alimenter ses propres services. Meta a annoncé prévoir 600 milliards de dollars d'investissements dans ses infrastructures, mais ces capacités mettront des années à sortir de terre. En attendant, toute l'industrie se retrouve dans une situation absurde où les acteurs les plus puissants se disputent les mêmes ressources rares. Les analystes pointent régulièrement l'écart grandissant entre les investissements colossaux consentis et des revenus liés à l'IA encore marginaux, tandis que le prix des tokens continue d'augmenter. Cette pénurie de calcul n'est pas un accident conjoncturel : c'est la contrainte structurelle qui va redessiner les rapports de force entre les grands acteurs de l'IA dans les prochaines années.

L'IA chinoise cartographie l'intégralité de son réseau d'énergies renouvelables : pourquoi le reste du monde devrait s'en inspirer

Des chercheurs de l'Université de Pékin et du DAMO Academy d'Alibaba ont publié cette semaine dans la revue Nature une étude qui marque une première mondiale : une cartographie complète et haute résolution de toute l'infrastructure d'énergie renouvelable d'un pays entier, produite par intelligence artificielle. Le modèle de deep learning, entraîné sur des images satellites à résolution inférieure au mètre, a identifié 319 972 installations solaires photovoltaïques et 91 609 éoliennes à travers la Chine, en traitant 7,56 téraoctets d'imagerie. C'est la première fois qu'une nation dispose d'un inventaire exhaustif et automatisé de son parc renouvelable, accompagné d'un cadre analytique pour le coordonner comme un système unifié. L'enjeu dépasse la prouesse technique. L'étude montre que la complémentarité entre solaire et éolien réduit significativement la variabilité de la production, et que cette complémentarité est d'autant plus efficace que les installations coordonnées sont géographiquement éloignées : un nuage qui couvre les fermes solaires du Gansu n'obscurcit pas les corridors éoliens de Mongolie-Intérieure. Or, la Chine gère aujourd'hui son réseau à l'échelle provinciale, ce qui empêche d'exploiter ces complémentarités naturelles. Passer à une coordination nationale permettrait de stabiliser le réseau, de mieux apparier les sources d'énergie et de réduire le "curtailment", c'est-à-dire le gaspillage d'électricité renouvelable déjà produite, un problème coûteux de longue date. Liu Yu, professeur à l'École des sciences de la Terre et de l'Espace de Pékin, décrit cet inventaire comme une "vue divine" sur le paysage énergétique chinois : on ne peut pas optimiser ce qu'on ne voit pas. Cette percée intervient dans un contexte de pression extrême sur les réseaux électriques mondiaux. En Chine, la consommation électrique des centres de données a bondi de 44 % en glissement annuel au premier trimestre 2026, atteignant 22,9 milliards de kilowattheures selon le China Electricity Council, sous l'effet de la prolifération rapide des infrastructures d'IA. Ce phénomène n'est pas propre à la Chine : aux États-Unis, les prix sur le marché de capacité du PJM, le plus grand opérateur de réseau du pays, ont été multipliés par dix en deux ans, principalement à cause des centres de données. L'Agence internationale de l'énergie projette que la consommation mondiale de ces infrastructures pourrait approcher 1 000 TWh d'ici 2030. La méthode développée par l'équipe sino-chinoise offre un modèle reproductible pour d'autres pays confrontés au même défi : voir leur propre réseau renouvelable en entier, pour la première fois, et commencer à le piloter à la bonne échelle.

💬 Un demi-million d'installations solaires et éoliennes cartographiées par satellite, d'un coup, sur tout un pays. Ce qu'ils mettent en évidence ensuite c'est presque plus important : la Chine gaspille de l'électricité renouvelable déjà produite parce qu'elle pilote son réseau province par province au lieu de le voir à l'échelle nationale. L'Europe avec ses 27 réseaux qui se regardent en chien de faïence, ce serait bien de prendre note.

ThinkLabs AI, soutenue par Nvidia, lève 28 millions de dollars pour répondre à la crise du réseau électrique

ThinkLabs AI, une startup américaine spécialisée dans la modélisation par intelligence artificielle des réseaux électriques, a annoncé la clôture d'un tour de table de 28 millions de dollars en Série A. Le tour a été mené par Energy Impact Partners (EIP), l'un des plus grands fonds d'investissement dans la transition énergétique, avec la participation de NVentures — le bras capital-risque de Nvidia — et d'Edison International, maison mère de Southern California Edison. Parmi les investisseurs récurrents figurent GE Vernova, Powerhouse Ventures, Blackhorn Ventures et Amplify Capital, ainsi qu'une grande utility nord-américaine non nommée. Le montant final a dépassé l'objectif initial : le tour était sursouscrit, selon le PDG Josh Wong, en raison de la forte demande des partenaires stratégiques. La technologie de ThinkLabs s'attaque à un goulot d'étranglement critique dans l'ingénierie des réseaux électriques. Lorsqu'un opérateur doit évaluer l'impact du raccordement d'un datacenter ou d'un cluster de bornes de recharge sur un sous-réseau, il doit lancer des simulations de flux de puissance — des calculs complexes qui prennent traditionnellement plusieurs semaines avec les outils hérités de Siemens, GE ou Schneider Electric. ThinkLabs remplace ce processus par des modèles d'IA dits « physics-informed », entraînés sur les sorties de simulateurs physiques de référence. Résultat : une étude qui prenait un mois est compressée en moins de trois minutes, et 10 millions de scénarios peuvent être simulés en 10 minutes, avec une précision supérieure à 99,7 % sur les calculs de flux de puissance. Wong insiste sur la rigueur de l'approche : « Ce n'est pas de l'IA générative qui hallucine — c'est du calcul d'ingénierie, comparable à la dynamique des fluides ou aux modèles climatiques. » L'enjeu est considérable. Selon le cabinet ICF International, la demande électrique américaine devrait croître de 25 % d'ici 2030, tirée par les datacenters d'IA, l'électrification des transports et du bâtiment. Cette montée en charge percute de plein fouet une infrastructure conçue il y a plusieurs décennies pour des usages radicalement différents. Les utilities peinent à suivre : les files d'attente pour raccorder de nouveaux équipements au réseau de transport s'allongent, faute de capacité à modéliser rapidement les impacts. La participation de Nvidia au tour n'est pas anodine : le géant des puces graphiques est à la fois bénéficiaire et contributeur de cette explosion de la demande énergétique liée à l'IA, et a tout intérêt à ce que les infrastructures électriques tiennent la cadence. ThinkLabs se positionne ainsi à l'intersection de deux des grandes transitions de la décennie — numérique et énergétique — avec une application de l'IA qui touche directement à la fiabilité des réseaux physiques.

💬 Un mois de calcul en trois minutes. Sur le papier ça sonne pitch deck, mais l'approche physics-informed c'est du concret : on accélère de la simulation physique réelle, on ne demande pas à un LLM de deviner des flux de puissance. Nvidia dans le tour, c'est presque logique, ils créent le problème de consommation et financent la solution pour que les réseaux tiennent.