L'IA sort du nuage par la prise

L’IA aime se presenter comme un service leger. Une fenetre, une API, un bouton dans un logiciel metier, une ligne dans un abonnement. L’utilisateur voit une reponse. Le dirigeant voit une licence. Le fournisseur voit une plateforme. Presque personne ne voit la prise.

Elle existe pourtant. Derriere les modeles, les assistants, les agents et les recherches semantiques, il y a des data centers, des transformateurs, des lignes haute tension, des groupes de refroidissement, des terrains, des contrats d’achat d’energie, des permis, de l’eau, des delais de raccordement et des arbitrages politiques locaux.

Ce retour au sol change la conversation. Pendant deux ans, beaucoup d’entreprises ont parle de l’IA comme d’une question de productivite abstraite : combien de minutes gagne-t-on, combien de tickets traite-t-on, combien de documents resume-t-on ? La question suivante est moins commode : combien d’infrastructure faut-il pour rendre ces gains possibles, et qui en porte le cout quand le calcul devient ordinaire ?

L’Agence internationale de l’energie estime que la consommation electrique mondiale des data centers pourrait presque doubler d’ici 2030 pour atteindre environ 945 TWh. Ce chiffre ne dit pas que l’IA va engloutir le monde. Il dit quelque chose de plus utile : l’IA quitte le vocabulaire du nuage pour rejoindre celui du reseau.

Le cloud etait une metaphore confortable

Le mot cloud a rendu l’infrastructure polie. Il a transforme les serveurs en meteo. On ne demande pas ou se trouve un nuage, qui l’alimente, qui le refroidit, qui le raccorde. On l’utilise.

L’IA generative a pousse cette abstraction plus loin. Le cout visible est devenu un abonnement ou un prix par million de tokens. C’est pratique pour acheter. C’est pauvre pour comprendre. Une direction peut ajouter un assistant dans la messagerie, un copilote dans la suite bureautique, un outil de recherche dans la documentation, un agent dans le support, puis regarder seulement la ligne budgetaire logicielle.

Mais l’infrastructure, elle, ne se paie pas en metaphore. Elle se paie en megawatts, en raccordements, en refroidissement, en disponibilite du reseau et en concurrence avec d’autres usages. Quand l’AIE observe une hausse rapide de la demande des data centers en 2025, elle ne parle pas d’un debat culturel sur l’IA. Elle parle d’un secteur qui arrive dans les contraintes normales de l’energie.

La normalite est le point important. L’IA n’est plus seulement un sujet d’innovation. Elle devient un consommateur industriel.

Le probleme n’est pas seulement le total mondial

Les grands chiffres fascinent. Ils permettent de dire que les data centers consommeront autant qu’un pays, ou que leur part restera faible dans le bilan mondial. Les deux phrases peuvent etre vraies et pourtant manquer le sujet.

Un reseau electrique ne casse pas a l’echelle d’un graphique mondial. Il bloque a un poste, dans une region, sur un calendrier de raccordement, dans une communaute qui ne veut pas voir arriver un batiment peu createur d’emplois permanents mais tres demandeur en ressources. Le cout de l’IA est donc geographique avant d’etre philosophique.

Une capacite electrique disponible dans une region ne resout pas la saturation d’une autre. Une promesse d’energie renouvelable ne supprime pas la question de l’heure ou le data center consomme. Une meilleure efficacite des puces peut etre absorbee par plus d’usages. Une technologie de refroidissement moins gourmande en eau peut demander plus d’electricite. Le systeme ressemble moins a une addition simple qu’a une serie de deplacements.

La publication de l’Universite des Nations unies sur les empreintes carbone, eau et foncier de l’IA a le merite de remettre ces dimensions ensemble. L’electricite n’est pas seule. L’eau n’est pas seule. Le terrain n’est pas seul. Les trois deviennent visibles quand les data centers cessent d’etre des objets lointains.

L’entreprise cliente externalise aussi un choix d’infrastructure

Une PME qui utilise un outil IA ne construit pas de data center. Elle n’achete pas directement un transformateur. Elle ne negocie pas avec un gestionnaire de reseau. Cela peut donner l’impression que le sujet ne la concerne pas.

C’est trop simple.

Chaque usage ajoute une petite demande. Un resume automatique de reunion, un classement de tickets, une generation d’images, une recherche dans tous les documents, une reecriture systematique d’emails, un agent qui relit chaque conversation client. Pris un par un, ces usages paraissent insignifiants. Additionnes, automatises, rendus permanents, ils deviennent une habitude de calcul.

Le vrai risque pour une entreprise n’est pas de devoir calculer l’empreinte exacte de chaque requete. Ce serait une comptabilite fragile et souvent impossible. Le risque est de ne plus distinguer les usages qui meritent du calcul de ceux qui le consomment par paresse organisationnelle.

Il y a une difference entre analyser un dossier complexe et reformuler automatiquement des phrases deja claires. Entre rechercher dans une base documentaire utile et lancer un agent sur des archives jamais nettoyees. Entre assister une decision rare et faire tourner de l’IA sur chaque micro-action parce que le bouton existe.

La sobriete IA commence la : dans le droit de ne pas utiliser le modele quand une regle, un formulaire plus court, une recherche classique ou une suppression d’etape suffit.

L’Europe veut raccorder deux politiques

Le Conseil de l’Union europeenne a publie en juin 2026 une feuille de route strategique sur la numerisation et l’IA dans le secteur de l’energie. Le document cherche a relier deux mouvements que l’on traite souvent separement : l’IA pour mieux piloter l’energie, et l’energie necessaire pour faire tourner l’IA.

Cette symetrie est saine. L’IA peut aider les reseaux, la prevision, la flexibilite, la maintenance, l’efficacite. Mais elle peut aussi ajouter une demande nouvelle, rapide et concentree. Une politique serieuse ne peut donc pas se contenter de promettre que l’IA optimisera l’energie. Elle doit aussi demander quelle energie l’IA exige.

La feuille de route parle notamment de mieux suivre l’usage energetique des data centers et de faciliter leur integration durable dans le systeme. C’est exactement le genre de phrase administrative qui parait ennuyeuse jusqu’au jour ou elle devient centrale. Sans mesure, le debat reste moral. Avec mesure, il peut devenir industriel.

Pour les entreprises, cela annonce une evolution probable : les fournisseurs ne pourront pas indefiniment vendre l’IA comme une boite noire logicielle. Les clients finiront par demander des indicateurs plus simples, plus comparables, plus proches de l’usage reel. Pas pour transformer chaque achat en audit climat complet, mais pour eviter que le cout physique soit toujours le dernier a apparaitre.

Le mauvais calcul est celui qu’on ne regarde pas

Il faut eviter deux caricatures. La premiere consiste a dire que toute IA est une catastrophe energetique. C’est faux. Certains usages peuvent reduire des deplacements, optimiser des flux, accelerer une maintenance, eviter du gaspillage ou ameliorer une decision. La seconde consiste a dire que l’energie n’est qu’un detail d’ingenierie que les hyperscalers regleront. C’est trop confortable.

Le bon niveau est plus ennuyeux : usage par usage.

Un traitement rare, utile, trace, qui remplace un travail lourd, peut justifier son calcul. Une automatisation permanente, mal mesuree, appliquee a un flux dont personne ne sait s’il doit exister, merite d’etre arretee avant d’etre optimisee. La question n’est pas “l’IA consomme-t-elle ?” Bien sur qu’elle consomme. La question est : consomme-t-elle pour quelque chose qui tient debout ?

Cette question manque souvent dans les plans de deploiement. On mesure l’adoption, le nombre d’utilisateurs, le volume de requetes, parfois le temps gagne. On mesure beaucoup moins les usages inutiles crees par l’abondance apparente. Quand le calcul semble gratuit, l’organisation invente des gestes qui n’auraient pas existe si elle avait du brancher elle-meme la machine.

La facture physique rendra le tri plus honnete

L’IA d’entreprise a besoin d’un tri plus rude. Pas un tri moral, un tri comptable au sens large : cout logiciel, cout humain, cout de maintenance, cout de donnees, cout de risque, cout d’infrastructure.

Un usage qui ne sait pas nommer son gain ne devrait pas reclamer du calcul permanent. Un agent qui tourne sans supervision ne devrait pas devenir une habitude. Un outil qui augmente le volume de contenu sans ameliorer la decision devrait etre considere comme une dette. Un tableau de bord IA que personne ne lit devrait etre eteint. Une fonction generee par defaut dans un logiciel devrait pouvoir etre desactivee par defaut.

Ce n’est pas une position anti-IA. C’est presque l’inverse. Les bons usages ont interet a ce que les mauvais usages ne saturent pas la conversation, les budgets et les reseaux.

Le calcul utile doit etre protege du calcul decoratif.

La prise est une bonne nouvelle

Voir la prise ne diminue pas l’IA. Cela la rend plus adulte.

Tant que l’IA reste un nuage, elle flotte au-dessus des arbitrages. Quand elle redevient une infrastructure, elle doit entrer dans les memes questions que les autres : quelle priorite, quel rendement, quel risque, quelle localisation, quelle maintenance, quelle sobriete, quelle responsabilite ?

Une entreprise n’a pas besoin d’attendre une norme parfaite pour commencer. Elle peut deja faire trois choses simples. Lister les usages IA vraiment frequents. Couper ceux qui n’ont pas de gain observable. Demander aux fournisseurs des informations lisibles sur les volumes, les modeles utilises, les options de limitation et les donnees d’exploitation.

Ce n’est pas spectaculaire. C’est pourtant le debut d’une economie plus honnete de l’IA.

Le nuage etait une image. La prise est une contrainte. Entre les deux, il y a la seule question qui vaille pour 2026 : quel calcul merite encore d’etre allume ?

Tout le reste peut encore rester en jachere.

AIE, Energy and AI, Universite des Nations unies, Conseil de l'Union europeenne et observatoire AIE, verifies le 22 juin 2026.