IA souveraine : pourquoi l’infrastructure est le point de départ

L’intelligence artificielle a franchi un seuil. Elle n’est plus seulement une fonctionnalité intégrée dans un produit ou une catégorie de logiciels à évaluer et à adopter. Elle est en train de devenir l’infrastructure systémique, avec un vaste éventail d’usages dans tous les secteurs d’activité. À l’instar des infrastructures traditionnelles, comme les réseaux de transport, l’IA dépend d’un approvisionnement énergétique à grande échelle, fiable et durable pour alimenter ses GPU. Les choix que font les organisations aujourd’hui, quant au lieu et à la manière dont leur infrastructure IA opère, façonneront leur efficacité, leur résilience et leur positionnement concurrentiel pour les années à venir. L’IA souveraine devient ainsi un enjeu stratégique de premier plan.

Les investissements mondiaux dans les centres de données ont presque doublé depuis 2022, pour atteindre 500 milliards de dollars en 2024, selon le rapport 2025 del’Agence internationale de l’énergie (AIE) sur l’énergie et l’IA. La consommation électrique des centres de données s’établissait à environ 415 térawattheures (TWh) en 2024, soit 1,5 % de la consommation électrique mondiale totale. L’AIE projette que, d’ici 2030, elle devrait atteindre environ 945 TWh, soit plus du double, légèrement supérieur à la consommation électrique totale du Japon aujourd’hui.

Les réseaux électriques de nombreuses régions peinent déjà à suivre le rythme. Le rapport de l’AIE estime qu’environ 20 % des projets de centres de données prévus pourraient être retardés si les contraintes de réseau ne sont pas résolues. Paradoxalement, l’IA pourrait contribuer à résoudre une partie du problème, en devenant un puissant levier d’optimisation des systèmes énergétiques.

Le cloud est un lieu physique

Le terme « cloud computing » peut occulter la réalité de la façon dont l’IA est alimentée : chaque charge de travail IA s’exécute sur du matériel physique, dans une installation, connectée à un réseau électrique spécifique.

À ce titre, tous les clouds ne se valent pas. Choisir une solution IA basée sur le cloud ne signifie pas nécessairement qu’elle sera plus efficace ou plus responsable sur le plan environnemental que d’autres options. Les besoins en ressources de chaque centre ont des implications directes pour les communautés et les environnements locaux. Celles-ci vont au-delà de la consommation électrique directe et englobent l’utilisation de l’eau (pour le refroidissement), la fabrication du matériel et l’écosystème local.

L’intensité carbone des opérations d’un centre de données dépend fortement du mix énergétique de son réseau local. Dans les régions où la production d’électricité repose principalement sur le charbon ou le gaz naturel, la même charge de travail IA aura un profil d’émissions plus élevé que dans les régions alimentées par des énergies renouvelables. L’AIE indique que le charbon représente environ 30 % de la production mondiale d’électricité destinée aux centres de données, bien que ce chiffre varie considérablement selon les pays et les régions.

Rien de tout cela ne constitue un argument contre le cloud computing. L’infrastructure cloud offre des avantages d’échelle, de flexibilité et de coût bien établis. Cela signifie plutôt que les organisations doivent prendre leurs décisions en matière d’infrastructure IA sur la base d’une analyse des coûts réels et des implications associées, plutôt que de choisir une solution particulière par défaut.

Quand IA souveraine rencontre efficacité opérationnelle

Dans les secteurs industriels comme dans les gouvernements, le concept d’IA souveraine gagne du terrain. Il désigne des déploiements d’infrastructure qui offrent aux organisations un haut degré de contrôle sur leurs modèles d’IA, leurs données, leurs ressources informatiques et leur déploiement IA (SaaS, cloud privé ou centres de données on-premise). Cela peut conférer des avantages allant de la sécurité nationale au contrôle des coûts, en passant par la conformité réglementaire, la sécurité des données et la confidentialité.

L’IA souveraine comporte une dimension physique souvent sous-estimée. Le déploiement on-premises (« on-prem ») qui consiste à héberger l’ensemble de la pile IA d’une organisation dans ses propres centres de données plutôt que chez des prestataires tiers, constitue un pilier essentiel de cette souveraineté.

Le contrôle accru qu’autorise le déploiement on-prem peut en faire, dans certains cas, un choix plus efficace. Faire fonctionner des GPU on-prem à un taux d’utilisation constamment élevé signifie que davantage de puissance de traitement est consacrée au travail effectif, plutôt qu’à du matériel inactif, ce qui réduit les coûts environnementaux. Le traitement local évite également le coût énergétique lié à l’envoi de grands volumes de données vers le cloud.

Les configurations on-prem offrent aussi aux organisations un meilleur contrôle et davantage de choix quant à leurs sources d’énergie. Une source renouvelable, comme l’éolien ou le solaire, se traduit par une empreinte carbone nettement plus faible qu’un centre de données cloud alimenté au charbon. De plus, prolonger la durée de vie du matériel existant permet d’éviter les coûts environnementaux élevés liés à l’achat de nouveaux équipements.

L’étude scientifique de Nature Sustainability de novembre 2025 a révélé qu’aux États-Unis, la combinaison d’une implantation stratégique des infrastructures, de la décarbonation du réseau électrique et de gains d’efficacité énergétique pourrait réduire les émissions de carbone d’environ 73 % et la consommation d’eau de 86 %, par rapport aux scénarios les plus défavorables. La localisation apparaît ainsi comme un levier déterminant. Selon l’étude, l’implantation de serveurs IA dans des États présentant une moindre pénurie d’eau et un meilleur accès aux énergies renouvelables permettrait, dans les scénarios les plus favorables, de réduire les émissions de carbone de 49 % et l’empreinte hydrique de 52 %.

Comme l’ont souligné les chercheurs de l’université Cornell qui ont participé à l’étude, il n’existe pas de « solution miracle ». Tous les éléments doivent agir de concert pour obtenir des réductions significatives en matière de carbone et de consommation d’eau.

Cette étude a modélisé l’infrastructure des serveurs IA américains de manière globale, et non spécifiquement les déploiements on-prem par rapport au cloud. Mais les facteurs qu’elle identifie, localisation, source d’énergie et efficacité opérationnelle, s’alignent sur ceux qui peuvent être plus étroitement maîtrisés grâce à une IA souveraine déployée on-prem.

L’enjeu n’est pas qu’un type de déploiement d’IA soit intrinsèquement supérieur à un autre, mais que les choix en matière d’infrastructure IA soient guidés par des performances opérationnelles réelles et non des hypothèses par défaut.

Le paysage matériel est en pleine mutation

Les contraintes énergétiques évoquées précédemment reposent sur les technologies actuelles, GPU, silicium et centres de données conventionnels. Mais ces contraintes ne sont pas figées. Le matériel lui-même évolue, à mesure qu’émergent de nouvelles technologies susceptibles de transformer en profondeur, au cours de la prochaine décennie, notre manière d’appréhender les infrastructures et la consommation énergétique.

L’informatique neuromorphique, par exemple, est une approche de conception de puces qui imite les structures neuronales et synaptiques du cerveau. Elle représente une rupture fondamentale avec l’architecture actuelle et pourrait générer des gains d’efficacité significatifs. Alors que les systèmes GPU traditionnels consomment de l’énergie en continu quelle que soit la charge de travail, dans les systèmes neuromorphiques, seul le segment du réseau en cours de calcul consomme de l’énergie. Résultat : une utilisation potentiellement beaucoup plus parcimonieuse des ressources.

En octobre 2023, IBM a annoncé que sa dernière version de puce neuromorphique, NorthPole, surpassait les architectures de calcul traditionnelles sur certaines tâches, et ce à une fraction du coût énergétique.

Un autre domaine en plein essor, connu sous le nom d’Intelligence Organoïde, une forme de biocomputing, implique l’utilisation de matière biologique vivante. Scientific American a rapporté en 2024 que la société suisse FinalSpark avait conçu une plateforme alimentée par des cellules cérébrales humaines cultivées en laboratoire, que des chercheurs universitaires intègrent dans des systèmes informatiques. En modifiant la physique-même du hardware, cette approche pourrait conduire à une réduction spectaculaire de la consommation énergétique.

Ces solutions émergentes en sont encore au stade de la preuve de concept et ne résolvent pas les problèmes d’aujourd’hui. Mais elles prouvent surtout que le modèle actuel fondé sur les GPU et très énergivore n’est pas figé. Les organisations qui commencent dès maintenant à réfléchir soigneusement à l’endroit où leur IA s’exécute et aux ressources qui l’alimentent seront mieux positionnées à la fois dans le paysage actuel de l’infrastructure IA et dans celui qui est en train d’émerger.

Pour plus d’informations sur les perspectives du secteur et l’innovation, abonnez-vous à notre newsletter ou visitez notre page « Insights ».

Questions-réponses : cinq questions clés sur l’IA souveraine