Les data centers IA menacés de coupures aux États-Unis

Le réseau électrique, nouvelle frontière matérielle de l’intelligence artificielle

La course mondiale à l’intelligence artificielle est souvent racontée comme une bataille de modèles, de puces graphiques et de capitaux. Les annonces de nouveaux accélérateurs de Nvidia, d’AMD ou de Google, les investissements massifs de Microsoft, Meta, Amazon et OpenAI, ainsi que la construction de gigantesques campus informatiques, ont installé les GPU au centre de l’attention. Mais un autre facteur physique s’impose désormais avec une force croissante : l’accès à l’électricité.

Aux États-Unis, cette contrainte prend une dimension particulièrement concrète sur le territoire couvert par PJM Interconnection, l’opérateur du plus vaste réseau électrique du pays. Selon une information publiée par TechCrunch sous le titre “Data centers may face temporary power cuts to prevent blackouts on largest US grid”, PJM envisage un mécanisme qui permettrait des coupures temporaires ou des réductions de consommation chez certains clients, notamment des centres de données, afin de préserver la stabilité du système électrique lors de périodes critiques.

Le sujet dépasse très largement la seule question technique d’un délestage. Il illustre une transformation de la hiérarchie des ressources nécessaires au développement de l’IA. Disposer de terres, de fibre optique, de serveurs et de processeurs ne suffit plus. Il faut aussi obtenir une connexion électrique suffisamment puissante, dans un délai compatible avec le rythme de déploiement des infrastructures numériques, et s’assurer que cette alimentation restera disponible pendant les pointes de demande ou les épisodes de tension sur le réseau.

Le réseau exploité par PJM couvre tout ou partie de 13 États américains ainsi que le district de Columbia. Il coordonne en temps réel l’équilibre entre production et consommation d’électricité sur une vaste zone de l’Est et du Midwest des États-Unis. Son rôle est donc fondamental : une défaillance locale peut se propager, et l’opérateur doit éviter que des contraintes de production ou de transport ne dégénèrent en panne plus large.

Dans ce contexte, la perspective de demander à des data centers de réduire temporairement leur consommation représente un changement de ton significatif. Les centres de données ont longtemps été considérés comme des clients industriels particulièrement attractifs pour les territoires : ils promettent des investissements, des recettes fiscales, des chantiers et une présence durable des grandes entreprises technologiques. Leur essor impose désormais aux réseaux de traiter ces mêmes installations comme des charges électriques potentiellement modulables en situation d’urgence.

Cette évolution est directement liée à l’essor de l’IA générative. L’entraînement de grands modèles de langage, la production d’images ou de vidéos, l’inférence à grande échelle et l’usage croissant des assistants automatisés exigent des capacités informatiques considérables. À la différence d’un service numérique traditionnel, une infrastructure d’IA moderne concentre souvent des milliers, voire davantage, d’accélérateurs dans des bâtiments conçus pour faire fonctionner sans interruption des équipements très denses. L’énergie alimente non seulement les serveurs, mais aussi les systèmes de refroidissement, les équipements réseau, les dispositifs de stockage et les infrastructures de sûreté.

Le constat n’est pas que chaque usage de l’IA provoque immédiatement un risque de panne. Il est que l’addition de projets, dans des zones déjà tendues, peut modifier brutalement les hypothèses sur lesquelles les réseaux ont été planifiés. Pendant des décennies, la croissance de la demande électrique américaine a été relativement modérée dans plusieurs régions. L’arrivée simultanée de grands campus de cloud computing, de sites d’IA, d’installations industrielles électrifiées et de nouvelles charges liées à la transition énergétique redonne à la planification électrique une importance que l’industrie technologique avait parfois sous-estimée.

PJM face à une demande qui progresse plus vite que les infrastructures

Le mécanisme évoqué par TechCrunch répond à une logique classique de sécurité électrique : lorsque l’offre disponible ou les capacités de transport sont insuffisantes pour satisfaire toute la demande, il vaut mieux réduire de manière ciblée la consommation de certains très grands clients que laisser le système approcher un déséquilibre susceptible de provoquer des coupures incontrôlées. Dans un réseau électrique, l’équilibre entre production et consommation ne constitue pas une préférence opérationnelle ; c’est une nécessité physique.

Mise à jour du 17/09/2026 — PJM a proposé que les nouveaux grands data centers, notamment d’IA, ne disposant pas de leur propre production électrique ou d’approvisionnements sécurisés puissent être soumis à des réductions forcées de consommation lors de pénuries de capacité, avant les programmes d’effacement d’urgence. La mesure viserait son réseau couvrant 13 États et Washington, D.C. (insidelines.pjm.com)

Les réductions de charge, parfois appelées délestages ou effacements selon leur cadre et leur degré de volontariat, existent depuis longtemps dans les systèmes électriques. Des sites industriels peuvent accepter de diminuer temporairement leur consommation en échange d’une rémunération ou dans le cadre de contrats spécifiques. Ce qui attire aujourd’hui l’attention est l’application possible de cette logique au secteur des data centers, devenu l’un des symboles de la nouvelle demande électrique liée à l’IA.

TechCrunch rapporte que PJM réfléchit à des coupures temporaires afin d’éviter des pannes sur son réseau. Le point essentiel est le caractère préventif de la démarche : l’objectif n’est pas de punir les opérateurs de centres de données ni de remettre en cause leur raccordement, mais de disposer d’un instrument de dernier recours pour protéger l’ensemble du système lorsqu’il est soumis à une pression exceptionnelle.

Pour les entreprises technologiques, la nuance est importante mais elle ne supprime pas l’enjeu. Un centre de données est généralement conçu pour fournir une disponibilité élevée. Les services d’IA en ligne, les plateformes cloud, les applications d’entreprise, les systèmes de paiement, les services publics numériques et les infrastructures de communication s’appuient tous sur des architectures qui cherchent à limiter les interruptions. Une réduction de puissance peut donc impliquer de basculer des charges vers d’autres régions, de ralentir certains calculs non urgents, d’activer des générateurs de secours ou de réduire des opérations de calcul particulièrement énergivores.

La capacité à le faire varie fortement d’un opérateur à l’autre. Certaines tâches, comme l’entraînement de modèles ou une partie des traitements internes par lots, sont plus flexibles que des services de production utilisés en permanence par des millions de personnes. Les acteurs du cloud répartissent déjà leurs infrastructures entre plusieurs régions et zones de disponibilité. Toutefois, cette redondance a un coût, et elle ne garantit pas que des capacités disponibles existent toujours ailleurs au moment précis où une région subit une contrainte électrique.

La question est également géographique. Un réseau national ou continental ne fonctionne pas comme une réserve d’électricité parfaitement interchangeable. Les lignes de transport ont leurs propres limites, les interconnexions entre régions ne sont pas infinies, et les besoins de puissance se concentrent parfois dans des zones proches de grands nœuds numériques. Construire un data center là où l’électricité est théoriquement abondante ne résout pas automatiquement la question : encore faut-il pouvoir acheminer cette puissance jusqu’au site, obtenir le raccordement approprié et renforcer, si nécessaire, les sous-stations et les lignes locales.

PJM n’est pas un cas isolé dans sa confrontation avec la montée des charges liées aux centres de données. Les opérateurs de réseaux et les autorités de régulation observent, dans plusieurs régions, des files d’attente de raccordement, des besoins de renforcement des réseaux et des désaccords sur la répartition du coût des nouvelles infrastructures. Mais la taille de PJM rend le signal particulièrement visible. Lorsqu’un opérateur de cette envergure examine la possibilité de moduler la consommation de très grands clients pour éviter un black-out, le débat quitte le champ abstrait des prévisions énergétiques pour entrer dans celui de l’exploitation concrète du système.

La question n’est plus seulement de savoir combien de data centers seront construits, mais dans quelles zones, à quelle vitesse, avec quelle puissance garantie et avec quelles obligations lors des périodes de tension.

Cette situation révèle aussi un décalage de temporalité. Les entreprises de l’IA peuvent annoncer de nouveaux clusters de calcul, commander des serveurs et signer des contrats immobiliers en quelques mois. Les équipements électriques structurants, eux, demandent souvent des procédures d’autorisation, des études, des travaux et des investissements qui s’inscrivent sur plusieurs années. La disponibilité des accélérateurs est donc liée à celle du réseau : un GPU non alimenté ne produit aucun token, aucune image, aucune prédiction et aucune valeur commerciale.

Après les GPU, la puissance électrique devient le goulot d’étranglement

Depuis 2023, la pénurie d’accélérateurs spécialisés pour l’IA a façonné la stratégie des grandes entreprises technologiques. Nvidia a bénéficié de cette demande avec ses puces destinées à l’entraînement et à l’inférence, tandis que les hyperscalers ont développé ou renforcé leurs propres composants, à l’image des TPU de Google, des puces Trainium et Inferentia d’AWS ou des accélérateurs Maia de Microsoft. Ces initiatives répondent à un impératif de coût, de performance et de souveraineté technologique.

Or la multiplication des puces ne fait que déplacer une partie du problème. Une grappe de calcul moderne est un système complet : alimentation électrique, conversion de puissance, réseau haute vitesse, refroidissement, bâtiments, logiciels d’orchestration et personnel d’exploitation. Les gains d’efficacité par puce peuvent réduire l’énergie nécessaire à une opération donnée, mais ils n’empêchent pas nécessairement la consommation totale d’augmenter lorsque les volumes de calcul progressent plus vite que les gains unitaires.

Cette dynamique est bien connue dans l’économie numérique : lorsqu’une technologie devient plus efficace et moins coûteuse à utiliser, elle peut aussi être déployée dans davantage de produits et de services. Avec l’IA générative, les usages se multiplient. Les entreprises ne se limitent plus à entraîner un modèle de base ; elles exécutent aussi de l’inférence pour les utilisateurs, ajustent les modèles à des besoins spécifiques, traitent de nouveaux types de contenus et intègrent l’IA dans des processus métier jusque-là peu automatisés.

Dans cette perspective, la proposition envisagée par PJM marque une étape importante. L’électricité n’apparaît plus seulement comme une ligne de coût dans les comptes d’exploitation des data centers. Elle devient une ressource susceptible de conditionner la capacité même à commercialiser des services d’IA à grande échelle. Pour une plateforme, l’incertitude sur l’alimentation électrique peut se traduire par une incertitude sur la disponibilité des services, sur le prix de calcul, sur le calendrier de mise en service d’un campus et sur la localisation des futurs investissements.

Les grands groupes du cloud disposent d’atouts considérables pour répondre à ce défi. Ils peuvent négocier des contrats d’électricité, signer des accords d’achat d’énergie, répartir leurs charges entre plusieurs régions et financer des infrastructures dédiées. Ils peuvent aussi concevoir leurs logiciels pour identifier les calculs reportables. Mais ces capacités ne dispensent pas du réseau public. Même lorsqu’un opérateur sécurise une production bas carbone par contrat, l’électricité consommée doit être physiquement intégrée dans un système de transport et de distribution dont la stabilité dépend de règles collectives.

Le débat américain met également en lumière une distinction souvent brouillée dans les communications des entreprises : acheter ou produire suffisamment d’énergie sur une base annuelle ne signifie pas nécessairement disposer de la puissance nécessaire à chaque instant et à chaque endroit. Les réseaux doivent répondre aux pointes de consommation, gérer les indisponibilités de centrales, anticiper les épisodes météorologiques extrêmes et maintenir une marge de fiabilité. Une installation peut avoir une stratégie énergétique ambitieuse tout en restant dépendante d’un raccordement local saturé.

Pour les développeurs de data centers, la conséquence est potentiellement profonde. Le terrain le moins cher ou le plus proche d’un grand marché ne sera pas forcément le meilleur emplacement. Les critères de localisation doivent inclure la capacité électrique immédiatement accessible, les travaux requis, les délais de raccordement, l’exposition à des mécanismes de réduction de charge, la disponibilité de l’eau ou d’autres moyens de refroidissement, ainsi que la possibilité de connecter le site à plusieurs sources d’alimentation.

Le dossier PJM démontre aussi que les politiques publiques et les régulations énergétiques reviennent au premier plan dans la stratégie des acteurs numériques. Les entreprises de l’IA ne dépendent pas uniquement d’une chaîne d’approvisionnement mondiale en semi-conducteurs. Elles dépendent aussi de décisions locales : permis de construire, règles de raccordement, planification des lignes, tarifs, marchés de capacité et conditions d’intervention des opérateurs de réseau. La construction d’une infrastructure d’IA n’est pas seulement une opération informatique ; elle devient une opération industrielle et territoriale.

Cette réalité peut favoriser les entreprises capables de planifier très en amont et d’immobiliser des ressources importantes. Elle peut, à l’inverse, compliquer la position des acteurs plus petits, des fournisseurs de cloud spécialisés ou des jeunes entreprises qui comptaient sur une disponibilité rapide de capacités de calcul. Si l’électricité devient rare dans certaines zones, l’accès au compute pourrait être de plus en plus déterminé par la géographie, les contrats à long terme et la capacité financière à absorber les coûts de réseau.

Un avertissement pour l’Europe et pour les projets français

Le cas de PJM ne peut pas être transposé mécaniquement à la France ou à l’Union européenne. Les marchés de l’électricité, les mix de production, les responsabilités des gestionnaires de réseau et les cadres de régulation diffèrent. La France dispose notamment d’un système électrique fortement marqué par le nucléaire, tandis que l’Europe s’appuie sur des interconnexions entre États et sur une organisation institutionnelle distincte de celle des États-Unis. Il serait donc imprécis de présenter la situation américaine comme l’annonce automatique de coupures équivalentes sur le territoire français.

Pour autant, le signal est pertinent. L’Europe accueille elle aussi une croissance des infrastructures cloud et des projets de centres de données. Les besoins de calcul associés à l’IA, les exigences de souveraineté numérique, la localisation des données et la volonté de développer des capacités européennes conduisent entreprises et pouvoirs publics à s’intéresser de plus près aux infrastructures physiques. La disponibilité de terrains et de fibre reste essentielle, mais elle ne peut être séparée de la question énergétique.

En France, l’équilibre du système électrique est géré par RTE sur le réseau de transport, tandis que la distribution relève notamment d’Enedis sur la plus grande partie du territoire. Pour un projet de data center, la faisabilité ne se résume pas à une moyenne nationale de production électrique. Elle dépend du niveau de tension requis, de la proximité d’infrastructures adaptées, de l’état du réseau local, des renforcements nécessaires et du calendrier de raccordement. Les annonces de campus numériques peuvent donc se heurter à des délais d’infrastructure qui ne suivent pas la vitesse des cycles technologiques.

La question est particulièrement sensible autour des grandes zones de connectivité numérique. Les data centers ont historiquement tendance à se concentrer là où se trouvent les utilisateurs, les réseaux de télécommunications, les points d’échange Internet et les clients professionnels. Cette concentration améliore la latence et simplifie l’interconnexion, mais elle peut accroître la pression sur des zones déjà très sollicitées. À mesure que les besoins en IA augmentent, les arbitrages entre proximité des marchés, puissance disponible et acceptabilité territoriale deviennent plus difficiles.

L’Union européenne a déjà commencé à renforcer la visibilité sur la consommation énergétique du secteur. La directive européenne révisée sur l’efficacité énergétique prévoit notamment des obligations de déclaration pour les exploitants de data centers dépassant un certain seuil de puissance informatique installée. L’objectif est de disposer de données comparables sur les performances énergétiques et environnementales de ces installations. Cette démarche ne règle pas le problème des raccordements, mais elle montre que les centres de données sont désormais considérés comme des infrastructures énergétiques autant que numériques.

Pour le marché francophone de l’IA, l’enjeu est double. D’une part, les entreprises qui développent des modèles, des assistants ou des services d’inférence ont besoin d’un accès compétitif au calcul. D’autre part, la France et l’Europe cherchent à conserver une marge de manœuvre dans une industrie dominée par de grands groupes américains et, de plus en plus, par des acteurs asiatiques. Si les nouvelles capacités électriques ou les raccordements deviennent difficiles à obtenir, cela peut ralentir la création de capacités de calcul locales et renforcer la dépendance à des infrastructures étrangères.

Le développement de l’IA souveraine ne se joue donc pas seulement dans la qualité des modèles ou dans l’accès aux données. Il se joue également dans les transformateurs, les lignes à haute tension, les postes électriques, les systèmes de refroidissement et les procédures administratives. Cette dimension est parfois moins visible que les lancements de modèles, mais elle est déterminante. Une politique de calcul souverain sans planification énergétique et réseau suffisamment robuste risque de se heurter à une limite matérielle.

Les responsables publics devront aussi arbitrer entre différents usages de l’électricité. L’électrification des transports, le chauffage via les pompes à chaleur, la réindustrialisation, la production d’hydrogène et les nouveaux besoins numériques peuvent se cumuler. Présenter les data centers comme un secteur isolé serait trompeur : ils font partie d’une hausse plus générale des demandes de puissance et d’une transformation du système électrique. Mais leur profil, caractérisé par de très fortes puissances concentrées et une attente de disponibilité continue, en fait un cas particulièrement exigeant.

Pour les collectivités, l’arrivée d’un grand centre de données peut représenter une opportunité économique et un défi d’aménagement. Les projets nécessitent des travaux, consomment du foncier et peuvent soulever des interrogations sur l’usage de l’eau, le bruit, la chaleur rejetée ou la contribution réelle à l’emploi local. L’argument de l’IA ajoute désormais une dimension supplémentaire : l’infrastructure n’héberge pas seulement des sites web ou du stockage, elle soutient une capacité de calcul stratégique susceptible d’être recherchée par les entreprises et les administrations.

Flexibilité, résilience et transparence : les réponses possibles

La réflexion de PJM place les opérateurs de data centers devant une question opérationnelle précise : quelles charges peuvent être interrompues, ralenties ou déplacées sans mettre en danger les services essentiels ? La réponse ne peut pas être uniforme. Un hôpital, une infrastructure de télécommunications critique ou un service public ne se traite pas de la même manière qu’un entraînement de modèle planifié sur plusieurs jours. À l’intérieur même d’un centre de données, tous les workloads n’ont pas le même niveau de priorité.

Cette différenciation ouvre la voie à une gestion plus fine de la demande électrique. Les entreprises peuvent séparer les charges critiques des traitements différables, programmer certains calculs à des heures moins tendues ou répartir l’entraînement et l’inférence sur des sites différents. Ce type d’organisation existe déjà sous diverses formes dans le cloud, notamment pour optimiser les coûts et la capacité. La pression sur les réseaux pourrait lui donner une importance nouvelle.

Il ne faut cependant pas exagérer la souplesse théorique des data centers. Le déplacement d’une charge informatique implique des contraintes de réseau, de données, de disponibilité des serveurs, de latence, de sécurité et de conformité. Un modèle entraîné dans un site ne peut pas toujours être déplacé instantanément vers un autre. Les volumes de données peuvent être immenses, les architectures distribuées complexes et les engagements contractuels stricts. La flexibilité est une ressource technologique à construire, pas un interrupteur que l’on actionne sans coût.

Les systèmes de secours constituent une autre composante de la résilience. Les data centers disposent habituellement d’onduleurs et de groupes électrogènes destinés à maintenir les opérations lors d’une coupure. Mais ces équipements sont d’abord conçus pour garantir la continuité de service, pas pour remplacer durablement l’alimentation du réseau à l’échelle d’une région. Leur usage soulève en outre des questions de carburant, d’émissions et de durée de fonctionnement. L’idée de s’appuyer systématiquement sur des solutions de secours ne remplace pas le besoin d’investir dans les infrastructures électriques collectives.

À plus long terme, la croissance de l’IA rendra nécessaire une coordination plus étroite entre opérateurs de réseau, producteurs d’énergie, développeurs immobiliers et entreprises technologiques. Les projets de data centers devront intégrer très tôt la question de leur profil de consommation. De leur côté, les gestionnaires de réseau auront besoin de prévisions crédibles, car les annonces de projets ne se transforment pas toutes en installations réellement construites. Une mauvaise estimation, à la hausse comme à la baisse, peut conduire à des investissements mal dimensionnés ou à des tensions inutiles.

La transparence devient ici un sujet central. Les réseaux doivent comprendre quels projets sont fermes, quelle puissance ils demandent et à quelle date. Les entreprises doivent connaître les conditions réelles de leur raccordement, y compris les limites éventuelles en cas de crise. Les régulateurs doivent pouvoir apprécier qui finance les renforcements nécessaires et comment les coûts sont répartis entre les nouveaux clients et les consommateurs existants. Sans règles lisibles, le risque est de transformer l’accès à l’électricité en avantage opaque réservé aux groupes les plus puissants.

La réduction temporaire de consommation envisagée par PJM peut aussi être interprétée comme une forme de contrat social entre les très grands consommateurs et le reste du réseau. Si un data center bénéficie d’une connexion de grande puissance dans une zone contrainte, doit-il contribuer davantage à la flexibilité du système ? La réponse dépendra des cadres réglementaires, des contrats et des choix politiques. Mais le débat sera difficile à éviter, notamment lorsque les ménages et les petites entreprises craignent une hausse des coûts ou une dégradation de la fiabilité.

Pour les acteurs de l’IA, le message stratégique est clair : la performance brute ne suffit plus. Un modèle peut être plus efficace, une puce plus rapide et un logiciel mieux optimisé ; sans électricité disponible au bon endroit, l’avantage reste théorique. Dans les années à venir, les annonces les plus importantes du secteur pourraient donc concerner autant les partenariats énergétiques, les capacités de raccordement et les infrastructures de réseau que les nouveaux modèles de fondation.

Vers une géographie de l’IA déterminée par l’énergie

L’épisode américain révélé par TechCrunch ne signifie pas que l’expansion des data centers va s’arrêter. Il indique plutôt que cette expansion entre dans une phase plus mature, dans laquelle les infrastructures invisibles deviennent des contraintes de premier ordre. L’industrie de l’IA a déjà appris que les capacités de fabrication de semi-conducteurs ne peuvent pas être augmentées instantanément. Elle découvre maintenant que les réseaux électriques obéissent eux aussi à des délais longs, à des règles physiques et à des processus de décision complexes.

Cette évolution pourrait modifier la carte mondiale du calcul. Les régions qui combineront une production électrique abondante, des réseaux robustes, une planification rapide, des interconnexions numériques de qualité et une réglementation stable disposeront d’un avantage attractif pour les opérateurs de cloud et les entreprises d’IA. À l’inverse, les zones où les raccordements sont saturés ou imprévisibles pourraient voir certains projets reportés, redimensionnés ou déplacés.

Pour la France et l’Europe, le défi n’est pas seulement d’attirer des bâtiments de data centers. Il consiste à décider quelle place ces infrastructures doivent occuper dans une stratégie industrielle, énergétique et numérique cohérente. L’IA peut soutenir des gains de productivité, la recherche scientifique, la santé, l’industrie ou les services publics. Mais ses bénéfices ne dispensent pas de mesurer les ressources nécessaires à son fonctionnement ni d’organiser équitablement leur accès.

La possibilité étudiée par PJM de réduire temporairement la consommation de data centers en situation de tension rappelle une vérité souvent masquée par le vocabulaire du cloud : le calcul n’est jamais immatériel. Derrière chaque requête adressée à un modèle se trouvent des puces, des câbles, des transformateurs, des centrales et des réseaux. À mesure que l’IA devient une infrastructure générale, la qualité de ces fondations électriques déterminera une part croissante de sa vitesse de déploiement, de son coût et de sa résilience.

Le prochain avantage compétitif ne se jouera donc peut-être pas seulement dans le nombre de GPU installés. Il pourrait dépendre de la capacité des entreprises et des États à faire coïncider puissance informatique et puissance électrique, sans fragiliser les réseaux dont dépendent l’ensemble des activités économiques et sociales.