La facture que vous ne regardez pas
Le vrai coût de l'IA, ce n'est pas la facture de votre fournisseur de modèle — c'est l'énergie, et elle se manifeste comme une tension sur les réseaux électriques plus vite que prévu. Chaque prompt que vous envoyez tourne dans un data center qui tire de l'électricité réelle, refroidi par de l'eau réelle, raccordé à un réseau qui n'a pas été construit pour cette poussée. La facture de tokens, c'est la partie visible. L'énergie en dessous, c'est celle qui contraindra réellement l'industrie.
Les chiffres ne sont plus spéculatifs. Le rapport Electricity 2025(lien externe, nouvel onglet) de l'AIE projette une demande d'électricité des data centers en forte hausse sur la décennie, et son analyse dédiée Energy and AI(lien externe, nouvel onglet) place l'IA au cœur de cette croissance. Ce n'est pas une erreur d'arrondi sur le système électrique mondial. Dans certaines régions, c'est la source de nouvelle demande qui croît le plus vite.
Pourquoi la limite devient le réseau, pas la puce
Le goulot de l'IA se déplace du silicium vers l'électricité, et cela redessine toute la carte concurrentielle. Pendant deux ans, la ressource rare, c'étaient les GPU. De plus en plus, la ressource rare, c'est un endroit où les brancher. Les opérateurs de data centers signent pour des centrales entières, relancent des sites nucléaires et attendent des années un raccordement réseau, parce qu'on peut acheter les puces bien avant que le réseau local ne fournisse les mégawatts pour les faire tourner.
C'est une contrainte physique, et les contraintes physiques se moquent de votre feuille de route. Une région peut approuver un data center sans avoir la capacité de transport pour l'alimenter avant 2030. Cet écart entre l'ambition de calcul et l'électricité disponible devient le vrai plafond de la vitesse à laquelle l'IA peut croître — une limite plus dure que la qualité des modèles ou le financement.
Le coût que personne ne met sur le slide
Le coût énergétique de l'IA est surtout supporté par des gens qui n'ont jamais choisi de faire tourner le modèle. Quand un data center s'installe dans une région, il se dispute la même électricité que les foyers et les usines, ce qui peut faire monter les prix ou retarder d'autres raccordements pour tout le monde sur ce réseau. L'eau utilisée pour le refroidissement vient de la même ressource que les habitants boivent. Ce sont des coûts réels, mais pas des coûts qui apparaissent dans le compte de résultat du produit IA.
Cette externalité est exactement le genre d'effet de second ordre sur lequel je reviens dans pourquoi j'écris sur le logiciel et la société : des décisions technologiques prises en réunion produit atterrissent en conséquences dans la vie quotidienne de quelqu'un d'autre. Traiter l'IA comme immatérielle parce qu'elle vit « dans le cloud » est une erreur de catégorie. Le cloud est un bâtiment plein de machines tirant du courant sur un réseau que vos voisins partagent.
Ce que cela signifie pour qui construit avec l'IA
L'énergie devient une variable de premier plan de la stratégie IA, pas une note de bas de page sur le développement durable. L'argument d'efficacité que je faisais dans le coût de l'IA va au-delà des tokens a un jumeau physique : le modèle que vous choisissez a une empreinte énergétique, et le modèle le plus puissant est rarement le plus efficace pour la tâche. Router les tâches simples vers de plus petits modèles n'est pas seulement moins cher sur la facture — c'est moins d'énergie tirée par réponse, ce qui commence à compter pour le coût comme pour la crédibilité.
Quelques bascules valent la peine d'être décidées :
- Adapter le modèle à la tâche au lieu de choisir par défaut le plus gros — la plupart des requêtes n'ont pas besoin d'un modèle de frontière, et le gain d'efficacité est à la fois financier et physique, c'est la discipline derrière le FinOps de l'IA.
- Intégrer l'énergie et la localisation dans les choix d'infrastructure, comme le débat sur le cloud souverain vous force déjà à penser où le calcul vit physiquement.
- Être honnête dans les communications publiques — à mesure que régulateurs et clients interrogent l'empreinte de l'IA, « ce n'est que du logiciel » ne résistera pas à l'examen.
Le Takeaway
La prochaine fois que vous évaluez une fonctionnalité IA, ajoutez une ligne à l'analyse : combien cela coûte-t-il en énergie, pas seulement en tokens ? Les équipes qui traitent l'électricité comme une vraie contrainte construiront des produits qui survivront à la pression à venir sur l'électricité. Celles qui supposent le calcul infini planifient pour un réseau qui n'existe pas.
