L’IA généralisée ne sera pas souveraine si ses coûts réels — énergie, puces, eau, cloud et maintenance — restent contrôlés ailleurs.
Par Piotr Zieliński, ingénieur systèmes polonais spécialisé dans les architectures de calcul de nouvelle génération.
Le compute est une infrastructure, pas une abstraction
Le compute désigne la puissance de calcul nécessaire pour entraîner, affiner et faire fonctionner les modèles d’intelligence artificielle. Trop de dirigeants en parlent comme s’il s’agissait d’un abonnement logiciel. C’est une erreur d’architecture. Le compute est une combinaison de semi-conducteurs, serveurs, mémoire, refroidissement, alimentation électrique, réseaux, bâtiments, sécurité, ingénieurs et contrats cloud. L’Agence internationale de l’énergie estime que les centres de données ont consommé environ 415 TWh d’électricité en 2024, soit environ 1,5 % de la consommation mondiale, avec une croissance rapide ; elle projette que cette demande pourrait plus que doubler pour atteindre environ 945 TWh en 2030, l’IA étant le principal moteur de cette hausse. Une recherche publiée en juin 2026 sur 403 centres de données hyperscale aux États-Unis estime qu’ils ont consommé environ 68 à 99 TWh entre mai 2024 et avril 2025, avec 37 à 54 millions de tonnes de CO₂ associées selon les scénarios. Ces chiffres doivent être lus froidement : l’IA n’est pas légère. Elle est lourde, électrique, chaude, minérale, territoriale. Une économie qui utilise l’IA sans contrôler ses infrastructures devient dépendante de ceux qui possèdent les GPU, les clouds, les contrats énergétiques et les capacités de refroidissement.
La dépendance aux hyperscalers est une dépendance stratégique
Amazon Web Services, Microsoft Azure, Google Cloud, Oracle Cloud, Nvidia, Meta et les grands opérateurs de data centers ne fournissent pas seulement des services techniques. Ils structurent le coût d’accès à l’intelligence artificielle. Celui qui contrôle la capacité de calcul contrôle les délais de déploiement, le prix, l’échelle, les modèles disponibles, les dépendances logicielles, la localisation des données et la vitesse d’innovation. Pour une entreprise, externaliser tout le compute peut être rationnel à court terme. Pour un pays, externaliser toute la pile devient une perte de souveraineté. La question n’est pas de tout nationaliser ou de tout reconstruire localement. La question est de savoir quelles briques critiques doivent être maîtrisées : gestion des clés, cloud de confiance, données sensibles, modèles stratégiques, capacité de secours, audits de consommation, cybersécurité, accès à l’énergie, formation des ingénieurs. Une infrastructure IA ne s’achète pas comme un logiciel de bureau. Elle se construit comme une chaîne industrielle. Dans cette chaîne, le moindre goulet d’étranglement — mémoire HBM, GPU, transformateurs électriques, eau, permis de construire, ingénieurs réseau — devient une contrainte nationale. L’IA généralisée promet l’abondance cognitive, mais elle peut produire une rareté nouvelle : rareté de l’électricité disponible, rareté des puces, rareté du refroidissement, rareté des sites raccordables, rareté des équipes capables de maintenir les systèmes.
La souveraineté IA commence par une comptabilité physique
Une politique sérieuse de l’IA doit commencer par mesurer ce que chaque usage coûte réellement. Combien d’énergie par modèle ? Quelle intensité carbone ? Quelle eau consommée ? Quelle dépendance fournisseur ? Quelle localisation des données ? Quelle capacité de bascule ? Quelle durée de vie des serveurs ? Quels contrats de maintenance ? Quels risques de pénurie de composants ? Les travaux de 2026 sur les profils de puissance des charges IA montrent que les workloads génératifs créent des besoins de planification électrique complexes, avec des variations temporelles importantes qui concernent non seulement les serveurs, mais toute l’infrastructure du centre de données. Voilà le niveau où se joue la souveraineté. Pas dans les discours sur la « révolution IA », mais dans les transformateurs, les lignes électriques, les H100 ou leurs successeurs, les systèmes de refroidissement, les contrats de long terme, les techniciens. Mon jugement est simple : l’Europe, l’Inde, l’Afrique et les économies intermédiaires ne doivent pas confondre accès à l’IA et maîtrise de l’IA. Louer une API n’est pas posséder une capacité. Une nation souveraine doit savoir où passe son intelligence artificielle, combien elle coûte, qui peut l’arrêter, qui peut l’augmenter et qui peut en changer le prix. L’IA généralisée sera payée par quelqu’un. La souveraineté consiste à savoir par qui, pour quoi, et sous quelles contraintes techniques.
À propos de Piotr Zieliński
Piotr Zieliński analyse le coût invisible de l’IA comme un problème de souveraineté matérielle : une nation qui ne maîtrise ni l’énergie, ni les puces, ni le cloud, ni les chaînes d’approvisionnement, loue son intelligence artificielle au lieu de la posséder.
Sources
IEA — Energy demand from AI. Étude 2026 sur les hyperscale data centers américains.
