L'histoire de l'IA en 2026 est de plus en plus une histoire d'électricité. Entraîner des modèles de pointe et répondre à des milliards de requêtes quotidiennes consomme de l'énergie à l'échelle industrielle, et le goulot d'étranglement se déplace discrètement de l'offre de puces vers l'offre d'énergie et la capacité du réseau à l'acheminer.
De la limite par le calcul à la limite par l'énergie
Pendant des années, le facteur limitant fut l'accès aux accélérateurs avancés. Cette contrainte n'a pas disparu, mais une autre s'y est ajoutée : on ne fait pas tourner un cluster qu'on ne peut ni alimenter ni refroidir. Les grands sites d'entraînement exigent désormais une planification dédiée de production et de transport jadis réservée à l'industrie lourde. Les opérateurs signent des contrats d'électricité de long terme, s'implantent près de l'hydraulique et du nucléaire, et financent parfois directement de nouvelles capacités.
Cela change la géographie de l'IA. Les data centers migrent vers une énergie bon marché, fiable et bas-carbone plutôt que vers les centres de population. L'eau de refroidissement, les files d'attente de raccordement et les autorisations locales deviennent aussi stratégiques que les allocations de GPU.
L'efficacité, l'autre moitié de la réponse
Le contrepoids, c'est un effort intense sur l'efficacité : des modèles spécialisés plus petits pour les tâches courantes, un routage intelligent qui envoie les requêtes faciles vers des modèles bon marché et les difficiles vers les coûteux, et du matériel optimisé pour l'inférence plutôt que l'entraînement. Le token le plus durable est celui qu'on ne calcule jamais. 2026 récompensera les opérateurs qui traitent l'énergie comme une contrainte de conception de premier ordre, et non comme une ligne de facture après coup.