L’efficacité des centres de données peine à suivre la croissance de l’IA

Google News a mis en évidence un conflit majeur : les centres de données gagnent en efficacité, mais la croissance de l’IA continue d’augmenter leur demande énergétique totale.

Cette distinction compte pour les objectifs environnementaux, sociaux et de gouvernance. Les opérateurs peuvent améliorer le refroidissement, l’acheminement de l’électricité et l’efficacité informatique tout en consommant davantage d’électricité, d’eau et de matériaux de construction chaque année.

La pression dépasse désormais Google. Microsoft, Amazon, Meta, les fournisseurs de colocation, les services publics et les acheteurs d’entreprise font tous face au même défi. L’efficacité doit progresser plus vite que les infrastructures ne s’étendent, faute de quoi les objectifs climatiques des entreprises continueront de s’éloigner.

Google News souligne le passage d’une efficacité facultative à une nécessité opérationnelle

L’efficacité des centres de données est devenue une exigence de capacité, et non plus une simple préférence environnementale.

Le changement immédiat ne vient pas d’un nouveau dispositif de refroidissement ni d’un cadre de reporting. Il tient à l’ampleur de la demande d’électricité associée aux projets d’infrastructure d’IA.

L’Agence internationale de l’énergie estime que les centres de données ont consommé environ 415 térawattheures d’électricité dans le monde en 2024. Cela représentait environ 1,5 % de la consommation mondiale d’électricité.

Son scénario de référence prévoit une consommation atteignant environ 945 térawattheures en 2030. Cela représente plus du double du niveau de 2024 et légèrement plus que la consommation actuelle du Japon.

L’IA est le principal moteur de cette hausse prévue. La consommation électrique des serveurs accélérés, qui incluent les GPU et d’autres systèmes spécialisés, devrait augmenter d’environ 30 % par an jusqu’en 2030.

La consommation électrique des serveurs conventionnels devrait progresser de 9 % par an. Les serveurs accélérés représentent près de la moitié de l’augmentation nette attendue de la demande des centres de données.

Ces estimations figurent dans l’analyse de la demande énergétique de l’AIE. Elles établissent l’échelle à laquelle les affirmations des entreprises en matière d’efficacité doivent être évaluées.

Les centres de données ne se limitent pas aux équipements informatiques. Ils nécessitent aussi des systèmes de refroidissement, du matériel réseau, du stockage, des équipements de conversion électrique, des batteries et une production de secours.

Selon l’AIE, les serveurs représentent environ 60 % de la demande d’électricité d’une installation moderne. Le refroidissement peut aller d’environ 7 % dans les sites hyperscale efficaces à plus de 30 % dans les installations d’entreprise moins performantes.

Cet écart crée une réelle opportunité. Une meilleure circulation de l’air, des températures de fonctionnement plus élevées, le refroidissement liquide, des systèmes électriques efficaces et une gestion renforcée des capacités peuvent réduire les charges indirectes.

L’efficacité d’utilisation de l’énergie, ou PUE, mesure ces charges indirectes. Elle divise l’énergie totale de l’installation par l’énergie consommée par les équipements informatiques.

Un PUE de 1,2 signifie que l’installation utilise 20 % d’énergie de plus que ne l’exigent ses équipements informatiques. Un PUE plus proche de 1,0 indique des charges d’infrastructure plus faibles.

La définition du PUE de TechTarget explique pourquoi les opérateurs utilisent ce ratio pour comparer les installations et évaluer les changements opérationnels.

Toutefois, le PUE ne révèle pas si les serveurs accomplissent un travail utile. Il ne mesure pas non plus l’intensité carbone de l’électricité, la consommation d’eau, la fabrication du matériel ou la croissance de la demande totale.

Une installation peut donc afficher un excellent PUE tout en consommant plus d’électricité qu’un an auparavant. Elle peut aussi fonctionner efficacement sur un réseau à forte intensité carbone.

C’est le changement central derrière le débat sur Google News. L’efficacité reste importante, mais les ratios isolés à l’échelle des installations ne fournissent plus suffisamment d’éléments pour étayer une affirmation ESG.

Les opérateurs doivent désormais relier l’efficacité des installations à la production des charges de travail, aux conditions du réseau local, au stress hydrique et aux émissions absolues. Sinon, chaque indicateur ne présente qu’une partie du coût environnemental.

Le calendrier est particulièrement important, car l’approvisionnement en électricité est devenu une contrainte de déploiement. Les services publics doivent accueillir de grandes charges concentrées qui peuvent s’apparenter à des sites industriels.

Les centres de données dédiés à l’IA exigent également une alimentation fiable tout au long de la journée. Leur profil d’exploitation complique les plans qui reposent entièrement sur une production éolienne ou solaire intermittente.

Il en résulte une nouvelle condition concurrentielle. Les entreprises ne peuvent pas séparer leur stratégie informatique de leur stratégie énergétique lorsque les raccordements au réseau déterminent le moment où de nouvelles capacités deviennent disponibles.

La croissance de l’IA exerce sur les engagements climatiques une pression plus rapide que l’efficacité ne peut les protéger

Les entreprises qui construisent les infrastructures les plus efficaces créent aussi la plus forte nouvelle demande d’électricité.

Google offre un exemple clair de ce conflit. Ses centres de données prennent en charge Search, Google News, Gemini, YouTube, Cloud, la publicité et de nombreux services d’entreprise.

Google a indiqué que la demande d’électricité de ses centres de données avait augmenté de 27 % en 2024. L’entreprise a également déclaré que les émissions énergétiques de ses centres de données avaient diminué de 12 % cette année-là.

Cette combinaison a montré qu’une électricité plus propre et des améliorations opérationnelles peuvent affaiblir le lien entre la croissance informatique et les émissions énergétiques. Elle n’a pas démontré que la demande absolue en ressources avait cessé d’augmenter.

Le rapport environnemental 2026 de Google ajoute une autre dimension. L’entreprise affirme avoir reconstitué environ 7,7 milliards de gallons d’eau en 2025.

Ce volume équivalait à environ 78 % de sa consommation totale d’eau douce pour l’année. Google a également étendu son portefeuille de gestion de l’eau à 165 projets dans 97 bassins versants.

La reconstitution peut financer la restauration des habitats, la conservation, les infrastructures et les projets d’accès à l’eau. Elle ne signifie pas que l’eau prélevée dans un bassin versant revient physiquement au même endroit au même moment.

L’emplacement importe parce que les impacts sur l’eau sont locaux. Un gallon consommé dans une région soumise au stress hydrique présente un risque différent d’un gallon consommé là où l’eau est abondante.

La comptabilisation de l’électricité soulève un problème similaire. L’achat annuel d’énergie renouvelable peut correspondre à la consommation sur le papier, alors qu’un centre de données dépend encore de la production fossile à certaines heures.

L’appariement d’énergie sans carbone 24 heures sur 24 fixe une norme plus stricte. Il demande si une électricité propre est disponible sur le même réseau et aux mêmes heures que la consommation.

Atteindre cette norme exige davantage que l’achat de certificats. Les entreprises ont besoin de nouvelles capacités de production, de transport, de stockage, de charges de travail flexibles et d’une énergie bas carbone fiable.

Google, Microsoft, Amazon et Meta misent sur des combinaisons d’énergies renouvelables, d’énergie nucléaire, de projets géothermiques et de stockage. Ces investissements peuvent accroître l’offre propre, mais les calendriers de construction restent inégaux.

Le gaz naturel attire aussi l’attention, car les développeurs ont besoin de capacités pilotables. L’AIE prévoit que la production au gaz couvrira une partie de l’augmentation de la demande électrique des centres de données jusqu’en 2035.

Cela crée une tension directe avec les promesses de décarbonation des entreprises. Une entreprise peut acheter de l’électricité propre ailleurs alors que son expansion locale contribue à de nouvelles capacités de production fossile.

La pression ne s’arrête pas aux hyperscalers. Les entreprises de colocation doivent fournir à leurs clients des informations crédibles sur l’énergie, l’eau et les émissions.

Les acheteurs d’entreprise intègrent ensuite ces chiffres dans leurs propres inventaires Scope 3. Le Scope 3 couvre les émissions de la chaîne de valeur en dehors des opérations directes d’une entreprise ou de l’électricité qu’elle achète.

Des données d’infrastructure insuffisantes peuvent donc affaiblir la précision du reporting client. Elles peuvent aussi faire paraître les migrations vers le cloud plus propres qu’elles ne le sont.

Les régulateurs et les investisseurs réclament de plus en plus des informations comparables plutôt qu’un langage général sur la durabilité. Ils ont besoin de périmètres, de méthodes de mesure et de périodes de reporting cohérents.

Les communautés locales ont d’autres préoccupations. Elles veulent savoir si une installation proposée affectera les tarifs de l’électricité, les eaux souterraines, les recettes fiscales, l’utilisation des sols ou la fiabilité du réseau.

Ces questions font de l’efficacité un enjeu social et de gouvernance. Les gains techniques à eux seuls ne peuvent pas résoudre les différends sur ceux qui reçoivent les avantages économiques et ceux qui supportent les coûts d’infrastructure.

La couverture de Google News contribue à mettre en lumière cet élargissement du public concerné. La performance des centres de données n’est plus un sujet spécialisé d’installations, discuté uniquement par des ingénieurs.

Elle concerne désormais les conseils d’administration, les planificateurs des services publics, les régulateurs, les investisseurs, les clients et les résidents vivant près des campus proposés. Chaque groupe évalue l’efficacité selon une perspective de risque différente.

Le véritable enjeu oppose les gains d’efficacité à la croissance totale des ressources

Une amélioration de l’efficacité ne soutient les objectifs ESG que lorsqu’elle modifie la trajectoire de l’impact environnemental total.

Il s’agit d’un problème d’échelle fondé sur deux variables évolutives. La première est l’énergie consommée pour chaque unité de travail informatique.

La seconde est la quantité de calcul demandée. Les entreprises d’IA améliorent la première variable tout en augmentant rapidement la seconde.

Des puces plus efficaces peuvent traiter davantage de calculs par watt. De meilleurs logiciels peuvent réduire les opérations inutiles, améliorer le routage des modèles et attribuer le travail au matériel approprié.

Une utilisation accrue des serveurs répartit également les impacts incorporés et opérationnels sur davantage de travail utile. Les accélérateurs inactifs consomment toujours de l’électricité tout en produisant peu de valeur pour les clients.

Pourtant, des coûts plus faibles peuvent stimuler davantage d’utilisation. Les économistes décrivent souvent ce résultat comme un effet rebond, où l’efficacité rend un service moins coûteux et accroît la consommation totale.

Les systèmes d’IA illustrent ce risque. Une requête textuelle moins chère peut conduire les développeurs à intégrer des modèles dans la recherche, les logiciels de bureau, le support client, les outils de programmation et les agents automatisés.

Les modèles de raisonnement peuvent effectuer des étapes de calcul répétées avant de renvoyer une réponse. La génération vidéo et les systèmes multimodaux peuvent exiger bien davantage de traitement que de simples réponses textuelles.

Les agents peuvent aussi exécuter des chaînes d’appels de modèles sans intervention humaine continue. Chaque tâche individuelle peut devenir plus efficace alors que le nombre total de tâches augmente plus vite.

L’AIE a indiqué en 2026 que la consommation d’énergie par tâche d’IA avait diminué d’au moins un ordre de grandeur chaque année ces dernières années. Elle a également constaté que la consommation électrique des centres de données axés sur l’IA avait bondi de 50 % en 2025.

Ces conclusions ne sont pas contradictoires. Elles montrent pourquoi les progrès par tâche et la demande à l’échelle du système doivent être présentés ensemble.

La conception des installations fait face à la même tension. Le refroidissement liquide peut évacuer plus efficacement la chaleur des racks d’IA à haute densité que le refroidissement par air traditionnel.

Cependant, les systèmes liquides introduisent de nouveaux choix de conception impliquant des pompes, des échangeurs de chaleur, des sources d’eau et des équipements de rejet de chaleur. Leurs performances dépendent du climat et de la configuration.

Une densité de racks plus élevée peut réduire l’espace physique nécessaire pour une quantité donnée de calcul. Elle peut aussi concentrer la demande d’électricité et la chaleur dans une zone plus petite.

Cette concentration affecte les transformateurs, les appareillages de commutation, les systèmes de secours et les interconnexions avec les services publics. Un bâtiment techniquement efficace peut tout de même nécessiter des améliorations substantielles au-delà de ses murs.

Le PUE doit donc s’inscrire dans un ensemble de mesures plus large. Le ministère américain de l’Énergie recommande de combiner les mesures de type PUE avec des indicateurs relatifs à l’eau, au carbone, à la réutilisation de l’énergie et à la production informatique.

Son guide d’efficacité de conception décrit des valeurs de PUE autour de 1,6 comme standard, 1,4 comme bonnes et 1,1 comme meilleures.

Le guide avertit également que le PUE ne définit pas l’efficacité d’un centre de données dans son ensemble. Il ne dit rien sur la productivité ou le bon dimensionnement des serveurs installés.

L’efficacité d’utilisation de l’eau, ou WUE, mesure l’utilisation annuelle d’eau d’un site par rapport à l’énergie consommée par les équipements informatiques. L’efficacité d’utilisation du carbone relie les émissions à la consommation d’électricité de l’IT.

L’efficacité de réutilisation de l’énergie prend en compte l’énergie exportée à d’autres fins. La chaleur résiduelle peut alimenter le chauffage urbain, des procédés industriels ou des bâtiments voisins là où les infrastructures adaptées existent.

Les indicateurs informatiques ajoutent le volet de production manquant. Les opérateurs peuvent suivre les transactions, les jetons de modèle, les progrès de l’entraînement ou une autre unité propre à la charge de travail par watt.

Aucun indicateur de production unique ne convient à toutes les charges de travail. Entraîner un modèle, diffuser une vidéo, stocker des données et traiter des transactions financières créent des formes de valeur différentes.

Cette limite ne justifie pas d’ignorer la production. Elle signifie que les entreprises doivent publier des méthodes, des périmètres et des catégories de charges de travail suffisamment clairement pour que des tiers puissent interpréter les résultats.

Un programme ESG fondé uniquement sur le PUE peut récompenser les mauvais comportements. Remplacer des équipements anciens peut améliorer les coûts indirects de l’installation tout en laissant des serveurs sous-utilisés inchangés.

Déplacer des charges de travail vers un fournisseur hyperscale peut réduire la consommation d’électricité mesurée de l’entreprise. La demande énergétique sous-jacente existe toujours et est transférée dans l’inventaire du fournisseur.

Les certificats d’énergie renouvelable peuvent réduire les émissions de Scope 2 calculées selon la méthode fondée sur le marché. Ils ne réduisent pas automatiquement les émissions physiques associées à la consommation locale d’électricité.

De même, la reconstitution annuelle des ressources en eau peut soutenir des projets de restauration utiles. Elle ne peut pas remplacer des informations propres au site sur les prélèvements pendant les sécheresses ou les pics de demande.

L’approche la plus crédible relie cinq couches : la production informatique utile, l’énergie totale de l’installation, les sources d’électricité horaires, l’impact local sur l’eau et les émissions de la chaîne d’approvisionnement.

Ce tableau de bord élargi modifie les décisions d’achat. Les acheteurs peuvent comparer les fournisseurs en fonction de la production de services et des conséquences environnementales, plutôt que d’accepter un seul ratio d’efficacité.

Il modifie aussi les priorités d’ingénierie. Les équipes peuvent optimiser les modèles, la planification, l’utilisation du matériel, le refroidissement et l’approvisionnement énergétique comme un système interconnecté.

Un meilleur matériel ne peut pas compenser des mesures et une communication insuffisantes

La plus grande incertitude n’est pas de savoir si les technologies d’efficacité fonctionnent, mais si les indicateurs publiés révèlent suffisamment d’éléments pour vérifier les affirmations des entreprises.

Le secteur a amélioré les performances des installations au cours des deux dernières décennies. Ces progrès sont réels, mais leur rythme a ralenti sur une grande partie du parc installé.

L’enquête mondiale 2025 de l’Uptime Institute a révélé que le PUE moyen avait peu évolué pendant six années consécutives. Les infrastructures anciennes et les contraintes de refroidissement propres au climat ont limité les progrès supplémentaires.

La même enquête a montré que la collecte et la communication des principaux indicateurs de durabilité ne se sont pas améliorées en 2025. Uptime a lié cette stagnation en partie à la pression commerciale liée à l’IA et à l’assouplissement de la réglementation dans certaines régions.

Ces conclusions figurent dans les résultats de l’enquête de l’institut.

Le déficit de transparence rend les comparaisons difficiles. Les entreprises choisissent différents périmètres organisationnels, méthodes comptables et définitions de la consommation d’eau ou de l’énergie renouvelable.

Certaines publient leur consommation d’électricité à l’échelle de l’entreprise sans distinguer les centres de données. D’autres communiquent des totaux régionaux mais omettent les installations individuelles.

La publication d’informations au niveau des sites peut soulever des préoccupations de sécurité et commerciales. Toutefois, l’agrégation peut dissimuler les endroits où les réseaux électriques et les bassins versants subissent la plus forte pression.

Les charges de travail liées à l’IA créent un autre défi de mesure. Les fournisseurs publient rarement des données énergétiques complètes par modèle, type de tâche, lieu et moment.

Une moyenne unique peut combiner des requêtes textuelles efficaces avec une génération vidéo énergivore. Elle peut aussi masquer les différences entre les tailles de modèles et les paramètres de raisonnement.

Des chercheurs de Google ont proposé de mesurer l’inférence d’IA sur l’ensemble de la pile de service. Cela comprend les accélérateurs, les systèmes hôtes, la capacité inactive et les coûts indirects de l’installation.

Cette méthode est plus informative que la mesure de la seule puce active. Pourtant, la comparaison indépendante reste limitée lorsque les fournisseurs utilisent des charges de travail différentes et des infrastructures privées.

Les objectifs d’entreprise soulèvent une question de gouvernance. Les conseils d’administration approuvent souvent des engagements climatiques de long terme avant que les équipes d’infrastructure sachent à quelle vitesse la demande d’IA progressera.

Les dirigeants font alors face à des incitations concurrentes. Ils veulent protéger leurs promesses climatiques tout en évitant des retards susceptibles d’affaiblir leur position sur le marché de l’IA.

Le problème devient plus aigu lorsque la rémunération ou le financement dépend de la performance en matière de durabilité. Des définitions faibles peuvent récompenser une comptabilité avantageuse plutôt que des réductions physiques.

Les régulateurs peuvent améliorer la comparabilité en établissant des exigences de reporting cohérentes. Des règles mal conçues peuvent aussi produire des données de conformité dépourvues de sens opérationnel.

L’Union européenne a commencé à exiger des rapports de durabilité de la part des centres de données admissibles. L’Allemagne a adopté des exigences d’efficacité, y compris de futurs seuils de PUE pour les installations.

Les exigences de reporting ne rendront pas toutes les installations comparables. Le climat, les exigences de disponibilité, le type de charge de travail et l’âge des bâtiments influencent tous les performances atteignables.

Un centre de données situé dans un lieu chaud et humide ne devrait pas être jugé uniquement par rapport à une installation utilisant le refroidissement naturel dans un climat froid. La question pertinente est de savoir si chaque site utilise des méthodes adaptées.

La fiabilité introduit un autre compromis. Les équipements redondants augmentent les coûts indirects d’électricité, mais protègent les services numériques essentiels contre les pannes.

Supprimer chaque couche de redondance pourrait améliorer un ratio d’efficacité tout en créant un risque opérationnel inacceptable. L’analyse ESG doit tenir compte de la résilience des services.

L’eau et l’énergie peuvent aussi évoluer dans des directions opposées. Le refroidissement évaporatif peut réduire la consommation d’électricité, mais consommer davantage d’eau.

Les systèmes refroidis par air peuvent réduire l’utilisation directe d’eau tout en exigeant davantage d’électricité. L’option la plus propre dépend du stress hydrique local et des émissions du réseau.

Ces compromis rendent difficiles à vérifier les affirmations générales telles que « centre de données vert ». Un opérateur transparent devrait divulguer à la fois les avantages et les impacts transférés.

Une analyse indépendante reste essentielle, car les rapports d’entreprise s’adressent à plusieurs publics. Ils fournissent des données utiles, mais présentent aussi la stratégie de l’entreprise sous un jour favorable.

Des reportages de l’Associated Press ont montré comment l’expansion de l’IA complique les promesses climatiques des grandes entreprises technologiques. Son analyse des objectifs climatiques note que les entreprises reconnaissent de plus en plus cette difficulté.

Cette reconnaissance est importante, mais elle ne constitue pas une preuve de progrès. Les lecteurs devraient distinguer les objectifs, les contrats énergétiques signés, les projets achevés et les résultats opérationnels mesurés.

Google News peut faire apparaître ces quatre catégories dans un même flux. Les rédacteurs et les lecteurs doivent éviter de les traiter comme des preuves équivalentes.

Un accord nucléaire proposé n’est pas une production en exploitation. Un engagement de reconstitution des ressources en eau ne correspond pas à de l’eau restaurée tant que les projets n’ont pas apporté de bénéfices vérifiés.

Une affirmation d’efficacité fondée sur du matériel de laboratoire n’est pas un résultat à l’échelle de l’ensemble du parc. Un objectif de construction n’est pas une installation bas carbone achevée.

Le reporting ESG le plus solide rend ces étapes visibles. Il explique aussi les insuffisances au lieu de remplacer les anciens objectifs par de nouveaux termes.

Trois signaux montreront si l’efficacité peut suivre le rythme du déploiement de l’IA

La prochaine phase sera jugée sur des résultats absolus, et non sur une nouvelle série d’annonces isolées concernant l’efficacité.

Le premier signal sera de savoir si les émissions totales des centres de données commencent à diminuer alors que la consommation d’électricité continue d’augmenter.

L’efficacité a une valeur réelle si elle ralentit la demande et réduit les émissions par rapport à une expansion non maîtrisée. Les engagements climatiques des entreprises exigent toutefois, à terme, des réductions absolues.

Les lecteurs devraient comparer la croissance annuelle de l’électricité aux émissions calculées selon les méthodes fondée sur la localisation et fondée sur le marché. Les chiffres fondés sur la localisation reflètent les réseaux qui alimentent les opérations, tandis que les chiffres fondés sur le marché intègrent les achats contractuels.

Un écart croissant entre ces chiffres indiquerait une dépendance accrue aux instruments comptables. Une baisse des deux fournirait une preuve plus solide de décarbonation physique.

Le deuxième signal sera de savoir si les entreprises publient des informations plus détaillées sur l’énergie et l’eau.

Une communication utile distinguerait les centres de données des bureaux et des autres activités. Elle identifierait aussi les principales régions, les lieux soumis à un stress hydrique et les méthodes utilisées pour calculer la consommation.

Pour l’IA, les fournisseurs devraient expliquer quels composants du système sont inclus dans les estimations par tâche. Ils devraient divulguer les catégories de charges de travail sans exposer d’informations sensibles sur les clients.

Un reporting plus cohérent renforcerait l’idée que les objectifs ESG guident les décisions d’infrastructure. La poursuite de l’agrégation entretiendrait les doutes concernant les impacts locaux.

Le troisième signal sera de savoir si l’efficacité modifie la planification des capacités plutôt que de seulement améliorer les nouvelles installations.

Les opérateurs devraient démontrer une meilleure utilisation des serveurs, une planification des charges de travail, le retrait des équipements et la flexibilité de la demande. Ils devraient également montrer que les équipes logicielles tiennent compte de l’énergie lors du choix des modèles.

Les services publics fourniront un test pratique. Les projets associant de nouvelles charges à une production, un transport et un stockage réalisables soulèveront moins de questions de crédibilité.

Les projets qui dépendent d’une offre future incertaine accroîtront la pression sur les réseaux locaux. Ils peuvent aussi susciter une résistance politique, des retards d’autorisation et des coûts d’infrastructure plus élevés.

Les prochains rapports environnementaux d’entreprise rendront ces signaux plus faciles à comparer. Google, Microsoft, Amazon et Meta font désormais l’objet d’un examen selon les mêmes dimensions fondamentales.

Leurs chiffres de PUE publiés resteront importants. Les chiffres les plus déterminants seront l’électricité totale, la couverture horaire en énergie propre, la consommation d’eau, les émissions et la capacité informatique utile fournie.

Google News continuera de relayer des annonces sur des puces efficaces, le refroidissement liquide et de nouveaux accords énergétiques. Les lecteurs devraient se demander si chaque développement modifie ces totaux plus larges.

Les développeurs et les acheteurs en entreprise ont également une influence. Ils peuvent choisir des modèles plus petits, réduire les appels inutiles, mettre en cache les résultats appropriés et demander des données d’infrastructure crédibles aux fournisseurs.

Les travailleurs du savoir peuvent se demander si chaque tâche nécessite le modèle le plus intensif en calcul. Les équipes produit peuvent mesurer la qualité des résultats par rapport à l’énergie et à la latence, plutôt que de maximiser la taille des modèles.

L’efficacité énergétique des centres de données est désormais indissociable de la crédibilité de la stratégie de croissance de l’IA. La question décisive est simple : des réductions vérifiées des ressources arriveront-elles avant que l’expansion ne rende les objectifs ESG des entreprises hors d’atteinte ?