Google et Nvidia lancent l’AI Energy Management Alliance, mais la flexibilité doit encore faire ses preuves

Google, Nvidia et Emerald AI ont lancé l’AI Energy Management Alliance malgré des questions non résolues quant à la capacité des centres de données flexibles à fonctionner de manière fiable à grande échelle.

La coalition veut que les gestionnaires de réseau considèrent les installations informatiques comme des consommateurs d’énergie pilotables, plutôt que comme des charges continues. Ce changement pourrait accélérer les raccordements au réseau tout en limitant les coûts d’infrastructure répercutés sur les clients de l’électricité.

L’idée arrive dans un contexte tendu. Les entreprises d’IA ont besoin de davantage d’électricité, les collectivités redoutent une hausse des factures d’énergie et les régulateurs réclament des protections renforcées pour les consommateurs. L’alliance propose un marché : raccorder plus tôt les infrastructures d’IA si leurs exploitants prennent des engagements vérifiables visant à réduire leur demande d’électricité lorsque le réseau est sous contrainte.

Cet accord est plus important qu’un simple groupe professionnel du secteur technologique. Il lie les projets d’expansion de l’industrie de l’IA à des performances mesurables durant les heures les plus difficiles pour le système électrique.

Ce que l’AI Energy Management Alliance change réellement

La coalition cherche à faire passer la flexibilité de la demande d’un ensemble d’expériences à une voie reconnue pour raccorder les centres de données d’IA.

L’AI Energy Management Alliance a été lancée le 16 septembre 2026, avec Emerald AI, Google et Nvidia comme membres fondateurs. Elle succède à l’Advanced Energy Management Alliance, une organisation créée en 2014 pour promouvoir la réponse à la demande.

La réponse à la demande consiste à réduire ou déplacer la consommation d’électricité lorsque le réseau a besoin d’être soulagé. Pour les installations d’IA, cela peut impliquer de reporter certaines tâches informatiques, de déplacer des charges de travail entre différents sites, d’utiliser des batteries ou de recourir à une production locale.

L’alliance place cette idée au cœur du débat sur le raccordement des centres de données. Le raccordement est le processus technique et réglementaire par lequel un grand consommateur obtient l’accès au système électrique.

Sa coalition rassemble environ 20 entreprises et organisations des secteurs de la technologie et de l’énergie. Parmi les participants cités figurent Anthropic, AES, National Grid, Constellation Energy, NRG et RWE.

Les entreprises fondatrices indiquent que le groupe élaborera des cadres opérationnels et défendra des politiques récompensant une flexibilité vérifiée. Ses principes de l’alliance mettent l’accent sur la vitesse de réponse, la durée de l’effacement, la prévisibilité, le comportement en situation d’urgence et le partage de données opérationnelles.

Ces détails comptent, car le terme « flexible » pourrait autrement devenir une étiquette marketing sans définition. Un gestionnaire de réseau doit savoir quelle quantité de puissance une installation peut effacer, à quelle vitesse elle peut réagir et combien de temps elle peut maintenir cette réponse.

L’exploitant doit également avoir la certitude que la réduction promise se produira en cas d’urgence. Un engagement qui ne fonctionne que lorsqu’il est commode offre peu de valeur lors d’une vague de chaleur ou d’une défaillance d’équipement.

L’alliance soutient un raccordement plus rapide, ajusté au risque, pour les installations prenant des engagements crédibles. Elle souhaite également que les coûts de raccordement reflètent les modernisations qu’un client flexible peut éviter.

Cette position sert directement ses membres. La disponibilité électrique est devenue une contrainte pour la construction et l’exploitation de grands clusters d’IA. Un accès plus rapide peut déterminer le lieu de construction d’un projet et le moment où des équipements informatiques coûteux commencent à générer des revenus.

Toutefois, la proposition répond aussi à un problème légitime de planification. Les règles traditionnelles des réseaux supposent généralement que les grandes charges industrielles ont besoin d’une alimentation garantie dès lors qu’elles choisissent de fonctionner.

L’informatique liée à l’IA présente un profil de charge plus diversifié. Certains services d’inférence doivent répondre immédiatement, tandis que certaines tâches d’entraînement, de test et de traitement par lots offrent davantage de flexibilité de planification.

L’alliance veut que les régulateurs reconnaissent ces différences. Elle réclame en pratique un nouveau contrat entre les centres de données et le réseau, fondé sur les performances plutôt que sur une conception technologique fixe.

Pourquoi la flexibilité électrique est devenue une priorité pour l’IA

L’alliance existe parce que l’accès à l’électricité façonne désormais les calendriers des infrastructures d’IA autant que les puces, la construction et le financement.

Les grands projets informatiques peuvent nécessiter des études approfondies sur le réseau, de nouveaux postes électriques, des travaux de transport et des capacités de production supplémentaires. Chaque composant suit son propre calendrier d’approbation et de construction.

L’alliance affirme que les nouvelles installations d’IA font face à des files d’attente de raccordement de cinq à dix ans. Ses membres soutiennent que certains projets peuvent être raccordés plus tôt s’ils acceptent de consommer moins d’électricité pendant les périodes de contrainte.

Cette approche vise la demande de pointe, et non la consommation totale d’électricité. Les réseaux nécessitent souvent des capacités coûteuses parce qu’ils doivent rester fiables pendant un nombre limité d’heures particulièrement exigeantes.

Un centre de données qui réduit sa consommation durant ces heures peut alléger la pression sans rester bridé chaque jour. La valeur économique dépend du moment, du lieu et de la fiabilité avec lesquels cette réduction intervient.

Google présente déjà un exemple opérationnel substantiel. En mars 2026, l’entreprise a indiqué avoir intégré un gigawatt de capacité de réponse à la demande dans des contrats de long terme avec plusieurs fournisseurs d’électricité américains.

Son jalon en matière de réponse à la demande comprend des accords avec des fournisseurs desservant l’Arkansas, le Michigan, le Minnesota, le Tennessee et d’autres marchés. Google affirme pouvoir limiter ou déplacer certaines portions de ses charges de travail de machine learning pendant des périodes définies.

Un gigawatt représente une capacité significative, mais il ne doit pas être confondu avec un effacement continu. Ce chiffre décrit une capacité de réponse contractuelle répartie entre plusieurs accords, et non une réduction permanente de la consommation électrique de Google.

Google reconnaît également certaines limites. L’entreprise indique que la flexibilité variera selon le lieu et l’installation, en raison des différences de charges de travail, de contrats et de conditions locales du réseau.

Nvidia aborde le sujet sous un autre angle. L’entreprise vend le matériel et les systèmes qui alimentent de nombreux clusters d’IA ; les projets de centres de données bloqués peuvent donc retarder la demande pour son infrastructure.

Emerald AI fournit la couche d’orchestration. Son logiciel est conçu pour répondre aux signaux du réseau tout en protégeant les tâches informatiques les plus prioritaires.

Ensemble, les entreprises tentent d’aligner trois intérêts. Les développeurs d’IA veulent des raccordements plus précoces, les gestionnaires de réseau veulent un contrôle prévisible et les collectivités souhaitent être protégées contre les problèmes de fiabilité et la hausse des coûts.

Ces intérêts ne s’alignent pas automatiquement. Un raccordement plus rapide bénéficie immédiatement au développeur, tandis que le bénéfice public n’apparaît que si la flexibilité réduit réellement les coûts du système.

La coalition fait donc face à un problème de démonstration. Elle doit montrer que la réponse à la demande des centres de données reste disponible lorsque les prix de l’électricité flambent, que les températures deviennent extrêmes ou que le réseau perd des équipements importants.

Une démonstration concluante doit aussi protéger les services informatiques dont les clients ont réellement besoin. Déplacer une tâche d’entraînement est plus simple qu’interrompre un service sensible à la latence utilisé par des hôpitaux, des entreprises ou des consommateurs.

La distinction la plus importante se situe entre une capacité flexible sur le papier et une flexibilité mobilisable en exploitation. Les fournisseurs d’électricité connaissent déjà cette différence après des décennies de gestion des centrales et des programmes de réponse à la demande.

L’AI Energy Management Alliance peut influencer les politiques publiques parce que ses fondateurs contrôlent l’infrastructure, les charges de travail et les logiciels de gestion de l’énergie. Leur défi consiste à rendre le système combiné suffisamment fiable pour les planificateurs de réseau prudents.

Les centres de données d’IA flexibles dépendent du contrôle des charges de travail

Le mécanisme central n’est pas une consommation d’électricité plus faible, mais un meilleur contrôle du moment et du lieu où l’informatique utilise l’énergie.

Une installation d’IA flexible peut réagir par plusieurs moyens. Elle peut suspendre les tâches moins prioritaires, réduire la puissance allouée aux processeurs, reprogrammer les charges de travail ou déplacer le travail vers une autre région.

Elle peut aussi décharger des batteries ou utiliser une production associée. Ces options modifient la quantité d’électricité que l’installation prélève sur le réseau partagé, même si sa demande informatique se poursuit.

Le déplacement des charges de travail offre une caractéristique particulièrement précieuse. Les logiciels peuvent potentiellement rediriger les tâches autour des congestions plus rapidement que les fournisseurs d’électricité ne peuvent construire des lignes de transport ou des centrales.

Toutefois, chaque charge de travail présente des contraintes. Une requête d’inférence destinée à un client ne peut pas toujours attendre plusieurs heures, et le déplacement de données entre régions peut créer des complications de latence, de confidentialité et de réseau.

Les entraînements impliquent également du matériel étroitement coordonné. Interrompre une tâche importante peut faire perdre les progrès réalisés si les systèmes de checkpointing ne peuvent pas préserver efficacement son état.

Le logiciel d’orchestration doit donc classer les tâches selon leur urgence, leur emplacement, leur sensibilité énergétique et leurs engagements de service. Il doit ensuite réagir sans contrevenir aux attentes des clients.

Emerald AI a produit des premiers éléments indiquant que cette approche peut fonctionner dans des conditions contrôlées. Une démonstration de 2025 a utilisé un cluster de 256 GPU dans un centre de données cloud commercial à Phoenix.

Selon l’essai de terrain de Phoenix qui en a résulté, le système a réduit de 25 % la puissance du cluster pendant trois heures lors d’événements de pointe simulés. Les chercheurs ont indiqué avoir maintenu les garanties de qualité de service pour les charges de travail prioritaires.

L’essai est utile parce qu’il est allé au-delà de la modélisation informatique. Il a relié les signaux du réseau à de véritables équipements informatiques et mesuré la réponse électrique obtenue.

Néanmoins, une démonstration de 256 GPU n’équivaut pas à un campus contenant plusieurs milliers d’accélérateurs. Les environnements plus vastes introduisent davantage de clients, de générations matérielles, de dépendances réseau et d’obligations contractuelles.

Emerald AI et Nvidia ont depuis décrit des démonstrations supplémentaires dans plusieurs lieux. Nvidia indique qu’un essai à Londres a utilisé 96 GPU Blackwell Ultra et a répondu à plus de 200 événements de réseau simulés.

Ces résultats rapportés par l’entreprise comprenaient des réductions rapides de charge et des effacements soutenus. Ils témoignent de progrès techniques, mais les opérateurs indépendants ont encore besoin de données opérationnelles plus étendues.

Le prochain test majeur est une installation d’IA flexible prévue avec Digital Realty en Virginie du Nord. Les descriptions publiques situent sa capacité attendue autour de 100 mégawatts, bien que différentes annonces aient cité 96 mégawatts.

Le projet est conçu autour de l’infrastructure Vera Rubin de Nvidia et du logiciel de contrôle d’Emerald AI. Les partenaires comprennent également l’Electric Power Research Institute, PJM Interconnection et Dominion Energy.

Une installation de cette taille peut tester si la flexibilité résiste à la complexité commerciale. Elle doit coordonner la demande informatique, les instructions du fournisseur d’électricité, les équipements du site et les obligations de service envers les clients.

Elle peut également révéler le véritable coût de la flexibilité. Reporter une tâche a une valeur économique, tandis que les batteries, les systèmes de secours et les réseaux redondants exigent des investissements et de la maintenance.

Ces coûts doivent rester inférieurs aux modernisations du réseau évitées ou reportées. Sinon, la flexibilité ne fait que déplacer les dépenses d’une partie du système à une autre.

L’emplacement du projet renforce son importance. La Virginie du Nord abrite l’une des concentrations de centres de données les plus denses au monde, ce qui rend l’approvisionnement électrique et la répartition des coûts politiquement sensibles.

Si l’installation fonctionne de manière prévisible dans le réseau PJM, elle pourra donner aux autres gestionnaires de réseau une référence concrète. Si elle rencontre des difficultés, les régulateurs hésiteront à accorder des raccordements plus rapides sur la base de promesses similaires.

Le véritable enjeu oppose des raccordements plus rapides au risque pour les abonnés

Le principal conflit n’oppose pas les entreprises d’IA aux services publics, mais l’accès plus rapide à l’électricité au risque de transférer les coûts sur tous les autres.

Les développeurs veulent que les services publics tiennent compte de leur capacité à réduire leur demande. Sans cette reconnaissance, une installation proposée peut déclencher des études et des modernisations fondées sur sa consommation maximale possible.

Un raccordement flexible peut réduire ces exigences. Le centre de données accepte un niveau de service inférieur pendant les périodes de contrainte en échange d’un accès plus rapide.

Ce modèle s’apparente à un service de transport non garanti. Un client reçoit de l’électricité lorsque le réseau dispose de capacité, mais accepte des restrictions dans des conditions définies.

Les régulateurs fédéraux examinent déjà cette structure. En juin 2026, la Federal Energy Regulatory Commission a demandé à six opérateurs régionaux de réseau de justifier ou de réformer leurs règles applicables aux grandes charges.

Les ordonnances fédérales sur le réseau couvrent PJM, MISO, SPP, CAISO, ISO New England et NYISO. Elles demandent spécifiquement l’examen de nouveaux services de transport destinés aux grandes charges flexibles.

La FERC s’est également concentrée sur la prévention des transferts de coûts et l’amélioration de la transparence. Ces garanties sont importantes, car les infrastructures construites pour un centre de données peuvent rester intégrées aux tarifs des clients pendant des décennies.

Le risque financier ne disparaît pas lorsqu’une installation offre de la flexibilité. Un projet peut arriver en retard, consommer moins que prévu, fermer prématurément ou ne pas assurer les réductions promises.

Les planificateurs du réseau s’inquiètent également des projets spéculatifs. Les développeurs sollicitent parfois des raccordements à plusieurs endroits avant de décider quelle installation construire, ce qui peut gonfler les prévisions de demande.

Des exigences de préparation plus strictes peuvent aider à distinguer les projets solides des simples réservations. Des dépôts de garantie, la maîtrise du site, des commandes d’équipement et des jalons juridiquement contraignants peuvent tous contribuer à cet objectif.

La flexibilité introduit un défi supplémentaire de vérification. Les planificateurs ont besoin d’une référence indiquant ce que l’installation aurait consommé sans demande d’effacement.

Un opérateur pourrait sembler réduire sa demande simplement parce qu’une charge de travail s’est achevée naturellement. Des références transparentes et des données de performance à l’échelle des intervalles sont nécessaires pour éviter ce problème.

Les contrats doivent également prévoir des pénalités. Une installation qui bénéficie d’un raccordement plus rapide devrait subir des conséquences lorsqu’elle manque à plusieurs reprises les réductions exigées.

Ces conséquences peuvent inclure des frais plus élevés, des limites d’exploitation plus strictes ou la perte d’un service préférentiel. Le recours approprié variera selon les régions et les structures des services publics.

Les communautés ont une autre préoccupation. Elles veulent l’assurance qu’un centre de données n’augmentera pas les factures des ménages, ne mettra pas sous pression les ressources en eau et ne réduira pas la fiabilité.

La flexibilité de la demande ne répond qu’à une partie de cette problématique. Elle n’élimine ni la consommation annuelle d’électricité, ni les impacts locaux de la construction, ni les litiges sur l’usage des sols, ni le besoin de production supplémentaire.

Elle ne garantit pas non plus une énergie propre. Une installation flexible peut aider à intégrer les énergies renouvelables, mais elle peut aussi dépendre de centrales au gaz ou d’autres ressources garanties.

L’alliance devrait donc être jugée sur des affirmations précises et mesurables. Elle peut contribuer à réduire la pression de pointe et à différer certaines modernisations, sans résoudre toutes les conséquences de la croissance des infrastructures d’IA.

Cette approche plus limitée reste précieuse. Éviter des infrastructures construites pour un petit nombre d’heures de pointe peut générer des économies significatives si la réponse est fiable.

Le chercheur indépendant en énergie Abraham Silverman a déclaré à Heatmap qu’une flexibilité efficace peut produire des économies substantielles pour les consommateurs. Il a également soutenu que l’alliance pourrait coordonner des entreprises qui considèrent la flexibilité comme un avantage concurrentiel.

La couverture du lancement cite une étude estimant que des interruptions occasionnelles de centres de données pourraient faire économiser plus de 15 milliards de dollars par an aux clients de PJM. Cette estimation dépend de politiques modélisées et ne doit pas être considérée comme un résultat garanti.

En définitive, les régulateurs doivent décider qui supporte le risque à la baisse. Les usagers ne devraient pas financer des modernisations fondées sur des engagements qui disparaissent lorsque la demande d’IA ou la stratégie d’entreprise évolue.

Un groupement professionnel ne peut se substituer à la performance du réseau

L’AI Energy Management Alliance ne gagnera en crédibilité que lorsque des tests standardisés, des contrats contraignants et des résultats publics remplaceront les promesses générales.

Les groupements professionnels peuvent harmoniser la terminologie et réunir les industries autour d’une même table. Ils peuvent aussi promouvoir des règles qui améliorent la position commerciale de leurs membres.

Ces deux fonctions sont présentes ici. La coalition veut un meilleur cadre pour le réseau, mais elle veut également raccorder plus rapidement les installations de ses membres.

Sa position technologiquement neutre est judicieuse. Les régulateurs devraient s’intéresser à la performance réellement fournie, et non à la question de savoir si une installation utilise des batteries, le déplacement des charges de travail ou une production sur site.

Toutefois, la neutralité technologique ne signifie pas des exigences souples. Les opérateurs de réseau ont besoin d’obligations précises concernant la vitesse de réponse, la durée, le rétablissement et les événements répétés.

Le rétablissement mérite une attention particulière. Un centre de données qui suspend son activité pendant un pic peut créer un second pic lorsque toutes les tâches différées redémarrent.

Les logiciels doivent échelonner ce rebond. Sinon, l’effacement peut déplacer le problème de quelques heures au lieu de le résoudre.

La durée modifie également la charge technique. Réduire la demande pendant 30 secondes est différent du maintien d’une réduction pendant une urgence de réseau de dix heures.

Les installations devraient préciser quelles charges de travail peuvent être déplacées et lesquelles doivent rester protégées. Des données agrégées peuvent assurer la responsabilité sans divulguer les informations des clients ou des modèles propriétaires.

Une validation indépendante est tout aussi importante. La plupart des résultats disponibles proviennent d’entreprises qui développent, financent ou vendent cette technologie.

La participation universitaire et la supervision des services publics renforcent la confiance, mais une exploitation commerciale répétée fournit des preuves plus solides. La meilleure démonstration viendra d’événements réseau imprévus, et non de démonstrations programmées.

Les régulateurs ont également besoin de mesures cohérentes. Deux installations ne devraient pas bénéficier d’avantages de raccordement similaires si l’une peut répondre en quelques secondes et l’autre nécessite des heures.

AEMA propose des indicateurs de performance standardisés et le partage de données opérationnelles. Ce sont des objectifs prometteurs, mais l’alliance n’a pas encore publié de norme nationale complète.

Les différences régionales empêcheront une uniformité totale. Le profil de production de la Californie diffère de celui de PJM, tandis que le Texas fonctionne selon une autre structure de marché.

Malgré cela, des définitions communes peuvent réduire la confusion. Des termes tels que « flexibilité disponible », « charge garantie » et « durée d’effacement » devraient avoir le même sens dans les contrats et les déclarations publiques.

La pression concurrentielle peut aider. Google a déjà accumulé de l’expérience dans la négociation d’accords flexibles avec les services publics, ce qui lui confère des connaissances dont d’autres opérateurs de centres de données peuvent manquer.

Emerald AI bénéficie si les logiciels réactifs au réseau deviennent une exigence standard. Nvidia bénéficie lorsque les contraintes d’électricité retardent moins de déploiements de GPU.

Les services publics et les producteurs d’électricité ont leurs propres incitations. Ils souhaitent de nouveaux grands clients, mais doivent préserver la fiabilité et recouvrer les coûts légitimes des infrastructures.

Ces intérêts convergents peuvent accélérer le travail technique. Ils peuvent aussi rendre l’alliance moins susceptible de souligner les cas où la flexibilité ne convient pas.

Toutes les charges de travail d’IA ne devraient pas devenir interruptibles. Les services d’inférence critiques, les exécutions d’entraînement étroitement synchronisées et les environnements de données réglementés peuvent limiter la liberté opérationnelle.

Certains emplacements font également face à des pénuries persistantes plutôt qu’à des pointes occasionnelles. Des opérations flexibles ne peuvent pas créer suffisamment d’électricité là où le système sous-jacent manque de capacités de production ou de transport.

Les propres informations publiées par Google reconnaissent ces contraintes. Son expérience suggère que la réponse à la demande est un outil utile de planification des capacités, et non un substitut universel aux infrastructures.

La voie la plus solide de la coalition repose donc sur une expansion fondée sur des preuves. Elle devrait commencer par des installations et des charges de travail capables d’assurer des réductions claires et reproductibles.

Cette approche mesurée rendrait les centres de données d’IA flexibles plus faciles à considérer comme fiables. Des affirmations générales sur le déblocage de capacités électriques susciteront du scepticisme tant que des projets commerciaux n’auront pas établi un historique plus long.

Trois signaux montreront si l’alliance compte réellement

Le succès de l’alliance sera visible dans les contrats réglementaires, la performance commerciale et les économies vérifiées pour les clients, et non dans de nouvelles annonces d’adhésion.

Le premier signal sera la manière dont les opérateurs régionaux de réseau répondront aux ordonnances de la FERC concernant les grandes charges. Leurs propositions tarifaires montreront si le service flexible devient une option de raccordement pratique.

Un tarif utile doit définir l’éligibilité, les limites d’exploitation, les exigences en matière de données et les pénalités. Il devrait également protéger les clients existants des coûts créés par les nouveaux projets.

Une reconnaissance large sur plusieurs marchés renforcerait l’argument central de l’alliance. Des règles qui conserveraient les hypothèses conventionnelles de service garanti l’affaibliraient.

Le deuxième signal sera la performance du projet de Northern Virginia. Son échelle commerciale le rend plus instructif qu’une démonstration contrôlée de GPU.

Les observateurs devraient suivre son niveau de réduction contractuel, son temps de réponse, la durée des événements et son comportement de rebond. Sa disponibilité lors de conditions météorologiques extrêmes comptera davantage que sa performance les jours ordinaires.

Le projet devrait également indiquer à quelle fréquence il réduit les charges de travail et quels coûts opérationnels en résultent. Ces éléments aideront les acheteurs à déterminer si la flexibilité offre un modèle économique attractif.

Des résultats fiables soutiendraient une expansion dans d’autres régions. Des retards, des événements manqués ou des mesures peu claires renforceraient les préoccupations selon lesquelles le concept reste expérimental.

Le troisième signal sera de savoir si les services publics documentent les économies pour les clients. Un raccordement plus rapide prouve seulement que la politique aide les développeurs, et non qu’elle bénéficie au public.

Les régulateurs devraient comparer les modernisations évitées promises avec les investissements réels dans le système. Ils devraient également vérifier si les clients flexibles assurent leur performance pendant les heures de pointe utilisées dans les modèles de planification.

Les tarifs d’électricité dépendent de nombreux facteurs ; aucune installation unique ne déterminera donc la facture d’un ménage. Les services publics peuvent néanmoins quantifier les capacités évitées, les constructions différées et la baisse des achats en période de pointe.

Des rapports publics amélioreraient la légitimité de l’alliance. Ils permettraient également aux communautés de comparer les propositions flexibles aux projets conventionnels de centres de données.

L’AI Energy Management Alliance a choisi un problème concret. Les infrastructures d’IA ont besoin d’électricité plus vite que de nombreux réseaux ne peuvent ajouter de capacités traditionnelles, tandis que les clients refusent d’absorber des coûts non maîtrisés.

La flexibilité de la demande offre un pont crédible lorsque les charges de travail peuvent être déplacées et que les contrats rendent la performance contraignante. Les premières démonstrations montrent que les logiciels peuvent réduire la puissance des clusters sans abandonner les tâches prioritaires.

La question sans réponse est de savoir si cette capacité peut résister à l’échelle commerciale, aux conditions extrêmes et aux obligations concurrentes envers les clients. Un groupement professionnel peut concevoir les règles, mais seules les données d’exploitation peuvent trancher cette question.

Les développeurs, les acheteurs d’entreprise et les utilisateurs d’IA devraient désormais se demander où s’exécute leur informatique et comment sa demande électrique est gérée. Ils devraient également demander des preuves à l’appui des affirmations d’exploitation favorable au réseau. Si la coalition assure une performance transparente, l’informatique flexible peut devenir une véritable catégorie d’infrastructure. Si elle ne livre que des approbations plus rapides, l’AI Energy Management Alliance ressemblera moins à une solution pour le réseau qu’à une stratégie d’accès.