L’étude de McKinsey sur les centres de données conclut que la surconstruction n’est pas le principal risque
McKinsey remet en cause les craintes d’une surabondance d’infrastructures d’IA, tout en prévoyant que la demande IT des centres de données américains pourrait atteindre 121 gigawatts d’ici 2030. L’étude de McKinsey sur les centres de données affirme que la demande engagée reste suffisamment forte pour soutenir la poursuite des constructions. Le risque le plus aigu est que les promoteurs élaborent des projets sur le papier sans pouvoir les raccorder, les alimenter ou les achever là où les clients ont besoin de capacité.
Cette distinction modifie le débat sur la surconstruction. Un vaste portefeuille de projets ne signifie pas nécessairement que les États-Unis se retrouveront avec trop de centres de données opérationnels. Plusieurs promoteurs poursuivent parfois la même capacité limitée de raccordement au réseau, tandis que des propositions spéculatives peuvent rester à des années du début des travaux. Pendant ce temps, la capacité achevée dans les grands marchés est louée presque aussi vite qu’elle devient disponible.
Il en résulte un paradoxe d’infrastructure. Le secteur peut sembler en surconstruction lorsqu’on le mesure à l’aune des annonces, tout en restant gravement sous-capacitaire lorsqu’on le mesure en mégawatts réellement utilisables. Les services publics, hyperscalers, opérateurs de colocation, fournisseurs d’équipements et collectivités locales doivent désormais déterminer quels projets sont suffisamment réels pour être soutenus.
L’étude de McKinsey sur les centres de données redéfinit le déploiement
McKinsey voit une demande durable se heurter à un système de livraison incapable de croître au même rythme.
Le cabinet estime que les centres de données représenteront environ 75 % de la croissance attendue de la demande électrique américaine au cours de la prochaine décennie. Les ambitions actuelles de construction nécessiteraient près de 30 gigawatts de puissance supplémentaire chaque année. Ce chiffre comprend environ 20 gigawatts de demande IT additionnelle, ainsi que l’électricité requise pour le refroidissement, la distribution et la fiabilité.
L’analyse de la surconstruction du cabinet n’écarte pas l’éventualité d’une demande d’IA plus faible. Elle évalue plutôt ce dont le système électrique aurait besoin selon différents scénarios d’adoption. Même son scénario de demande plus faible exige des ajouts substantiels à l’approvisionnement électrique d’ici 2030.
L’argument central de McKinsey repose sur la qualité de la demande actuelle. Les grands hyperscalers disposent de bilans solides, de flux de trésorerie opérationnels substantiels et de plans d’infrastructure pluriannuels. De nombreux investissements dans les centres de données sont également liés à une utilisation contractualisée plutôt qu’à de simples prévisions spéculatives d’occupation.
Cela distingue le cycle actuel d’un boom immobilier traditionnel. Les promoteurs ne construisent pas simplement des entrepôts génériques en espérant que des locataires se présenteront. Une grande partie des capacités les plus crédibles bénéficie déjà d’un engagement client, d’une stratégie énergétique, ou des deux.
Les indicateurs de demande présentent encore des faiblesses. McKinsey souligne que l’exécution de l’IA en entreprise reste inégale, même lorsque les entreprises affichent un fort intérêt. Son enquête a révélé qu’environ un tiers des répondants déployaient l’IA à grande échelle, tandis que 39 % faisaient état d’un effet mesurable sur le bénéfice avant intérêts et impôts.
La même enquête a montré que 64 % citaient des bénéfices en matière d’innovation. Toutefois, 71 % des organisations ont signalé au moins un résultat négatif de mise en œuvre. Ces chiffres suggèrent que l’adoption de l’IA a dépassé le stade de l’expérimentation, mais que tous les projets ne produisent pas une valeur commerciale fiable.
Certains schémas de financement ressemblent aussi à une bulle. Selon McKinsey, plus de la moitié des nouvelles licornes créées en 2025 étaient axées sur l’IA. Plusieurs ont atteint des valorisations de plusieurs milliards de dollars avant de commercialiser un produit. D’autres intermédiaires de l’infrastructure se développent tout en supportant un fort endettement ou des flux de trésorerie négatifs.
Ces risques comptent, car la demande de calcul dépend en définitive d’applications viables. Si les revenus de l’IA déçoivent, les promoteurs les plus fragiles et les locataires marginaux seront les premiers à rencontrer des difficultés. Cette correction n’éliminerait toutefois pas automatiquement la demande des entreprises cloud bien capitalisées, ni ne résoudrait la pénurie de capacité livrable.
L’étude déplace donc la question centrale. Au lieu de se demander si chaque campus annoncé sera nécessaire, les planificateurs devraient déterminer quels campus peuvent simultanément obtenir l’électricité, les équipements, les clients, les permis et le financement.
La capacité annoncée n’est pas la même chose que la capacité utilisable
L’apparente surconstruction se trouve largement dans les portefeuilles de projets, tandis que la pénurie de capacité existe dans les installations opérationnelles.
Un centre de données proposé peut figurer dans plusieurs bases de données bien avant de devenir un site fonctionnel. Le promoteur peut contrôler le terrain sans disposer d’un accord avec le service public. Un autre projet peut être entré dans une étude de raccordement au réseau sans financement, commandes d’équipements, permis ni locataire d’ancrage.
Les promoteurs soumettent également des demandes qui se chevauchent lorsque plusieurs emplacements pourraient répondre à un même besoin. Ils peuvent ensuite faire avancer le site qui obtient l’électricité en premier. Compter chaque demande comme une demande indépendante gonfle le portefeuille apparent de construction.
Les entreprises en phase de démarrage ont une autre incitation à réserver des accès. Un promoteur peut sécuriser un terrain ou des droits de raccordement, puis vendre le projet à un opérateur plus important. Certaines propositions représentent donc des options sur une infrastructure rare plutôt que des programmes de construction entièrement financés.
Ces pratiques expliquent pourquoi une file d’attente importante peut coexister avec une offre limitée. Les annonces mesurent l’ambition. Les mégawatts opérationnels mesurent la capacité que les clients peuvent réellement utiliser.
Les données sur l’immobilier commercial renforcent cet écart. CBRE a indiqué que l’offre dans les principaux marchés nord-américains de centres de données avait augmenté de 33,7 % sur un an au premier semestre 2026. Pourtant, le taux de vacance est tombé à un niveau record de 1,4 %.
Les conclusions de marché du cabinet font état de 7 481,1 mégawatts en construction sur ces marchés, soit une hausse annuelle de 24,8 %. Plus de 80 % de cette capacité était déjà pré-louée. Moins de 1 500 mégawatts restaient disponibles, ce qui équivaut à environ six mois de demande au rythme actuel d’absorption.
La Virginie du Nord illustre ce décalage. Elle est restée le plus grand marché nord-américain de centres de données, avec 4 496,5 mégawatts de capacité installée. Son taux de vacance est tombé à 0,2 %, alors même que plus de 2 400 mégawatts restaient en construction.
Atlanta a dépassé la Virginie du Nord en matière d’activité de construction, atteignant environ 2 882 mégawatts. Ce déplacement ne montre pas que la demande s’évapore en Virginie. Il montre que les promoteurs se tournent vers des emplacements où les terrains, l’électricité et les autorisations offrent une meilleure voie vers l’achèvement.
La pré-location fournit un signal de demande plus fort qu’un communiqué de presse. Un client qui réserve une capacité future prend un engagement contractuel avant l’ouverture de l’installation. Ces accords varient en solidité, mais ils offrent davantage d’éléments probants qu’un plan de développement non engagé.
Ils limitent également le risque de construction indiscriminée. Les prêteurs et investisseurs examinent de plus en plus le crédit des locataires, les conditions des baux, la disponibilité de l’électricité et les jalons de construction avant de libérer des capitaux. Les projets dépourvus de ces fondations se heurtent à des obstacles de financement plus élevés.
La pré-location n’élimine toutefois pas le risque. Un locataire financièrement fragile peut faire défaut, et un opérateur fortement endetté peut rencontrer des problèmes de refinancement. La concentration de clients peut exposer une installation à l’évolution de la stratégie IA d’une seule entreprise.
La construction peut également devancer l’installation des équipements. La structure d’un bâtiment ne fournit pas de capacité de calcul utile sans serveurs, matériel réseau, systèmes de refroidissement, transformateurs et raccordements sous tension. Un projet peut paraître physiquement avancé tout en restant à plusieurs mois de sa mise en service.
C’est pourquoi « surconstruit » et « sous-capacitaire » peuvent tous deux décrire le même marché. Le secteur a accumulé davantage de projets proposés qu’il n’en achèvera. Dans le même temps, les clients disposent de très peu d’espace immédiatement disponible dans les emplacements qu’ils privilégient.
L’électricité est devenue le véritable verrou de capacité
La contrainte décisive n’est plus de savoir si les promoteurs veulent construire, mais si le système électrique peut respecter leurs calendriers.
McKinsey prévoit que la demande IT des centres de données américains augmentera d’environ 27 % par an jusqu’en 2030. Sa fourchette modélisée atteint entre 121 et 137 gigawatts de demande IT additionnelle à la fin de la décennie.
Répondre à cette charge nécessite davantage de capacité de production que ne le laisse entendre le seul chiffre IT. Les centres de données ont également besoin de refroidissement, de conversion électrique, de redondance et d’autres systèmes de soutien. Les ressources de production ne peuvent pas toutes fonctionner en continu à leur puissance nominale déclarée.
McKinsey estime que les États-Unis disposent d’environ 40 gigawatts de marge de manœuvre pilotable, c’est-à-dire de capacité de production supérieure à la demande constante. Environ 100 gigawatts de capacité supplémentaire ont été engagés pour la construction.
Ces chiffres semblent initialement suffisants. Toutefois, les retraits de centrales au charbon et d’anciennes centrales à vapeur-gaz devraient supprimer entre 50 et 75 gigawatts d’ici 2030. Après la croissance prévue de la demande et les retraits, McKinsey identifie un besoin national de capacité d’environ 30 à 55 gigawatts.
Les totaux nationaux masquent également les pénuries locales. La demande des centres de données se concentre en Virginie du Nord, à Phoenix, en Louisiane, au Texas et sur de nouveaux marchés du Midwest. L’électricité ne peut pas être déplacée librement entre toutes les régions, notamment lorsque les lignes de transport sont saturées ou inexistantes.
La construction de grandes infrastructures de transport peut prendre plus d’une décennie. Les calendriers des centres de données sont généralement bien plus courts. Un hyperscaler qui achète des accélérateurs aujourd’hui ne peut pas supposer qu’une ligne électrique proposée arrivera à temps pour son prochain cycle de déploiement.
L’Agence internationale de l’énergie observe la même collision à l’échelle mondiale. Ses perspectives énergétiques actualisées prévoient que la consommation électrique des centres de données passera de 485 térawattheures en 2025 à 950 térawattheures en 2030. Les installations axées sur l’IA croissent nettement plus vite que le marché dans son ensemble.
L’AIE a également constaté que la consommation électrique des centres de données axés sur l’IA a augmenté de 50 % en 2025. Cette croissance observée constitue une preuve plus solide que les annonces de construction lointaines. Elle montre que le matériel d’IA installé accroît déjà la charge.
La densité des serveurs accroît le défi de livraison. Selon l’AIE, la densité de puissance des serveurs d’IA a été multipliée par onze entre 2020 et 2025. Elle prévoit une nouvelle multiplication par quatre d’ici 2027. Une densité plus élevée concentre davantage de demande électrique et de refroidissement dans chaque installation.
Cette tendance peut améliorer la production de calcul par bâtiment, mais elle crée de nouvelles exigences d’ingénierie. Les opérateurs ont besoin d’une distribution électrique à haute capacité, de refroidissement liquide, de transformateurs adaptés et d’équipements capables de gérer les fluctuations rapides des charges de travail d’IA.
La production d’équipements ne peut pas s’ajuster instantanément. Les transformateurs, appareillages de commutation, turbines et systèmes de refroidissement spécialisés ont de longs délais de fabrication. Les fournisseurs doivent agrandir leurs usines avant de savoir quels projets annoncés atteindront effectivement la phase de construction.
Les planificateurs du réseau font face à un problème de prévision similaire. Ils doivent se préparer à de fortes charges avant que les installations ne commencent à fonctionner, alors que toutes les demandes ne représentent pas un projet distinct. Surestimer la demande peut faire peser sur les consommateurs le coût d’infrastructures inutiles. La sous-estimer peut retarder l’investissement et menacer la fiabilité.
L’étude de McKinsey sur les centres de données décrit donc plus qu’une pénurie d’électricité. Elle identifie un échec de coordination entre des secteurs fonctionnant selon des calendriers différents. Les entreprises d’IA planifient par trimestres, les centres de données se développent sur plusieurs années, et les grands projets de réseau peuvent prendre une décennie.
Les hyperscalers peuvent construire plus vite que les services publics ne peuvent réagir
La pression s’exerce sur les services publics et les opérateurs régionaux de réseau, car les dépenses des hyperscalers peuvent évoluer plus vite que la planification des infrastructures réglementées.
McKinsey affirme que les dépenses d’investissement des hyperscalers ont augmenté d’environ 50 % par an de 2022 à 2026. Les plus grandes entreprises du cloud peuvent financer des campus, réserver des puces, signer des accords d’approvisionnement en énergie et déplacer des charges de travail entre régions à une échelle inaccessible à la plupart des développeurs.
Les services publics ne peuvent pas réagir avec la même rapidité. Ils doivent prévoir la demande, obtenir l’approbation des régulateurs, étudier les effets sur le système, acquérir des droits fonciers, acheter des équipements et récupérer leurs coûts au moyen de structures approuvées. Chaque étape peut engendrer des retards ou des litiges.
Les opérateurs régionaux de réseaux ont également besoin de meilleures preuves que les charges proposées se concrétiseront. PJM, qui couvre une grande partie du Mid-Atlantic, a souligné le risque de double comptage des demandes liées aux centres de données. Plusieurs services publics peuvent recevoir des demandes concernant un même projet sous-jacent.
Cette situation crée un choix difficile. Si les planificateurs du réseau partent du principe que chaque demande deviendra réalité, ils risquent d’acheter trop de capacité. S’ils écartent trop de demandes, ils peuvent arriver à une année de mise en service sans approvisionnement fiable suffisant.
Les files d’attente de production illustrent les dangers qu’il y a à considérer des demandes comme des infrastructures achevées. Une analyse de Berkeley Lab recensait environ 1 400 gigawatts de production américaine proposée et 890 gigawatts de stockage à la fin de 2024.
Seuls 13 % des capacités entrées dans les files d’attente d’interconnexion entre 2000 et 2019 avaient atteint l’exploitation commerciale à la fin de 2024. 77 % supplémentaires avaient été retirées, tandis que 10 % restaient actives. La période médiane de développement des projets achevés avait également dépassé quatre ans.
Ces files concernent la production d’électricité plutôt que les charges des centres de données, mais la leçon s’applique. Une demande représente une intention, pas une livraison. La qualité du projet, son financement, les autorisations, les équipements et l’avancement de l’interconnexion déterminent quelles propositions deviennent des actifs opérationnels.
Les services publics réagissent par de nouveaux tarifs et de nouvelles structures contractuelles. Certains souhaitent que les clients à forte charge fournissent des garanties financières plus solides ou acceptent des obligations de paiement minimum. Ces mesures peuvent protéger les autres clients lorsqu’un centre de données prévu ne se matérialise jamais.
Les hyperscalers recherchent également des accords directs d’approvisionnement en énergie. Redémarrages de centrales nucléaires, contrats renouvelables, production au gaz, batteries et piles à combustible peuvent compléter le service classique des services publics. Ces dispositifs donnent davantage de contrôle aux grands acheteurs, mais ils ne suppriment pas les contraintes de transport, d’autorisation ou d’équipement.
Les opérateurs plus petits subissent une pression plus forte. Ils ne peuvent pas toujours financer une production d’énergie parallèlement à un centre de données et disposent d’un pouvoir de négociation moindre avec les fournisseurs. Ils peuvent dépendre de prestataires de colocation ou choisir des marchés secondaires où l’électricité est plus accessible.
Les acheteurs d’entreprise devraient donc considérer l’emplacement comme une variable de fiabilité. Une réservation de capacité dans une région contrainte présente un risque de livraison différent d’un déploiement déjà opérationnel. Les examens contractuels doivent distinguer la date d’achèvement prévue, la capacité alimentée et les dispositifs de secours.
Les clients du cloud peuvent en ressentir les effets indirectement. Les contraintes de capacité peuvent influencer les régions où de nouvelles instances d’IA deviennent disponibles, la rapidité avec laquelle les clusters réservés démarrent et la possibilité que les fournisseurs imposent des engagements plus longs. La flexibilité géographique peut devenir aussi importante que le choix de l’accélérateur.
La fracture concurrentielle ne séparera pas simplement les entreprises qui dépensent le plus de celles qui dépensent moins. Elle séparera les opérateurs qui contrôlent une voie crédible d’approvisionnement électrique de ceux qui détiennent des plans de construction sans énergie livrable.
L’énergie sur site résout le problème de vitesse mais crée de nouveaux risques
La production sur site peut réduire l’attente pour obtenir de l’électricité, mais elle transfère au centre de données les risques liés au combustible, aux équipements, aux émissions et à la fiabilité.
L’enquête 2025 de McKinsey auprès des dirigeants du secteur de l’énergie a révélé que 65 % d’entre eux prévoyaient de déployer une forme d’alimentation sur site. L’enquête comptait 145 répondants, dont 46 experts américains représentant des hyperscalers, des opérateurs de colocation et des services publics.
Près de 60 % prévoyaient une production permanente sur site d’ici 2030, même après la disponibilité du service réseau. Parmi les répondants prévoyant une alimentation sur site, 64 % envisageaient d’utiliser du gaz naturel. Cela suggère que la production derrière le compteur devient une composante normale de la conception des centres de données.
Les moteurs et turbines à gaz peuvent fournir une production garantie sans attendre une importante extension du réseau de transport. Les piles à combustible et les batteries peuvent soutenir la fiabilité ou compenser un service réseau limité. Le solaire associé au stockage peut contribuer à l’approvisionnement énergétique lorsque l’espace et les conditions d’exploitation le permettent.
Toutefois, l’autoproduction ne fait pas disparaître les contraintes d’infrastructure. Les turbines à gaz sont soumises à des retards de fabrication. Un site peut aussi nécessiter de nouvelles capacités de pipeline, un accès redondant au combustible, des permis environnementaux et une maintenance spécialisée.
L’AIE estime que des systèmes au gaz fiables sur site peuvent exiger de 30 % à 70 % de capacité de production supplémentaire par rapport à la charge attendue du centre de données. Les opérateurs ont besoin de cette marge, car les équipements peuvent tomber en panne ou être en maintenance. Les charges de travail d’IA variables ajoutent une couche supplémentaire de complexité.
L’agence prévoit qu’entre 15 et 27 gigawatts de production au gaz naturel sur site pourraient alimenter des centres de données d’ici 2030, principalement aux États-Unis. Elle avertit également que seul environ un cinquième des projets suivis avait entamé le défrichement ou la construction lors de son évaluation.
Les batteries offrent rapidité et flexibilité, mais leur durée importe. Le stockage de courte durée peut lisser les variations de puissance et couvrir de brèves interruptions. Il ne peut pas alimenter seul un grand campus d’IA pendant une panne prolongée du réseau.
Une centrale électrique virtuelle, qui coordonne des ressources énergétiques distribuées au moyen de logiciels, peut aider à déplacer la demande ou à fournir de l’électricité durant les périodes de contrainte. Elle dépend toutefois des règles du marché, des communications, de la participation des clients et de la disponibilité de ces ressources distribuées.
Les centres de données pourraient également ajuster leurs charges de travail. Certaines tâches d’entraînement peuvent être déplacées dans le temps ou entre régions, réduisant la demande lorsque le réseau est sous tension. McKinsey note que les opérateurs ont montré une volonté limitée de réduire des calculs d’IA précieux, car les revenus du calcul peuvent dépasser les coûts d’électricité.
Les charges de travail d’inférence posent un défi différent. L’inférence consiste à exécuter un modèle entraîné pour répondre à des demandes ou accomplir des tâches. Les services destinés aux clients exigent souvent une faible latence et une disponibilité continue, ce qui laisse moins de marge pour interrompre la consommation.
Les arbitrages environnementaux deviendront plus difficiles à éviter. Prolonger l’exploitation de centrales au charbon ou ajouter du gaz sur site peut contribuer à répondre à la demande à court terme, mais ces deux options peuvent augmenter les émissions. Ces décisions peuvent entrer en conflit avec les objectifs d’énergie propre des entreprises et les attentes des communautés.
L’eau, le bruit, l’utilisation des sols et l’accessibilité financière de l’électricité peuvent aussi susciter une opposition locale. Un projet techniquement viable peut tout de même échouer si les habitants ou les régulateurs estiment que ses coûts publics dépassent ses bénéfices.
L’étude de McKinsey sur les centres de données n’établit pas une solution énergétique universelle. Elle oriente vers des portefeuilles mixtes façonnés par les conditions locales. Le service réseau, la production au gaz, le solaire, le stockage, les piles à combustible et la flexibilité des charges de travail joueront des rôles différents selon les marchés.
Le risque est que des mesures temporaires deviennent permanentes sans examen suffisant. Une centrale au gaz installée pour pallier un retard du réseau peut fonctionner pendant des décennies. Les services publics et les régulateurs doivent donc évaluer la rapidité au regard des coûts à long terme, des émissions et de l’exposition aux actifs échoués.
Ce que l’argument de la surconstruction continue de bien saisir
Une demande globale durable ne garantit pas la réussite de chaque développeur, locataire, région ou structure de financement.
L’argument le plus solide contre la surconstruction repose sur les capacités sous contrat, la faible vacance et l’augmentation de la consommation d’électricité. L’argument sceptique le plus solide porte sur ce qui se passe à l’intérieur de ces chiffres agrégés.
Les prévisions de demande en IA dépendent de l’amélioration continue des modèles et d’un usage soutenu de services gourmands en calcul. Les gains d’efficacité pourraient réduire l’énergie nécessaire à chaque tâche. Les entreprises pourraient aussi devenir plus sélectives après que les premiers déploiements n’ont pas généré des rendements suffisants.
L’efficacité ne réduit pas toujours la consommation totale. Une inférence moins chère peut encourager les développeurs à intégrer des fonctionnalités d’IA dans davantage de produits, augmentant le nombre de requêtes. Cet effet rebond rend le résultat net difficile à prévoir.
McKinsey prévoit un ralentissement de la croissance après 2030. La demande de puces pourrait devenir moins soutenue, l’adoption pourrait mûrir et les opérateurs pourraient remplacer les équipements existants par des systèmes plus efficaces. Cette transition pourrait affaiblir la demande de nouveaux bâtiments tout en soutenant les mises à niveau dans les installations établies.
Les projections 2026 d’EPRI montrent l’ampleur persistante de l’incertitude. Elles estiment que les centres de données américains ont consommé entre 177 et 192 térawattheures en 2024. Leurs scénarios pour 2030 vont de 383 à 793 térawattheures.
Cet écart est trop important pour étayer un seul plan de construction déterministe. Les services publics doivent investir avant de savoir si la demande suivra le scénario bas, moyen ou haut. Les développeurs font face à la même incertitude lorsqu’ils engagent des capitaux dans des projets aux périodes de retour sur investissement longues.
Le risque diffère aussi selon les acteurs du marché. Un hyperscaler peut rediriger des serveurs, ralentir un campus ou absorber une capacité inutilisée ailleurs dans son réseau. Un développeur spéculatif disposant d’un seul site et d’une dette importante a moins d’options.
Les intermédiaires d’infrastructure se situent entre ces extrêmes. Ils peuvent détenir des obligations énergétiques de long terme tout en s’appuyant sur des clients dont la qualité de crédit est plus faible que celle d’un grand fournisseur de cloud. Un décalage entre les revenus locatifs et les engagements énergétiques peut devenir coûteux.
La géographie crée une autre source d’actifs échoués. La demande nationale peut augmenter tandis qu’un site particulier échoue. Un campus peut perdre parce que sa connexion au réseau arrive tardivement, que les règles locales changent ou que les clients préfèrent une autre région avec une latence plus faible.
La conception technologique peut également rendre des capacités inutilisables. Les installations conçues pour des serveurs conventionnels refroidis par air peuvent nécessiter d’importantes rénovations pour accueillir des systèmes d’IA à plus forte densité. La distribution électrique et l’architecture de refroidissement peuvent limiter le matériel pris en charge par un site.
C’est pourquoi la préoccupation liée à la surconstruction reste raisonnable, même si le marché global demeure tendu. Certains projets devraient disparaître des pipelines. D’autres ouvriront plus tard que prévu, changeront de propriétaire ou fonctionneront à une échelle inférieure à celle annoncée.
L’erreur consiste à considérer ces échecs comme la preuve que la demande globale d’infrastructures d’IA s’est effondrée. Une interprétation plus juste est que l’électricité et le capital rares filtrent les projets. Le déploiement peut connaître de lourdes pertes locales tout en restant globalement sous-approvisionné.
Les investisseurs et les clients d’entreprise devraient examiner l’utilisation sous contrat, la qualité des locataires, la capacité alimentée, la disponibilité des équipements et les dates de livraison d’électricité. Les mégawatts annoncés à eux seuls révèlent peu de choses sur la durabilité d’un projet.
Trois signaux détermineront si la pénurie persiste
La prochaine phase du déploiement des centres de données d’IA sera déterminée par la capacité livrée, la charge vérifiée et l’économie de l’IA en entreprise.
Le premier signal est l’écart entre la construction et l’offre alimentée. Les prochaines mises à jour de marché de CBRE devraient indiquer si la construction record fait monter la vacance ou se résorbe dans la demande précommercialisée. Une offre en hausse associée à une vacance durablement faible renforcerait la thèse de McKinsey sur l’insuffisance de capacité.
Une forte augmentation des stocks disponibles l’affaiblirait. Ce changement serait particulièrement important s’il apparaissait sur plusieurs marchés majeurs plutôt que sur un seul campus retardé. Surveillez la capacité opérationnelle et l’absorption nette, et non les seules annonces de projets.
Le deuxième signal est la manière dont les services publics examinent et desservent les demandes de forte charge. Des dépôts plus importants, des exigences de paiement minimum et des jalons plus clairs contribueraient à retirer des prévisions les projets dupliqués ou spéculatifs. Ils révéleraient également quels clients sont disposés à prendre des engagements contraignants.
Les ajouts au réseau comptent tout autant. Davantage de production mise en service commercialement, des autorisations de transport plus rapides et des progrès mesurables en matière d’interconnexion réduiraient le risque de pénuries locales. Des retards persistants dans les files d’attente renforceraient l’idée que le principal goulot d’étranglement est la livraison, et non la demande.
Le troisième signal concerne la valeur de l’IA en entreprise. La croissance des revenus, les déploiements à grande échelle et des gains de productivité mesurables soutiendraient une consommation durable de puissance de calcul au-delà des programmes d’entraînement des hyperscalers. Des échecs répétés de mise en œuvre ou des budgets IA en baisse affaibliraient les arguments en faveur de la demande.
Les résultats en entreprise méritent davantage de poids que les annonces de modèles. Un nouveau leader des benchmarks peut attirer l’attention, mais ce sont les charges de travail récurrentes qui financent l’infrastructure. La demande en centres de données devient plus durable lorsque les systèmes d’IA s’intègrent au service client, au développement logiciel, à la recherche, aux opérations et à d’autres processus continus.
Les lecteurs doivent également distinguer l’entraînement de l’inférence. La demande liée à l’entraînement peut survenir sous forme de cycles importants et concentrés. L’inférence croît avec l’usage récurrent des produits et peut se répartir entre davantage de sites. Un basculement vers l’inférence modifierait la conception des installations sans nécessairement réduire les besoins énergétiques globaux.
Pour les acheteurs de technologies, la question pratique n’est plus de savoir si un boom des infrastructures d’IA existe. Elle est de savoir si un fournisseur contrôle une capacité réellement utilisable dans la bonne région, avec des échéances crédibles pour l’alimentation électrique et l’achèvement des travaux.
Demandez aux fournisseurs quelles capacités sont opérationnelles, lesquelles sont seulement sous contrat, et ce qui se passe si un raccordement au réseau prend du retard. Étudiez les alternatives géographiques et la portabilité des charges de travail avant de dépendre d’un futur campus unique.
L’étude de McKinsey sur les centres de données présente au final un tableau plus complexe que celui d’une bulle ou d’une pénurie permanente. Les États-Unis disposent d’un immense pipeline de développement, mais seule une partie deviendra une infrastructure utilisable.
La demande peut rester forte tandis que des projets individuels échouent. La construction peut atteindre des records alors que les clients peinent à obtenir de la capacité. Le test décisif est de savoir si les mégawatts promis deviennent des systèmes informatiques alimentés avant que l’économie de l’IA ou les conditions de financement ne changent.
