NVIDIA et Google lancent l’AI Energy Management Alliance pour échanger de la flexibilité contre des raccordements réseau plus rapides

NVIDIA, Google et Emerald AI ont lancé l’AI Energy Management Alliance autour d’un compromis qui remet en question la manière dont les data centers obtiennent leur électricité. Les opérateurs bénéficieraient de raccordements au réseau plus rapides ou de plus grande capacité en acceptant des obligations mesurables de réduction de leur consommation lorsque le système est sous contrainte.

La coalition du 16 septembre ne se contente pas de promouvoir du matériel plus économe. Elle entend amener les fournisseurs d’électricité et les opérateurs de réseau à considérer l’informatique flexible comme une ressource pilotable lors de l’évaluation de nouveaux raccordements. Cette approche remet en cause l’idée traditionnelle selon laquelle un data center reçoit une alimentation garantie dès lors qu’il souhaite fonctionner.

Cette proposition intervient alors que les délais de raccordement déterminent de plus en plus les lieux où les entreprises peuvent déployer des infrastructures d’IA. Google a déjà conclu des accords d’électricité flexible pour certains sites. NVIDIA et Emerald AI cherchent désormais à transformer cette approche en cadre de marché reproductible.

La question centrale est de savoir si la flexibilité peut devenir suffisamment fiable pour que les fournisseurs d’électricité approuvent des projets en s’appuyant sur elle. Une brève démonstration technique diffère d’une obligation contraignante couvrant une installation commerciale pendant des années d’urgences réseau imprévisibles.

Si le modèle fonctionne, les fournisseurs d’électricité disposent d’une alternative au simple refus de charges importantes ou à l’attente de chaque modernisation du réseau de transport. S’il échoue, les ménages et les entreprises existantes pourraient supporter les risques créés par des raccordements plus rapides des data centers.

L’AI Energy Management Alliance veut un autre type d’accord de raccordement

La coalition souhaite que l’accès au réseau repose sur des performances vérifiées, et non sur la promesse qu’un data center deviendra plus flexible ultérieurement.

L’AI Energy Management Alliance, ou AEMA, réunit des entreprises issues de l’informatique, des services publics, de la production électrique et des data centers. Son groupe fondateur comprend NVIDIA, Google et Emerald AI.

Anthropic et des entreprises énergétiques, dont AES, Constellation, National Grid, NRG et RWE, ont également rejoint l’initiative. L’alliance compterait 20 entreprises et organisations des secteurs technologique et énergétique.

L’objectif déclaré d’AEMA est d’accélérer les raccordements des data centers au réseau tout en préservant la fiabilité et l’accessibilité financière de l’électricité. Elle propose des voies plus rapides, ajustées au risque, pour les installations qui prennent des engagements crédibles d’adapter leur consommation.

Ces engagements couvriraient la rapidité de réponse, la durée, la prévisibilité et les performances en situation d’urgence. L’alliance soutient également des exigences techniques standardisées et le partage de données opérationnelles entre les installations et les opérateurs de réseau.

Cette structure est importante car les études de raccordement électrique supposent généralement qu’un client potentiel peut appeler la puissance maximale demandée lors de conditions difficiles. Les fournisseurs d’électricité doivent alors identifier les améliorations de production, de transport et de distribution nécessaires pour alimenter cette charge de manière fiable.

Un raccordement flexible modifie le calcul. Un data center pourrait recevoir davantage de puissance en conditions normales tout en acceptant des limitations lorsque la capacité disponible tombe sous un seuil convenu.

AEMA appelle à des obligations couvrant l’écrêtement, la réponse aux contingences et le comportement de maintien en service avant qu’une installation ne soit raccordée. Le maintien en service décrit la façon dont les équipements se comportent lors de brèves perturbations du réseau, plutôt que de se déconnecter immédiatement ou de créer une nouvelle instabilité.

L’alliance souhaite également que les coûts de raccordement reflètent l’impact réel d’une installation sur le système. Un site capable de différer une modernisation coûteuse pourrait recevoir un traitement différent d’un projet inflexible présentant la même demande maximale.

Selon le plan d’alimentation flexible de l’alliance, un data center pourrait répondre à l’aide de batteries, de production sur site ou de logiciels qui replanifient les charges de travail d’IA. Le cadre reste neutre sur le plan technologique, car le service rendu au réseau importe davantage que l’équipement qui le fournit.

Cette neutralité laisse aux membres la latitude de poursuivre différentes conceptions. Un opérateur cloud pourrait déplacer les calculs entre régions, tandis qu’une autre installation pourrait suspendre des tâches peu prioritaires ou décharger du stockage sur batteries.

Les charges de travail critiques continueraient de fonctionner dans le modèle envisagé. L’entraînement, l’inférence par lots, la préparation des données et d’autres tâches différables absorberaient la majeure partie de l’ajustement.

La coalition propose donc un échange, et non un accès illimité à une électricité rare. Les data centers reçoivent un service plus précoce ou étendu, tandis que les fournisseurs d’électricité obtiennent le droit de solliciter des réductions prévisibles.

Ce compromis crée la tension centrale de l’article. Des raccordements plus rapides ne deviennent possibles que lorsque les opérateurs d’IA abandonnent une partie de la certitude que les data centers conventionnels ont historiquement exigée.

Pourquoi les raccordements des data centers au réseau sont devenus le goulot d’étranglement de l’IA

Les entreprises d’IA peuvent commander du matériel informatique plus rapidement que les fournisseurs d’électricité ne peuvent construire les infrastructures nécessaires pour l’alimenter.

Les grands data centers peuvent nécessiter une puissance comparable à celle d’usines industrielles. Pourtant, les lignes de transport, les postes électriques, les projets de production et les autorisations réglementaires suivent des calendriers bien plus longs que le matériel informatique.

AEMA indique que les raccordements peuvent prendre cinq à sept ans, voire davantage, sur d’importants marchés américains. Ces retards peuvent laisser des bâtiments achevés ou des campus prévus dans l’attente d’une capacité réseau suffisante.

Ce décalage exerce une pression sur presque toutes les parties concernées. Les fournisseurs cloud risquent d’immobiliser des terrains, des bâtiments et des équipements sans bénéficier d’un service électrique complet. Les fournisseurs d’électricité font face à d’énormes demandes de raccordement dont le calendrier et la demande finale restent incertains.

Les clients existants font face à un risque différent. Si les fournisseurs d’électricité construisent des infrastructures coûteuses pour des charges spéculatives ou inflexibles, les ménages et les petites entreprises pourraient finir par en absorber une partie du coût.

Les communautés s’interrogent également sur le fait de savoir si le développement des data centers augmentera les factures d’électricité locales ou affaiblira la fiabilité. Ces préoccupations ont fait de l’accès à l’énergie une contrainte politique, et non plus seulement un problème d’ingénierie.

AEMA soutient que les réseaux disposent de capacité inutilisée pendant de nombreuses heures, même s’ils deviennent contraints lors d’un petit nombre de pics. Des installations flexibles pourraient exploiter cette marge et réduire leur consommation lorsque la demande approche des limites du système.

L’alliance cite des recherches suggérant qu’une flexibilité modérée pourrait accueillir jusqu’à 100 gigawatts de charge supplémentaire sur les infrastructures de réseau américaines existantes. Il s’agit d’une opportunité modélisée, et non d’une capacité déjà approuvée pour de nouveaux data centers.

La distinction est essentielle. La capacité du réseau ne peut pas être traitée comme un unique bassin national, car les contraintes surviennent au niveau de générateurs précis, de corridors de transport, de postes électriques et de systèmes locaux de distribution.

Une installation flexible dans une région ne peut pas automatiquement résoudre une congestion ailleurs. Même au sein d’une région, la valeur de la flexibilité dépend du lieu de raccordement du data center et du moment où les pénuries se produisent.

L’idée sous-jacente a néanmoins une longue histoire. Depuis des décennies, les fournisseurs d’électricité rémunèrent des usines et d’autres grands clients pour réduire leur demande pendant les périodes difficiles.

La réponse à la demande, c’est-à-dire l’ajustement temporaire de la consommation électrique après un signal du réseau ou de prix, aide les systèmes à gérer les pics. Les programmes conventionnels reposent parfois sur des usines qui interrompent leur production ou des bâtiments qui modifient leurs charges de chauffage et de climatisation.

Les data centers participent déjà à certains programmes, mais ils répondent souvent à l’aide de générateurs de secours diesel. Cette solution préserve l’activité informatique tout en réduisant la consommation du réseau, mais elle peut créer une pollution locale.

Emerald AI propose d’ajuster directement l’informatique. Son logiciel coordonne les demandes des fournisseurs d’électricité avec les planificateurs de charges de travail, les systèmes électriques et d’autres contrôles des installations.

L’entreprise affirme que les tâches non critiques peuvent ralentir, être suspendues ou déplacées vers une région disposant d’une plus grande marge de capacité électrique. Les batteries et la production sur site peuvent compléter ces changements lorsqu’elles sont disponibles.

Cette approche donne à NVIDIA et Google une raison de coopérer malgré leur concurrence dans les infrastructures d’IA. Tous deux bénéficient du fait que les fournisseurs d’électricité reconnaissent la flexibilité informatique comme un substitut crédible à la fourniture de la demande maximale à chaque instant.

La coalition accroît également la pression sur les autres hyperscalers et opérateurs de data centers. Si AEMA établit des normes viables, un opérateur recherchant une alimentation garantie et ininterrompue pourrait faire face à des délais plus longs ou à des coûts système plus élevés.

Les data centers d’IA flexibles transforment le calcul en outil de pilotage du réseau

Le mécanisme ne fonctionne que si les logiciels peuvent réduire rapidement la demande d’électricité sans perturber les services d’IA prioritaires.

La plateforme Conductor d’Emerald AI se place entre les signaux du réseau et les opérations des data centers. Elle coordonne les changements de charges de travail avec les batteries, la production sur site et d’autres ressources derrière le compteur lorsque ces actifs sont présents.

Le logiciel DSX Flex de NVIDIA est conçu pour relier l’infrastructure d’IA à ces contrôles énergétiques. Les entreprises souhaitent intégrer la gestion de l’énergie à l’architecture opérationnelle d’une installation d’IA plutôt que de l’ajouter après sa construction.

L’approche exploite les différences entre les charges de travail informatiques. Un service interactif peut nécessiter un traitement immédiat, tandis qu’un point de contrôle d’entraînement ou une tâche de préparation des données peut souvent attendre.

Les opérateurs peuvent classer ces charges de travail selon leur priorité et leur échéance. Lorsque le réseau demande un allègement, le logiciel d’ordonnancement réduit l’activité de moindre priorité tout en protégeant les services soumis à des engagements de performance stricts.

Le déplacement du travail entre différents sites offre un autre levier. Une entreprise possédant plusieurs data centers peut envoyer une tâche vers une région disposant de puissance disponible, à condition que son réseau, ses données et ses exigences de conformité autorisent ce transfert.

Cette technique ne rend pas l’informatique gratuite sur le plan énergétique. Elle modifie le moment et le lieu de consommation de l’électricité, ce qui peut compter énormément pendant une brève urgence sur le réseau.

Un essai mené à Phoenix en 2025 apporte des premiers éléments de preuve. La démonstration sur le terrain a utilisé un cluster cloud commercial comprenant 256 GPU et des charges de travail d’IA représentatives.

Les chercheurs ont signalé une réduction de 25 % de la puissance du cluster pendant trois heures lors d’événements de pointe. Ils ont indiqué que le système respectait ses exigences définies de qualité de service, sans ajouter de batteries ni modifier le matériel.

Ce résultat soutient le mécanisme, mais son échelle reste limitée. Un cluster de 256 GPU n’équivaut pas à un campus consommant des centaines de mégawatts via plusieurs postes électriques.

Le test a également évalué des charges de travail précises dans des conditions planifiées. Un programme commercial doit gérer des défaillances inattendues, l’évolution des priorités clients, des conditions météorologiques extrêmes et plusieurs événements réseau rapprochés.

NVIDIA et Emerald AI indiquent avoir réalisé des démonstrations dans cinq data centers commerciaux au cours de l’année suivante. Leur prochain test vise à se rapprocher de l’échelle que les fournisseurs d’électricité doivent évaluer.

Un déploiement de 96 mégawatts est prévu au NVIDIA AI Factory Research Center de Manassas, en Virginie. Digital Realty, l’Electric Power Research Institute et PJM Interconnection y participent.

Les entreprises prévoient que cette installation utilisera l’architecture Vera Rubin DSX de NVIDIA. Une exploitation à l’échelle commerciale fournirait des preuves plus solides sur les performances des charges de travail, la télémétrie et la fiabilité de la réponse.

Le concept sous-jacent va au-delà d’Emerald AI. Google a développé des systèmes qui déplacent certains calculs vers des périodes plus propres ou moins contraintes. D’autres fournisseurs utilisent des alimentations sans interruption pour réduire les brefs pics de puissance.

La différenciation d’Emerald AI réside dans le lien proposé entre les fournisseurs d’électricité et les contrôles des charges de travail. Cette interface permettrait à un opérateur de réseau de demander une réponse comparable à celle d’une ressource énergétique pilotable.

L’architecture NVIDIA prend également en charge des installations hybrides combinant production et stockage sur site. Ces ressources pourraient fournir une alimentation transitoire avant qu’un raccordement complet au réseau ne soit disponible.

Par la suite, le même équipement pourrait permettre une exploitation flexible après le raccordement. Toutefois, la production colocalisée soulève ses propres questions en matière de combustible, d’autorisations, d’émissions et de coûts.

AEMA évite de prescrire une voie technique unique, car chaque réseau a besoin de services différents. Un système qui manque de capacités de production n’a pas les mêmes exigences qu’un système limité par une ligne de transport locale.

Des règles fondées sur la performance pourraient tenir compte de ces différences. Elles pourraient aussi empêcher les entreprises de revendiquer une flexibilité au seul motif qu’elles possèdent des batteries ou des logiciels de gestion des charges de travail.

Les services publics ont besoin de preuves que l’ensemble de l’installation peut fournir une réduction définie au compteur. Cette réduction doit intervenir rapidement, durer suffisamment longtemps et rester disponible à la demande.

Un accès plus rapide implique d’accepter un risque réel de réduction

La promesse de l’alliance s’effondre si les centres de données obtiennent des raccordements accélérés tout en évitant des réductions significatives lors des conditions les plus difficiles pour le réseau.

AEMA présente la flexibilité comme un moyen d’aligner la croissance de l’IA sur la fiabilité et l’accessibilité financière. Pourtant, les membres de la coalition ont aussi un intérêt commercial direct à obtenir plus rapidement de l’électricité.

Ce conflit n’invalide pas la proposition. Il rend indispensables une mesure indépendante, des contrats exécutoires et une répartition transparente des coûts.

Un raccordement flexible ne peut pas dépendre d’un appel téléphonique volontaire pendant une urgence. Les opérateurs de réseau ont besoin de télémétrie indiquant la quantité d’électricité qu’une installation utilise et celle qu’elle peut réduire de manière fiable.

Ils ont également besoin de règles en cas de non-respect. Un centre de données qui ne respecte pas son obligation pourrait aggraver une urgence, car le système aurait été planifié autour d’une réduction qui n’a jamais eu lieu.

Les pénalités pourraient inclure des tarifs plus élevés, une réduction du service ou la perte du raccordement flexible. La conséquence appropriée dépendra des tarifs des services publics et des règles des marchés régionaux.

Les prévisions posent un autre problème. Une installation peut promettre de la flexibilité sur la base de son mix actuel de charges de travail, puis attirer des clients dont les applications exigent une disponibilité constante.

L’inférence d’IA peut être plus difficile à différer que certaines tâches d’entraînement, car les utilisateurs attendent des réponses immédiates. Les systèmes de sécurité, les applications de santé, les services financiers et d’autres charges de travail sensibles peuvent imposer des limites supplémentaires.

La mobilité des charges de travail a également ses limites. Déplacer une tâche entre régions peut se heurter à la latence réseau, aux règles de résidence des données, aux coûts de stockage ou à une capacité d’accélérateurs indisponible.

Même un campus techniquement flexible pourrait devenir moins flexible lors d’une vague de chaleur étendue. Plusieurs sites pourraient subir simultanément des tensions sur le réseau, supprimant l’option de déplacer le travail ailleurs.

Les batteries et la production sur site peuvent aider, mais leur durée est limitée. Les systèmes de secours alimentés par des combustibles fossiles pourraient également déplacer les coûts environnementaux du réseau électrique vers les communautés environnantes.

L’alliance affirme que ses normes incluront la durée de réponse et la prévisibilité. Les régulateurs devraient tester ces dispositions face à des urgences prolongées, et non uniquement à de courtes pointes.

L’échelle crée une autre incertitude. Une seule installation qui réduit sa consommation peut soutenir le réseau, mais des milliers d’équipements automatisés réagissant ensemble peuvent introduire de nouvelles rampes de charge et des défis opérationnels.

Les services publics doivent savoir comment les installations rétablissent leur consommation après une réduction. Si toutes les charges de travail suspendues redémarrent en même temps, le rebond pourrait créer un nouveau pic.

L’opportunité de 100 gigawatts fréquemment associée aux centres de données flexibles exige d’être présentée avec prudence. Elle découle de modélisations et d’hypothèses concernant l’utilisation du réseau, la flexibilité disponible et l’adéquation géographique.

Cela ne signifie pas que les logiciels ont découvert 100 gigawatts d’électricité garantie. De nouvelles capacités de production, lignes de transport et sous-stations resteront nécessaires à mesure que la demande de l’IA augmente.

La scientifique en chef d’Emerald AI, Ayse Coskun, a reconnu cette limite, déclarant que cette approche pourrait réduire le besoin de nouvelles capacités de production, sans toutefois l’éliminer. Cette distinction sépare une flexibilité crédible des affirmations selon lesquelles les logiciels de calcul pourraient remplacer les infrastructures physiques.

Les politiques publiques s’orientent déjà vers des réductions obligatoires dans certaines régions. Une analyse des politiques électriques a décrit des propositions au Texas et chez PJM visant à déconnecter ou limiter les grandes charges lors d’urgences.

Ces propositions illustrent l’alternative à laquelle sont confrontés les développeurs de centres de données. La flexibilité peut être obtenue par des incitations négociées, ou les régulateurs peuvent l’imposer comme condition d’exploitation.

Certains groupes industriels souhaitent une compensation pour les réductions volontaires et avertissent que des règles inflexibles pourraient décourager l’investissement. Les défenseurs des consommateurs se demandent si la seule réduction de charge empêchera les clients ordinaires de subventionner l’expansion des centres de données.

AEMA doit donc prouver davantage que la faisabilité technique. Elle doit démontrer que les raccordements accélérés au réseau ne transfèrent pas des coûts excessifs ou des risques pour la fiabilité à tous les autres usagers.

Les premiers programmes des services publics détermineront si le modèle peut passer à l’échelle

La prochaine phase sera jugée sur les données d’exploitation, les tarifs exécutoires et l’impact sur les clients, plutôt que sur de nouvelles annonces de la coalition.

Le premier signal à surveiller est le déploiement prévu de 96 mégawatts en Virginie. Il devrait révéler si les centres de données d’IA flexibles peuvent fournir des réductions prévisibles à une échelle commercialement significative.

Les résultats utiles incluraient le temps de réponse, la durée de réduction, le comportement de rétablissement et la part des charges de travail protégées contre les interruptions. Des rapports agrégés pourraient fournir des preuves sans exposer les données des clients.

Des performances répétées au fil des saisons renforceraient le dossier d’AEMA. Une démonstration contrôlée qui évite les heures les plus difficiles pour le système laisserait sans réponse la question centrale de la fiabilité.

Le deuxième signal est l’adoption de tarifs de raccordement flexible. Ces programmes traduisent un concept politique en droits contractuels, exigences de mesure et conséquences.

Silicon Valley Power a créé un Flexible Load Interconnection Program qui offre un accès élargi en échange d’une flexibilité pilotable. Emerald AI et NVIDIA ont annoncé un déploiement DSX Flex raccordé à ce cadre.

Le déploiement commercial vise à permettre au service public de demander des ajustements à une installation participante. Il fait suite à cinq démonstrations antérieures sur deux continents, selon Emerald AI.

Le Texas développe également une voie provisoire pour les grandes charges contrôlables. De tels cadres pourraient permettre aux installations d’utiliser la marge disponible en attendant un service conventionnel garanti.

Les détails détermineront si ces programmes protègent le réseau. Les régulateurs doivent définir les technologies éligibles, les délais de préavis, les interruptions maximales, les procédures de test et les pénalités en cas de réponse manquée.

Ils doivent aussi décider qui paie les mises à niveau qui restent nécessaires. La flexibilité peut différer certains investissements, mais elle ne peut pas éliminer chaque goulot d’étranglement local ni remplacer des infrastructures vieillissantes.

Le troisième signal est de savoir si les opérateurs de réseau indépendants acceptent la flexibilité dans la planification formelle. L’adhésion à la coalition ne garantit pas à elle seule qu’un service public prendra en compte les réductions promises dans une étude de raccordement.

Les opérateurs voudront des preuves liées au compteur, et non des estimations provenant de logiciels de gestion des charges de travail. Ils devront également être convaincus que les réductions resteront disponibles pendant toute la durée d’exploitation d’un projet.

La participation de PJM au centre de recherche de Virginie offre au modèle un important terrain d’essai. Son territoire comprend de grands marchés de centres de données et dessert 65 millions de personnes dans le Mid-Atlantic et le Midwest.

Le succès dans cette région renforcerait l’argument selon lequel l’informatique flexible peut devenir un élément de la planification des grandes charges. Des différends persistants sur l’autorité, la compensation ou l’application des règles l’affaibliraient.

AEMA devra également faire face à une épreuve plus large auprès des communautés. Les factures d’électricité, la pollution atmosphérique locale, la consommation d’eau et l’utilisation des sols continueront de façonner l’acceptation publique des centres de données.

Les opérations flexibles ne répondent qu’à une partie de cette liste. Une installation qui réduit sa consommation lors d’urgences sur le réseau peut encore nécessiter de nouvelles infrastructures et consommer une quantité substantielle d’énergie sur une année.

C’est pourquoi les affirmations sur l’accessibilité financière exigent des résultats tarifaires concrets. L’alliance affirme qu’une meilleure utilisation du réseau peut réduire les coûts du système, mais les régulateurs doivent déterminer qui bénéficie de ces économies.

Pour les développeurs, l’attrait pratique est simple. Un service flexible pourrait transformer un site inexploitable en un site capable de commencer à fonctionner plusieurs années plus tôt.

Pour les services publics, l’avantage est l’optionalité. Ils peuvent raccorder des projets de développement économique sans supposer que chaque nouveau mégawatt doit rester disponible durant l’heure la plus critique pour le système.

Pour les clients de l’IA, le compromis est plus complexe. Une infrastructure flexible pourrait accroître l’offre d’accélérateurs, mais certaines tâches de calcul pourraient être soumises à des restrictions de planification pendant les périodes de tension.

L’AI Energy Management Alliance ne réussira que si ces restrictions deviennent mesurables et habituelles. Elle ne peut pas dépendre d’efforts exceptionnels d’ingénieurs pendant une démonstration.

La coalition a identifié un mécanisme plausible et réuni des entreprises capables de le tester. Son prochain défi consiste à transformer un langage coopératif en obligations auxquelles les services publics peuvent se fier.

Surveillez d’abord les résultats d’exploitation de l’installation de Virginie, puis les modalités des nouveaux tarifs flexibles, et enfin leur prise en compte dans la planification régionale. Ensemble, ces signaux montreront si des raccordements plus rapides reflètent une véritable valeur pour le réseau.

Les organisations qui achètent des infrastructures d’IA devraient désormais se poser une autre question. Elles devraient examiner non seulement la quantité de capacité de calcul qu’un fournisseur offre, mais aussi la manière dont cette capacité se comporte lorsque l’électricité devient rare.

L’initiative de NVIDIA et Google rend cette question incontournable. L’avenir des raccordements au réseau des centres de données dépend de plus en plus de la capacité à prouver que la demande de calcul peut s’adapter sans compromettre les services qui en dépendent.