Le reporting énergétique des centres de données d’onsemi remet en cause les moratoires généralisés

onsemi souhaite que les exploitants de centres de données révèlent avec quelle efficacité ils transforment l’électricité du réseau en calcul IA, malgré le soutien politique croissant aux moratoires sur les constructions. Son PDG, Hassane El-Khoury, affirme que les collectivités ont besoin de données d’exploitation comparables avant de décider si une installation proposée gaspille de l’énergie ou mérite d’être approuvée.

Cette proposition intervient alors que deux mesures simplistes s’affrontent. Les développeurs annoncent des installations selon leur capacité électrique, souvent de plusieurs centaines de mégawatts, voire de gigawatts. Les habitants, eux, en ressentent les effets à travers leurs factures d’électricité, les besoins en eau, le bruit, l’usage des sols et les nouvelles infrastructures énergétiques.

New York a choisi une pause temporaire pour les nouvelles installations hyperscale, le temps d’élaborer des normes plus strictes. El-Khoury juge les restrictions généralisées à courte vue. Son alternative, le reporting énergétique des centres de données d’onsemi, évaluerait les installations selon leur production informatique utile par rapport à l’énergie prélevée sur le réseau.

Cette approche semble plus précise que l’approbation ou le rejet de projets en fonction de leur seule taille. Elle soulève aussi des questions difficiles. Les charges de travail IA varient, il n’existe pas d’unité universelle de calcul utile, et l’entreprise qui propose cette métrique vend les puces de puissance nécessaires pour l’améliorer.

onsemi veut des déclarations d’efficacité, pas des interdictions généralisées

Le changement immédiat réside dans l’appel d’onsemi en faveur d’une norme publique d’efficacité allant au-delà de la capacité électrique annoncée d’une installation.

El-Khoury a présenté cet argument lors d’une visite de l’usine de fabrication d’onsemi à East Fishkill, dans l’État de New York. Selon le rapport original sur la divulgation énergétique, il a déclaré que les gouvernements devraient exiger des informations sur le gaspillage énergétique plutôt que de rejeter les infrastructures IA en tant que catégorie.

Cette distinction est importante, car la capacité annoncée d’un projet en dit peu sur ce qui se passe après l’arrivée de l’électricité sur le site. Un campus proposé d’un gigawatt indique aux régulateurs la quantité d’énergie que le développement prévoit de consommer à pleine échelle. Il ne révèle pas quelle part de cette électricité atteint finalement les processeurs, la mémoire, les équipements réseau et le stockage.

Plusieurs étapes de conversion séparent le raccordement au réseau d’une puce IA. Chaque étape modifie la tension, convertit le courant alternatif en courant continu ou distribue l’électricité entre les racks et les cartes. Aucune conversion n’est parfaite : une partie de l’énergie se transforme donc en chaleur.

Cette chaleur crée une charge supplémentaire. Les équipements de refroidissement consomment davantage d’électricité, tandis que certaines conceptions de refroidissement nécessitent aussi d’importantes quantités d’eau. Une perte dans le système électrique peut ainsi générer un second coût d’exploitation lorsque le système de refroidissement évacue la chaleur produite.

El-Khoury souhaite que les décideurs comparent la consommation brute d’électricité avec le calcul utile fourni par une installation. En théorie, cette approche récompenserait les exploitants qui produisent davantage de travail IA avec le même raccordement au réseau.

La proposition déplace le débat de l’échelle vers la performance. Une grande installation dotée d’une alimentation électrique efficace, de serveurs optimisés et d’un taux d’utilisation élevé pourrait surpasser un site plus petit mais mal exploité. La capacité seule ne révélerait pas cette différence.

Les métriques actuelles du secteur ne résolvent le problème qu’en partie. L’efficacité d’utilisation de l’énergie, ou PUE, compare la consommation totale d’électricité d’une installation à celle utilisée par ses équipements informatiques. Un PUE plus proche de 1,0 indique qu’une moindre quantité d’énergie est consacrée au refroidissement, à l’éclairage et aux autres frais généraux.

Le PUE ne mesure pas si les processeurs effectuent un travail utile. Un bâtiment rempli de serveurs inactifs peut afficher un PUE attrayant parce que la quasi-totalité de son électricité atteint les équipements informatiques. Cette métrique n’indique pas au public avec quelle efficacité ces équipements réalisent des tâches d’entraînement ou d’inférence IA.

La proposition d’El-Khoury va donc au-delà de l’efficacité ordinaire d’une installation. Elle demande aux exploitants de relier la demande sur le réseau à la production informatique. C’est un objectif plus révélateur, mais aussi bien plus difficile à normaliser.

Ce calendrier reflète la position commerciale d’onsemi. L’entreprise fournit des semi-conducteurs de puissance qui agissent comme des commutateurs électriques rapides dans les centres de données, les véhicules et les systèmes industriels. Une meilleure conversion peut réduire les pertes électriques dans l’ensemble de ce que le secteur appelle l’arbre de puissance, la chaîne qui transporte l’électricité du raccordement d’une installation jusqu’aux puces individuelles.

onsemi a également un intérêt direct à convaincre les gouvernements qu’un meilleur matériel peut atténuer une partie du problème énergétique. Des obligations de divulgation plus rigoureuses donneraient une plus grande visibilité aux composants de puissance efficaces lors des décisions d’achat et d’autorisation.

Cet intérêt n’invalide pas la proposition. Il signifie toutefois que les décideurs devraient distinguer l’idée utile de la divulgation de la mesure ou de la technologie privilégiée par un fournisseur particulier.

Pourquoi le reporting énergétique des centres de données IA devient urgent

La pression découle d’un écart grandissant entre la vitesse de construction liée à l’IA et la qualité des informations publiques sur ses coûts locaux.

Les centres de données américains ont consommé environ 176 térawattheures d’électricité en 2023, soit près de 4,4 % de la consommation nationale d’électricité. Une étude fédérale sur la demande énergétique a projeté que leur part pourrait atteindre entre 6,7 % et 12 % d’ici 2028.

Cette fourchette très large est importante. Elle montre que même les chercheurs nationaux ne peuvent ramener la demande future à un chiffre unique et fiable. Les livraisons de matériel, l’adoption de l’IA, l’utilisation des serveurs, les systèmes de refroidissement et les pratiques d’exploitation peuvent tous modifier le résultat.

Les collectivités doivent néanmoins prendre des décisions avant que cette incertitude ne disparaisse. Les services publics ont besoin de plans de production, de transport et de postes électriques des années avant qu’un grand client ne commence à fonctionner. Les régulateurs doivent déterminer qui paie les modernisations si la demande projetée évolue ou si un campus prévu n’atteint jamais sa pleine capacité.

Les habitants sont désavantagés sur le plan de l’information durant ce processus. Les contrats entre les services publics et les grands clients peuvent comporter des clauses confidentielles. Les annonces de projets mettent l’accent sur l’investissement, l’emploi et la capacité maximale, tandis que les données d’exploitation arrivent souvent plus tard ou restent agrégées.

Le gouvernement fédéral a commencé à s’attaquer au déficit de mesure. En mars 2026, l’Energy Information Administration américaine a lancé trois études pilotes volontaires couvrant le Texas, l’État de Washington, la Virginie du Nord et Washington, DC.

L’agence a identifié 196 entreprises exploitant des centres de données dans ces régions. Son enquête pilote sur l’énergie interroge les entreprises participantes sur leur consommation d’électricité, leurs sources d’énergie, les caractéristiques des sites, les serveurs et les systèmes de refroidissement.

Ces catégories sont plus larges qu’un simple ratio d’efficacité. Elles peuvent aider les chercheurs à distinguer la demande informatique des infrastructures de soutien et à identifier les différences entre les installations.

Toutefois, les projets pilotes demandent à chaque entreprise participante de communiquer des informations pour au moins une installation. Ils ne constituent pas encore un inventaire national complet. La participation volontaire laisse également le gouvernement dépendant de la coopération du secteur.

L’EIA a indiqué qu’elle prévoyait de développer une enquête obligatoire après l’achèvement des projets pilotes. Cet effort donnerait aux décideurs une base de référence plus solide pour évaluer le reporting énergétique des centres de données d’onsemi ou un autre cadre normalisé.

Le débat sur le reporting est aussi devenu une question d’accessibilité financière pour les ménages. Les grandes installations peuvent nécessiter de nouvelles centrales électriques, lignes de transport, sous-stations et systèmes de secours. La question de savoir si les clients ordinaires absorbent ces coûts dépend de la tarification des services publics, des contrats, de la réglementation des États et de l’exactitude des prévisions de demande.

La divulgation de l’efficacité ne peut résoudre tous les différends relatifs à la répartition des coûts. Elle peut les rendre plus concrets. Les régulateurs pourraient comparer la consommation projetée à l’exploitation mesurée, examiner la demande de pointe et déterminer si l’efficacité promise s’est matérialisée.

Les développeurs subiraient également une pression pour définir leurs affirmations. « Efficace » nécessiterait un dénominateur, une période de reporting et une limite cohérente autour de l’installation. Sans ces détails, le terme reste une description marketing plutôt qu’un résultat vérifiable.

Pour les travailleurs du savoir qui suivent des engagements d’infrastructure évoluant rapidement, une base de connaissances IA consultable peut aider à relier les permis, les dossiers déposés auprès des services publics, les déclarations d’entreprises et les divulgations d’exploitation ultérieures. Le défi ne consiste pas à trouver un seul chiffre. Il consiste à préserver suffisamment de contexte pour comparer les promesses aux performances.

New York a choisi une pause tandis qu’onsemi plaide pour la mesure

Le conflit central oppose une transparence ciblée à des limites de précaution, et non les fabricants de puces à la protection de l’environnement.

New York a rendu ce conflit tangible en juillet 2026. La gouverneure Kathy Hochul a imposé un moratoire temporaire à l’échelle de l’État sur les nouveaux centres de données hyperscale, pendant que les autorités élaborent des normes environnementales et communautaires plus strictes.

La politique suspend les nouvelles installations dépassant le seuil fixé par l’État plutôt que d’attendre que les exploitants prouvent leur efficacité après la construction. L’annonce du moratoire de New York a présenté cette mesure comme une protection contre la hausse des factures d’électricité, la pression sur les ressources en eau, le bruit, les émissions et la tension sur le réseau.

Les responsables de l’État ont également cité près de 12 gigawatts de demandes de charge de centres de données dans la file d’attente de raccordement de New York en mai 2026. Plus de huit gigawatts seraient entrés dans la file d’attente durant 2025.

Une demande de raccordement n’équivaut pas à une installation en exploitation. Certains projets proposés changent d’ampleur, déménagent ou n’obtiennent jamais l’autorisation de construire. Les services publics doivent néanmoins étudier les demandes crédibles, car même une fraction de cette demande peut affecter la planification à long terme.

Le moratoire donne à l’État le temps de créer des règles avant d’approuver une nouvelle vague de charges importantes. Sa logique est préventive. Lorsque les informations sont incomplètes et que le coût potentiel est élevé, une pause limite l’exposition pendant que les régulateurs élaborent un cadre.

La critique d’El-Khoury vise l’ampleur de cette réponse. Il soutient que les décideurs devraient identifier le préjudice précis qu’ils souhaitent prévenir et le mesurer directement. Une installation ne devrait pas être considérée comme inacceptable simplement parce qu’elle soutient l’IA ou consomme une quantité importante d’électricité.

Cet argument a une portée pratique. Une pause généralisée traite de manière similaire les exploitants recourant à différentes technologies, différents contrats énergétiques, méthodes de refroidissement et accords communautaires. Elle peut aussi orienter les investissements vers les États voisins sans améliorer l’efficacité énergétique nationale.

Le contre-argument est tout aussi pratique. Les normes d’efficacité ne protègent pas automatiquement les habitants contre les coûts d’infrastructure, la pollution locale, les conflits fonciers ou les prélèvements d’eau. Une installation peut afficher de bons résultats en matière de production informatique par kilowattheure tout en créant des charges locales inacceptables.

L’approche de New York reconnaît également un problème d’application. Un niveau d’efficacité promis offre une protection limitée à moins que les régulateurs puissent inspecter les données d’exploitation, vérifier les calculs et imposer des conséquences en cas de sous-performance.

La politique la plus solide pourrait à terme combiner les deux approches. Les gouvernements peuvent exiger une évaluation environnementale et des protections de coûts avant la construction, puis demander une divulgation opérationnelle normalisée après la mise en service d’une installation.

Dans ce modèle, le reporting ne remplacerait pas les autorisations. Il créerait une boucle de rétroaction. Les résultats mesurés sur les sites en exploitation amélioreraient les prévisions, les dossiers tarifaires, les autorisations et les accords avec les communautés à l’avenir.

C’est là que le reporting énergétique des centres de données d’onsemi devient plus qu’un argument de communication d’entreprise. S’il était normalisé de manière indépendante, il pourrait aider les régulateurs à distinguer les projets efficaces des installations qui consomment des capacités réservées sans produire la valeur économique promise.

Il révélerait également si un moratoire cible la bonne unité de risque. Les États pourraient découvrir que le calendrier du réseau, la production locale, l’eau de refroidissement ou les garanties sur les coûts pour les clients comptent davantage que la seule capacité nominale d’une installation.

La Partie Difficile : Définir un Calcul IA Utile

Une norme de calcul par unité d’énergie est séduisante parce qu’elle paraît objective, mais les charges de travail d’IA résistent aux comparaisons simples.

L’entraînement et l’inférence de l’IA remplissent des fonctions différentes. L’entraînement construit ou met à jour un modèle à l’aide de vastes ensembles de données et d’opérations mathématiques répétées. L’inférence utilise un modèle entraîné pour répondre à une requête, classer des informations, générer des médias ou effectuer une autre action.

Même au sein de l’inférence, une sortie peut différer fortement d’une autre. Une courte demande de classification mobilise des ressources différentes d’une longue session de raisonnement. Le texte, les images, l’audio et la vidéo imposent également des exigences différentes en matière de calcul et de mémoire.

Compter les tâches créerait donc des comparaisons biaisées. Un opérateur pourrait sembler plus efficace en traitant de nombreuses requêtes simples plutôt qu’un nombre plus réduit de requêtes exigeantes.

Compter les tokens, une unité courante désignant les fragments de texte traités par un modèle, ne résoudrait pas entièrement le problème. Les architectures de modèles traitent les tokens différemment. Des fenêtres de contexte plus longues augmentent le trafic mémoire, tandis que les systèmes de raisonnement peuvent effectuer des calculs internes invisibles dans la réponse finale.

Les benchmarks de performances des puces offrent une autre option. Les régulateurs pourraient comparer le nombre de charges de travail normalisées achevées par unité d’énergie. Les benchmarks facilitent l’évaluation des configurations matérielles dans des conditions contrôlées.

Pourtant, un benchmark n’est pas un relevé d’exploitation. Les installations réelles exécutent des charges de travail mixtes, connaissent une utilisation variable et réservent des capacités de secours pour les pics de trafic ou les défaillances. Un système optimisé pour un benchmark peut se comporter différemment face à la demande des clients.

L’utilisation ajoute une autre complication. Un serveur efficace qui reste inactif la majeure partie de la journée peut gaspiller davantage d’énergie totale qu’un serveur moins efficace mais régulièrement sollicité. La divulgation des données d’installation doit donc inclure à la fois les performances des composants et leur utilisation opérationnelle.

La frontière de mesure est également importante. Une entreprise pourrait déclarer l’énergie consommée dans le centre de données tout en excluant l’électricité utilisée par la production voisine, l’infrastructure réseau ou le traitement de l’eau. Un autre opérateur pourrait inclure ces systèmes.

Le temps modifie aussi le résultat. La production renouvelable peut varier d’heure en heure, et les réseaux régionaux s’appuient sur des ressources différentes pendant les périodes de pointe. Les moyennes annuelles peuvent masquer le fait qu’une installation accroît la demande durant les heures les plus contraintes.

Un cadre crédible nécessite plusieurs mesures complémentaires plutôt qu’un score unique. Elles pourraient inclure la consommation totale d’électricité, la charge de pointe, l’énergie informatique, l’énergie de refroidissement, l’utilisation des serveurs, les charges de travail normalisées achevées, l’utilisation de l’eau et l’intensité carbone par période de reporting.

L’Union européenne offre un précédent pertinent. Sa directive sur l’efficacité énergétique a établi des obligations de reporting pour les centres de données éligibles, tandis que la Commission européenne a travaillé sur un système commun d’évaluation de la durabilité. Le cadre européen pour les centres de données collecte des informations avant que les décideurs ne fixent une méthode d’évaluation définitive.

Cette séquence est instructive. Les gouvernements peuvent d’abord exiger des données brutes cohérentes, examiner ce que révèlent les informations, puis décider quelles métriques composites méritent un poids réglementaire.

Les États-Unis pourraient suivre une voie similaire par l’intermédiaire des travaux d’enquête de l’EIA. La confidentialité au niveau des installations nécessiterait toutefois un traitement attentif, notamment lorsque les données d’exploitation révèlent l’activité des clients ou des capacités commercialement sensibles.

Les rapports publics pourraient nécessiter une agrégation ou une publication différée. Les régulateurs, en revanche, pourraient recevoir des soumissions plus détaillées sous protection de confidentialité. Des auditeurs indépendants pourraient vérifier les calculs sans exposer les charges de travail des clients.

Le processus d’élaboration des normes devrait inclure les opérateurs, les services publics, les entreprises de semi-conducteurs, les groupes communautaires, les chercheurs spécialisés dans l’efficacité et les experts indépendants de la mesure. onsemi peut apporter ses connaissances techniques, mais ne devrait pas contrôler le dénominateur qui détermine si ses clients paraissent efficaces.

Les Puces de Puissance Efficaces Aident, mais Ne Tranchent Pas le Débat

La technologie d’onsemi traite de véritables pertes électriques, même si les gains au niveau des puces ne peuvent répondre à toutes les objections des communautés.

L’alimentation électrique d’un centre de données implique des conversions répétées. L’électricité peut arriver sous forme de courant alternatif à haute tension, passer par des transformateurs et des appareillages de commutation, entrer dans une distribution en courant continu, puis être à nouveau abaissée avant d’atteindre les processeurs.

Les semi-conducteurs de puissance contrôlent ces transitions. Les dispositifs en carbure de silicium et en nitrure de gallium peuvent fonctionner à des tensions élevées, à de hautes fréquences de commutation ou à des températures élevées dans certaines applications. Leurs caractéristiques peuvent réduire la taille de certains composants et améliorer l’efficacité de conversion.

onsemi a promu les transformateurs à semi-conducteurs pour les futures installations d’IA. Un transformateur à semi-conducteurs utilise l’électronique de puissance pour la conversion et le contrôle de tension, remplaçant certaines fonctions assurées par les transformateurs électromagnétiques conventionnels.

L’entreprise affirme que les architectures à courant continu à plus haute tension peuvent réduire les étapes de conversion. Son plan de conversion de puissance décrit une transition de l’industrie vers une distribution à 800 volts plus tard dans la décennie.

Supprimer une étape de conversion peut éviter une partie de la perte d’énergie qui serait autrement transformée en chaleur. Une tension de distribution plus élevée peut également réduire le courant nécessaire pour un même niveau de puissance, ce qui peut limiter les pertes résistives et les exigences relatives aux conducteurs.

Ces gains deviennent précieux à l’échelle de l’IA. Un point de pourcentage d’efficacité sur un très grand campus représente une demande significative en électricité et en refroidissement. Le bénéfice peut se prolonger pendant toute la durée d’exploitation de l’installation.

onsemi a de solides raisons commerciales de mettre en avant ce mécanisme. Dans ses résultats du deuxième trimestre 2026, l’entreprise a présenté les centres de données d’IA comme son activité à la croissance la plus rapide et déclaré que les revenus associés devraient plus que doubler au cours de l’année.

L’entreprise a déclaré un chiffre d’affaires trimestriel total de 1,604 milliard de dollars, en hausse de 9 % par rapport à l’année précédente. Elle a également souligné un rôle plus large dans l’écosystème MGX de Nvidia, une plateforme de serveurs modulaire utilisée par les intégrateurs de systèmes.

Ses résultats trimestriels montrent pourquoi la proposition de reporting revêt une importance stratégique. Si les opérateurs doivent documenter les pertes de conversion, l’achat de matériel d’alimentation efficace devient plus facile à justifier.

Cela ne rend pas ce matériel superflu. Cela signifie que les lecteurs doivent reconnaître à la fois la valeur technique et l’incitation qui sous-tend l’argument politique.

La conversion de puissance ne représente également qu’une couche de l’efficacité d’un centre de données. La conception des processeurs, le déplacement des données en mémoire, les réseaux, le refroidissement, l’ordonnancement logiciel, l’architecture des modèles et l’utilisation peuvent consommer ou économiser davantage d’énergie ailleurs dans le système.

Une architecture d’alimentation plus efficace peut même contribuer à un effet rebond. Une moindre consommation d’énergie par calcul réduit le coût d’exécution de l’IA, ce qui peut encourager les clients à demander davantage de calcul. La demande totale d’électricité peut augmenter même si chaque tâche devient plus efficace.

Cet effet n’efface pas les économies. Il empêche les décideurs de considérer l’efficacité des composants comme une réduction garantie de la consommation absolue.

Les développeurs de centres de données doivent également gérer le moment où ils consomment de l’électricité. Un campus très efficace qui atteint sa demande maximale lors d’une urgence sur le réseau peut créer davantage de tension sur le système qu’une installation flexible réduisant ses charges de travail durant les heures contraintes.

Le reporting devrait donc prendre en compte la flexibilité de la demande. Les opérateurs peuvent déplacer certains travaux d’entraînement, utiliser de l’énergie stockée, ajuster le refroidissement ou planifier des travaux non urgents lorsque l’électricité est plus disponible. Toutes les charges de travail d’inférence ne peuvent pas attendre, mais de nombreuses tâches informatiques offrent une flexibilité de planification.

La valeur publique de la divulgation réside dans sa capacité à révéler ces différences. Les régulateurs pourraient identifier les installations qui se contentent d’acheter des composants efficaces et celles qui coordonnent efficacement le matériel, les logiciels et la demande sur le réseau.

Ce Que le Reporting Énergétique des Centres de Données d’onsemi Doit Prouver Ensuite

La proposition n’aura d’importance que si des règles indépendantes transforment un concept d’efficacité séduisant en preuves comparables et applicables.

Le premier signal à surveiller est le passage de l’EIA de projets pilotes volontaires à une enquête nationale obligatoire. Le pilote couvre déjà les sources d’énergie, la consommation d’électricité, les caractéristiques des serveurs et les systèmes de refroidissement.

Une enquête obligatoire établirait une base factuelle commune. Si elle comprend des mesures opérationnelles suffisamment détaillées, elle renforcerait les arguments en faveur d’une réglementation fondée sur les performances. Une enquête étroite ou fortement agrégée laisserait les responsables locaux à la recherche d’autres éléments de preuve.

Le deuxième signal est le cadre réglementaire que New York établira après son moratoire temporaire. Les responsables doivent décider quelles installations peuvent avancer, qui paie les mises à niveau du réseau, comment les effets environnementaux sont examinés et ce que les opérateurs doivent divulguer.

Si New York adopte des seuils de performance mesurables parallèlement à des protections pour les communautés, il réduira l’écart entre la proposition d’El-Khoury et l’approche de précaution de l’État. S’il s’appuie principalement sur la taille des projets, le conflit perdurera.

Le troisième signal est de savoir si les opérateurs hyperscale publient des données comparables sur l’efficacité de calcul. Les divulgations concernant l’électricité et l’eau deviennent plus courantes, mais la production utile de l’IA reste difficile à comparer entre entreprises.

Une réponse crédible de l’industrie utiliserait des définitions communes des charges de travail, divulguerait les frontières de mesure, déclarerait l’utilisation et accepterait une vérification indépendante. Des études de cas sélectives affaibliraient l’argument selon lequel la transparence volontaire peut se substituer à des limites plus strictes.

Les lecteurs devraient également surveiller la différence entre la capacité prévue et la capacité en exploitation. Les gigawatts annoncés attirent l’attention, mais la demande réelle sur le réseau dépend des calendriers de construction, des livraisons d’équipements, de la demande des clients et de l’utilisation des installations.

L’efficacité déclarée devrait être suivie dans le temps plutôt que célébrée au lancement. Les premiers mois d’une installation peuvent différer de son fonctionnement stabilisé. Les renouvellements matériels, les changements de charges de travail et l’augmentation du taux d’occupation peuvent modifier les performances.

Les communautés méritent davantage qu’un score unique attribué par une entreprise. Elles ont besoin de suffisamment d’informations pour répondre à des questions pratiques sur les factures, l’eau, le bruit, les émissions, la fiabilité et les bénéfices locaux.

Les développeurs ont également besoin de normes prévisibles. Un cadre transparent peut réduire l’incertitude politique en définissant les preuves nécessaires à l’approbation et à la poursuite de l’exploitation.

L’intervention d’onsemi révèle une véritable faiblesse du débat actuel. Les mégawatts décrivent la taille d’un raccordement électrique, et non la qualité ni la valeur publique du calcul qui en résulte.

Le remède proposé reste incomplet. La production de calcul est difficile à normaliser, l’efficacité peut accroître la demande totale, et de meilleures puces de puissance ne résolvent pas tous les impacts locaux.

Néanmoins, mesure et précaution ne doivent pas nécessairement être des politiques opposées. Les gouvernements peuvent protéger les communautés avant la construction tout en exigeant des opérateurs qu’ils prouvent leurs performances par la suite.

Le prochain test consistera à déterminer si le reporting énergétique des centres de données d’onsemi devient une norme régie de manière indépendante ou reste l’argument d’un fournisseur bien placé pour en bénéficier. Les lecteurs qui suivent ce dossier devraient comparer la prochaine enquête fédérale, les règles définitives de New York et les communications des hyperscalers. Ces trois signaux montreront si le secteur est prêt à remplacer les vastes affirmations d’efficacité par des preuves.