L’explosion des infrastructures dédiées à l’intelligence artificielle se heurte désormais à une contrainte très physique : l’électricité disponible. Pour accélérer le raccordement de nouveaux datacenters sans attendre systématiquement la construction de centrales et de lignes supplémentaires, Emerald AI s’associe à Google, Nvidia, Anthropic et plusieurs grands énergéticiens au sein de l’AI Energy Management Alliance (AEMA).
Le principe consiste à transformer les datacenters en consommateurs flexibles. En ralentissant temporairement certaines tâches non critiques ou en déplaçant des calculs vers d’autres installations lorsque le réseau électrique approche de ses limites, l’alliance estime qu’il serait possible de dégager suffisamment de capacité pour raccorder jusqu’à 100 GW de datacenters supplémentaires.
L’électricité devient le nouveau goulot d’étranglement de l’IA
Pendant plusieurs années, la course à l’intelligence artificielle s’est principalement concentrée sur la disponibilité des GPU. Nvidia est devenu un acteur incontournable parce que les entreprises avaient besoin de dizaines de milliers d’accélérateurs pour entraîner puis exécuter leurs modèles.
Mais disposer des puces ne suffit plus. Les infrastructures qui accueillent ces accélérateurs nécessitent des quantités considérables d’électricité, et le raccordement au réseau devient l’un des principaux obstacles à la construction de nouveaux datacenters. Dans certaines régions, obtenir suffisamment de puissance peut nécessiter des renforcements importants du réseau et des délais incompatibles avec le rythme auquel les entreprises technologiques souhaitent développer leurs capacités de calcul.
C’est précisément le problème auquel veut s’attaquer l’AI Energy Management Alliance. Emerald AI, Google et Nvidia en constituent les membres fondateurs, rejoints notamment par Anthropic ainsi que par plusieurs entreprises du secteur énergétique, dont AES, Constellation, National Grid et NRG Energy.
L’objectif n’est pas simplement de produire davantage d’électricité, mais de mieux utiliser la capacité déjà disponible.
Le « demand response » appliqué aux datacenters IA
La technologie au cœur du projet n’est pas nouvelle. Les fournisseurs d’électricité utilisent depuis des décennies le principe de demand response, ou effacement de consommation. Un réseau électrique doit être dimensionné pour supporter les périodes pendant lesquelles la demande atteint son maximum. Or, pendant une grande partie de l’année, la consommation réelle reste nettement inférieure à cette limite.
Les énergéticiens ont donc historiquement proposé à certains grands consommateurs industriels de réduire temporairement leur consommation lorsque le réseau est sous tension. Une usine peut par exemple ralentir une ligne de production ou utiliser une source d’énergie de secours pendant quelques heures. En échange, elle reçoit généralement une compensation financière.
Les datacenters participent déjà à certains de ces programmes, notamment en basculant sur leurs générateurs de secours.
Emerald AI veut proposer une solution plus adaptée à l’ère du cloud et de l’intelligence artificielle : agir directement sur les charges informatiques plutôt que démarrer systématiquement des générateurs diesel.
Son logiciel peut recevoir une demande du réseau électrique et coordonner la réponse du datacenter. Certaines tâches peuvent être suspendues, ralenties ou transférées vers un autre site où davantage de capacité électrique reste disponible.
Le calcul devient ainsi une variable ajustable du réseau.
Déplacer les calculs plutôt que produire davantage d’électricité
Cette approche est particulièrement pertinente pour certaines charges d’intelligence artificielle. Tous les calculs exécutés dans un datacenter ne possèdent pas le même niveau d’urgence. Une requête adressée en temps réel à un assistant doit généralement être traitée immédiatement, tandis que certaines opérations d’entraînement, de traitement de données ou de calcul en arrière-plan peuvent supporter un délai.
Un datacenter pourrait donc maintenir ses services prioritaires tout en réduisant temporairement les charges pouvant attendre quelques minutes ou quelques heures. La dimension géographique apporte une flexibilité supplémentaire. Une tâche exécutée dans une région où le réseau est saturé peut potentiellement être transférée vers un autre datacenter disposant à cet instant de davantage de marge.
Le concept se rapproche alors du fonctionnement d’une batterie, sans pour autant stocker physiquement de l’électricité. Lorsqu’un fournisseur d’énergie a besoin de réduire rapidement la demande, le datacenter diminue sa consommation. Lorsque la contrainte disparaît, les ressources informatiques peuvent reprendre leur fonctionnement normal.
Emerald AI estime que cette flexibilité pourrait permettre de connecter 100 GW supplémentaires de datacenters aux réseaux électriques existants. Ce chiffre représente une estimation du potentiel de cette approche, et non 100 GW de nouvelles capacités électriques créées physiquement. L’idée consiste plutôt à exploiter plus efficacement une infrastructure qui doit aujourd’hui conserver une importante marge pour absorber les pointes de consommation.
Emerald AI veut connecter directement les datacenters aux énergéticiens
Emerald AI n’est pas seul à travailler sur cette problématique. Google développe déjà ses propres outils permettant de rendre certaines charges informatiques plus flexibles, tandis qu’Enel X propose notamment d’utiliser les systèmes d’alimentation sans interruption des datacenters afin de réduire leurs pics de consommation.
Une étude de Goldman Sachs publiée l’année dernière estimait d’ailleurs que limiter temporairement l’utilisation maximale du réseau à environ 90 % pourrait libérer jusqu’à 76 GW de capacité pour les datacenters aux États-Unis.
Emerald AI veut aller plus loin grâce à une connexion logicielle directe entre les opérateurs électriques et les infrastructures informatiques. Cette intégration doit permettre aux datacenters de recevoir rapidement les demandes du réseau et d’y répondre automatiquement en modifiant leurs charges de calcul. Une telle vitesse de réaction est importante pour les énergéticiens, qui doivent constamment équilibrer production et consommation.
L’entreprise dispose désormais de moyens financiers importants pour déployer cette technologie. Emerald AI a récemment levé 150 millions de dollars en série A, lors d’un tour mené par Energize Capital et DCVC, pour une valorisation annoncée à 1,05 milliard de dollars.
Son rapprochement avec Nvidia et Google lui donne également accès à deux acteurs situés à des endroits particulièrement stratégiques de la chaîne : le premier fournit une grande partie des accélérateurs utilisés dans les infrastructures IA, tandis que le second exploite lui-même d’immenses capacités de calcul.
Le datacenter pourrait devenir un acteur du réseau électrique
La création d’AEMA montre surtout que les relations entre informatique et énergie commencent à changer. Historiquement, un datacenter était principalement considéré comme une charge : il demandait une certaine quantité d’électricité et le réseau devait être capable de la fournir en permanence.
L’intelligence artificielle pourrait rendre ce modèle moins rigide.
Certaines charges de calcul peuvent monter et descendre rapidement, ce qui signifie qu’un datacenter correctement orchestré peut devenir une ressource flexible pour le réseau. Plutôt que d’exiger constamment sa puissance maximale théorique, il pourrait accepter de réduire ponctuellement sa consommation en échange d’un raccordement plus rapide ou d’avantages économiques.
Cette logique pourrait également modifier le choix des futurs sites. AEMA veut aider les entreprises technologiques et les fournisseurs d’électricité à identifier les endroits où de nouvelles infrastructures peuvent être construites. Trouver un terrain disposant simultanément de connectivité, d’eau, de permis et surtout d’une capacité électrique suffisante est devenu particulièrement difficile.
Si les opérateurs peuvent garantir qu’un nouveau datacenter réduira sa demande pendant certaines périodes critiques, des emplacements jusqu’ici difficiles à raccorder pourraient devenir plus intéressants.
L’enjeu ne consiste donc plus uniquement à savoir combien de mégawatts un datacenter consomme, mais aussi à déterminer quand il les consomme et à quelle vitesse cette consommation peut être ajustée.
La flexibilité ne remplacera pas les nouvelles centrales
Cette stratégie possède néanmoins une limite fondamentale : déplacer ou suspendre une charge informatique ne crée pas d’énergie. Ayse Coskun, scientifique en chef d’Emerald AI, reconnaît que cette technologie peut réduire la pression exercée par les datacenters sur la construction de nouvelles capacités de production, mais qu’elle ne pourra pas éliminer ce besoin.
Si la consommation électrique totale liée à l’intelligence artificielle continue d’augmenter fortement, de nouvelles centrales, capacités renouvelables, systèmes de stockage, lignes de transport et infrastructures de distribution resteront nécessaires.
Le demand response peut surtout réduire les pics et améliorer le taux d’utilisation des infrastructures existantes.
Son intérêt pourrait néanmoins être considérable à court terme. Construire une nouvelle centrale ou renforcer un réseau peut demander plusieurs années, alors que modifier la manière dont certaines charges informatiques sont planifiées peut être beaucoup plus rapide.
Pour les entreprises engagées dans une course mondiale aux capacités de calcul, chaque année gagnée sur un raccordement devient stratégique.
L’AI Energy Management Alliance illustre ainsi une nouvelle étape de la course à l’IA : après avoir optimisé les modèles, les GPU et les datacenters, l’industrie commence à optimiser le moment même où les calculs sont exécutés. Dans un monde où l’électricité devient aussi stratégique que les puces, le prochain avantage compétitif pourrait simplement consister à savoir quand ne pas calculer.
