Méthodologie de l’étude

Les chercheurs ont exploité une base de données commerciale recensant 675 installations, issues de rapports presse, déclarations d’entreprises et imagerie satellite. Après élimination des sites sans capacité électrique déclarée ou sans preuve de dimensions compatibles avec un centre de données de grande ampleur, l’échantillon s’est réduit à 403 sites. Chaque centre possède une capacité électrique moyenne d’environ 40 MW. Cette sélection volontairement stricte rend l’estimation conservatrice, car 272 installations jugées potentiellement grandes ont été exclues.

Résultats chiffrés

En s’appuyant sur des études antérieures, les auteurs ont appliqué deux facteurs d’utilisation de capacité : 48 % pour les centres de données classiques et 70 % pour les charges d’entraînement d’IA, reflétant la plus forte intensité de calcul des modèles de grande taille. En combinant ces taux avec la capacité moyenne, la consommation annuelle totale des 403 centres a été évaluée entre 68 TWh et 99 TWh. Cette fourchette représente 1,5 % à 2,2 % de la consommation électrique totale des États‑Unis, un niveau comparable à la demande de l’État du Wisconsin ou de l’Indiana.

Analyse des incertitudes et limites

Le principal facteur d’incertitude provient de l’impossibilité de distinguer la part d’énergie dédiée aux charges d’IA de celle affectée aux services de calcul traditionnels. Le recours à une fourchette d’utilisation de capacité introduit une marge d’erreur supplémentaire, surtout si la proportion réelle de travail d’IA diffère des hypothèses. De plus, l’exclusion de 272 sites potentiellement grands pourrait sous‑estimer la consommation globale, tandis que l’inclusion de certains centres non spécialisés IA pourrait la surestimer.

Implications pour le réseau électrique

Une consommation de l’ordre de 70 à 100 TWh impose une charge significative sur le réseau national, notamment dans les régions où se concentrent les hyperscales (par exemple le Nord‑Est et la côte Ouest). La variabilité des charges d’IA, souvent caractérisée par des pics de puissance pendant les phases d’entraînement, peut accentuer les besoins en capacité de réserve et en gestion de la demande. Sans planification énergétique dédiée, ces centres risquent d’accroître les coûts pour les consommateurs et de compliquer la transition vers des sources d’énergie renouvelable, du fait de la difficulté à synchroniser la production intermittente avec des charges de calcul imprévisibles.