Derrière les débats sur les modèles d’IA, une autre bataille se joue : celle de l’infrastructure. Lors de cette discussion réunissant Octave Klaba, Catherine MacGregor et André Kudelski, le constat était clair : l’IA n’est plus seulement une compétition logicielle, mais une compétition autour de l’énergie, des centres de données et de la souveraineté numérique.
La vraie pénurie n’est plus l’IA, mais l’énergie
Le chiffre qui a marqué le débat est venu d’Engie :
- La demande électrique des data centers a progressé de 17 % en un an.
- La consommation électrique mondiale, elle, n’a augmenté que d’environ 3 %.
Autrement dit, les infrastructures IA croissent près de six fois plus vite que la demande énergétique globale.
Le défi n’est plus seulement de construire des modèles performants, mais de raccorder suffisamment vite les centres de calcul aux réseaux électriques. Selon Catherine MacGregor, les délais de mise en service des infrastructures énergétiques deviennent désormais un facteur stratégique aussi important que la disponibilité des puces.
L’énergie devient un avantage compétitif
Pour Octave Klaba, la situation place la France dans une position relativement favorable.
Grâce à son mix électrique largement nucléaire, la France offre :
- une électricité plus stable ;
- des coûts plus prévisibles ;
- des capacités de raccordement encore disponibles.
À l’inverse, plusieurs pays européens rencontrent déjà des difficultés pour garantir de nouvelles capacités électriques aux futurs centres de données.
L’un des points les plus frappants concerne l’Allemagne. Selon Klaba, obtenir une réponse claire sur les capacités futures de raccordement peut déjà devenir problématique pour certains projets.
La souveraineté numérique européenne pourrait ainsi dépendre davantage de la géographie énergétique que de la seule excellence technologique.
Le paradoxe européen : souveraineté ou efficacité ?
Un des moments les plus intéressants du débat a porté sur la fragmentation européenne.
Pour OVHcloud, la souveraineté implique souvent de déployer des infrastructures dans de nombreux pays afin que les données restent localisées.
Conséquence :
- davantage de petits data centers ;
- moins d’économies d’échelle ;
- davantage de complexité opérationnelle.
André Kudelski a été particulièrement direct :
« Soit l’Europe pense à l’échelle européenne, soit elle restera moins compétitive. »
Son diagnostic est sévère : l’IA évolue à une vitesse incompatible avec les cycles de décision européens traditionnels. Chaque couche supplémentaire de fragmentation réduit la capacité du continent à rivaliser avec les États-Unis ou la Chine.
L’illusion du cloud « vert »
Le débat a également abordé un sujet rarement évoqué : la mesure réelle de l’empreinte carbone de l’IA.
Octave Klaba a critiqué les indicateurs actuels utilisés par l’industrie.
Selon lui, la plupart des fournisseurs se concentrent sur :
- les émissions opérationnelles ;
- la consommation électrique directe.
Mais beaucoup négligent le Scope 3, c’est-à-dire l’empreinte liée à la fabrication :
- des GPU ;
- des serveurs ;
- des mémoires ;
- des composants électroniques.
Autrement dit, une partie significative du coût environnemental de l’IA est aujourd’hui invisible dans les indicateurs mis en avant par le marché.
Cette question devrait rapidement devenir centrale pour les grands groupes soumis à des objectifs de décarbonation.
La prochaine métrique : le CO₂ par token
L’intervention de Catherine MacGregor a laissé entrevoir une évolution majeure.
Aujourd’hui, les entreprises comparent les modèles selon :
- leur coût ;
- leur vitesse ;
- leur précision.
Demain, elles pourraient également comparer :
- leur empreinte carbone ;
- leurs émissions par token généré.
Engie prévoit déjà de demander à ses fournisseurs non seulement des indicateurs de coût (« FinOps »), mais également des indicateurs environnementaux (« CO₂ Ops »).
Pour les acteurs de l’IA, cela pourrait devenir un nouveau critère de sélection aussi important que la performance technique.
La souveraineté n’est pas l’autarcie
Sur le volet cybersécurité, le discours a été plus pragmatique qu’idéologique.
Ni Engie ni Kudelski ne défendent une approche consistant à remplacer systématiquement les modèles américains.
L’objectif est plutôt :
- éviter toute dépendance unique ;
- conserver plusieurs fournisseurs ;
- pouvoir basculer rapidement d’une solution à une autre.
Catherine MacGregor a notamment expliqué qu’Engie donne accès à plusieurs modèles au sein de son AI Studio interne, dont ceux de Mistral AI.
Le raisonnement est simple : la souveraineté ne consiste pas forcément à tout produire soi-même, mais à conserver une liberté de choix.
Trois visions pour accélérer l’Europe
Lors du tour de table final, les intervenants ont proposé trois priorités :
André Kudelski
- Réserver davantage de marchés publics aux acteurs européens.
- Réformer la manière dont l’Europe régule les technologies émergentes.
Catherine MacGregor
- Passer de 27 régulateurs nationaux à une approche beaucoup plus intégrée.
- Construire un véritable marché européen de l’énergie et de l’IA.
Octave Klaba
- Continuer à investir massivement dans l’efficacité énergétique.
- Développer des infrastructures moins gourmandes en puissance de calcul.
Ce que cette table ronde révèle vraiment
Le débat a montré que la question de la souveraineté de l’IA est souvent mal posée.
Le problème européen n’est pas seulement celui des modèles.
C’est un problème de coordination entre :
- énergie ;
- cloud ;
- cybersécurité ;
- infrastructures ;
- industrie.
Les États-Unis disposent des hyperscalers. La Chine dispose d’une stratégie nationale centralisée.
L’Europe, elle, dispose d’atouts considérables — énergie bas carbone, industrie, recherche, acteurs comme OVHcloud ou Mistral AI — mais continue de fonctionner comme un ensemble de marchés nationaux.
La formule la plus révélatrice du panel est peut-être venue d’André Kudelski : « AI moves at light speed. »
La question n’est donc plus de savoir si l’Europe possède les technologies nécessaires. Elle est de savoir si ses infrastructures, ses règles et sa gouvernance peuvent évoluer à la même vitesse que l’IA elle-même.
