Les objectifs d'énergie verte des centres de données d'IA en Chine sont confrontés à des défis réels : le conflit entre la demande de puissance de calcul et la stabilité du réseau électrique.

L'expansion de la puissance de calcul de l'IA face au goulot d'étranglement énergétique : les véritables défis derrière l'objectif chinois des centres de données verts

La Chine accélère à un rythme sans précédent la construction de ses infrastructures d'IA, mais la flambée de la demande en électricité qui en découle et les objectifs de transition verte créent une lutte structurelle. Le rapport d'activité du gouvernement pour 2026 s'engage clairement à renforcer la coordination entre la puissance de calcul et le réseau électrique, et fixe un objectif ambitieux : d'ici 2030, 80 % de la consommation électrique du secteur des centres de données devra provenir d'énergies renouvelables, contre seulement 11 % en 2023.

Cependant, les discussions récentes dans le secteur montrent que la réalisation de cette vision est bien plus difficile que prévu. Les caractéristiques de la demande en électricité des centres de données d'IA – en particulier les charges de pointe impulsives et le coût élevé des actifs GPU – les rendent incompatibles avec les exigences de flexibilité de l'alimentation en énergies renouvelables. Parallèlement, les inquiétudes des opérateurs de réseaux quant à l'érosion de leurs revenus par le modèle de fourniture directe d'électricité constituent une résistance implicite à la mise en œuvre des politiques.

Contexte : la puissance de calcul, c'est l'électricité, et les promesses vertes se heurtent à la rigidité du réel

La construction des centres de données d'IA en Chine stimule rapidement la demande d'électricité. Selon Pei Shanpeng, directeur de la China National Electric Power Investment Group, lors d'une récente conférence sectorielle, entre 2026 et 2030, la demande d'électricité des centres de données en Chine augmentera de 300 à 500 milliards de kWh – la limite inférieure de ce chiffre équivaut déjà à la consommation totale annuelle d'électricité du Royaume-Uni. Pendant cette période, l'augmentation de la consommation électrique des centres de données représentera 18 % de la croissance totale de la consommation électrique nationale.

Pour faire face à cette tendance, le gouvernement chinois pousse en faveur du commerce direct d'électricité verte et de la construction de réseaux de transport dédiés, tentant de connecter les ressources éoliennes et solaires de l'Ouest aux centres de calcul de l'Est. Mais la réalité est que le modèle unique des charges de travail de l'IA est en train de briser l'hypothèse traditionnelle des « charges réglables » de l'industrie.

Analyse technique : pourquoi les centres de données d'IA sont-ils des consommateurs d'électricité « non flexibles » ?

Contrairement aux industries lourdes comme l'électrolyse de l'aluminium ou la sidérurgie, qui fonctionnent en continu et de manière stable, la consommation d'électricité des centres de données d'IA est hautement dynamique. Les tâches d'entraînement des GPU sont généralement soumises par lots dans une file d'attente ; une fois lancées, elles sont censées fonctionner à pleine capacité pour être achevées le plus rapidement possible, afin d'éviter que les GPU coûteux ne restent inactifs. Pei Shanpeng souligne : « Les GPU sont très chers ; une fois achetés, les opérateurs veulent les utiliser aussi rapidement et intensivement que possible. » Cela signifie que les centres de données n'ont pratiquement aucune volonté de régulation de charge.

De plus, les pointes des charges de travail d'inférence en IA sont encore plus soudaines – par exemple, lorsque le trafic d'une application de grand modèle augmente brusquement, la consommation d'électricité peut doubler en quelques minutes. Cette imprévisibilité rend la gestion du réseau électrique extrêmement difficile. En comparaison, les industries traditionnelles peuvent répondre à la demande du côté du réseau (comme réduire la production), tandis que les centres de données d'IA ne peuvent presque pas réduire leur charge sans interrompre le service ou prolonger les cycles d'entraînement.

Wang Zelin, directeur adjoint de l'Institut de recherche du réseau électrique de la State Grid Jibei, estime que si les centres de données pouvaient atteindre une capacité de régulation de charge de 15 %, cela réduirait considérablement la pression d'expansion du réseau électrique au cours des trois à cinq prochaines années. Mais le secteur est actuellement d'avis qu'il est même difficile d'atteindre ce niveau.

Analyse de l'impact sur les entreprises : coûts, exploitation, maintenance et pressions réglementaires

Impact sur les coûts - CAPEX : La construction de lignes de fourniture directe d'électricité ou de lignes dédiées à l'électricité verte nécessite des investissements supplémentaires dans les infrastructures de transport. Pour les fournisseurs de services cloud et les opérateurs de centres de données hyperscale, ce coût pourrait être répercuté sur les loyers ou les prix des services cloud.### Impact sur les coûts - CAPEX : La construction d’une alimentation directe ou d’une ligne dédiée à l’électricité verte nécessite des investissements supplémentaires dans les infrastructures de transport. Pour les fournisseurs de services cloud et les opérateurs de centres de données hyperscale, ces coûts peuvent être répercutés sur les loyers ou les prix des services cloud. - OPEX : En l’absence de subventions, l’électricité verte est généralement plus chère que l’électricité thermique, surtout lorsqu’il faut recourir à l’électricité thermique en réserve pour lisser les pics en soirée ou par temps nuageux, ce qui peut augmenter le coût global de l’électricité. Pei Shanpeng souligne que la promotion actuelle de l’électricité verte vise davantage la réduction des émissions que la baisse des coûts.

Impact sur le déploiement - Contraintes d’implantation : Les entreprises pourraient être contraintes de construire leurs centres de données à proximité des zones riches en énergies renouvelables (comme l’Ouest), mais cela augmenterait la latence réseau, ce qui est défavorable aux applications sensibles à la latence comme l’inférence IA. - Fiabilité de l’alimentation : La dépendance à l’électricité verte peut entraîner des fluctuations d’approvisionnement, obligeant les entreprises à installer des systèmes de stockage d’énergie ou des générateurs de secours supplémentaires, ce qui augmente encore le CAPEX.

Impact sur l’exploitation et la maintenance - Gestion de la charge : Les entreprises doivent développer des algorithmes de planification des charges plus intelligents pour organiser les tâches d’entraînement lorsque l’électricité verte est abondante, mais cela pourrait nécessiter une refonte majeure des flux de travail IA existants. - Pression réglementaire : Elles pourraient faire l’objet d’évaluations des autorités locales sur la proportion d’électricité verte utilisée ; un non-respect des objectifs pourrait affecter les licences d’exploitation ou les quotas carbone.

Sécurité et conformité - Risque de stabilité du réseau : L’intégration à grande échelle des énergies renouvelables peut accroître les fluctuations de fréquence du réseau électrique, présentant un risque matériel pour les équipements GPU de précision. - Exigences de comptabilité carbone : Les entreprises doivent mesurer précisément le facteur d’émission de chaque kilowattheure pour répondre aux exigences des rapports ESG et de conformité à l’exportation (comme le mécanisme d’ajustement carbone aux frontières de l’UE).À court terme, l'objectif de 80 % d'électricité verte pour les centres de données d'IA est presque impossible à atteindre complètement d'ici 2030. La voie la plus probable est une « progression ordonnée » : exiger d'abord que les nouveaux centres de données intègrent une certaine proportion d'électricité verte ou achètent des certificats verts, tout en favorisant la maturité des technologies de stockage d'énergie et de dispatching intelligent.

À long terme, la Chine doit résoudre les obstacles institutionnels du marché de l'électricité : autoriser les accords d'achat d'électricité entre tiers, établir un mécanisme de commerce transprovincial de l'électricité verte, et perfectionner le marché de capacité pour inciter le réseau à soutenir l'intégration distribuée de l'électricité verte. La flexibilité des charges d'IA n'est pas non plus impossible à améliorer : grâce aux fenêtres de traitement par lots et aux tâches d'entraînement tolérantes aux délais, on peut partiellement s'adapter à la courbe d'approvisionnement en électricité verte. Mais cela nécessite une transformation fondamentale du mode d'exploitation des centres de données.

De plus, les technologies de refroidissement liquide, les onduleurs à haut rendement et les centres de données modulaires peuvent améliorer l'efficacité énergétique, mais ne résolvent pas le problème des charges imprévisibles. Le conflit central réside dans l'opposition entre la recherche de temps réel des services d'IA et l'intermittence des énergies renouvelables.