Verdict factuel. L’infrastructure qui fait tourner les modèles d’IA ne se résume plus à quelques GPU dans le cloud. Le AI Index 2026 de Stanford HAI estime qu’à la fin de 2025, la puissance cumulée des centres de données dédiés à l’IA atteignait 29,6 GW. C’est un ordre de grandeur voisin de la demande électrique de pointe de l’État de New York, selon le rapport. Ce chiffre ne mesure pas la consommation réellement appelée à chaque instant : il décrit une capacité estimée. C’est précisément la nuance qui compte pour une entreprise, un élu local ou un acheteur de cloud.
En bref
- 29,6 GW : capacité cumulée estimée des centres de données IA au quatrième trimestre 2025.
- 11,8 GW : part attribuée à la puissance thermique nominale (TDP) des puces IA ; le reste couvre notamment refroidissement, réseau et infrastructures.
- 13,5 GW : estimation pour le quatrième trimestre 2024 dans la même série ; la capacité a donc plus que doublé sur un an.
- Ce que cela ne dit pas : ni les kWh réellement consommés, ni la part d’électricité bas-carbone, ni l’impact d’un modèle ou d’une requête isolée.
Pourquoi ce nouveau chiffre change la discussion sur l’IA
Parler de « l’énergie de l’IA » avec un seul nombre est tentant, mais imprécis. Le chiffre de 29,6 GW est intéressant parce qu’il place le débat au niveau de l’équipement installé : puces, serveurs, refroidissement et réseau. Il rend visible une contrainte matérielle souvent absente des comparatifs entre modèles, qui se concentrent sur les benchmarks, le prix par jeton ou la qualité des réponses.
Dans le rapport publié en 2026, Stanford reprend une estimation d’Epoch AI : la puissance des puces est calculée à partir des ventes de grandes familles de puces IA, puis multipliée approximativement par 2,5 pour intégrer les besoins d’infrastructure hors puces. Le résultat est une capacité cumulée, pas un relevé de compteur électrique. Une baie peut être sous-utilisée, arrêtée ou exploitée avec un profil de charge variable.
Les chiffres à retenir, avec leur périmètre
| Indicateur | Valeur | Période et sens |
|---|---|---|
| Capacité IA totale estimée | 29,6 GW | T4 2025 ; puces et infrastructures associées |
| Puces IA (TDP) | 11,8 GW | T4 2025 ; puissance nominale des puces, pas consommation observée |
| Capacité IA totale estimée | 13,5 GW | T4 2024 ; même série, comparaison possible |
| Repère de comparaison | ≈ 31 GW | Demande de pointe de l’État de New York, repère donné par Stanford |
Une hausse rapide, mais pas une facture électrique mondiale
Le passage de 13,5 à 29,6 GW entre les quatrièmes trimestres 2024 et 2025 indique que la capacité estimée a été multipliée par environ 2,2. La conclusion robuste est donc une accélération du déploiement matériel. En revanche, convertir ce mouvement en consommation annuelle demanderait au minimum un taux d’utilisation, la durée de fonctionnement, le rendement du refroidissement, la localisation et le mix électrique de chaque site. Ces éléments ne sont pas fournis par cette série.
La distinction est utile face aux annonces de grands modèles. Un modèle peut être plus efficient par requête tout en tournant sur une base d’utilisateurs beaucoup plus large ; inversement, une infrastructure installée ne tourne pas nécessairement à pleine charge. L’Agence internationale de l’énergie traite elle aussi les centres de données comme une question de systèmes électriques, de réseau et de localisation, pas seulement comme une addition de requêtes.
Ce que les entreprises peuvent en tirer
- Un achat de modèle est aussi un choix d’infrastructure. Pour un usage intensif, demander au fournisseur la région d’hébergement, les engagements de disponibilité et les informations environnementales est plus concret que demander une empreinte « moyenne » non documentée.
- Le coût et la disponibilité peuvent évoluer ensemble. Quand les capacités GPU, le réseau ou l’électricité deviennent contraints localement, les délais de déploiement et les tarifs de calcul peuvent compter autant que la qualité du modèle.
- Les indicateurs internes restent nécessaires. Mesurez les appels API, les tâches réellement évitées, le taux de réutilisation et les erreurs. Une estimation mondiale de GW ne permet pas d’attribuer l’impact d’un assistant dans votre entreprise.
- La confidentialité ne disparaît pas du sujet. Réduire les appels inutiles ne dispense pas de définir les données qui peuvent quitter le SI, les régions autorisées et la durée de rétention chez le fournisseur.
Ce que la donnée prouve — et ce qu’elle ne prouve pas
Elle prouve qu’en 2025 le socle matériel mondial de l’IA s’est renforcé très vite, selon une méthode explicite et comparable sur plusieurs trimestres. Elle donne un ordre de grandeur plus parlant qu’un nombre de GPU isolé, car elle inclut une estimation des besoins hors puces.
Elle ne prouve pas que l’IA a consommé 29,6 GW en continu, que chaque centre de données est dédié exclusivement à l’IA, ni qu’un pays donné supporte une fraction définie de cette puissance. Elle ne permet pas non plus de classer ChatGPT, Gemini, Claude ou un modèle open source par consommation. Pour cela, il faudrait des télémétries homogènes que les fournisseurs ne publient pas de façon comparable.
La prudence est importante alors que l’Union européenne pousse les opérateurs vers davantage de transparence sur les centres de données via son cadre d’efficacité énergétique. La Commission européenne distingue elle aussi les obligations de déclaration, l’efficacité et la réutilisation de chaleur : ce sont des propriétés de sites réels, pas d’un modèle abstrait.
Le bon réflexe : suivre trois niveaux, pas un seul chiffre
Pour suivre l’IA sans tirer de conclusion hâtive, gardez trois niveaux séparés : la capacité installée (GW), l’énergie effectivement consommée (kWh ou TWh) et l’intensité par service ou par tâche. Le premier indique la direction de l’investissement ; le deuxième pèse sur le réseau ; le troisième sert à améliorer un produit. Le chiffre de Stanford éclaire le premier niveau avec sérieux, pas les deux autres.
Pourquoi la localisation compte autant que le total mondial
Deux capacités identiques n’ont pas les mêmes conséquences selon le réseau auquel elles sont raccordées. Une zone déjà tendue aux heures de pointe peut nécessiter de nouveaux postes, de nouvelles lignes ou des capacités de production avant d’accueillir des serveurs supplémentaires. À l’inverse, un site peut valoriser une production locale et récupérer une partie de sa chaleur, sans que cela apparaisse dans l’estimation mondiale. C’est pourquoi un total mondial est utile pour suivre la tendance, mais insuffisant pour juger un projet local. La question opérationnelle reste : quelle puissance est demandée, à quel moment, dans quelle région et avec quelle efficacité mesurée ?
Questions fréquentes
29,6 GW signifie-t-il que l’IA consomme 29,6 GW en permanence ?
Non. Il s’agit d’une capacité cumulée estimée à fin 2025. La consommation réelle dépend du taux d’utilisation et de l’exploitation des sites.
Pourquoi comparer ce chiffre à New York ?
Stanford utilise la demande de pointe de l’État de New York, environ 31 GW, comme repère d’ordre de grandeur. Ce n’est ni une équivalence annuelle ni une localisation de cette capacité.
Peut-on déduire l’empreinte d’une requête IA à partir de ce chiffre ?
Non. Il manque les données d’utilisation, de modèle, de matériel, de refroidissement et de mix électrique. Toute moyenne unique masquerait ces écarts.
Sources utiles
- Stanford HAI — AI Index Report 2026 (rapport et méthodologie, 2026)
- Stanford HAI — page de présentation du rapport 2026
- Agence internationale de l’énergie — Energy and AI
- Commission européenne — centres de données efficaces
Par Vincent Vandegans, pour Minderlist. Les chiffres cités sont datés, sourcés et distingués selon leur méthode ; ils ne constituent pas une mesure de la consommation d’un outil IA précis.
Image à la une : panumas nikhomkhai / Pexels.
