Les puces ne suffisent plus : la vraie contrainte du supercycle IA, c'est l'électricité. En 2026, les data centers consommeront près de 1 000 TWh — l'équivalent du Japon. Le réseau vieillissant ne suit pas, les files d'interconnexion grimpent jusqu'à 7 ans, et les hyperscalers se construisent leurs propres « îlots énergétiques ». On décortique le goulet et son angle d'investissement.
Dans les deux premières parties, on a vu un supercycle d'investissement vertigineux : plus de 600 milliards de dollars de capex d'infrastructure prévus par les « Big Five » (Amazon, Microsoft, Google, Meta, Oracle) en 2026, soit +36 % sur un an, dont environ 75 % (~450 Md$) dédiés à l'infrastructure IA (source : investing.com, MUFG). Goldman Sachs projette même un cumul d'environ 7 600 milliards de dollars de capitaux déployés sur le calcul, les data centers et l'énergie entre 2026 et 2031 (source : Goldman Sachs, « Tracking the Trillions »).
Mais un goulet d'étranglement ne disparaît jamais : il se déplace. Hier, le facteur limitant était le GPU — Nvidia capte toujours environ 90 % des dépenses en accélérateurs IA (source : investing.com). Aujourd'hui, on peut commander les puces, mais on ne peut pas toujours les alimenter. La nouvelle ressource rare, ce n'est plus le silicium : c'est l'électron.
Un data center IA, ce n'est pas un bâtiment qui consomme « comme une grosse entreprise ». C'est une usine à électricité. Un site hyperscale moderne peut réclamer 500 MW à plus de 1 GW — soit la consommation d'une ville moyenne, branchée en permanence. La question n'est plus « combien de GPU peut-on acheter ? » mais « où trouve-t-on le courant pour les faire tourner ? ».
Cette bascule change tout pour l'investisseur. Elle élargit le supercycle bien au-delà des semi-conducteurs : turbines à gaz, réacteurs nucléaires, transformateurs, câbles haute tension, stockage par batteries. Tout un pan de l'économie « ancienne » redevient une infrastructure de croissance.
Le graphique illustre le déplacement de la contrainte : tant que le calcul était limité par l'offre de puces, l'énergie restait un sujet secondaire. Avec la montée en puissance de la production de GPU, c'est désormais l'accès au réseau et à la production électrique qui plafonne le rythme de déploiement.
Les chiffres donnent le vertige. L'Agence internationale de l'énergie (AIE) projette que les data centers consommeront environ 1 000 TWh d'électricité en 2026 — soit à peu près la consommation électrique totale du Japon (source : IEA). Si les data centers étaient un pays, ils se classeraient autour du 5e rang mondial, quelque part entre le Japon et la Russie.
La trajectoire de l'AIE retient une consommation des data centers passant d'environ 485 TWh en 2025 à près de 950 TWh en 2030, avec une consommation des centres spécialement orientés IA qui triple sur la période (source : IEA). L'ordre de grandeur de ~1 000 TWh atteint dès 2026 traduit l'accélération brutale liée à la vague d'inférence et d'entraînement de grands modèles.
Les projections varient selon le périmètre (data centers totaux vs IA seule, inclusion ou non du minage crypto, mètres de mesure). Garde l'ordre de grandeur en tête plutôt que le chiffre exact : on parle d'un doublement en quelques années d'une consommation déjà comparable à celle d'une grande économie. C'est ce rythme qui sature le système, pas le niveau absolu.
La rampe montre pourquoi le système électrique craque : un réseau se planifie sur des décennies, alors que la demande des data centers double sur un cycle de 4 à 5 ans. C'est cette désynchronisation entre le temps de l'IA et le temps de l'infrastructure qui crée le goulet.
On imagine volontiers les data centers tournant à 100 % aux énergies renouvelables, marketing « net zéro » oblige. La réalité 2024 est plus terre à terre. Le mix électrique des data centers se répartit ainsi (source : IEA) :
| Source | Part 2024 | Atout pour l'IA | Limite |
|---|---|---|---|
| Gaz naturel | ~40 % | Disponible, pilotable, rapide à déployer | Émissions CO₂, exposition au prix du gaz |
| Renouvelables | ~24 % | Bas carbone, coût marginal nul | Intermittence — besoin de stockage |
| Nucléaire | ~20 % | Bas carbone et pilotable 24/7 | Délais de construction, capacité limitée |
| Charbon | ~15 % | Base historique, déjà installé | Très émetteur, sous pression réglementaire |
Trois enseignements ressortent de ce mix. D'abord, le gaz domine : c'est la source la plus rapide à mettre en service face à une demande qui explose. Ensuite, le nucléaire pèse déjà 20 % et devient le grand favori des hyperscalers, car il combine bas carbone et fonctionnement permanent — exactement ce dont un data center a besoin (charge stable 24h/24). Enfin, le charbon est encore là (15 %), preuve que l'urgence d'alimenter prime parfois sur l'objectif climatique.
Un data center tourne à pleine charge en continu : son besoin est un « ruban » d'électricité (baseload), pas une courbe qui suit le soleil ou le vent. Le nucléaire fournit exactement ça — du courant bas carbone, stable, prévisible. C'est pourquoi on a vu réapparaître l'idée de redémarrer d'anciennes centrales et de signer des contrats d'achat de long terme avec des opérateurs nucléaires : l'IA offre au nucléaire un débouché qu'il n'avait plus.
Voici le contre-intuitif : le principal goulet d'étranglement n'est pas la production d'électricité, c'est le réseau qui l'achemine. Le système de transport — vieillissant dans la plupart des pays développés — est devenu le facteur limitant numéro un de l'expansion des data centers (source : World Economic Forum, Morgan Stanley).
Quand un opérateur veut raccorder un nouveau site de plusieurs centaines de mégawatts, il entre dans une file d'interconnexion. Les études d'impact, le renforcement des lignes, les autorisations et la construction des transformateurs peuvent s'étaler sur des années. Dans les zones les plus saturées, ces files atteignent plus de 7 ans (source : Morgan Stanley, WEF).
L'asymétrie est brutale : on construit un data center en moins de deux ans, mais le raccorder peut en prendre sept. Résultat, des sites entiers risquent de rester des « coquilles vides remplies de serveurs sans jus ». C'est le cauchemar des hyperscalers — et c'est ce qui les pousse à contourner le réseau entièrement.
Ce goulet déborde de la sphère tech : il alimente les tensions sur les prix de l'électricité et les débats publics sur « l'IA qui fait grimper la facture des ménages ». Pour l'investisseur, c'est un signal double : risque réglementaire et social d'un côté, opportunité massive dans les équipementiers réseau de l'autre (transformateurs, câbles, transport).
Puisque le réseau ne suit pas, les géants du cloud ont une parade : produire leur électricité sur place. C'est la logique des « îlots énergétiques » (energy islands) — des data centers couplés à leur propre source de production, partiellement ou totalement déconnectés du réseau public (source : World Economic Forum, Morgan Stanley).
Turbines à gaz installées directement au pied du data center. Rapides à déployer, pilotables, mais émettrices de CO₂.
Contrats avec des centrales existantes, redémarrage de réacteurs, et pari sur les SMR (petits réacteurs modulaires).
Des fermes de batteries lissent la charge et sécurisent l'alimentation quand les renouvelables faiblissent.
Sites quasi autonomes du réseau public, micro-réseaux combinant plusieurs sources pour ne pas attendre 7 ans.
Cette stratégie a un coût — il faut financer une centrale en plus du data center — mais elle élimine le facteur temps, qui est l'ennemi numéro un dans la course à l'IA. Celui qui peut alimenter ses GPU maintenant prend un avantage décisif sur celui qui attend une place dans la file d'interconnexion.
La nouvelle norme du secteur, c'est l'opérateur qui arrive avec sa propre électricité. On voit fleurir des partenariats entre hyperscalers et énergéticiens, des accords d'achat d'électricité (PPA) sur 15-20 ans, et des paris technologiques sur les SMR. Le data center cesse d'être un client du réseau pour devenir un acteur du système énergétique à part entière.
Le même raisonnement « picks-and-shovels » que dans la Partie 2 s'applique ici. Plutôt que de parier uniquement sur les modèles d'IA (incertains et concentrés), on peut investir dans ce qui les alimente — une demande beaucoup plus prévisible et étalée dans le temps.
Opérateurs de centrales, uranium, et SMR. Le débouché baseload bas carbone privilégié par les hyperscalers.
Fabricants de turbines à gaz et producteurs de gaz naturel. La source la plus rapide à déployer aujourd'hui.
Équipementiers : transformateurs, câbles haute tension, appareillage électrique. Le maillon le plus saturé.
Systèmes de stockage stationnaire pour lisser la charge et sécuriser les îlots énergétiques.
Compagnies d'électricité dont la zone concentre les nouveaux data centers — croissance de la demande locale.
Liquid cooling, gestion thermique : réduire les kWh par calcul devient un avantage compétitif clé.
Ces segments partagent une qualité précieuse : leur demande dépend du déploiement physique de l'infrastructure, pas du gagnant de la guerre des modèles. Que l'IA dominante de 2030 soit signée OpenAI, Google ou un acteur encore inconnu, il faudra dans tous les cas des turbines, des transformateurs et du courant bas carbone.
Côté bull : une demande réelle, contractualisée sur 15-20 ans, et un sous-investissement structurel du réseau à rattraper. Côté bear : risque de surcapacité si la monétisation de l'IA déçoit (voir Partie 4), valorisations déjà tendues sur les valeurs « énergie + IA », et dépendance à un capex qui pourrait se contracter. Les contrats de long terme amortissent le risque, mais ne l'annulent pas. On garde les deux scénarios en tête.
Pour aller plus loin sur le maillon connectivité et packaging de la chaîne (Credo / CRDO, Astera Labs / ALAB, Amkor / AMKR), DailyTickers publie des analyses A+ dédiées dans l'onglet Analyses. La Partie 5 reviendra sur la façon de construire un panier d'exposition au supercycle, énergie comprise.
Accélération IA : Le Supercycle
Série complète en 6 parties — Du capex à la checklist du risque
Retour à l'accueil