Plans nationaux, initiatives européennes, montants record affichés : le signal politique est clair.
Il y a un an, lors du Sommet pour l’action sur l’intelligence artificielle à Paris, le président de la République avait ainsi annoncé 109 milliards d’euros d’investissements privés français et étrangers en faveur de l’IA dans les prochaines années, positionnés comme l’équivalent, pour la France, du plan américain Stargate à 500 milliards de dollars.
(Source : Le Monde, 9 février 2025).
Ces annonces s’inscrivent dans une dynamique plus large de structuration des infrastructures Datacenters en France. Selon les éléments présentés lors de la première réunion de suivi organisée à Bercy le 30 janvier 2026, 63 sites ont désormais été identifiés comme compatibles avec l’accueil de Datacenters, sur la base de critères de disponibilité foncière, de capacités électriques suffisantes et d’acceptabilité locale.
Parmi eux, 26 sites disposent déjà d’un porteur de projet, tandis que cinq sites dits « fast track » offrent un potentiel de raccordement électrique supérieur à 700 MW à horizon trois à quatre ans.
Au total, les projets portés à ce stade représentent 28,6 GW de puissance recherchée, dont 5,8 GW déjà sécurisés via des engagements fermes de raccordement.
Cette accélération traduit une volonté claire des pouvoirs publics et des acteurs industriels de structurer rapidement des capacités de calcul afin de limiter les risques de dépendance technologique et énergétique à moyen terme.
(Source : Clubic, « Datacenters : ce que révèle la première réunion à Bercy sur les projets en cours et à venir en France », 1er février 2026)
Pourtant, derrière un même terme — investir dans l’IA — se cachent des réalités profondément différentes en matière de souveraineté, d’énergie et de compétitivité.
À mesure que l’IA devient un facteur de production structurant, la question n’est plus seulement combien investir, mais dans quoi, où et avec quelles contraintes infrastructurelles et quel impact environnemental.
C’est à l’interface entre usages IA, infrastructures Datacenters et trajectoires énergétiques que s’inscrivent les travaux menés par MD.C, à travers l’étude Datacenters IT & IA, consacrée à l’analyse des conditions matérielles nécessaires à un déploiement soutenable et souverain de l’IA en Europe.
1. L’IA : d’une innovation logicielle à une infrastructure critique
L’intelligence artificielle a longtemps été abordée comme une avancée essentiellement logicielle, portée par des algorithmes et des modèles toujours plus performants. Cette lecture n’est plus suffisante. L’IA s’impose désormais comme une infrastructure critique, au même titre que l’électricité ou les réseaux de télécommunications.
“Artificial intelligence is becoming a critical infrastructure for the global economy, comparable to electricity or the internet.”
— Groupe d’études géopolitiques, Financing Infrastructure for a Competitive European AI, 2024
À l’horizon 2030–2035, une part significative (et restant à définir précisément) des tâches cognitives, industrielles et administratives seront augmentées ou automatisées par des modèles d’IA. Dans cette économie profondément « LLM-isée », l’accès à la puissance de calcul devient un facteur de production structurant, conditionnant la productivité, la compétitivité et la capacité d’innovation des territoires.
Ce basculement modifie radicalement la nature des investissements en jeu. Il ne s’agit plus seulement de financer de la recherche ou des briques logicielles, mais de déployer des capacités physiques lourdes : Datacenters, réseaux, infrastructures électriques, systèmes de refroidissement.
Ces choix engagent directement trois dimensions indissociables :
- Environnementale, car l’IA repose sur des infrastructures fortement consommatrices d’électricité et d’eau, dont l’empreinte dépend des choix d’implantation et de conception ;
- Géopolitique, car la concentration mondiale des capacités de calcul crée des rapports de dépendance entre États et expose les économies aux décisions industrielles de quelques acteurs dominants ;
- De souveraineté, enfin, car sans maîtrise des infrastructures de calcul et de l’énergie associée, la capacité à piloter les usages de l’IA — et donc à décider — devient structurellement limitée.
L’IA ne relève donc plus d’un simple débat technologique. Elle s’inscrit désormais au cœur des arbitrages industriels, énergétiques et stratégiques, là où se joue la capacité à anticiper les transformations économiques plutôt qu’à les subir.
2. Une dépendance structurelle européenne au calcul
Aujourd’hui, la répartition mondiale des capacités de calcul dédiées à l’IA est extrêmement déséquilibrée.
Selon le Groupe d’études géopolitiques, dans son rapport Financing Infrastructure for a Competitive European AI (2024) :
environ 70 % de la puissance de calcul mondiale est détenue par les États-Unis,
près de 80 % de cette puissance est contrôlée par des hyperscalers américains,
4 à 5 % seulement est située en Europe.
Cette dépendance n’est pas théorique. Toute rupture d’accès au calcul — qu’elle soit géopolitique, réglementaire ou économique — aurait un impact direct sur des secteurs critiques : santé, énergie, industrie, défense.
Sur la base de ces constats, le même rapport estime que les investissements nécessaires pour rééquilibrer cette situation sont d’un tout autre ordre de grandeur :
France : 5–6 GW de puissance IA d’ici 2028, soit 250 à 300 Md€,
Europe : 20 GW d’ici 2030, soit 500 à 700 Md€.
Graphique : Projection de puissance IT installée en France en fonction de plusieurs trajectoires — MD.C – Étude Datacenters IT & IA, 2025-2026
3. L’explosion du compute dépasse les gains d’efficacité
Une idée largement répandue consiste à penser que les progrès matériels et algorithmiques suffiront à contenir les impacts énergétiques de l’IA.
Les travaux de Desroches et al. montrent l’inverse.
« Large generative AI models consume up to 4600 times more energy than traditional models for a given task. »
— Exploring the sustainable scaling of AI, 2025
Au-delà de ces ordres de grandeur unitaires, leurs projections montrent que la consommation électrique globale liée à l’IA pourrait être multipliée par 24,4 d’ici 2030 dans un scénario de forte adoption, malgré les gains d’efficacité matériels et algorithmiques.
« Isolated improvements in hardware efficiency or model optimization are insufficient. »
— Desroches et al., Exploring the sustainable scaling of AI, 2025
Ces dynamiques se traduisent concrètement, dans les infrastructures, par des profils de charge plus variables, des pics de puissance marqués et des besoins de refroidissement accrus.
Graphique : Part de l’IA dans la consommation Datacenter à horizon 2030–2035 — MD.C – Étude Datacenters IT & IA, 2025-2026
4. Datacenters et énergie : le cœur du problème
La montée en puissance de l’IA pose donc également une problématique environnementale majeure, parfois reléguée au second plan derrière les performances des modèles ou les annonces d’investissement.
Derrière le cloud, l’IA s’ancre dans une réalité physique : serveurs, électricité, eau et implantation territoriale.
L’IA ne se déploie pas dans l’abstraction logicielle, mais dans des Datacenters soumis à des contraintes énergétiques, hydriques et foncières de plus en plus fortes.
Les projections montrent une accélération très marquée des besoins. La consommation électrique mondiale des Datacenters pourrait passer d’environ 415 TWh en 2024 à près de 945 TWh en 2030, avec une part disproportionnée liée aux charges IA.
À ce stade, les données les plus détaillées concernent les États-Unis, où les seuls serveurs IA pourraient générer d’ici 2030 :
– 200 à 300 milliards de gallons d’eau par an,
– 24 à 44 MtCO₂ par an.
Ces ordres de grandeur donnent un aperçu des impacts potentiels auxquels les autres régions industrialisées, dont l’Europe, pourraient être confrontées à mesure que les capacités IA se déploient.
« Global data center electricity demand may increase from 415 TWh in 2024 to nearly 945 TWh by 2030. »
— The Environmental Impact of AI Servers and Sustainable Solutions (Patel et al.), 2026
Un résultat central de cette étude est que les choix d’infrastructure comptent autant que la performance du matériel. Le design des systèmes de refroidissement et la localisation géographique influencent l’empreinte environnementale au même niveau que l’efficacité des serveurs eux-mêmes.
« Cooling system design and geographic location influence environmental impact as strongly as hardware efficiency. »
Patel et al., The Environmental Impact of AI Servers and Sustainable Solutions, 2026
Ces enseignements confirment que la trajectoire environnementale de l’IA se joue largement en amont des modèles, dans les décisions d’implantation, de refroidissement et d’intégration énergétique.
Graphique : Refroidissement et trajectoires énergétiques des Datacenters IA : rôle du Direct Liquid Cooling — MD.C -Étude Datacenters IT & IA, 2025-2026
5. Structurer des trajectoires plutôt que subir les contraintes
L’ensemble des travaux menés par MD.C converge vers un constat central : la soutenabilité de l’IA ne repose ni sur un indicateur unique, ni sur une solution technologique isolée.
Elle se construit dans la capacité à articuler des choix techniques, énergétiques et industriels, qui engagent directement des enjeux économiques et géopolitiques.
Structurer une trajectoire IA soutenable suppose notamment :
- une lecture fine des usages IT et IA, distinguant entraînement, inférence, intensité et temporalité des charges,
- des indicateurs alignés sur les charges réelles, capables de dépasser les approches bâtimentaires historiques,
- une articulation étroite entre capacités de calcul, énergie et systèmes de refroidissement,
- une vision d’investissement inscrite dans le temps long, intégrant les contraintes énergétiques, réglementaires et géopolitiques.
Cette logique consiste à déplacer le point d’entrée des décisions : non plus le bâtiment seul, mais les usages, leurs contraintes énergétiques et leurs implications industrielles.
Dans ce cadre, MD.C vous accompagne pour structurer vos projets en intégrant l’ensemble de ces dimensions, en plaçant au cœur de l’analyse les enjeux concrets rencontrés dans l’exploitation et la conception des Datacenters.
Conclusion
Investir dans l’IA ne signifie pas mécaniquement renforcer l’autonomie stratégique ou la compétitivité économique.
Selon ce qui est effectivement financé — logiciels, capacités de calcul, Datacenters, énergie — un investissement peut structurer une trajectoire maîtrisée ou, au contraire, accentuer des dépendances critiques.
À l’horizon 2030, l’enjeu central porte donc sur les conditions matérielles, énergétiques et infrastructurelles du déploiement de l’IA.
Dans ce contexte, MD.C s’implique aux côtés de partenaires institutionnels et industriels (ADEME, ATEE, DGEC, acteurs de la filière Datacenter) pour contribuer, à son niveau, à la structuration d’infrastructures Datacenter et IA compatibles avec les enjeux de souveraineté française et européenne, dans une logique durable et opérationnelle.
Pour en savoir plus et/ou participer à l’étude en cours « Datacenters IT & IA » :
Sources et références
- Groupe d’études géopolitiques — Financing Infrastructure for a Competitive European AI, 2024 LIEN
- Desroches et al. – Exploring the sustainable scaling of AI (arXiv:2501.14334), 2025 LIEN
- Agarwal & Chakraborti – The Hidden AI Race: Tracking Environmental Costs of Innovation (arXiv:2511.22781), 2025 LIEN
- Patel et al. – The Environmental Impact of AI Servers and Sustainable Solutions (arXiv:2601.06063), 2026 LIEN
- Le Monde — Dossiers et analyses autour de l’AI Summit et des enjeux d’infrastructures IA en Europe, 2024–2025 LIEN
- Clubic — Datacenters : ce que révèle la première réunion à Bercy sur les projets en cours et à venir en France, Alexandre Boero, 1er février 2026. LIEN
- MD.C — Étude Datacenters IT & IA, travaux en cours, 2025–2026 LIEN
