Quand l'IA consomme plus d'électricité que l'usine : retour sur un réveil difficile

# Quand l'IA consomme plus d'électricité que l'usine : retour sur un réveil difficile

En 2026, le débat sur la souveraineté numérique européenne s'est longtemps focalisé sur les données, les algorithmes, les contrats cloud. L'énergie est restée dans l'angle mort. Jusqu'à ce que les factures arrivent.

La situation

Une ETI industrielle de 800 salariés, implantée dans deux régions françaises, fabricant de composants mécaniques de précision pour le secteur aéronautique. Une direction informatique de taille raisonnable, un RSSI en poste depuis quatre ans, un DSI qui a convaincu sa direction générale d'investir dans l'IA générative pour automatiser la documentation technique, la gestion des non-conformités et l'assistance aux opérateurs sur le plancher de production.

Le projet a été lancé dix-huit mois plus tôt avec un intégrateur français, mais l'inférence est hébergée sur une infrastructure cloud dont les datacenters physiques sont localisés hors d'Europe. Les modèles utilisés appartiennent à un acteur américain dominant. Le contrat signé à l'époque ne mentionnait pas explicitement la localisation géographique des ressources de calcul.

Fin 2025, la direction financière remonte une anomalie : la ligne budgétaire cloud a doublé en huit mois. Pas à cause du volume de données stockées. À cause du volume de calcul consommé.

Ce que personne n'avait anticipé

Le DSI de cette ETI le formule sans détour lors d'un échange avec notre rédaction : *« On avait modélisé le coût de l'IA en termes de licences et de tokens. On n'avait pas modélisé l'énergie que ça consomme, ni le fait que cette énergie, on ne maîtrise pas où elle est produite, à quel prix, ni selon quelles règles. »*

Le mécanisme est simple à comprendre, mais ses implications sont rarement tirées jusqu'au bout. L'inférence de modèles de grande taille — même pour des usages apparemment modestes comme la rédaction de rapports de non-conformité ou la génération de fiches techniques — mobilise des ressources de calcul intensif. Ces ressources sont hébergées dans des datacenters. Ces datacenters consomment de l'électricité. Et en 2026, dans un contexte de tension persistante sur les capacités électriques mondiales, cette électricité a un prix — et une géopolitique.

La difficulté pour une ETI comme celle-ci est triple.

Premièrement, elle n'a aucune visibilité sur la chaîne énergétique réelle de ses usages IA. Les rapports de consommation fournis par l'acteur américain restent agrégés, opaques sur la localisation des ressources, et ne permettent pas de distinguer ce qui relève de l'inférence IA de ce qui relève du stockage ou du réseau.

Deuxièmement, elle n'a aucun levier de négociation sur le prix de l'énergie embarquée dans ses coûts cloud. Ces coûts sont déterminés unilatéralement par l'opérateur américain, qui les répercute sous forme de hausses tarifaires présentées comme techniques — liées à la demande globale en capacités GPU.

Troisièmement, et c'est là que l'enjeu organisationnel devient critique, aucun membre de l'équipe interne n'était formé pour lire ce signal. La compétence manquante n'est pas technique : elle est analytique et contractuelle.

L'angle mort organisationnel

Lorsqu'on examine ce cas de plus près, ce qui frappe n'est pas l'ignorance de la direction — elle avait fait les diligences habituelles sur la sécurité des données et la conformité RGPD. Ce qui frappe, c'est l'absence d'une fonction interne capable de modéliser le coût total de possession d'un usage IA, en incluant sa dimension énergétique et géopolitique.

Dans la plupart des ETI industrielles, cette compétence n'existe tout simplement pas. Elle se situe à la frontière entre la DSI, les achats, la direction financière et la direction industrielle. Personne ne la possède en entier. Et les intégrateurs ou prestataires qui accompagnent ces entreprises n'ont aucun intérêt économique à la développer côté client.

Concrètement, ce qu'il aurait fallu — et ce que cette ETI cherche maintenant à construire — c'est une capacité interne à évaluer :

• la localisation réelle des ressources de calcul mobilisées, datacenter par datacenter, et non par région administrative ;
• l'exposition aux variations tarifaires liées à la tension énergétique mondiale, en particulier dans les zones où les acteurs américains concentrent leurs infrastructures ;
• les clauses contractuelles permettant — ou non — de migrer vers des infrastructures alternatives sans pénalités ou pertes fonctionnelles ;
• l'empreinte carbone réelle des usages IA, au sens du cadre européen en vigueur, et non au sens des déclarations volontaires des fournisseurs.

Cette compétence ne s'achète pas comme une prestation. Elle se construit en interne, progressivement, par la formation de profils existants — typiquement des architectes cloud ou des responsables achats IT — et par la mise en place de rituels de gouvernance dédiés.

Ce que l'Europe offre — et ce que cette ETI n'avait pas regardé

Il serait inexact de dire qu'il n'existe aucune alternative. Des opérateurs européens proposent aujourd'hui des infrastructures d'inférence IA dont les datacenters sont exclusivement localisés en Europe, sous juridiction européenne, avec des engagements de mix énergétique renouvelable vérifiables. Certains d'entre eux ont même investi dans des capacités GPU suffisantes pour des usages de type ETI industrielle.

Le problème n'est pas l'offre. Le problème est la lisibilité de cette offre pour une DSI de taille intermédiaire, dont la charge quotidienne ne laisse pas le temps d'instruire une migration complexe.

Ici, l'enjeu de gouvernance devient structurant. Cette ETI a désormais inscrit dans son plan directeur informatique un principe simple : tout nouveau projet IA doit faire l'objet d'une note d'analyse énergétique et contractuelle, produite en interne, avant toute décision d'hébergement. Ce document doit répondre à trois questions : où est l'énergie ? qui en fixe le prix ? et peut-on en sortir ?

C'est un processus léger. Il ne nécessite pas de recruter. Il nécessite de former deux ou trois personnes existantes à lire différemment les contrats cloud et à poser les bonnes questions aux fournisseurs — y compris européens, qui ne sont pas exempts d'opacité sur ce sujet.

Ce que ce cas dit du moment que nous traversons

En 2026, l'énergie est devenue une variable stratégique de la politique numérique, au même titre que la donnée ou le code. Les acteurs américains l'ont compris depuis plusieurs années : leurs investissements massifs dans des capacités de production électrique — via des accords avec des opérateurs nucléaires, des rachats de sites industriels reconvertis, des partenariats avec des gouvernements locaux — ne sont pas des décisions environnementales. Ce sont des décisions de puissance.

Pour une ETI européenne, la dépendance à une infrastructure IA dont elle ne maîtrise ni l'énergie, ni la localisation, ni le pricing, c'est une dépendance structurelle qui s'additionne aux dépendances logicielles et contractuelles déjà documentées.

Le cas de cette ETI industrielle illustre un mécanisme appelé à se généraliser : plus une organisation déploie d'IA à l'usage intensif, plus elle transfère de souveraineté — non seulement sur ses données, mais sur ses coûts d'exploitation et, indirectement, sur ses marges industrielles.

La réponse organisationnelle n'est pas de renoncer à l'IA. Elle est de construire, à l'intérieur de la DSI, une compétence d'analyse qui ne délègue pas à l'extérieur les décisions d'hébergement et d'architecture énergétique. Et de créer les conditions institutionnelles — processus, rituels de gouvernance, formation — pour que cette compétence reste vivante et indépendante des cycles commerciaux des prestataires.

C'est précisément le type de compétence que l'on ne peut pas sous-traiter sans perdre le fil.

*Ce retour terrain est basé sur un cas réel anonymisé. Les échanges ont été conduits sous condition de confidentialité. Aucun chiffre précis n'a été reproduit pour préserver l'anonymat de l'organisation concernée.*