La course mondiale aux datacenters d'IA : une bulle majeure se profile-t-elle ? Le secret bien gardé des taux d'utilisation réels des géants de l'IA – une image créative sur le sujet, mettant en scène l'IA : Xpert.Digital
Les Gigafactories américaines contre les puces secrètes chinoises : la nouvelle course géopolitique au pouvoir de l’IA
Louer plutôt que construire : pourquoi Anthropic, le grand gagnant de l’IA, ne possède pas ses propres centres de données
D'ici 2026, le champ de bataille décisif de l'intelligence artificielle aura radicalement changé. Il ne s'agit plus seulement de savoir quel modèle de langage génère les textes les plus intelligents, conçoit les images les plus créatives ou écrit le code le plus exempt d'erreurs. La véritable course, bien plus implacable, se déroule désormais dans le monde physique : elle prend la forme de gigantesques centres de données, d'une capacité énergétique raréfiée et d'investissements colossaux dans les infrastructures. Les géants de la technologie comme Microsoft, Google et Meta, ainsi que les acteurs chinois émergents, investissent actuellement des sommes astronomiques dans la construction de ces fameuses « gigafactories d'IA ». Le volume des investissements mondiaux dépasse désormais le PIB de pays entiers. Mais derrière cette bataille sans précédent pour les ressources, de graves problèmes structurels émergent. Tandis que des start-ups comme Anthropic sont contraintes de recourir à des modèles de location flexibles, un goulot d'étranglement majeur se dessine à l'échelle mondiale, non pas principalement dû aux puces d'IA tant vantées, mais à des problèmes plus prosaïques comme l'approvisionnement en électricité, l'explosion des coûts de refroidissement et le manque de connexions réseau. Dans cette lutte titanesque entre les États-Unis et la Chine, l'Europe risque de prendre un retard considérable en raison d'une réglementation stricte et d'une pénurie de capitaux. La question la plus urgente demeure cependant : est-ce ici que se construit le socle indispensable de la future économie mondiale, ou assistons-nous à la formation, sous nos yeux, de la plus grande et de la plus coûteuse bulle spéculative de notre décennie ?
En lien avec ceci :
Lorsque la puissance de calcul devient plus importante que le modèle lui-même
Quiconque suit l'actualité de l'intelligence artificielle à l'été 2026 a rapidement l'impression que la véritable concurrence a depuis longtemps changé de nature. Le pouvoir de marché ne dépend plus uniquement du modèle de langage qui fournit les réponses les plus pertinentes, mais plutôt de la simple disponibilité physique de la puissance de calcul, de l'électricité et des capacités de refroidissement. Les annonces d'OpenAI, d'Anthropic, de Google, de xAI, de Meta et d'un nombre croissant de fournisseurs chinois comme Alibaba, DeepSeek, Moonshot et Z.ai ressemblent désormais moins à des lancements de produits qu'à des rapports de chantier dans l'industrie lourde. Les chiffres en gigawatts, les délais de livraison des transformateurs et les demandes de raccordement au réseau sont devenus les véritables indicateurs de la course à l'IA, tandis que les modèles eux-mêmes, aussi puissants soient-ils, apparaissent de plus en plus comme des logiciels interchangeables reposant sur une infrastructure physique rare et coûteuse. Ce changement est économiquement significatif car il redessine l'équilibre des pouvoirs dans l'ensemble du secteur technologique et mobilise des capitaux à une échelle inimaginable il y a encore quelques années.
Pourquoi la capacité ne peut plus être mesurée en unités
Un problème méthodologique majeur entrave toute analyse sérieuse de ce domaine. Quiconque tente de déterminer le nombre de « centres de données d'IA » par fournisseur ou modèle se heurte rapidement à une limite que même des observateurs de marché spécialisés comme Epoch AI ou l'AI Data Center Index ne peuvent résoudre. La raison réside dans la nature même de l'infrastructure. Un seul campus de centres de données sert souvent simultanément à plusieurs fins : il supporte les charges d'entraînement d'un modèle et les charges d'inférence d'un autre, est exploité par un hyperscaler mais partiellement loué à un concurrent, et son allocation évolue au gré des nouveaux contrats. Anthropic, par exemple, ne possède pratiquement aucun campus d'entraînement, mais loue de la capacité auprès d'Amazon via ses puces Trainium propriétaires, de Google via des engagements TPU à l'échelle du gigawatt, de Microsoft, de fournisseurs néocloud spécialisés comme CoreWeave, Fluidstack et Nscale, et même de son concurrent direct xAI, dont le cluster Colossus à Memphis alloue de la capacité à plusieurs clients simultanément. Il est tout simplement impossible de chiffrer avec précision le nombre de centres de données qu'Anthropic exploite en propre, car son modèle économique repose sur la location plutôt que sur la propriété. Ce manque de clarté est répandu dans la quasi-totalité du secteur et démontre clairement que les déclarations fiables doivent se fonder sur des chiffres en mégawatts et gigawatts, des emplacements précis et des accords contractuels, et non sur des chiffres supposément précis.
La dimension de mille milliards de dollars du pari sur les infrastructures
L'ampleur des investissements dans ce secteur dépasse largement les catégories traditionnelles de la finance d'entreprise. Les observateurs du marché anticipent un volume d'investissement cumulé des principaux hyperscalers en 2026 compris entre 630 et 830 milliards de dollars. Si les chiffres exacts varient selon les méthodologies, toutes les estimations convergent vers un même constat : cela représente une augmentation d'environ 60 % par rapport à l'année précédente. Goldman Sachs évalue les dépenses cumulées pour la période 2026-2031 à environ 7 600 milliards de dollars, tandis que McKinsey avait précédemment projeté un besoin d'investissement d'environ 5 200 milliards de dollars d'ici 2030 pour les seuls centres de données basés sur l'IA. Ces sommes dépassent le PIB des pays industrialisés de taille moyenne et soulèvent une question fondamentale : les retours sur investissement attendus des services d'IA pourront-ils un jour justifier de tels investissements ? Amazon prévoit d'investir environ 220 milliards de dollars en dépenses d'investissement cette année, Alphabet entre 180 et 200 milliards, Microsoft entre 175 et 190 milliards, et Meta entre 125 et 145 milliards. Avec Oracle, dont les investissements s'élèvent à environ 50 à 56 milliards de dollars, ces chiffres dressent le tableau suivant : cinq entreprises financent de fait l'infrastructure physique mondiale de la révolution de l'IA, tandis que des acteurs plus modestes comme OpenAI et Anthropic restent dépendants de leur propre infrastructure ou de propriétaires spécialisés.
Les gigafactories américaines comme déclaration géopolitique
La concrétisation de cette vague d'investissements est particulièrement visible aux États-Unis, où le projet Stargate d'OpenAI, d'Oracle et de SoftBank crée un réseau de centres de données. L'annonce initiale d'une capacité de dix gigawatts et d'un investissement de 500 milliards de dollars s'est avérée bien plus complexe dans la pratique. Le site d'Abilene, au Texas, est désormais opérationnel, tandis que d'autres sites dans le Michigan, le Wisconsin, l'Ohio et le Nouveau-Mexique sont en construction ou en phase de planification. Les analystes estiment que la capacité américaine prévue se situe actuellement dans la fourchette des quelques gigawatts, bien en deçà de l'annonce initiale. Parallèlement, Microsoft a lancé son propre cluster, conçu comme un supercalculateur unique et basé sur l'architecture GB200, sur son campus de Fairwater, dans le Wisconsin, en juin 2026, soulignant ainsi son indépendance vis-à-vis de ses relations avec des clients individuels, à l'instar de son partenariat avec OpenAI. De son côté, xAI a développé une capacité d'environ un gigawatt avec son complexe Colossus à Memphis et Southaven, qui comprend plusieurs bâtiments. L'entreprise n'utilise pas ces installations exclusivement pour ses propres entraînements Grok, mais loue également de la puissance de calcul à des concurrents comme Anthropic et Google – un fait qui révèle l'étroite interdépendance économique, même entre des laboratoires en apparence rivaux. En juillet 2026, Meta a revu à la hausse la capacité prévue de son projet Hyperion en Louisiane, la portant à cinq gigawatts et à un volume d'investissement de plus de 50 milliards de dollars, bien que les premières phases d'expansion ne soient pas réalistement attendues avant 2028. Ce délai est typique de l'ensemble du secteur, où les annonces interviennent régulièrement des années avant la mise en service effective, et où les investisseurs se fient en réalité à la promesse de capacités futures.
La voie parallèle de la Chine via les puces domestiques
Alors que le développement américain repose fortement sur le matériel Nvidia, la Chine suit une voie délibérément différente, initialement contrainte par les restrictions américaines à l'exportation, mais qui a depuis évolué vers une stratégie de politique industrielle indépendante. Selon Bloomberg, Z.ai, anciennement Zhipu, a partiellement inauguré en juillet 2026 un campus de centres de données d'un gigawatt, fonctionnant exclusivement avec des puces chinoises, bien que son emplacement exact reste confidentiel. L'entreprise affirme que le modèle GLM-5.3-Flash, entraîné sur ce campus, sera exécuté sur plus de 100 000 puces de fabrication chinoise pour l'inférence, un chiffre qui n'a pas encore été vérifié de manière indépendante. DeepSeek a annoncé en juillet 2026 son intention de construire son propre centre de données d'un gigawatt à Oulan-Qab, en Mongolie-Intérieure, avec une mise en service partielle prévue pour fin 2027 ou début 2028, soulignant ainsi son retard par rapport aux projets américains. Moonshot AI, la société à l'origine des modèles Kimi, a opté pour une approche plus pragmatique en signant un contrat de location avec Alibaba Cloud à l'été 2026 pour environ 20 000 processeurs graphiques Nvidia. Cela démontre que même les fournisseurs chinois, malgré les tensions politiques, continuent d'accéder au matériel occidental lorsqu'une solution légale ou logistique est possible. Les rapports d'enquête affirmant que Moonshot aurait obtenu l'accès à la dernière génération de puces Nvidia Blackwell via des pays tiers d'Asie du Sud-Est, notamment la Thaïlande, restent des allégations non confirmées, non étayées par des preuves fiables concernant la chaîne d'approvisionnement ni par des déclarations officielles des entreprises concernées. Alibaba exploite désormais 105 zones de disponibilité dans 32 régions du monde et a investi 53 milliards de dollars dans l'expansion de son infrastructure cloud. Le site de supercalcul d'Ulanqab est l'un des cinq centres de données dits « super data centers » et est utilisé à la fois pour son propre modèle Qwen et pour des clients externes comme Moonshot. Un exemple plus concret de cette envergure est le supernœud Lingjun Zhenwu M890 à Oulanqab, commercialisé depuis août 2026. Son architecture HPN 8.0 sous-jacente augmente la capacité d'interconnexion de 16 à 64 GPU par nœud, avec une bande passante de 800 gigaoctets par seconde. Théoriquement, cela permet de créer des clusters comptant jusqu'à 130 000 GPU hétérogènes et d'envisager une extension vers un réseau maillé comportant des millions de cartes. Cette infrastructure est ainsi capable d'entraîner et d'inférer des modèles comportant jusqu'à dix mille milliards de paramètres. À l'inverse, son concurrent chinois Z.ai s'appuie exclusivement sur des accélérateurs de fabrication locale (Huawei, Cambricon et Moore Threads) sur son campus gigawatt, partiellement opérationnel depuis juillet 2026. En effet, l'entreprise figure sur la liste de contrôle des exportations américaines depuis début 2025 et n'a donc plus accès au matériel Nvidia. Chaque cluster du centre de données comprendrait plus de 10 000 puces. DeepSeek, cependant, reste indécis et fait l'objet de controverses politiques quant à la composition des puces pour son site d'Ulanqab. Cette situation fait suite aux déclarations d'un représentant du gouvernement américain en février 2026, selon lesquelles l'entreprise aurait utilisé illégalement des puces Nvidia Blackwell dans un centre de données en Mongolie-Intérieure – une allégation que DeepSeek réfute et qui ne peut être vérifiée de manière indépendante. À titre d'estimation approximative du coût d'un centre de données d'une puissance de plusieurs gigawatts doté d'une technologie d'accélération de pointe, le PDG de Nvidia, Jensen Huang, a évoqué un chiffre d'environ 50 milliards de dollars, une estimation empirique qui ne repose toutefois pas sur un montant d'investissement précis confirmé par DeepSeek. Un indicateur indirect intéressant de la rentabilité relative de l'infrastructure chinoise réside dans les prix des API des différents modèles : alors que les solutions GLM 4.7 Flash de Z.ai, à environ 0,06 $ par million de jetons d'entrée, et DeepSeek V4 Flash, à environ 0,09 $, figurent parmi les offres les plus économiques du marché, le code Kimi K2.7 de Moonshot, à environ 0,74 $, est nettement plus cher. Ceci s'explique en partie par le recours à des GPU Nvidia loués, Moonshot ne possédant pas d'infrastructure à grande échelle connue, mais louant, selon ses propres déclarations, environ 20 000 GPU auprès d'Alibaba Cloud.
La tentative de l'Europe d'adopter une position indépendante
L'Union européenne se trouve dans une position structurellement plus faible dans cette course mondiale, en raison à la fois de la moindre solidité financière de ses entreprises technologiques nationales et d'une réticence réglementaire marquée. La société française Mistral AI exploite actuellement un site près de Paris, tandis qu'un second est en construction en Suède, avec pour objectif affiché d'atteindre une capacité de 200 mégawatts d'ici 2027 et d'un gigawatt d'ici 2030. Il est à noter qu'en juillet 2026, Microsoft a signé un contrat de location pluriannuel pour la capacité européenne de Mistral. Bien que le montant exact n'ait pas été divulgué, Reuters l'estime à plusieurs dizaines de milliards d'euros. Cet accord met en lumière les limites de la souveraineté européenne, car un locataire clé de cette infrastructure d'IA prétendument européenne n'est autre que le géant technologique américain, dont les processeurs graphiques sont encore majoritairement fabriqués aux États-Unis. Face à cette dépendance structurelle, la Commission européenne a lancé en juillet 2026 un processus visant à établir sept « gigafactories d'IA », dotées d'un budget d'environ 30 milliards d'euros de fonds publics et privés. Toutefois, ce projet est actuellement au stade de la constitution du consortium et n'a pas encore permis la création d'une capacité opérationnelle. Parallèlement, le cadre réglementaire applicable aux nouveaux centres de données en Europe se durcit, comme l'illustre l'exemple de l'Espagne. Un projet de loi, présenté en août 2026, imposerait aux nouvelles installations d'une capacité supérieure à un mégawatt de démontrer qu'elles produisent au moins 80 % d'électricité renouvelable supplémentaire par heure. De telles exigences augmentent considérablement les coûts d'implantation au sein de l'Union européenne et pourraient conduire à une délocalisation permanente d'une part croissante des capacités mondiales d'entraînement de l'IA hors du continent.
Une nouvelle dimension de la transformation numérique avec l'IA managée (Intelligence Artificielle) - Plateforme et solution B2B | Xpert Consulting
Une nouvelle dimension de la transformation numérique avec l'IA managée (Intelligence Artificielle) – Plateforme et solution B2B | Xpert Consulting - Image : Xpert.Digital
Vous découvrirez ici comment votre entreprise peut mettre en œuvre des solutions d'IA personnalisées rapidement, en toute sécurité et sans barrières à l'entrée élevées.
Une plateforme d'IA managée est votre solution clé en main pour l'intelligence artificielle. Fini les technologies complexes, les infrastructures coûteuses et les longs processus de développement : vous bénéficiez d'une solution clé en main, adaptée à vos besoins, fournie par un partenaire spécialisé – souvent en quelques jours seulement.
Les principaux avantages en un coup d'œil :
⚡ Mise en œuvre rapide : De l’idée à l’application prête à l’emploi en quelques jours, et non en plusieurs mois. Nous fournissons des solutions pratiques qui créent une valeur ajoutée immédiate.
🔒 Sécurité maximale des données : Vos données sensibles restent chez vous. Nous garantissons un traitement sécurisé et conforme à la réglementation, sans partage de données avec des tiers.
💸 Aucun risque financier : vous ne payez que pour les résultats. Les investissements initiaux importants en matériel, logiciels ou personnel sont totalement éliminés.
🎯 Concentrez-vous sur votre cœur de métier : nous prenons en charge l’intégralité de la mise en œuvre technique, de l’exploitation et de la maintenance de votre solution d’IA.
📈 Évolutif et à l'épreuve du temps : votre IA évolue avec vous. Nous assurons une optimisation et une évolutivité continues, et adaptons les modèles avec souplesse aux nouveaux besoins.
Plus d'informations ici :
Entre investissements colossaux et surcapacités : la nouvelle réalité des infrastructures d'IA
L'électricité, véritable goulot d'étranglement de la décennie
Ceux qui réduisent le débat public autour de l'infrastructure d'IA aux seules unités de traitement graphique (GPU) méconnaissent la véritable dynamique du secteur. De nombreux experts et analystes soulignent désormais que le facteur limitant décisif n'est pas la disponibilité des puces, mais celle de l'électricité et de l'infrastructure de réseau associée. En juin 2026, la FERC, l'autorité de régulation américaine, a publié des directives visant à accélérer le raccordement des « gros consommateurs » au réseau électrique, reconnaissant ainsi que les procédures d'autorisation de raccordement existantes ne sont plus adaptées aux plans d'expansion des exploitants de centres de données. Simultanément, en juillet 2026, la Maison Blanche a étendu le « Ratepayer Protection Pledge », un engagement politique des exploitants de centres de données à ne pas répercuter sur les consommateurs résidentiels les surcoûts de réseau générés par leurs installations. Cette mesure politique a été prise en réponse directe à la résistance croissante du public face à la hausse des prix de l'électricité dans les régions à forte densité de centres de données et démontre que le développement de l'infrastructure d'IA est depuis longtemps devenu un sujet politiquement sensible. L'exemple de xAI, qui a temporairement eu recours à des turbines à gaz mobiles à Memphis pour alimenter ses installations sans attendre un raccordement au réseau électrique, illustre l'intensité des délais dans la course à la capacité de calcul. Les analystes du think tank BloombergNEF estiment que la capacité mondiale des centres de données en construction dépasse actuellement 23 gigawatts, tandis que le volume d'investissement des plus grands opérateurs devrait avoisiner les 750 milliards de dollars en 2026. Ces chiffres montrent clairement que le véritable goulot d'étranglement dans les années à venir ne réside pas dans l'industrie des semi-conducteurs, mais dans le secteur de l'énergie et ses procédures d'autorisation, notamment les délais de livraison des transformateurs et autres composants critiques du réseau, qui peuvent désormais s'étendre sur plusieurs années.
En lien avec ceci :
Le mystère qui entoure l'utilisation réelle de cette capacité
Un aspect souvent négligé du débat concerne l'utilisation réelle de la capacité installée par rapport à la charge nominale connectée. Les chiffres en gigawatts publiés dans les rapports indiquent généralement la capacité maximale installée d'un site, mais précisent peu la part de cette capacité réellement utilisée pour l'entraînement ou l'inférence de modèles, ni celle qui reste inutilisée en réserve ou en raison de limitations techniques. Cette distinction est économiquement cruciale car elle influe directement sur le retour sur investissement réel de ces projets de plusieurs milliards de dollars. Un centre de données disposant officiellement d'un gigawatt de charge connectée, mais utilisé à seulement 60 ou 70 % en raison de problèmes de refroidissement, d'optimisation logicielle ou simplement d'un manque de demande, générera naturellement un rendement nettement inférieur à celui annoncé aux investisseurs. Les données fiables et vérifiées indépendamment sur l'utilisation réelle des sites sont pratiquement inexistantes, les opérateurs ne divulguant pas ces informations pour des raisons de concurrence. Ce manque de transparence rend non seulement difficile l'évaluation externe des décisions d'investissement, mais alimente également le scepticisme croissant de certains observateurs du marché qui voient des signes de surréaction spéculative dans les flux de capitaux actuels, comparables aux phases précédentes d'investissement excessif dans les infrastructures du secteur des télécommunications au début des années 2000.
Anthropic est un parfait exemple de l'approche « asset-light »
Le cas d'Anthropic est particulièrement révélateur pour comprendre la logique économique de ce secteur. Son modèle économique repose délibérément sur une propriété physique minimale et une flexibilité contractuelle maximale. En août 2026, l'entreprise a signé un contrat avec le fournisseur britannique de néocloud Nscale pour une capacité de 460 mégawatts en Virginie-Occidentale. Selon Bloomberg, la valeur totale de cet accord devrait atteindre environ 45 milliards de dollars américains sur six ans. Parallèlement, Anthropic conclut des accords de capacité avec Amazon, dont les puces Trainium, développées en interne, s'imposent de plus en plus comme une alternative au matériel Nvidia ; avec Google, dont les engagements en TPU se chiffrent également en gigawatts ; et avec d'autres fournisseurs spécialisés comme Fluidstack, voire avec son propre concurrent xAI, dont le centre de données Colossus loue de la capacité à plusieurs clients simultanément. Cette stratégie permet à Anthropic de financer sa croissance sans les investissements initiaux colossaux que des entreprises comme Meta ou OpenAI doivent gérer seules. Cependant, elle transfère un risque important au propriétaire et rend l'entreprise structurellement dépendante du pouvoir de négociation et des décisions de capacité de tiers. D'un point de vue économique, cette approche représente un pari sur le fait que les coûts de la capacité informatique louée n'augmenteront pas plus vite que les revenus propres de l'entreprise à long terme – une hypothèse qui est loin d'être acquise compte tenu de la pénurie actuelle de puces hautes performances et de capacité énergétique.
Aperçu de la taille des principaux centres de données d'IA
Bien que, comme expliqué précédemment, il soit impossible de définir un nombre exact et universellement accepté de centres de données d'IA par fournisseur de modèle, des estimations fiables existent désormais concernant les performances, le volume d'investissement et le stock de puces des plus grands clusters. Ces estimations sont documentées par des outils de suivi spécialisés tels qu'Epoch AI et l'AI Data Center Index, ainsi que par les données des entreprises et les documents réglementaires. Le tableau ci-dessous résume l'ordre de grandeur des principaux sites, en distinguant systématiquement la capacité opérationnelle actuelle de la capacité finale projetée.
| Opérateur / Modèle | centrale(s) | Performances actuelles | Capacité finale prévue | Nombre de jetons (approximatif) | Volume d'investissement |
|---|---|---|---|---|---|
| Google / Gemini, Gemma | 44 localisations suivies dans 26 pays | Capacité totale suivie d'environ 9,0 GW, dont environ 75 % est opérationnelle | Elle est en constante expansion ; aucune date de fin n'a été fixée | Le contrat avec Anthropic était principalement composé de TPU, dont environ un million de TPU Ironwood | Les investissements individuels par site se situent généralement entre 12 et 17 milliards de dollars américains, par exemple, Google à New Albany représente environ 17,2 milliards de dollars américains |
| xAI / Grok | Colossus 1-3, Memphis et Southaven | Environ 1,0 à 1,4 GW de capacité informatique, le chiffre exact variant selon la source | environ 2 GW ciblés | Entre 555 000 et environ 1,02 million de GPU selon la date de comptage, principalement des Nvidia GB200/GB300 | Le matériel seul représente à lui seul environ 18 à 38 milliards de dollars américains ; selon Epoch, le total des investissements s'élève actuellement à 35,8 milliards de dollars américains et devrait atteindre 58 milliards de dollars américains |
| Famille OpenAI/GPT (Stargate) | Abilene (Texas) et sept à huit autres sites américains, ainsi que les Émirats arabes unis | Environ 1,2 GW sont opérationnels sur le site phare d'Abilene, et environ 7 GW sont en planification ou en construction | Objectif initial du programme : 10 GW, mais en réalité, il sera plus proche de 7 GW d'ici la fin des années 2020 | Aucun nombre total de puces n'est disponible publiquement ; certains sites possèdent des centaines de milliers d'équivalents H100 | 500 milliards de dollars officiellement engagés sur quatre ans, plus un contrat de 300 milliards de dollars avec Oracle Cloud, soit un total de plus de 1 400 milliards de dollars d’engagements officiels |
| Méta / Lama | Hyperion (Louisiane), Prometheus (Ohio) | Hyperion est actuellement en construction, aucune phase n'est pleinement opérationnelle, Prometheus devrait être mis en service en 2026 | 5 GW pour Hyperion d'ici environ 2030/2032, étape intermédiaire de 1,5 GW d'ici fin 2027 | Les projections prévoient environ 4,25 millions d'équivalents H100 pour Hyperion d'ici 2028, avec plus de 1,3 million de GPU dans l'image cible | Les coûts du projet Hyperion sont passés de 10 milliards de dollars initialement à plus de 50 milliards, d'autres estimations atteignant jusqu'à 200 milliards de dollars, notamment pour les infrastructures énergétiques |
| Anthropique / Claude | Pas de campus propres, capacité chez Google (TPU), Amazon, Nscale, xAI, etc. | Environ 1 GW de capacité TPU a déjà été réservé pour 2026, avec une extension prévue à 3,5 à 5 GW à partir de 2027 | Capacité TPU allant jusqu'à 5 GW selon l'accord conclu avec Google à partir d'avril 2026 | Jusqu'à 1 million de TPU (accord avec Google) | L'investissement de Google dans Anthropic s'élève à 40 milliards de dollars américains, avec un contrat supplémentaire de Nscale d'environ 45 milliards de dollars américains sur six ans pour 460 MW |
| Microsoft / Phi (Azure backbone) | Fairwater (Wisconsin), Fairwater (Atlanta), autres sites Azure | Fairwater Wisconsin est en service depuis juin 2026, avec une capacité d'environ 446 000 équivalents H100 selon Epoch | continue de croître avec l'expansion globale d'Azure | plusieurs centaines de milliers de GPU par emplacement | Les dépenses d'investissement du groupe s'élèvent à environ 175 à 190 milliards de dollars américains pour la seule année 2026 |
| Z.ai (famille GLM) | Un campus d'une capacité de plusieurs gigawatts, dont l'emplacement n'est pas connu du public | Environ 1 GW, partiellement opérationnel depuis juillet 2026, plusieurs clusters comportant chacun plus de 10 000 puces | aucune phase d'expansion publiée | Des accélérateurs exclusivement chinois (Huawei Ascend, Cambricon, Moore Threads), aucun matériel Nvidia, car Z.ai figure sur la liste des entités américaines depuis début 2025 | Aucun montant d'investissement officiel ; les prix API indirectement favorables (GLM 4.7 Flash environ 0,06 $US par million de jetons d'entrée) servent d'indicateur d'efficacité |
| DeepSeek | Un campus est prévu à Oulanqab, en Mongolie-Intérieure | Toujours en construction, une mise en service partielle n'est pas prévue avant fin 2027 ou début 2028 | Capacité cible de 1 GW | Composition des puces indéterminée, allégations controversées aux États-Unis concernant l'utilisation illégale de puces Nvidia Blackwell, démenties par DeepSeek | Aucun chiffre confirmé, mais selon le PDG de Nvidia, une règle empirique du secteur se situe autour de 50 milliards de dollars américains par gigawatt pour le matériel haut de gamme |
| Alibaba / Qwen (y compris Kimi en tant que co-utilisateur) | Super DC Ulanqab avec super-nœud Lingjun Zhenwu M890 | Commercialisé depuis août 2026, il fait partie des cinq super centres de données Alibaba répartis à travers le pays | L'architecture HPN 8.0 est théoriquement évolutive jusqu'à 130 000 GPU hétérogènes par cluster, l'extension du maillage jusqu'au niveau du million de cartes a été annoncée | Évolutivité de l'interconnexion de 16 à 64 GPU par nœud, bande passante de 800 Go/s, adaptée aux modèles comportant jusqu'à 10 billions de paramètres | Cela fait partie de l'engagement d'investissement global de 53 milliards de dollars de l'entreprise pour l'infrastructure cloud ; aucun chiffre spécifique à un campus n'a été communiqué |
| Moonshot AI / Kimi | Aucune usine de grande envergure connue en propre ; capacité de location disponible sur Alibaba Cloud | environ 20 000 GPU Nvidia en location | aucun plan d'expansion publié | Recommandation pour le fonctionnement autonome de Kimi K3 : au moins 64 accélérateurs et environ 1,6 téraoctet de mémoire GPU agrégée par cluster d’inférence | Le montant de l'investissement n'est pas connu ; les prix de l'API sont nettement supérieurs à ceux des concurrents (le code Kimi K2.7 coûte environ 0,74 $ US par million de jetons d'entrée) |
Il convient d'interpréter ces chiffres avec prudence, car la quantification des performances et des capacités varie considérablement d'une source à l'autre. L'exemple de Colossus illustre parfaitement ce phénomène : les estimations oscillent entre 300 000 et plus d'un million de processeurs graphiques, et entre 500 mégawatts et 1,4 gigawatt, selon la période et la méthode de calcul. Epoch AI, l'un des organismes de suivi les plus transparents sur le plan méthodologique, estime la capacité informatique totale à environ 13,3 gigawatts et à près de 14,6 millions d'équivalents H100 pour l'ensemble de ses données, qui couvrent 86 centres de données d'IA répartis dans le monde entier et appartenant à 18 propriétaires différents. À titre indicatif, Epoch AI calcule un investissement typique de 30 à 44 milliards de dollars américains par gigawatt de capacité serveur, la majeure partie étant consacrée au matériel, le reste couvrant les bâtiments, le refroidissement et la connectivité réseau. Ce chiffre illustre pourquoi un seul site d'un gigawatt représente déjà un volume d'investissement supérieur au total du bilan des groupes industriels de taille moyenne, et pourquoi la course à la capacité de calcul se concentre de plus en plus sur quelques acteurs financièrement solides qui ont l'accès nécessaire aux capitaux.
La réglementation comme second front de la concurrence
Outre l'infrastructure physique, la réglementation devient un facteur de compétitivité indépendant de plus en plus important, influençant considérablement les décisions stratégiques des fournisseurs. Aux États-Unis, OpenAI a initialement publié son modèle GPT-5.6, décliné en trois variantes (Sol, Terra et Luna), en version préliminaire strictement limitée en juin 2026, après consultation du gouvernement américain – une initiative sans précédent qui témoigne du rapprochement croissant entre les principaux laboratoires d'IA américains et les responsables politiques. Cette implication gouvernementale dans les décisions d'approbation des produits d'IA commerciaux marque une rupture nette avec la pratique antérieure de publication de modèles relativement ouverts et peut être interprétée comme une réponse aux préoccupations de sécurité liées aux capacités de systèmes toujours plus puissants. Dans l'Union européenne, le « paquet omnibus sur l'IA » est entré en vigueur en juillet 2026. S'il reporte les échéances de mise en conformité avec une réglementation plus stricte pour les systèmes d'IA à haut risque, il laisse inchangée l'architecture réglementaire fondamentale du droit de l'IA. Ce report est globalement bien accueilli par l'industrie, car il offre un délai supplémentaire d'adaptation, mais critiqué par les associations de consommateurs, car il retarde encore l'application effective de réglementations de sécurité essentielles. De plus, en août 2026, le gouvernement américain a publié un décret concernant les équipements de réseau étrangers, dont la conséquence pratique pourrait être d'allonger encore les délais de livraison déjà longs des transformateurs et autres composants critiques du réseau, ce qui risque de ralentir l'expansion des nouvelles capacités des centres de données aux États-Unis.
Les limites de l'information accessible au public
Malgré la précision méticuleuse des rapports, il convient de noter qu'une part importante des chiffres diffusés publiquement concernant les centres de données d'IA repose en fin de compte sur des sources anonymes, des annonces d'entreprises ou des outils de suivi aux méthodologies diverses, dont la composition est difficilement comparable. Le nombre exact de bâtiments sur le site Colossus de xAI, le nombre précis de processeurs graphiques qui s'y trouvent, et même la puissance réelle de l'installation (deux gigawatts ou plus) sont quantifiés différemment selon les sources, sans possibilité de vérification indépendante. Il en va de même pour l'emplacement exact du campus gigawatt de Z.ai en Chine, dont l'existence a été rapportée par plusieurs médias, mais dont la localisation géographique n'a pas encore été confirmée publiquement. De même, l'infrastructure de formation de fournisseurs plus petits, mais commercialement importants, comme MiniMax à Shanghai, dont les résultats financiers témoignent d'une forte croissance du chiffre d'affaires, conjuguée à des pertes et des dépenses de recherche élevées, demeure hors de toute évaluation publique fiable, car l'entreprise ne divulgue pas les ressources de ses centres de données. Ce manque systématique de transparence n'est pas une coïncidence, mais découle de la logique concurrentielle d'un secteur où l'infrastructure physique elle-même est devenue un secret stratégique, comparable au secret qui entoure les capacités de production industrielle dans d'autres secteurs de haute technologie.
Ce que cette évolution signifie pour les années à venir
Une analyse approfondie des informations disponibles permet de formuler une évaluation nuancée, mais parfaitement justifiée. Le boom actuel de la construction de centres de données dédiés à l'IA représente sans conteste l'une des plus importantes vagues d'investissement industriel de l'histoire économique récente. Son ampleur dépasse déjà, en valeur absolue, les investissements des cycles technologiques précédents, tels que le déploiement des réseaux de fibre optique à la fin des années 1990 ou l'électrification de régions entières au début du XXe siècle. Cependant, un examen plus poussé révèle qu'une part importante des chiffres de capacité communiqués publiquement relève davantage de la communication que de la réalité, que l'utilisation effective des installations construites demeure opaque et que le véritable facteur limitant n'est plus la disponibilité des semi-conducteurs, mais plutôt celle de l'énergie électrique et des capacités de raccordement au réseau. Pour l'Europe, cette évolution constitue un défi structurel, car le continent ne dispose ni des ressources financières des géants américains du cloud ni de la puissance d'investissement étatique des fournisseurs chinois, tout en subissant des désavantages concurrentiels supplémentaires dus à des réglementations environnementales et énergétiques plus strictes. La question de savoir si les sommes colossales investies dans les années à venir pourront être justifiées par des retours économiques correspondants issus des applications d'IA reste ouverte. La réponse à cette question dépendra largement de l'utilisation effective des infrastructures construites et de la possibilité que certaines d'entre elles constituent une surcapacité, dont la dépréciation économique risque de peser sur les entreprises concernées pendant des années.
📈🚀 De la visibilité à la confiance 👀🤝 Votre parcours évolutif avec Xpert.Digital
De la visibilité à la confiance : votre parcours évolutif avec Xpert.Digital - Image : Xpert.Digital
Dans le secteur B2B industriel, les relations commerciales durables se construisent rarement du jour au lendemain. Elles se développent progressivement, grâce à la visibilité, la pertinence professionnelle, des échanges réguliers et une confiance grandissante. Le modèle en quatre étapes de Xpert.Digital répond précisément à ce besoin : il propose un parcours structuré qui débute par une approche simple et peut évoluer vers une collaboration plus approfondie en matière de développement commercial, si nécessaire.
Au lieu de miser sur des promesses marketing tapageuses, ce modèle privilégie la relation. Les entreprises commencent par des indicateurs clairement définis et facilement mesurables, puis décident, en fonction de leur propre expérience, du niveau d'approfondissement de leur collaboration. Un facteur clé de ce processus de construction de la confiance sans interruption : la plateforme exclut toute publicité intrusive, permettant ainsi au contenu éditorial de se concentrer exclusivement sur l'expertise des entreprises.
Plus d'informations ici :
Votre partenaire mondial en marketing et développement commercial
☑️ Notre langue de travail est l'anglais ou l'allemand
☑️ NOUVEAU : Correspondance dans votre langue maternelle !
Konrad Wolfenstein
Mon équipe et moi-même sommes heureux de pouvoir vous accompagner en tant que conseiller personnel.
Vous pouvez me contacter en remplissant le formulaire de contact ici wolfenstein@xpert.digital :ou simplement m'appeler au +49 7348 4088 965. Mon adresse e-mail est
J'attends avec impatience notre projet commun.
