Le problème fondamental des infrastructures d'IA : le risque d'actifs échoués – ceux qui s'appuient aujourd'hui sur des structures obsolètes en paieront le prix demain

L’intelligence artificielle énergivore : une alternative ingénieuse (et ignorée) aux gigantesques centres de données nucléaires

Le manque de transparence comme problème politique fondamental de l'infrastructure de l'IA

Les besoins énergétiques de l'intelligence artificielle croissent de façon exponentielle, engendrant une panique politique. Pour répondre aux besoins colossaux en électricité des futurs centres de données dédiés à l'IA, une solution présentée comme novatrice a soudainement émergé en Europe et aux États-Unis : les petits réacteurs nucléaires modulaires (PRM). Mais tandis que les responsables politiques et les lobbyistes industriels célèbrent ce nucléaire salvateur comme l'unique option, une erreur d'appréciation économique sans précédent se profile à l'horizon.

L'explosion des coûts de construction, les délais de mise en œuvre qui s'étendent sur des décennies et l'immense risque de « dettes irrécupérables » transforment le rêve d'une gigafactory d'IA alimentée par l'énergie nucléaire en un pari extrêmement risqué. Le plus explosif est ce qui est systématiquement omis du débat : une infrastructure d'IA décentralisée. Cet article examine les coûts cachés du débat sur les SMR et montre pourquoi nous risquons de reproduire les erreurs structurelles coûteuses du passé avec les technologies de demain.

La véritable provocation de ce débat n'est donc pas la question technique de savoir quelle infrastructure est la meilleure. La véritable provocation est politique : pourquoi la discussion sur une infrastructure d'IA pérenne se concentre-t-elle presque exclusivement sur une technologie dont l'horizon de réalisation dépasse celui des feuilles de route de l'IA, dont l'historique des coûts est caractérisé par des dépassements de plusieurs centaines de pour cent, et dont le financement reste largement opaque ?

En lien avec ceci :

• Gigafactories d'IA : les coûts cachés – Comment l'expansion des hyperscalers aux États-Unis et en Chine met à rude épreuve les ressources

Le manque de transparence, problème politique fondamental des infrastructures d'IA : la question énergétique comme tactique de diversion stratégique

Dans les débats entourant la construction de gigafactories d'IA européennes, une question domine le débat public : d'où proviendra toute cette électricité ? La réponse qui circule de plus en plus dans les cercles politiques et les forums industriels est celle des petits réacteurs nucléaires modulaires (PRM). Cette solution paraît technologiquement avancée, est politiquement acceptable et a l'avantage de rallier les groupes d'intérêts existants : l'industrie nucléaire, les fournisseurs d'énergie publics et les instituts de recherche nucléaire. Cependant, ce qui manque presque totalement à ce débat, c'est une évaluation économique honnête : les gigafactories d'IA centralisées, alimentées par des réacteurs PRM, constituent-elles réellement la solution la plus judicieuse sur le plan économique face à la demande croissante de puissance de calcul ? Ou bien cette question occulte-t-elle une alternative structurelle bien plus fondamentale : une infrastructure d'IA décentralisée ?

L'Agence internationale de l'énergie (AIE) prévoit que la consommation mondiale d'électricité des centres de données plus que doublera d'ici 2030, pour atteindre près de 1 000 térawattheures par an. Aujourd'hui déjà, un seul grand centre de données dédié à l'IA consomme autant d'électricité qu'une ville de 50 000 habitants, et les installations les plus importantes fonctionnent désormais avec une puissance de l'ordre du gigawatt. Pour les seuls États-Unis, l'AIE prévoit un besoin supplémentaire de 60 gigawatts d'ici 2029 pour les centres de données et les applications d'IA uniquement, soit l'équivalent de la production d'environ 60 centrales nucléaires. Ces chiffres sont impressionnants, mais ils reposent sur un raisonnement erroné : ils projettent sans discernement l'architecture actuelle des centres de données centralisés dans le futur, au lieu d'envisager sérieusement des modèles d'infrastructure alternatifs.

La vérité sur les coûts cachés derrière la promesse SMR

Le débat autour des petits réacteurs modulaires (PRM) se caractérise par un optimisme démesuré qui, à y regarder de plus près, repose sur peu de fondements empiriques. Les partisans des PRM promettent des délais de construction plus courts, des coûts réduits grâce à la production de masse et une mise à l'échelle plus rapide que pour les réacteurs conventionnels de grande taille. Or, la réalité est bien plus sombre.

Le marché mondial des centrales nucléaires stagne depuis des années. En 2024, seules six nouvelles centrales ont été mises en service dans le monde, tandis que quatre ont été démantelées – soit une augmentation nette de deux centrales. Les raisons sont structurelles : des coûts d’investissement exorbitants, des délais de construction de 10 à 15 ans et des risques financiers que seules les entreprises publiques peuvent pratiquement assumer. L’exemple le plus frappant de cette explosion des coûts est celui de Flamanville 3 en France : initialement estimée entre 3,2 et 3,3 milliards d’euros en 2006 et prévue pour une durée de construction de cinq ans, la centrale a finalement coûté 23,7 milliards d’euros après 17 ans de travaux.

Même le projet phare des États-Unis, la centrale nucléaire de Vogtle en Géorgie, dont le budget initial était estimé entre 14 et 15,5 milliards de dollars, a finalement coûté 34 milliards de dollars, soit plus du double de l'estimation initiale. Westinghouse, l'une des principales entreprises mondiales de technologies nucléaires, a déposé le bilan peu après. Le coût de la centrale britannique d'Hinkley Point C a explosé pour atteindre 32,7 milliards de livres sterling (environ 41,3 milliards de dollars), malgré un budget initial de 2 milliards de livres sterling. La règle empirique désormais utilisée par les observateurs expérimentés du secteur est la suivante : multiplier par dix l'estimation initiale du coût du nucléaire pour obtenir un chiffre réaliste.

Pour les centrales SMR, dont aucun système modulaire n'a encore été déployé commercialement dans le monde occidental, la situation des coûts est encore plus incertaine. Une analyse de la Fondation Heinrich Böll datant du début de l'année 2024 (à noter : l'année a été corrigée pour correspondre à 2024 au lieu de 2026) conclut que la plupart des concepts de SMR sont encore à un stade préliminaire de développement, ne bénéficient pas de l'approbation réglementaire de l'UE et sont peu susceptibles de produire des quantités significatives d'électricité avant 2050. L'Institut d'économie de l'énergie et d'analyse financière (IEEFA) confirme cette évaluation critique : les SMR demeurent trop coûteux, trop lents à construire et trop risqués pour jouer un rôle significatif dans la transition énergétique au cours des 10 à 15 prochaines années. Selon l'IEEE, les investissements dans les SMR détourneraient des ressources de sources d'énergie renouvelables décarbonées et plus rentables, déjà disponibles aujourd'hui.

Un aspect souvent négligé de ce débat concerne les subventions cachées. Selon les calculs du Forum pour une économie de marché écologique et sociale, commandés par Greenpeace, le soutien historique à l'énergie nucléaire en Allemagne s'est élevé à au moins 165 milliards d'euros de subventions publiques entre 1950 et 2008, auxquels s'ajoutent 92,5 milliards d'euros de coûts futurs prévisibles. Or, le gouvernement allemand n'a déclaré que moins de 200 millions d'euros dans ses rapports sur les subventions – un écart considérable, imputable à une définition extrêmement restrictive de ce terme. Ce calcul ne tient pas compte des allégements fiscaux, des garanties publiques, des financements de la recherche, des coûts de stockage des déchets nucléaires et – surtout – de la responsabilité quasi illimitée de l'État en cas de catastrophe. Si les exploitants de centrales nucléaires étaient tenus de souscrire une assurance responsabilité civile standard, l'énergie nucléaire serait, selon ces calculs, jusqu'à 2,70 euros plus chère par kilowattheure – et donc tout simplement non compétitive.

Le déficit de transparence : quand les intérêts des groupes de pression dictent les décisions en matière d'infrastructures

La question de savoir pourquoi le débat sur l'approvisionnement énergétique des gigafactories dédiées à l'IA se concentre presque exclusivement sur le nucléaire – et non simultanément sur des alternatives décentralisées – n'est pas d'ordre technique, mais politique. Elle révèle un manque structurel de transparence dans le débat public sur les infrastructures.

L'Union européenne a fait de la création de gigafactories d'IA une priorité stratégique et a lancé le programme InvestAI doté de 20 milliards d'euros pour la construction de cinq installations de ce type. Une gigafactory d'IA, telle que définie par l'UE, comprend au moins 100 000 puces spécialisées. Le coût de chaque installation, énergie comprise, est estimé par l'UE entre 3 et 5 milliards d'euros. L'Allemagne a alloué 805 millions d'euros de financement initial à l'une de ces installations et examine actuellement les entreprises qui se verront attribuer le contrat : Deutsche Telekom, le groupe Schwarz, Ionos ou un consortium bavarois. Ce dispositif de financement crée intrinsèquement des incitations perverses considérables : il favorise les projets centralisés de grande envergure, car seuls ces derniers répondent aux critères de la définition européenne d'une « gigafactory ». Les approches plus modestes et décentralisées sont exclues de ce système de financement, alors même qu'elles pourraient souvent s'avérer plus intéressantes d'un point de vue économique.

Le manque de transparence est également flagrant dans la présentation sélective des données de coûts. Lorsque les responsables politiques et les représentants de l'industrie évoquent les SMR, ils citent des estimations optimistes des constructeurs. Lorsque les critiques soulignent les dépassements de coûts passés, ceux-ci sont balayés d'un revers de main, qualifiés d'incidents isolés ou de problèmes inhérents à la technologie précédente. Or, il n'existe aucune preuve empirique fiable que les SMR seront plus économiques à l'échelle commerciale que les projets de réacteurs de grande puissance qui servent d'exemples négatifs – notamment parce qu'aucun projet de SMR commercialement viable n'a encore été mis en service selon les normes occidentales.

En lien avec ceci :

• Recherche de Stanford : L’IA locale est-elle soudainement économiquement supérieure ? La fin du dogme du cloud et des centres de données gigabit ?

L’alternative négligée : pourquoi une infrastructure d’IA décentralisée peut être la solution économiquement supérieure

La question qui est étonnamment rarement posée dans tout le débat sur les gigafactories d'IA et leur approvisionnement énergétique est la suivante : pourquoi avons-nous besoin de gigafactories ? Et si nous en avons besoin, pourquoi doivent-elles nécessairement être centralisées ?

L'infrastructure d'IA locale et décentralisée fait actuellement l'objet d'une réévaluation économique discrète mais fondamentale. Les recherches des instituts Fraunhofer montrent que les systèmes basés sur l'edge computing peuvent permettre de réaliser jusqu'à 35 % d'économies sur les coûts d'électricité par rapport au traitement cloud classique, car ils nécessitent moins de bande passante et de capacité de refroidissement. Une usine équipée de 1 000 capteurs IoT effectuant des mesures chaque seconde transmettrait quotidiennement 86 millions de points de données au cloud sans edge computing ; grâce au filtrage local des données (edge ​​filtering), ce nombre est réduit à environ 8 millions, soit une économie de 90 % sur les coûts de bande passante et de stockage cloud. Ces chiffres sont économiquement significatifs, mais sont rarement abordés dans les débats publics sur les infrastructures.

Les centres de données décentralisés en périphérie de réseau offrent également une récupération locale de chaleur, qui peut être utilisée pour chauffer des zones résidentielles, des immeubles de bureaux ou des installations industrielles. Cette synergie améliore considérablement le rapport coût-efficacité global lorsque la chaleur résiduelle est considérée comme un sous-produit économiquement viable. Les gigafactories centralisées produisent la même chaleur résiduelle, mais dans des lieux où la demande est insuffisante.

Il est à noter que l'accord de coalition du gouvernement fédéral allemand vise explicitement à soutenir les infrastructures décentralisées, telles que l'informatique de périphérie, sur des sites distribués. Or, dans le même temps, au moins une gigafactory européenne d'IA est implantée en Allemagne – une approche qui contredit fondamentalement le principe de décentralisation. Cette incohérence illustre à quel point le prestige politique et la rationalité économique peuvent diverger lorsqu'il s'agit de décisions relatives aux infrastructures.

Le modèle d'infrastructure d'IA composé de quelques immenses installations centralisées reproduit le paradigme obsolète de l'approvisionnement énergétique centralisé via de grandes centrales électriques – et ce, à un moment où le secteur de l'énergie commence à peine à intégrer les avantages des structures de production décentralisées. Ce serait une erreur historique de répéter les erreurs institutionnelles du secteur de l'énergie en matière d'infrastructures de numérisation.

En lien avec ceci :

• Quelle est la meilleure option : une infrastructure d’IA décentralisée, fédérée et antifragile, une Gigafactory d’IA ou un centre de données d’IA hyperscale ?

Le paradoxe de Jevons et la logique trompeuse de l'efficacité

Un argument souvent avancé pour contester la pertinence du dilemme de la décentralisation des SMR est que le matériel d'IA devient de plus en plus efficace, ce qui stabilisera la consommation d'énergie. Cet argument n'est pas totalement faux, mais il n'est pas non plus entièrement juste, et il ignore le paradoxe de Jevons.

En 2024, à Berlin, Satya Nadella, PDG de Microsoft, déclarait que les performances des systèmes d'IA doubleraient tous les six mois. Or, les données actuelles indiquent que leurs capacités doublent même tous les sept mois, soit bien plus rapidement que ne le prévoyait la loi de Moore, qui table sur un doublement tous les deux ans. Fin 2024 et début 2025, la start-up chinoise DeepSeek a démontré de façon impressionnante qu'il était possible d'obtenir des résultats comparables avec une fraction des ressources nécessaires auparavant : DeepSeek V3 a été entraîné en deux mois seulement avec 2 048 GPU NVIDIA H800, une performance pour laquelle Meta avait requis 30,8 millions d'heures de calcul GPU pour un modèle similaire.

Cependant, l'argument selon lequel les gains d'efficacité technologique peuvent atténuer la demande énergétique globale se heurte à une difficulté structurelle. À mesure que les systèmes d'IA deviennent moins coûteux et plus performants, leur utilisation s'intensifie également – ​​et la demande croît plus rapidement que les gains d'efficacité. L'AIE confirme que, même si la consommation d'énergie liée à l'IA augmente moins vite que l'expansion des capacités, la consommation d'électricité des centres de données devrait plus que doubler pour atteindre 945 TWh à l'échelle mondiale d'ici 2030. En Allemagne seulement, la demande énergétique des centres de données a atteint 21,3 milliards de kilowattheures en 2025, contre 20 milliards de kWh en 2024 et 12 milliards de kWh en 2015. Gains d'efficacité et croissance de la demande sont en concurrence constante, cette dernière ayant toujours historiquement prévalu.

Par ailleurs, l'exemple de DeepSeek présente une nuance importante : malgré un entraînement efficace, le modèle consomme jusqu'à 87 % d'énergie en plus lors de son fonctionnement (inférence) qu'un méta-modèle comparable comportant 70 milliards de paramètres. La complexité des architectures permettant un entraînement plus efficace peut accroître la consommation d'énergie en fonctionnement. L'efficacité dans un domaine du système ne se traduit donc pas nécessairement par une efficacité globale – une constatation que les planificateurs d'infrastructures centralisées négligent souvent lors de la planification des capacités.

Notre expertise mondiale en matière d'industrie et d'économie, de développement commercial, de ventes et de marketing - Image : Xpert.Digital

Domaines d'intervention prioritaires : B2B, numérisation (de l'IA à la XR), ingénierie mécanique, logistique, énergies renouvelables et industrie

Plus d'informations ici :

• Centre d'affaires d'experts

Un centre thématique offrant des informations et une expertise :

• Plateforme de connaissances couvrant les économies mondiales et régionales, l'innovation et les tendances spécifiques à l'industrie
• Un recueil d'analyses, d'idées et d'informations générales issues de nos principaux domaines d'intervention
• Un lieu d'expertise et d'information sur les développements actuels dans le monde des affaires et des technologies
• Un centre névralgique pour les entreprises en quête d'informations sur les marchés, la numérisation et les innovations industrielles

Le stockage des batteries, une révolution majeure ? La révolution sodium-ion et ses implications

L'un des arguments les plus convaincants en faveur d'une réévaluation de la stratégie centralisée des SMR réside dans le développement rapide des technologies de stockage d'énergie, notamment la technologie sodium-ion, communément appelée batteries au sel. Ce développement n'est pas spéculatif mais empiriquement vérifiable et a des implications directes sur la viabilité économique des infrastructures d'IA décentralisées.

Les batteries sodium-ion sont en passe d'atteindre la parité de coût avec la technologie lithium-ion. Selon les données d'IDTechEx, le prix moyen d'une cellule sodium-ion est actuellement d'environ 87 $ par kWh. Les coûts de production au niveau de la cellule devraient chuter à environ 40 $ par kWh, un scénario probable avec la poursuite de la production à grande échelle. Pour le stockage stationnaire, les tendances de prix sont encore plus impressionnantes : BloombergNEF a enregistré une baisse de prix des packs de stockage stationnaire à 70 $ par kWh en 2025, soit une diminution de 45 % sur un an, ce qui représente la plus forte baisse de prix de tous les segments de batteries.

Les projections à long terme sont particulièrement intéressantes pour la planification stratégique des infrastructures. D'ici 2050, les batteries sodium-ion pourraient atteindre des coûts de stockage d'énergie de 11 à 14 € par mégawatt-heure, en supposant une progression rapide de leurs performances – les rendant ainsi moins chères que la technologie lithium-ion, dont le coût est estimé entre 16 et 22 € par MWh. Ces chiffres bouleversent complètement le calcul de la viabilité économique des centres de données décentralisés alimentés à l'énergie solaire. Un centre de données décentralisé qui stocke l'énergie solaire renouvelable pendant la journée et l'utilise la nuit ou lors des périodes de faible production éolienne et solaire peut être exploité de manière rentable avec ces coûts de stockage, ce qui était tout simplement impensable il y a cinq ans.

Les batteries sodium-ion présentent également des avantages structurels essentiels à une infrastructure largement déployable : le sodium est disponible en quantités illimitées et constitue une matière première locale en Europe, éliminant ainsi toute dépendance stratégique aux importations. Le recyclage est nettement plus simple qu’avec les batteries au lithium, car les cellules ne contiennent ni cuivre ni cobalt. La profondeur de décharge atteint 100 % sans endommager la batterie. De plus, l’infrastructure technologique nécessaire aux batteries sodium-ion est déjà en place en Allemagne, notamment en Thuringe et en Saxe.

Il est important d'être honnête quant aux limitations : les batteries sodium-ion ont une densité énergétique inférieure à celle des batteries lithium-ion, ce qui augmente leur poids et leur volume. Leur rendement moyen, d'environ 79 %, est nettement inférieur à celui des batteries lithium-ion (96 %). Cependant, pour les applications de stockage stationnaire à grande échelle où le poids et le volume ne sont pas des contraintes majeures, cette densité énergétique inférieure ne constitue pas un inconvénient décisif. En ce qui concerne le stockage à l'échelle du réseau pour les centres de données distribués, l'avantage en termes de rendement des batteries lithium-ion est moins pertinent que l'analyse coûts-avantages globale sur l'ensemble de leur cycle de vie.

Parallèlement à la technologie sodium-ion, les batteries à électrolyte solide connaissent également une croissance exponentielle. Le marché mondial de ces batteries croît à un taux annuel moyen pouvant atteindre 36,4 %. Selon les scénarios les plus optimistes, le coût des cellules à électrolyte solide devrait se situer entre 80 et 120 dollars par kWh d'ici 2027, et des réductions de coûts substantielles supplémentaires grâce à la miniaturisation sont attendues au cours de la décennie suivante.

En lien avec ceci :

• Redispatch 2.0 et stockage d'énergie par batteries à grande échelle : malédiction ou Segen pour le réseau électrique ? Le rôle ambivalent des systèmes de stockage d'énergie par batteries géants

Le risque d'actifs échoués : quand l'avenir arrive plus tôt que prévu

L'argument économique le plus convaincant contre une décision prise sans réflexion de construire des gigafactories d'IA alimentées par des SMR réside peut-être dans le risque de « résidus d'actifs échoués ». Ce terme désigne des investissements qui perdent tellement de valeur, sous l'effet de facteurs externes tels que l'évolution technologique, la modification des conditions de marché ou les exigences réglementaires, qu'ils ne peuvent plus générer de rendement.

L'histoire des technologies regorge d'exemples de décisions en matière d'infrastructures jugées judicieuses au moment de leur planification, mais qui se sont révélées être des erreurs d'investissement coûteuses quelques années seulement après leur mise en service. Dans le secteur de l'énergie, de nombreuses centrales à charbon construites ou agrandies dans les années 2010 ont déjà perdu une part importante de leur valeur ou ont été fermées prématurément, malgré une durée de vie restante estimée entre 30 et 40 ans. L'Agence internationale pour les énergies renouvelables (IRENA) estime que le risque lié aux actifs échoués pourrait atteindre 20 000 milliards de dollars si rien ne change.

Ce risque est particulièrement marqué pour les infrastructures d'IA, car le rythme du développement technologique est exceptionnellement rapide. Un petit réacteur à résonance magnétique (PRM) mis en service aujourd'hui ne pourrait être opérationnel avant 2035-2040 au plus tôt, même en faisant des hypothèses optimistes concernant les permis, les délais de construction et les chaînes d'approvisionnement. Selon les données actuelles, les performances des systèmes d'IA doublent tous les six à sept mois. Dans le temps de 10 à 15 ans nécessaire à la construction d'un PRM, les capacités des systèmes d'IA seront multipliées par 20 000 à 300 000, une ampleur telle qu'il devient impossible d'établir des prévisions fiables concernant les besoins spécifiques en infrastructures.

Le problème ne se limite pas à l'incertitude matérielle. L'architecture entière des systèmes d'IA est en pleine transformation. Comme l'a démontré DeepSeek de manière impressionnante, des optimisations algorithmiques intelligentes peuvent réduire les besoins matériels d'un facteur dix, sans aucune perte de qualité. De nouvelles architectures de puces, dépassant l'architecture de von Neumann et surmontant la limitation de la mémoire, sont en cours de développement. Ordinateurs photoniques, puces neuromorphiques et ordinateurs quantiques : toutes ces technologies, une fois commercialisées, ont le potentiel de réduire considérablement la consommation d'énergie par calcul. L'avenir de ces technologies se jouera précisément au cours des 10 à 15 ans nécessaires à la mise en service d'un SMR.

Investir aujourd'hui dans des gigafactories d'IA alimentées par des SMR, c'est s'engager sur une seule source d'énergie pendant 40 à 60 ans, soit la durée de vie typique d'une centrale nucléaire. Cet investissement repose sur l'espoir que l'industrie de l'IA maintiendra une demande constante pour ce type d'infrastructures centralisées et énergivores, précisément celles que ces réacteurs sont censés alimenter durant cette période. À l'heure actuelle, ce pari apparaît extrêmement risqué.

Le goulot d'étranglement du savoir-faire : le problème structurel sous-estimé de l'énergie nucléaire

Un autre argument majeur contre la stratégie des SMR, trop souvent négligé dans le débat public, est la grave pénurie de main-d'œuvre qualifiée dans l'industrie nucléaire. Au cours des trois dernières décennies, marquées par des moratoires, des décisions d'abandon progressif et un manque de nouveaux projets de construction, l'industrie nucléaire a subi d'importantes pertes de savoir-faire institutionnel.

Le marché des centrales nucléaires repose aujourd'hui sur un nombre très restreint d'entreprises, majoritairement publiques, capables de construire et d'exporter des centrales nucléaires. Le réseau mondial de fournisseurs, d'ingénieurs et de spécialistes certifiés pour la mise en œuvre de projets nucléaires est minimal. De ce fait, même avec une décision politique favorable aux petits réacteurs modulaires (PRM), le principal obstacle n'est ni l'autorisation ni le capital, mais l'expertise disponible. Si les États-Unis, le Canada, le Royaume-Uni, la France et plusieurs pays de l'UE souhaitent lancer simultanément des programmes de PRM, ils se disputeront les mêmes ingénieurs nucléaires, dont le nombre est limité.

Cela contraste fortement avec la situation du secteur des énergies renouvelables et des technologies de stockage. L'industrie solaire mondiale a connu une croissance exponentielle au cours de la dernière décennie, le nombre de professionnels qualifiés dans le secteur des énergies renouvelables ne cesse d'augmenter et les chaînes d'approvisionnement pour les modules solaires, les onduleurs et les technologies de stockage sont bien développées et diversifiées à l'échelle internationale. Une infrastructure d'IA décentralisée peut tirer parti de ce savoir-faire, de ces chaînes d'approvisionnement et de cette expérience réglementaire existants. L'industrie des SMR, en revanche, doit encore bâtir de telles fondations, sous d'énormes contraintes de temps et de coûts.

Les comptes économiques nationaux : une comparaison directe

Une comparaison systématique des différents facteurs aboutit à la situation économique suivante :

La comparaison montre qu'une gigafactory d'IA basée sur des SMR ne fournirait pas d'électricité avant 2035-2040 au plus tôt (dans le scénario le plus optimiste), tandis qu'une infrastructure d'IA décentralisée, intégrant l'énergie solaire et le stockage, serait disponible dès 2027. En termes d'intensité capitalistique, l'option SMR exige des investissements initiaux très importants, de l'ordre de 3 à 5 milliards d'euros par gigafactory, SMR inclus. La solution décentralisée, quant à elle, permet une mise à l'échelle modulaire et des investissements individuels nettement inférieurs. Le risque de surcoût est extrêmement élevé pour les SMR (dépassements historiques de 100 à 600 %), alors qu'il est faible pour le solaire associé au stockage, grâce à la baisse continue des coûts technologiques. Le risque d'obsolescence technologique est très élevé pour les SMR, en raison d'un engagement sur 40 à 60 ans. L'infrastructure décentralisée, grâce à sa modularité et son adaptabilité, présente un faible risque d'obsolescence. Le savoir-faire constitue un frein pour les SMR, avec un nombre restreint de fournisseurs mondiaux, tandis que la solution décentralisée bénéficie d'un vivier important et croissant de professionnels qualifiés. Les subventions indirectes (responsabilité civile, élimination des déchets, recherche) sont élevées pour les SMR et faibles pour le solaire couplé au stockage. Les coûts de stockage d'énergie sont négligeables pour les SMR, car ils sont destinés à la production d'électricité de base ; pour les systèmes décentralisés, les coûts devraient atteindre environ 70 USD/kWh (régime permanent, tendance à la baisse) en 2025 et 11 à 14 EUR/MWh en 2050. La consommation d'eau est élevée pour les SMR en raison des systèmes de refroidissement, tandis qu'elle est faible, voire nulle, pour le solaire couplé au stockage. L'incertitude réglementaire est très élevée pour les SMR et modérée pour l'option décentralisée. La flexibilité face aux variations de la demande est quasi inexistante pour les SMR, alors que la solution décentralisée offre une grande flexibilité. Enfin, les risques environnementaux sont élevés pour les SMR (sûreté nucléaire, déchets à long terme) et faibles pour le solaire couplé au stockage. Globalement, l'option SMR est moins performante sur presque tous les critères, à l'exception d'une alimentation électrique de base fiable et indépendante des conditions météorologiques. Cependant, cet argument perd de son importance à mesure que les technologies de stockage en constante évolution, telles que le stockage à grande échelle d'ions sodium avec des cycles de charge/décharge plus longs, permettent de conserver de grandes quantités d'énergie pendant des jours et des semaines, invalidant ainsi en grande partie l'argument de la charge de base.

L’angle mort de la logique de planification : pourquoi les décideurs sont systématiquement en retard

Il existe une raison structurelle expliquant pourquoi les décideurs des gouvernements et des grandes entreprises industrielles prennent régulièrement des décisions en matière d'infrastructures qui, rétrospectivement, apparaissent comme de mauvais investissements : les cycles de planification institutionnelle sont fondamentalement incompatibles avec le rythme des changements technologiques.

Les programmes gouvernementaux, les résolutions parlementaires, les programmes de financement et les appels d'offres publics fonctionnent par cycles de quatre à dix ans. Un projet d'infrastructure tel qu'une station relais de transport public (SMR) est décidé dans un contexte politique et technologique qui aura profondément évolué à plusieurs reprises avant sa mise en service. L'inertie institutionnelle engendrée par les lourdeurs bureaucratiques, le lobbying des puissants groupes industriels et la fixation psychologique sur les décisions prises à un moment donné font que les besoins et les options réels au moment de la construction ne correspondent plus aux hypothèses formulées lors de la planification.

Les développements technologiques des derniers siècles illustrent parfaitement cette accélération : la révolution industrielle a mis environ 100 ans à déployer ses principaux effets économiques. L’électrification a nécessité une cinquantaine d’années. Internet a transformé l’économie mondiale en une vingtaine d’années. L’intelligence artificielle et les développements matériels associés modifient en profondeur les conditions-cadres en moins de dix ans, et ce, à un rythme toujours plus soutenu. La logique qui convenait aux décisions en matière d’infrastructures au XXe siècle est structurellement inadaptée au XXIe siècle.

Cela a des conséquences particulièrement importantes pour les investissements irréversibles de grande envergure, assortis de longues périodes d'amortissement. Un champ solaire peut être installé en quelques mois et relativement facilement modifié ou démantelé en cas d'évolution des besoins. Un centre de données basé sur une architecture modulaire peut être dimensionné et modernisé. Une centrale nucléaire, une fois construite, constitue une structure largement rigide pendant 40 à 60 ans, dont les coûts de démantèlement se chiffrent en milliards. La valeur stratégique de la flexibilité et de l'optionnalité – la capacité de réagir à l'évolution de la situation – est systématiquement sous-estimée dans les calculs d'investissement traditionnels.

Conclusion nuancée : il ne s’agit pas d’un choix binaire, mais plutôt d’une question de priorités

Affirmer que les SMR sont fondamentalement inutiles ou que l'infrastructure décentralisée peut répondre à tous les besoins serait une simplification excessive. La réalité est plus nuancée.

Il existe des cas d'usage spécifiques pour lesquels une puissance de calcul centralisée – au moins pour l'entraînement de grands modèles d'IA – restera nécessaire à court terme. Par ailleurs, l'énergie nucléaire présente des arguments légitimes en faveur d'un mix énergétique diversifié et bas carbone, notamment dans les pays qui manquent de ressources renouvelables suffisantes. La France, qui exploite des centrales nucléaires existantes amorties depuis des décennies, se trouve dans une situation fondamentalement différente de celle d'un pays qui souhaite construire aujourd'hui des SMR (petits réacteurs modulaires).

Le véritable problème ne réside pas dans le concept de petits réacteurs en soi. Il tient à la combinaison de trois facteurs : premièrement, le décalage entre la capacité des SMR à produire de l’électricité et les besoins énergétiques de l’infrastructure d’IA ; deuxièmement, le manque de transparence concernant le coût total réel, incluant les subventions cachées et les risques d’investissement non rentable ; et troisièmement, l’aveuglement stratégique face au fait que les évolutions technologiques – tant en matière de matériel d’IA que de stockage d’énergie – peuvent modifier fondamentalement les hypothèses sous-jacentes à ces décisions d’investissement dans un délai inférieur à celui d’une construction classique.

La réponse économiquement responsable à la question énergétique de l'ère de l'IA ne réside pas dans un choix entre SMR et énergies renouvelables, entre centralisation et décentralisation. Elle consiste à concevoir les infrastructures de manière à maximiser les options et à minimiser le risque d'abandon. Cela implique des solutions modulaires, réversibles, technologiquement neutres et transparentes. Et cela signifie ne pas faire peser les coûts sur les contribuables des générations futures tout en privatisant les profits d'aujourd'hui – un modèle qui, malheureusement, a trop souvent caractérisé l'histoire du nucléaire en Europe.

La véritable provocation de ce débat ne réside donc pas dans la question technique de la supériorité d'une infrastructure. La véritable provocation est d'ordre politique : pourquoi la discussion sur une infrastructure d'IA pérenne se concentre-t-elle presque exclusivement sur une technologie dont l'horizon de réalisation dépasse celui des feuilles de route de l'IA, dont l'historique des coûts est marqué par des dépassements de plusieurs centaines de pour cent, et dont le financement reste largement opaque ? La réponse à cette question n'est pas d'ordre technologique, mais politico-économique – et c'est précisément pourquoi elle demeure obstinément ignorée dans le débat public.

☑️ 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 ou simplement m'appeler au +49 7348 4088 965. Mon adresse e-mail est : [email protected]

J'attends avec impatience notre projet commun.

☑️ Accompagnement des PME en matière de stratégie, de conseil, de planification et de mise en œuvre

☑️ Création ou réalignement de la stratégie numérique et de la numérisation

☑️ Expansion et optimisation des processus de vente internationaux

☑️ Plateformes de commerce B2B mondiales et numériques

☑️ Développement commercial pionnier / Marketing / Relations publiques / Salons professionnels

La solution quasi-interne : comment Xpert.Digital comble les lacunes opérationnelles du marketing et des ventes B2B – Entreprise axée sur le contenu intelligent – ​​Image : Xpert.Digital

Xpert.Digital est une plateforme B2B axée sur les données, dirigée par Konrad Wolfenstein . L'entreprise propose aux partenaires industriels une solution externe quasi intégrée, comblant leurs lacunes opérationnelles en matière de marketing, de contenu et de ventes, sans nécessiter de ressources supplémentaires de leur côté.

Plus d'informations ici :

• La solution quasi-interne : comment Xpert.Digital comble les lacunes opérationnelles du marketing et des ventes B2B – Smart Content-Driven Business