Vu du ciel, on pourrait croire à une zone logistique de plus. Des barres de béton alignées au cordeau. Des routes techniques, des clôtures, des transformateurs électriques. Rien de spectaculaire, sauf que ce qui se construit aujourd'hui dans certaines campagnes françaises n'est ni un entrepôt, ni une usine, ni une centrale électrique.

C'est l'infrastructure physique de l'intelligence artificielle, et son échelle n'a plus grand-chose à voir avec ce que le numérique a produit jusqu'ici.

À Fouju, en Seine-et-Marne, le projet Campus AI, prévoit douze bâtiments dédiés au calcul répartis sur soixante-dix hectares et une capacité électrique pouvant atteindre 1,4 gigawatt. Quelques mois seulement après son lancement, Bpifrance, Mistral AI, MGX et NVIDIA ont annoncé leur intention de porter le programme à 3 gigawatts grâce à un second site dont la sélection est imminente. Ce simple chiffre suffit à mesurer le changement de nature du phénomène. Trois gigawatts ne relèvent plus du vocabulaire habituel de l'économie numérique. Nous entrons dans des ordres de grandeur traditionnellement associés aux grandes infrastructures énergétiques nationales, à des projets dont les montants d'investissement, les besoins de raccordement et les effets sur les territoires les rapprochent davantage des réseaux électriques ou des complexes industriels que des centres de données qui ont accompagné l'essor du cloud.

Ainsi le plus intéressant n'est pas la taille du projet, mais ce qu'il révèle. Pendant près de trois décennies, à mesure que les logiciels gagnaient en importance, les infrastructures disparaissaient progressivement du champ de vision. Les chaînes de valeur se dématérialisaient, les marges se concentraient dans les algorithmes, les plateformes et les effets de réseau. Le cloud avait réussi à rendre les serveurs invisibles, de la même manière que l'électricité avait rendu invisibles les centrales qui l'alimentaient. L'industrie technologique semblait avoir trouvé le moyen de créer toujours davantage de valeur tout en s'affranchissant progressivement des contraintes physiques qui avaient structuré les révolutions industrielles précédentes.

L'intelligence artificielle vient bouleverser cet équilibre avec une force que peu avaient anticipée, non pas parce qu'elle remet en cause la logique économique du logiciel, mais parce qu'elle réintroduit au cœur même de cette logique des contraintes matérielles que l'industrie pensait avoir progressivement reléguées à l'arrière-plan : l'énergie, le foncier, les ressources hydriques, les infrastructures de transport électrique, les chaînes d'approvisionnement industrielles et la capacité à mobiliser des volumes de capital comparables à ceux observés historiquement dans les secteurs de l'énergie, des télécommunications ou des transports.

Autrement dit, plus l'intelligence artificielle progresse, plus elle ressemble à une industrie lourde.

[caption id="attachment_462149" align="alignnone" width="1200"]

AI Factory Microsoft, pleasant wisconsin[/caption]

Longtemps, le cloud a entretenu une illusion particulièrement efficace, celle d'une informatique devenue infiniment extensible, disponible à la demande et largement déconnectée des contraintes physiques qui caractérisent habituellement les activités industrielles. Les entreprises achetaient de la capacité de calcul comme elles achetaient un abonnement logiciel. Les investisseurs valorisaient les plateformes pour leurs effets de réseau. Les utilisateurs interagissaient avec des interfaces dont la sophistication croissante contribuait à masquer davantage encore les infrastructures sous-jacentes.

L'intelligence artificielle inverse complètement cette logique. Chaque génération de modèles exige davantage de paramètres, davantage de données, davantage de puissance de calcul et davantage d'énergie. La capacité à entraîner, déployer et exploiter les modèles les plus avancés dépend désormais moins de la seule qualité des algorithmes que de l'accès à une infrastructure capable de soutenir des charges de calcul dont l'intensité n'a aucun précédent dans l'histoire.

Ce déplacement est suffisamment important pour modifier le regard des pouvoirs publics eux-mêmes. Les centres de données ne sont plus considérés comme de simples équipements techniques destinés à héberger des applications. Ils sont désormais classés parmi les infrastructures critiques, au même titre que les réseaux de transport, les infrastructures énergétiques ou les systèmes de communication essentiels au fonctionnement de l'économie.

La transformation la plus profonde concerne probablement la fonction même des centres de données. Microsoft utilise désormais l'expression « AI Factory » pour qualifier certaines de ses installations les plus avancées. Un terme plus brut que Campus AI, mais surtout plus proche de la réalité. Car ces nouveaux ensembles ne sont plus principalement conçus pour simplement héberger des services, mais pour produire du compute.

Le compute désigne la capacité effective à exécuter des opérations de calcul à très grande échelle. Jusqu'à présent il était considéré comme abondant, avec l'intelligence artificielle, il change d'échelle et devient une ressource économique autonome dont la disponibilité dépend de facteurs industriels, énergétiques et géopolitiques de plus en plus complexes.

Le campus Fairwater, actuellement construit dans le Wisconsin, est révélateur de cette évolution. L'infrastructure est conçue autour de centaines de milliers de GPU NVIDIA Blackwell interconnectés via des architectures NVLink, NVSwitch, InfiniBand et Ethernet 800 Gbps. Chaque rack regroupe soixante-douze processeurs graphiques partageant plusieurs téraoctets de mémoire mutualisée, tandis que l'ensemble du campus fonctionne comme un cluster distribué dont la puissance collective dépasse largement celle des supercalculateurs traditionnels.

L'enjeu n'est plus la performance d'une puce individuelle, mais consiste à faire fonctionner simultanément plusieurs centaines de milliers de processeurs comme un système cohérent.

Cette évolution explique pourquoi les hyperscalers parlent désormais davantage de fabric réseau, de topologies d'interconnexion ou de clusters distribués que de serveurs. La valeur créée par ces infrastructures dépend autant de la capacité des processeurs à communiquer entre eux que de leur puissance brute. À mesure que les modèles atteignent des centaines de milliards, voire des milliers de milliards de paramètres, le réseau devient un facteur de compétitivité aussi stratégique que les semi-conducteurs eux-mêmes. Le centre de données devient un système industriel.

Cette industrialisation du compute change les enjeux. Pendant une grande partie de l'histoire récente du numérique, la compétition s'est organisée autour du financement, du recrutement de talents, puis des semi-conducteurs avancés. La compétition cesse d'être uniquement technologique, elle devient énergétique, et les promoteurs de l'AI se disputent désormais des gigawatts.

Et ces chiffres méritent d'être interprétés correctement, le gigawatt n'est pas une unité informatique, c'est une unité industrielle. Lorsqu'un projet numérique commence à se mesurer en gigawatts, il change de catégorie économique.

Ce changement d'échelle crée une tension structurelle qui pourrait devenir l'un des principaux facteurs limitants de l'économie de l'IA. Les modèles progressent sur des cycles de quelques mois, quand les réseaux électriques se développent sur des cycles de plusieurs années. Pour la première fois depuis l'émergence du cloud, le rythme de développement de l'économie numérique se heurte directement aux temporalités longues de l'économie physique.

Cette contrainte énergétique produit déjà des conséquences visibles. Aux États-Unis, plusieurs projets adoptent désormais une logique dite « behind the meter », consistant à développer directement des capacités de production électrique dédiées plutôt qu'à dépendre exclusivement du réseau public.

Le cas de Stargate l'illustre parfaitement, ainsi les turbines à gaz prévues sur le site ne constituent pas un élément secondaire du projet, mais elles en deviennent une composante structurelle. L'infrastructure numérique et l'infrastructure énergétique fusionnent en un même système productif.

La question de la souveraineté numérique rejoint alors directement celle de la souveraineté énergétique, car la capacité à produire du compute dépend désormais autant de l'accès aux électrons que de l'accès aux processeurs.

L'électricité n'est pourtant qu'une partie de l'équation, l'autre s'appelle la chaleur. Chaque watt consommé par un GPU finit presque intégralement transformé en énergie thermique. Cette réalité physique, longtemps marginale dans l'économie numérique, devient centrale à mesure que les densités énergétiques augmentent. Là où un rack cloud classique consommait historiquement entre 5 et 15 kW, les infrastructures dédiées à l'IA dépassent désormais fréquemment 80 à 120 kW.

À cette échelle, le problème n'est plus simplement de fournir un gigawatt, il consiste également à évacuer un gigawatt de chaleur.

[caption id="attachment_462150" align="alignnone" width="1200"]

AI Factory Microsoft, pleasant wisconsin[/caption]

Les opérateurs investissent donc massivement dans des architectures de refroidissement liquide, des échangeurs thermiques, des systèmes hydrauliques complexes et des infrastructures de circulation capables de maintenir la stabilité thermique de clusters dont la densité énergétique aurait été impensable il y a encore quelques années.

L'eau apparaît progressivement comme la seconde contrainte systémique de l'économie du compute. Le sujet est souvent abordé sous l'angle de la consommation directe des centres de données, mais la réalité est plus vaste.

L'eau intervient dans les systèmes de refroidissement, dans la production d'électricité, dans la fabrication des semi-conducteurs. Et surtout elle traverse l'ensemble de la chaîne de valeur de l'intelligence artificielle.

Les opérateurs cherchent naturellement à réduire leur dépendance à travers des systèmes de refroidissement en circuit fermé, des technologies limitant les pertes par évaporation ou des mécanismes de réutilisation thermique. Certains projets explorent également la valorisation de la chaleur fatale dans des réseaux urbains ou des activités industrielles.

Cette transformation produit enfin un changement en terme de territoire majeur, Pendant vingt ans, la création de valeur numérique s'est concentrée autour des métropoles capables d'attirer les talents, les investisseurs et les sièges sociaux.

L'économie du compute obéit à une logique différente et valorise des actifs longtemps considérés comme secondaires : postes haute tension, réserves foncières, friches industrielles, infrastructures énergétiques et capacités de raccordement. La proximité d'un poste RTE devient parfois plus importante que celle d'un quartier d'affaires.

Ce déplacement explique pourquoi les territoires deviennent eux aussi des acteurs de la compétition mondiale pour l'intelligence artificielle.

L'erreur consiste à considérer ces projets comme une simple évolution des centres de données, ce qui émerge aujourd'hui ressemble davantage à une nouvelle couche d'infrastructure économique.

Une infrastructure dont la fonction est de produire du compute à l'échelle industrielle.

Comme les chemins de fer ont structuré l'économie du XIXe siècle, comme les réseaux électriques ont structuré celle du XXe siècle et comme Internet a structuré celle du début du XXIe siècle, les infrastructures de calcul pourraient devenir l'un des principaux déterminants de la compétitivité économique des prochaines décennies.

L'intelligence artificielle est souvent présentée comme une révolution logicielle. Elle est également, et peut-être surtout, le retour des infrastructures au cœur de l'économie.