Centre de données : comment ces infrastructures alimentent les services numériques et l’IA

Point vérifié le 18 septembre 2026 : le rôle des centres de données ne se limite plus à héberger des sites web. Ils font fonctionner les applications mobiles, les messageries, les paiements, les plateformes vidéo, les sauvegardes et une grande partie des services d’intelligence artificielle. Dans son rapport Energy and AI, publié le 10 avril 2025, l’Agence internationale de l’énergie estime que les centres de données ont consommé environ 415 TWh d’électricité dans le monde en 2024. Dans son scénario central, elle projette environ 945 TWh en 2030. Il s’agit d’une projection soumise à des incertitudes, et non d’une consommation déjà réalisée.

Exemple illustratif fictif : imaginons qu’« Atelier Nacre », une petite entreprise française inventée pour cet article, lance une boutique en ligne avec un assistant qui répond aux questions des clients. Cette entreprise n’est pas une source de témoignage et aucun résultat présenté ici ne provient d’un test réel. Son parcours sert seulement de fil conducteur pour comprendre ce qui se passe derrière une action numérique apparemment simple.

Qu’est-ce qu’un centre de données ?

Un centre de données est un bâtiment ou un ensemble de bâtiments conçu pour installer, alimenter, refroidir, connecter et protéger des équipements informatiques. On y trouve des serveurs, des systèmes de stockage, des commutateurs réseau, des routeurs, des dispositifs de sécurité et des équipements électriques. L’AIE décrit ces éléments comme des machines généralement installées dans des baies et organisées en rangées, auxquelles s’ajoutent les systèmes auxiliaires nécessaires à leur fonctionnement.

Le mot « cloud » peut donner l’impression que les données se trouvent dans un espace abstrait. En pratique, un service cloud repose toujours sur des machines physiques situées dans un ou plusieurs centres de données. Le fournisseur loue une capacité informatique à plusieurs clients, répartit les charges et automatise l’allocation des ressources. Pour Atelier Nacre, cela signifie qu’il n’est pas nécessaire d’acheter une salle pleine de serveurs : l’entreprise utilise une infrastructure déjà opérée par un fournisseur, selon un contrat et une configuration déterminés.

Les quatre fonctions physiques qui font tourner un service

1. Calculer et exécuter le logiciel

Les serveurs exécutent le code de l’application. Lorsqu’un client fictif ouvre la boutique d’Atelier Nacre, une requête traverse le réseau, atteint un serveur frontal, puis déclenche plusieurs opérations : afficher la page, vérifier la session, rechercher un article et éventuellement calculer un prix de livraison. La réponse revient ensuite vers le navigateur ou l’application mobile.

Un serveur n’est pas forcément dédié à une seule entreprise. La virtualisation et les conteneurs permettent d’isoler plusieurs applications sur une même machine, avec des limites de ressources et des règles de sécurité. Lorsque la demande augmente, la plateforme peut créer davantage d’instances ou répartir les requêtes sur plusieurs serveurs. Cette élasticité est l’un des principaux intérêts du cloud, mais elle ne supprime ni le coût informatique ni la nécessité de prévoir la capacité.

2. Stocker et protéger les données

Les systèmes de stockage conservent les bases de données, les images, les journaux techniques, les sauvegardes et parfois les fichiers déposés par les utilisateurs. Dans notre exemple fictif, le catalogue, les commandes et les comptes clients ne doivent pas être placés dans le même mécanisme que les images produits si leurs exigences de rapidité, de sauvegarde ou de conservation sont différentes.

Une copie de sauvegarde n’est pas toujours une copie immédiatement utilisable. Il faut définir la fréquence des sauvegardes, la durée de conservation, le lieu de stockage et la procédure de restauration. Pour une entreprise, la vraie question n’est donc pas seulement « où sont mes données ? », mais aussi « combien de temps puis-je rester sans le service et quelle perte de données puis-je accepter ? ».

3. Acheminer les communications

Les équipements réseau relient les serveurs entre eux, aux systèmes de stockage et aux réseaux extérieurs. Ils distribuent les demandes, contrôlent les chemins et peuvent orienter une requête vers l’instance la moins chargée. Cette fonction devient encore plus importante pour l’IA, car un modèle peut dépendre de plusieurs services : authentification, récupération de documents, moteur de recherche, calcul accéléré et génération de la réponse.

La distance compte. Un service hébergé près des utilisateurs peut réduire la latence, tandis qu’une architecture répartie dans plusieurs régions peut améliorer la continuité, la capacité et la reprise après incident. Microsoft explique qu’une région cloud peut contenir plusieurs zones de disponibilité séparées physiquement, avec des infrastructures indépendantes d’alimentation, de refroidissement et de réseau. Cette séparation réduit l’effet d’une panne locale, mais elle doit être prévue dans l’architecture : une application installée dans une seule zone ne devient pas automatiquement résiliente.

4. Alimenter et refroidir

L’électricité ne sert pas uniquement à faire tourner les processeurs. Elle alimente également le stockage, le réseau, les systèmes de refroidissement, l’éclairage, la surveillance et les dispositifs de secours. L’AIE indique que les serveurs représentent en moyenne environ 60 % de la consommation électrique d’un centre de données moderne, avec de fortes variations selon le type d’installation. Le refroidissement peut représenter environ 7 % dans un centre hyperscale efficace et dépasser 30 % dans un centre d’entreprise moins efficient.

Les serveurs transforment une partie de l’électricité en chaleur. Les opérateurs doivent donc maîtriser la température, l’humidité et la circulation de l’air. Selon la densité des équipements et la conception du site, ils peuvent utiliser de l’air refroidi, des échangeurs thermiques ou des systèmes de refroidissement liquide. Il ne faut pas conclure qu’une technologie est toujours meilleure : son intérêt dépend du climat, de la densité des baies, de la disponibilité de l’eau, de l’électricité et des contraintes de maintenance.

Pourquoi l’intelligence artificielle change l’échelle

Un service numérique classique traite souvent des requêtes relativement courtes : charger une page, chercher une ligne dans une base ou enregistrer une commande. Une charge IA peut demander beaucoup plus de calcul et de transfert de données. Les modèles d’apprentissage automatique utilisent des accélérateurs spécialisés, souvent des GPU ou d’autres processeurs conçus pour effectuer de nombreuses opérations en parallèle. Les serveurs accélérés sont particulièrement importants pour l’entraînement et le déploiement de modèles d’IA.

Entraîner un modèle

L’entraînement consiste à ajuster les paramètres d’un modèle à partir de données. Dans les grands projets, le travail est réparti sur un ensemble de machines qui doivent échanger rapidement des données et des résultats intermédiaires. Le réseau interne devient alors presque aussi important que les processeurs : une machine lente ou un lien saturé peut ralentir tout le groupe.

Dans l’exemple fictif, Atelier Nacre pourrait utiliser un service externe pour adapter un modèle à son catalogue. Cela ne signifie pas nécessairement que l’entreprise entraîne elle-même un grand modèle généraliste. Elle pourrait plutôt préparer ses documents, les indexer et envoyer les informations utiles à un modèle déjà disponible. Cette distinction évite de confondre l’entraînement massif d’un modèle avec l’utilisation quotidienne d’un assistant.

Exécuter une réponse : l’inférence

L’inférence est l’étape où un modèle déjà entraîné produit une sortie à partir d’une demande. Quand un client fictif demande « Quel délai pour recevoir ce produit ? », l’application peut rechercher une information dans le catalogue, construire un contexte, l’envoyer au modèle, puis afficher la réponse. Le modèle n’est pas réentraîné à chaque question. Il exécute un calcul à partir de ses paramètres et des données transmises par l’application.

Cette nuance aide à comprendre les choix techniques. Un service d’inférence doit viser une réponse rapide, une capacité suffisante aux heures de pointe et un coût maîtrisé. Un entraînement recherche plutôt un débit de calcul élevé sur une période définie. Les deux utilisent des centres de données, mais leurs profils de charge, leurs besoins réseau et leurs méthodes d’optimisation peuvent différer.

Comment suivre un clic jusqu’au résultat

Reprenons le cas fictif d’Atelier Nacre. Une utilisatrice ouvre l’assistant depuis la France et demande si un article est disponible. La requête peut suivre une chaîne proche de celle-ci :

1. Le navigateur ou le téléphone envoie la demande vers le service accessible sur Internet.
2. Un système de distribution dirige la connexion vers une région et une instance capables de répondre.
3. Le service applicatif vérifie l’identité et recherche les informations nécessaires.
4. Un mécanisme de recherche ou de récupération fournit au modèle les documents pertinents.
5. Un serveur équipé d’un processeur adapté exécute l’inférence.
6. La réponse passe à nouveau par le réseau, puis s’affiche sur l’écran.

Cette séquence n’est pas une description d’un système réel d’Atelier Nacre : l’entreprise est fictive et l’architecture exacte dépendrait du fournisseur, du logiciel et des exigences de sécurité. Elle montre cependant pourquoi un centre de données ne doit pas être réduit à une rangée de machines. La qualité du service dépend de l’ensemble : connectivité, données, calcul, refroidissement, supervision, sécurité et procédures d’incident.

Fiabilité : pourquoi un seul bâtiment ne suffit pas toujours

Un centre de données peut disposer de batteries, de groupes électrogènes, de générateurs redondants, de réseaux multiples et de pièces de rechange. Ces équipements limitent l’effet d’une panne, mais ils ne rendent pas une application invulnérable. Une coupure prolongée, une erreur de configuration, une attaque, un problème de refroidissement ou une panne régionale peut dépasser les protections d’un seul site.

Les architectures critiques répartissent donc parfois les composants entre plusieurs zones ou régions. Cette approche améliore la disponibilité, mais elle augmente aussi la complexité : réplication des données, cohérence entre bases, coûts de transfert, choix de la région et obligations de résidence des données. Pour Atelier Nacre, activer plusieurs régions sans vérifier la compatibilité de la base de données pourrait créer une architecture plus coûteuse sans garantir une récupération correcte. La redondance doit répondre à un risque précis et être testée par une procédure de restauration.

Le coût énergétique et les limites des projections

La croissance de l’IA attire l’attention sur l’électricité, car les centres de données concentrent de fortes charges dans des lieux précis. L’AIE estime, dans son scénario central, que la consommation mondiale des centres de données pourrait atteindre environ 945 TWh en 2030, soit presque le double du niveau estimé pour 2024. Elle précise aussi que les serveurs accélérés, principalement tirés par l’adoption de l’IA, pourraient représenter une grande part de l’augmentation nette.

Ces chiffres ne permettent pas de calculer automatiquement l’empreinte d’une question posée à un assistant. La consommation dépend du modèle, de la longueur de la demande, de la réponse, du matériel, du taux d’utilisation, du refroidissement, de la localisation et du mix électrique. Il faut également distinguer l’énergie du centre de données de l’énergie des réseaux de télécommunication et des appareils des utilisateurs. Une valeur unique présentée sans méthode peut donc donner une impression de précision injustifiée.

Les opérateurs peuvent agir sur plusieurs leviers : processeurs plus efficaces, modèles plus petits lorsqu’ils suffisent, mise en cache, meilleure utilisation des machines, refroidissement optimisé et récupération de chaleur lorsque le contexte local le permet. L’AIE souligne que les gains d’efficacité des logiciels, du matériel et de l’infrastructure peuvent modifier fortement les scénarios. Réduire la demande inutile reste toutefois complémentaire à l’amélioration de l’efficacité.

Ce qu’une entreprise doit vérifier avant de choisir une infrastructure

Le centre de données n’est pas seulement une question de puissance de calcul. Une entreprise qui déploie un service numérique ou une fonction IA peut examiner les points suivants :

Dans notre exemple fictif, Atelier Nacre devrait d’abord définir le temps d’arrêt acceptable, la nature des données clients et la qualité de réponse attendue. L’entreprise pourrait choisir un modèle plus léger si l’assistant répond à des questions simples, ou une solution plus puissante si la recherche documentaire et le raisonnement l’exigent. Le choix ne serait pas validé par le seul nombre de GPU, mais par des mesures de latence, de qualité, de coût et de sécurité.

À retenir

Un centre de données est l’infrastructure physique qui transforme une demande numérique en service utilisable. Les serveurs calculent, le stockage conserve, le réseau achemine, l’électricité alimente et le refroidissement évacue la chaleur. L’IA ajoute des charges plus denses et plus exigeantes, notamment pour l’entraînement distribué et l’inférence à grande échelle.

L’exemple d’Atelier Nacre est volontairement fictif : il ne constitue ni un témoignage ni une preuve de performance. Il montre seulement comment raisonner sur un service réel. Pour juger une infrastructure, il faut relier l’expérience visible — une page qui s’affiche ou une réponse générée — aux éléments invisibles qui la rendent possible : capacité, réseau, données, redondance, énergie, refroidissement et gouvernance. Enfin, les projections énergétiques doivent être lues comme des scénarios documentés, avec leurs hypothèses et leurs incertitudes, et non comme une mesure directe de chaque interaction avec une IA.

Sources vérifiées

• Rapport de l’Agence internationale de l’énergie : Energy and AI, publié le 10 avril 2025.
• AIE : définition des centres de données, composants et projections de demande électrique.
• Microsoft Learn : architecture et infrastructure des centres de données.
• Microsoft Learn : zones de disponibilité et résilience des services cloud.