5 août 2025 /Général

Data centers, I.A. et énergie bas-carbone

IA, data et énergie bas-carbone
Les data centers consomment environ 2 % de l’électricité mondiale, une part qui croît avec le développement fulgurant de l’IA générative.
Quelles solutions sont mises en oeuvre pour optimiser l'usage des énergies bas-carbone ?

Heureusement, certaines entreprises de la tech investissent directement ou indirectement dans de nouvelles capacités de production d’énergie bas-carbone.

Voici les cinq exemples.

 

🔹Géothermie naturelle – le Kenya et le Green Data Center


L’État kényan, en partenariat avec l’acteur local EcoCloud et G42 des Émirats Arabes Unis, construit un data center avec un potentiel de 1 GW à Naivasha. Celui-ci sera alimenté par la géothermie des réservoirs d’eau chaude souterrains (>200°C), dont la vapeur récupérée permet de produire de l’électricité.

 

🔹Géothermie ‘améliorée’ – Google


La société Fervo Energy développe une technique avec laquelle elle injecte de l’eau dans des roches chaudes fracturées, pour ensuite récupérer la vapeur et produire de l’électricité bas-carbone. L’énergie devra alimenter les futurs data centers de Google. Un premier centre pilote est déjà « up and running » dans le Nevada.

 

🔹Nucléaire : Microsoft & Three Mile Island


Microsoft a signé un accord de 20 ans pour acheter l’énergie de la centrale de Three Mile Island (835 MW, 2027), arrêtée en 2019 et en passe d’être relancée. La centrale est surtout connue pour l’accident nucléaire survenu en 1979 (fusion partielle du réacteur 2, sans victimes).

 

🔹Bioénergie – Nodal Power Systems


Nodal Power Systems (Utah) convertit en électricité le méthane émanant des déchets dans les décharges pour alimenter des data centers, notamment pour le cryptominage (ex. : 1,6 MW en Utah, 3,2 MW au Texas).

 

🔹Les processeurs neuromorphiques


Sur un autre plan, celui de l’économie d’énergie plutôt qu’énergie bas-carbone, on pourrait citer le développement des puces neuromorphiques, qui consomment 10 à 10 000 fois moins d’énergie (!!) que les processeurs actuels (CPU et GPU).

Elles excellent dans les calculs massifs en parallèle pour des usages en temps réel en robotique, santé, automobile, ou objets connectés. Elles seraient cependant moins adaptées pour les calculs matriciels utilisés massivement en machine learning.

 

Juillet 2025

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *