Un auteur de Habr estime que le goulet d'étranglement de l'IA, ce sont les clusters GPU et les data centers, pas les modèles

Selon l'Agence internationale de l'énergie, les data centers ont consommé environ 415 TWh d'électricité en 2024, soit près de 1,5 % de la demande mondiale. D'ici 2030, la prévision presque double et atteint 945 TWh. Dans ce contexte, un auteur de Habr, dans un article consacré à l'infrastructure de l'IA, avance une thèse simple : les principales contraintes du secteur se situent désormais en dehors des modèles eux-mêmes. Ce sont les clusters GPU, les data centers, les mécanismes d'achat, la réglementation et l'indépendance technologique.

Précision : seule l'annonce a été publiée, l'essentiel de l'article est masqué sous un « cut », et nous n'y avons vu aucune donnée concrète. Nous vérifions donc ci-dessous la thèse de l'auteur à partir de sources ouvertes.

Électricité et refroidissement plutôt que nombre de paramètres

L'entraînement et l'exploitation des grands modèles se heurtent à la physique. Un accélérateur H100 consomme jusqu'à 700 W. Une baie GB200 NVL72, qui regroupe 72 accélérateurs Blackwell, délivre environ 120 kW, alors qu'une baie d'un data center d'entreprise classique est dimensionnée pour 5 à 10 kW. À une telle densité, le refroidissement par air ne suffit plus : il faut des circuits de refroidissement liquide, des salles machines repensées et des sous-stations dédiées.

D'où le problème central : on n'achète pas en un trimestre un site raccordé à plusieurs dizaines de mégawatts. Les autorisations, les réseaux et la livraison des transformateurs prennent des années, alors qu'un modèle peut être réentraîné en quelques semaines.

Les achats, une fonction stratégique

Depuis octobre 2022, les États-Unis restreignent par étapes l'exportation d'accélérateurs avancés vers la Chine et plusieurs autres juridictions. L'achat de GPU, autrefois routinier, est devenu une question de conformité, de logistique et de politique. Le projet Stargate donne la mesure des investissements : en janvier 2025, il a été annoncé à hauteur de 500 Md$ sur quatre ans.

Pour les marchés situés en dehors des principales chaînes d'approvisionnement, le tableau est plus sévère. L'accès passe par la location cloud, l'importation parallèle ou des accélérateurs locaux. Les solutions locales butent sur la pile logicielle : l'écosystème CUDA, ses bibliothèques et ses outils d'optimisation ont accumulé des années de débogage, et le matériel seul ne permettra pas de le rattraper.

Les indicateurs clés de la barrière d'infrastructure

• Consommation des data centers : environ 415 TWh en 2024, prévision de l'AIE d'environ 945 TWh d'ici 2030.
• H100 : jusqu'à 700 W par accélérateur.
• GB200 NVL72 : environ 120 kW par baie, 72 accélérateurs.
• Baie de data center classique : 5 à 10 kW.
• Stargate : jusqu'à 500 Md$ sur quatre ans, selon les participants au projet.

Comment planifier les capacités

La thèse de l'auteur de Habr paraît convaincante, mais il faut la vérifier sur ses propres charges de travail. Pour la plupart des équipes, la question n'est pas de savoir s'il faut construire son propre cluster. L'important est de calculer à l'avance le coût du token ou de l'heure de GPU à charge réelle, puis de comparer location, réservation et achat.

Le minimum pratique : inscrire dans le contrat avec le fournisseur cloud des quotas garantis d'accélérateurs, et pas seulement un prix. Vérifier que le code est portable vers une autre pile, afin de ne pas dépendre d'un seul fournisseur. Pour les sites en propre, commencer par la demande de puissance et le projet de refroidissement, et ne choisir les modèles qu'ensuite. Si le texte complet sur Habr contient des calculs sur les achats et la réglementation, ce sont eux qui diront dans quelle mesure ce scénario s'applique au marché russe.