L'IA pour l'énergie et le centre de données sous-marin de la Chine
24 mégawatts: c'est le chiffre phare de la nouvelle installation sous-marine de Shanghai, et ce seul nombre en dit long sur la direction que prend l'IA pour l'énergie. Le projet, construit par HiCloud Technology et China Communications Construction, n'est pas seulement une expérimentation technique; c'est un test grandeur nature de la manière dont les pays pourraient soutenir la demande en IA avec des charges de refroidissement réduites, une meilleure efficacité énergétique et davantage d'électricité renouvelable. Selon un reportage traduit par WIRED en Español, le site associe l'éolien offshore au refroidissement par eau de mer à un moment où la croissance du calcul informatique redessine les décisions en matière d'infrastructure.
La Chine inaugure le premier centre de données sous-marin alimenté par l'éolien offshore
Le projet est situé dans la zone spéciale de Lin-gang à Shanghai, au sein de la zone pilote de libre-échange de Chine, avec des modules immergés à environ 10 mètres de profondeur. Sa capacité initiale est de 24 MW, et le modèle d'exploitation est conçu pour utiliser l'eau de mer comme système de refroidissement naturel plutôt que de dépendre principalement de la climatisation conventionnelle.
Cela compte parce que le refroidissement reste l'un des coûts les moins flexibles dans l'infrastructure de l'IA. Dans une installation terrestre standard, les systèmes de refroidissement peuvent représenter 40 à 50 % de la demande totale d'électricité, comme le note l'article source. En revanche, le projet chinois vise à maintenir l'énergie de refroidissement en dessous de 10 % de la consommation totale, une réduction significative si elle est atteinte en exploitation régulière.
L'installation se distingue également par sa source d'énergie. HiCloud avait déjà lancé un centre de données sous-marin commercial à Hainan en 2023, mais le complexe de Shanghai est le premier rapporté à fonctionner avec l'éolien offshore. Pour les dirigeants d'entreprise qui suivent les services de mise en œuvre de l'IA et les risques infrastructurels, c'est le signal le plus important: l'expansion du calcul informatique est de plus en plus liée à l'endroit où l'on peut sécuriser ensemble une énergie propre et un refroidissement efficace, et non séparément.
Pourquoi ce projet compte pour la demande d'infrastructure de l'IA
Le contexte plus large est simple: la croissance de l'IA transforme la planification énergétique en un enjeu de niveau conseil d'administration. Un récent rapport de la CNUCED référencé dans la couverture source indique que seuls 32 pays hébergent des centres de données spécialisés dans l'IA, et qu'environ 90 % de cette infrastructure est concentrée en Chine et aux États-Unis. Cette concentration signifie que la capacité n'est pas seulement une question de logiciel. C'est aussi une question d'emplacement, de réseau électrique et d'approvisionnement.
Pour les entreprises dans l'infrastructure technologique, l'énergie et la fabrication, cela change la manière dont la stratégie d'IA doit être évaluée. La contrainte clé n'est peut-être pas le choix du modèle. C'est peut-être l'accès à une électricité fiable, à un coût d'exploitation acceptable et à une efficacité thermique suffisante pour maintenir l'expansion viable.
Une autre conclusion pratique est que la conception de l'infrastructure affecte désormais les décisions en aval d'automatisation commerciale par l'IA. Si les charges de travail intensives en calcul deviennent plus coûteuses dans les régions à forte chaleur et à stress élevé sur le réseau, les entreprises devront être plus sélectives quant à l'endroit où les entraînements, les inférences, les analyses et les agents d'automatisation de l'IA sont déployés.
Recevez une note pratique sur les programmes d'IA par semaine. Abonnez-vous à la newsletter d'Encorp.
Les chiffres derrière la promesse d'efficacité
La meilleure raison pour laquelle cette histoire mérite l'attention est la densité des promesses mesurables. Selon la déclaration du projet du gouvernement chinois, le site sous-marin est conçu pour utiliser plus de 90 % d'énergie éolienne offshore, réduire la consommation totale d'énergie de 30 à 40 %, et faire passer la demande énergétique de réfrigération de 40 à 50 % de la consommation totale d'énergie à moins de 10 %, par rapport aux centres de données terrestres traditionnels.
Une deuxième métrique clé est le PUE de 1,15. Comme Google l'explique dans son aperçu de l'efficacité des centres de données, l'efficacité énergétique d'utilisation mesure la puissance totale de l'installation divisée par la puissance de l'équipement informatique, avec 1,0 représentant l'idéal théorique. Une cible de 1,15 place le projet de Shanghai dans le territoire de l'état de l'art sur le papier.
Trois chiffres se démarquent le plus:
- 24 MW de capacité initiale, suffisants pour faire de cela un actif d'infrastructure sérieux plutôt qu'un pilote de laboratoire.
- Moins de 10 % de la puissance consacrée au refroidissement, contre les 40 à 50 % souvent observés dans les conceptions conventionnelles selon le reportage source.
- Plus de 90 % d'énergie éolienne offshore, liant directement l'expansion du calcul informatique à l'approvisionnement en énergie renouvelable.
Ces chiffres expliquent également pourquoi il s'agit de plus qu'une histoire environnementale. Ils pointent vers l'économie d'exploitation. Une charge de refroidissement plus faible améliore les marges et peut stabiliser la planification de capacité à long terme. Un meilleur PUE facilite le budget pour l'analyse de données par l'IA et les charges de travail à haute disponibilité. Et l'intégration des renouvelables peut réduire l'exposition aux fluctuations des prix des combustibles fossiles, bien qu'elle introduise ses propres compromis en matière d'intermittence et d'équilibrage du réseau.
Il existe aussi des contraintes. La maintenance sous-marine est plus complexe que l'entretien d'un hall terrestre standard. Le choix des sites est limité. L'assurance, la logistique de réparation et la fiabilité des composants sous-marins compteront bien plus que dans une construction d'entreprise normale. En d'autres termes, c'est un signal important, pas un modèle universel.
Ce que le changement de politique de la Chine dit sur la course à l'IA
Ce projet prend plus de sens lorsqu'il est lu en parallèle avec la politique énergétique plus large de la Chine. L'article source note qu'une nouvelle loi sur l'énergie est entrée en vigueur l'année dernière avec priorité accordée aux énergies renouvelables et à l'hydrogène, tandis que les réformes du marché de l'électricité à partir de juin 2025 exigent que l'énergie solaire et éolienne soit échangée via des mécanismes de marché ou des enchères plutôt que par les anciennes structures de tarifs fixes.
Ce changement de politique compte parce que l'infrastructure de l'IA nécessite une planification de longue durée. Les contrats d'énergie, le développement des sites et les services d'intégration dépendent tous de la confiance que la capacité de génération existera là où la demande en calcul informatique croît. La Chine semble traiter cela comme un enjeu de stratégie industrielle, pas seulement comme un enjeu de durabilité.
La comparaison avec les États-Unis n'est pas que l'un construit des centres de données et l'autre non. C'est qu'ils mettent l'accent sur différentes routes vers la sécurité d'approvisionnement. La Chine essaie de réduire sa dépendance aux intrants fossiles externes tout en développant les options renouvelables et nucléaires. Cela donne à des projets comme le déploiement de Shanghai un rôle stratégique plus large: ils testent si l'infrastructure à l'ère de l'IA peut être à la fois plus efficace et plus contrôlable domestiquement.
C'est aussi là que l'analyse de l'Agence internationale de l'énergie sur l'électricité et les centres de données devient un contexte utile. La demande en IA pousse les services publics, les opérateurs et les grands acheteurs vers une prévision plus détaillée des charges de pointe, des besoins de résilience et des contraintes de transmission. En pratique, les services d'intégration de l'IA dépendent désormais autant du réalisme énergétique que de l'architecture logicielle.
Comment cela se compare avec la conception conventionnelle des centres de données
Une manière utile d'interpréter cette évolution n'est pas comme un choix binaire entre les conceptions sous-marines et terrestres, mais comme une référence par rapport aux hypothèses héritées. Les installations traditionnelles concurrencent sur l'emplacement, les incitations fiscales et l'accès à la fibre. Les installations plus récentes orientées vers l'IA doivent aussi concurrencer sur le chemin de refroidissement, la consommation d'eau et l'approvisionnement en énergie.
| Facteur de conception | Centre de données terrestre conventionnel | Modèle sous-marin de Shanghai |
|---|---|---|
| Méthode de refroidissement | Climatisation mécanique | Refroidissement par eau de mer |
| Part d'énergie de refroidissement | Souvent 40-50 % selon l'article source | Moins de 10 % par conception |
| Objectif PUE | Varie largement selon l'âge et le site | Objectif de 1,15 |
| Utilisation des sols | Empreinte de campus significative | Réduction de plus de 90 % selon la promesse du projet |
| Mix de sources d'énergie | Dépendant du réseau, souvent mixte | Plus de 90 % d'énergie éolienne offshore selon la promesse du projet |
Cette comparaison a des implications directes pour l'approvisionnement des entreprises. Les acheteurs devraient se soucier davantage de l'endroit où les charges de travail s'exécutent, de l'aspect du mix énergétique, et de savoir si les fournisseurs peuvent rapporter les métriques de performance de manière cohérente. C'est particulièrement vrai pour les entreprises qui développent des services de mise en œuvre de l'IA à travers plusieurs unités commerciales.
Pour les opérateurs qui pensent de manière plus tactique, c'est là qu'un service comme AI Smart Energy Management for Facilities s'intègre le mieux: les mêmes disciplines qui comptent dans un centre de données sous-marin, comme la prédiction de charge, la détection d'anomalies et la surveillance continue de l'efficacité, comptent aussi dans les parcs immobiliers d'entreprise ordinaires. La différence n'est pas le besoin de visibilité opérationnelle. C'est le niveau de complexité technique.
Ce que les entreprises devraient surveiller ensuite
Trois indicateurs comptent désormais plus qu'il y a un an: les objectifs PUE, la part d'énergie renouvelable et les contraintes de refroidissement régionales. Ce ne sont plus des métriques secondaires pour les équipes de durabilité. Elles deviennent partie intégrante de la stratégie d'IA mainstream et de la due diligence des fournisseurs.
Les entreprises devraient aussi surveiller si des projets comme celui-ci restent des vitrines nationales isolées ou commencent à influencer les normes de conception commerciale en Asie, en Europe et en Amérique du Nord. Si plus d'installations poursuivent le refroidissement alternatif et une intégration énergétique plus stricte, les acheteurs pourraient commencer à traiter l'efficacité infrastructurelle comme un critère de sélection central plutôt qu'une note de bas de page ESG.
La tendance est claire même si cette conception exacte reste de niche. L'IA pour l'énergie passe du discours politique abstrait aux choix d'infrastructure physique mesurés en mégawatts, en PUE et en termes d'approvisionnement. Les entreprises qui planifient autour de ces contraintes tôt prendront de meilleures décisions sur l'endroit où les charges de travail d'IA devraient se trouver et ce qu'elles devraient coûter.
Martin Kuvandzhiev
CEO and Founder of Encorp.io with expertise in AI and business transformation