Alors que les gouvernements se bousculent pour investir des milliards dans des data centers gigantesques et en faire profiter les fournisseurs d’IA générative, comme Anthropic, Open AI ou encore Mistral, il apparaît que ce modèle est certainement déjà obsolète.
D’où est venue cette réflexion ? Elle est née de mes recherches sur la stratégie qui ont croisé une vidéo de Jérôme Fortias, véritable grognard de l’IA, où il remet en cause les data centers pour promouvoir une IA distribuée. Si Jérôme Fortias s’exprime d’un point de vue technique, dans ce billet je voudrais appuyer ses propos par une démonstration plus théorique, basée sur la TRIZ (ou: Théorie de Résolution des Problèmes Inventifs) et quelques uns de ses principes fondateurs.
La contestation face aux data centers s’amplifie
Les producteurs de modèles de langage, comme Mistral, Anthropic, Open AI et bien d’autres ont construit leur modèle technologique sur de vaste centre de calcul et d’hébergement de leurs données. Un point commun de ces infrastructures est qu’elles consomment énormément d’eau et d’énergie en un point donné du territoire, provoquant nécessairement des tensions sur ces ressources au détriment des populations locales provoquant leur inquiétude et dans certains cas, l’abandon du projet ou bien encore leur retard en raison des recours devant les tribunaux1. D’après le quotidien les Echos, les data centers irlandais consommeraient déjà 22% de l’électricité produite dans le pays.
Pourtant, portés par la compétition mondiale vers l’IA, les gouvernements poussent à la roue, encouragés par les discours alarmistes menaçant de déclassement les pays qui ne se lanceraient pas dans cette course. Un problème supplémentaire et typiquement français est notre obsession souverainiste dont j’ai déjà démontré la vanité dans une conférence à l’INSA Strasbourg .
Quelques rappels sur la TRIZ
La TRIZ est une théorie née en Union Soviétique au sortir de la 2ème Guerre mondiale et dont l’inventeur G.S. Altshuller affirme que le développement des systèmes repose sur plusieurs lois fondamentales et quasiment immuables. Très utilisée dans le monde de l’ingénierie de projets technologiques, cette théorie semble donc parfaitement appropriée à l’environnement des data centers et à leur évolution. A ce titre, je vous recommande son ouvrage fondateur: « Creativity as an exact science ».
Parmi les principes fondateurs de cette théorie, figure le matérialisme dialectique, né de la pensée marxiste. L’intérêt du matérialisme dialectique est double : il contraint à une pensée systémique et il considère que tout mouvement provoque l’apparition de contradictions qu’il est nécessaire de dépasser par un travail conceptuel. Déjà, nous pouvons constater que ce travail intellectuel n’a pas été réalisé lorsqu’il s’agit d’implanter des data centers: la consommation d’eau, d’énergie, le soutien des populations ne font clairement pas partie de l’équation, ce qui nous permet de douter fortement de la qualité de l’analyse systémique
La loi de la transition des macrosystèmes vers les microsystèmes
Dans cette loi, les systèmes sont d’abord conçus au niveau macro, comme de vastes ensembles, puis, progressivement, pour les faire progresser, il apparaît inévitable de descendre au niveau micro et d’aller de plus en plus dans le détail. C’est exactement l’histoire de l’informatique: initialement, les ordinateurs occupaient des salles entières dans des centres de recherche et les entreprises. Puis progressivement, partout où cela était possible, pour les usages plus restreints, les ordinateurs se sont répandus et ont permis à chacun d’en avoir un sur son bureau.
La première objection est que le cloud et les data centers sont absolument nécessaires au fonctionnement des IA génératives: peut-être pour leur entraînement initial, mais pas pour l’usage du quotidien, ainsi que le démontre Jérôme Fortias: les capacités de calcul des ordinateurs modernes et des serveurs d’entreprise semblent tout à fait suffisants. Pour aller dans le sens du grognard de l’IA (il revendique cette appellation), c’est exactement ce que revendique Alex Karp, le CEO de Palantir quand il exprime avec condescendance ce qu’il pense des LLM, dans sa lettre aux actionnaires de mai 2026 (cf. un billet précédent). La technologie est tellement répandue que n’importe qui ou presque peut produire un LLM suffisamment performant pour répondre aux usages standards. Bien sûr, cette remarque exclut les super calculateurs destinés à la recherche ou aux applications de pointe comme l’aéronautique, l’espace, la médecine ou le nucléaire, dont les besoins sont marginaux par rapport à la génération d’images de chatons.
Plus rien sur le plan technologique ne semble justifier le développement de ces mastodontes, si ce n’est une logique purement financière et politique.
La loi de l’accroissement de l’idéalité
Selon cette autre loi de la TRIZ, tout système qui se développe a vocation à voir son « idéalité » augmenter. Chaque pas en avant doit donc s’accompagner d’un accroissement des bénéfices matériels et immatériels et d’une baisse des inconvénients. Dit très simplement, un système doit apporter plus qu’il ne coûte. Lorsque les coûts deviennent supérieurs aux bénéfices, le système doit être corrigé. Dans une configuration idéale, le système se dilue dans la masse et continue à apporter ses bienfaits sans que les effets négatifs n’apparaissent.
Or, les bienfaits des data centers de LLM, c’est-à-dire la génération de textes, images ou autres usages du quotidien, ne semblent que difficilement équilibrer leurs inconvénients, puisque les populations concernées résistent de plus en plus face aux nuisances. Ces sites industriels implantés sur un territoire ne présentent que des coûts pour les populations locales tandis que les bénéfices, sont distribués sur des millions d’utilisateurs. Ce déséquilibre détériore donc gravement l’idéalité des data centers.
Il apparaît donc nécessaire d’augmenter l’idéalité des data centers pour les populations locales. Or ces sites ne génèrent que très peu d’emploi ou de richesses à leur profit. La conclusion est donc simple: si le bénéfice est réparti, alors les inconvénients doivent être, eux aussi répartis; ce qui appuie encore un peu plus le recours à des serveurs de LLM distribués, on-premise, selon l’expression consacrée.
Le dur retour à la réalité
Nous pouvons donc raisonnablement considérer que les data centers géants que l’on nous promet à coups de milliards seront pour la plupart abandonnés et vide de toute activité dans quelques années. En effet, si l’on y ajoute leur nécessaire future rentabilité que personne n’a jamais réussi à prouver, le progrès technologique rapide promis par leurs mêmes promoteurs, nous pouvons parfaitement nous attendre à trouver dans moins de 10 ans, un peu partout dans le monde ces paquebots abandonnés et qui auront fait la fortune des rares personnes qui auront su profiter de la crédulité des investisseurs, des autorités et surtout auront su revendre à temps. Car rappelons-le, c’est le principe du capital risque !
- https://www.lesechos.fr/tech-medias/intelligence-artificielle/40-des-projets-sont-abandonnes-du-desert-texan-aux-peripheries-des-capitales-europeennes-la-lutte-anti-ia-se-cristallise-contre-les-data-centers-2247031 ↩︎
L'IA au-delà de la Technologie 