Une requête sur ChatGPT consomme dix fois plus d’énergie qu’une simple recherche Google. Ce chiffre, à lui seul, dit tout ce qu’on ne veut pas entendre : l’infrastructure numérique que nous avons construite depuis vingt ans n’a pas été pensée pour l’IA. Elle tient encore, mais elle fatigue. Les DSI le savent, les responsables IT le sentent, et les dirigeants commencent à poser la question qu’on évitait : notre data center est-il vraiment à la hauteur de ce que nous lui demandons ? La bonne nouvelle, c’est que la transformation est possible. La moins bonne, c’est qu’elle ne s’improvise pas.

L’IA change les règles du jeu : ce que les data centers n’avaient pas anticipé

Pendant des années, un data center servait essentiellement à stocker des fichiers, faire tourner des applications métier et gérer des flux de messagerie. Des charges prévisibles, stables, que l’on dimensionnait une fois pour quelques années. L’IA générative a tout bousculé. L’entraînement de grands modèles de langage, l’inférence en temps réel, les architectures RAG qui intègrent les données privées de l’entreprise : tout cela génère des besoins en calcul que les serveurs classiques ne peuvent tout simplement pas absorber. Les data centers dédiés à l’IA consomment 4 à 5 fois plus d’électricité que les centres traditionnels, et le marché mondial des GPU a progressé de 44 % entre 2023 et 2025 selon IDC.

Ce qui rend la situation inconfortable, c’est la vitesse. En 2025, la demande IA ne concerne plus seulement les hyperscalers comme AWS, Microsoft ou Google : elle touche les entreprises traditionnelles, les ETI, les collectivités. La phase d’expérimentation est révolue. Les organisations cherchent désormais un retour sur investissement concret sur leurs projets d’IA, et elles ont besoin d’une infrastructure qui suive. Une architecture pensée pour le cloud généraliste, avec ses densités thermiques et ses niveaux de puissance par baie d’il y a dix ans, n’est plus adaptée à ces nouveaux usages. Ce décalage, c’est exactement ce qu’on va explorer.

Densité, chaleur, énergie : les trois défis techniques que l’IA impose aux infrastructures

Le problème est d’abord physique. Les puces IA de dernière génération, comme les GPU NVIDIA H100, H200 ou la famille Blackwell, génèrent plus de 700 W par unité. Alignez des dizaines de ces composants dans un rack, et vous obtenez des densités thermiques que le refroidissement par air ne peut plus gérer. C’est un fait technique, pas une opinion. L’air conduit la chaleur 300 fois moins bien que l’eau en circuit forcé : la comparaison suffit à comprendre pourquoi le refroidissement liquide s’impose comme le nouveau standard. Selon Schneider Electric, les solutions direct-to-chip permettent de réduire la consommation énergétique liée au refroidissement de 30 à 60 %. Le marché mondial du liquid cooling a presque doublé en 2025 pour approcher les 3 milliards de dollars, et il est projeté à 7 milliards d’ici 2029.

À l’échelle nationale et mondiale, les chiffres donnent le vertige. L’Agence Internationale de l’Énergie prévoit que la consommation des data centers devrait plus que doubler d’ici 2030, pour atteindre environ 945 TWh, soit près de 3 % de l’électricité mondiale. En France, RTE anticipe que la consommation des data centers pourrait être multipliée par 4 à 8 d’ici 2035 par rapport à 2024, passant d’environ 10 TWh actuellement à 23-28 TWh selon les scénarios. L’indicateur de référence pour mesurer l’efficacité d’un data center reste le PUE (Power Usage Effectiveness) : plus il se rapproche de 1, plus le site est performant. Un data center IA bien conçu vise un PUE entre 1,1 et 1,2 ; les configurations en immersion liquide descendent jusqu’à 1,02. Pour se repérer, voici une comparaison synthétique des trois grandes technologies de refroidissement :

Technologie	Densité supportée par rack	Réduction de consommation	Cas d’usage typique
Refroidissement par air	Jusqu’à 10-15 kW	Référence de base	Serveurs applicatifs classiques, cloud généraliste
Direct-to-chip (liquid cooling)	30 à 100 kW	30 à 60 %	Clusters GPU, inférence IA, HPC
Immersion liquide	100 à 130 kW et plus	Jusqu’à 95 % sur le refroidissement	Entraînement de grands modèles, très haute densité

Ces chiffres ne sont pas abstraits. Ils définissent concrètement ce qu’un data center peut ou ne peut pas accueillir. Et ils expliquent pourquoi le choix de l’infrastructure d’hébergement est devenu une décision stratégique, pas un simple choix logistique.

Traiter la donnée au bon endroit : cloud, edge ou on-premise ?

Avant de parler de refroidissement ou de puissance, la vraie question est plus simple : où doit vivre votre donnée ? Selon Gartner, 60 % des charges de travail s’exécutent encore sur des infrastructures on-premise ou hébergées en 2025. L’IA ne fait pas exception, surtout dès lors que les données traitées sont sensibles, confidentielles ou soumises à des obligations réglementaires. Confier un modèle RAG entraîné sur les données internes d’une entreprise à un cloud public étranger, c’est prendre un risque juridique et sécuritaire que peu de directions juridiques acceptent aujourd’hui.

Les trois logiques d’hébergement ne s’opposent pas, elles se complètent. Le cloud public offre une scalabilité immédiate et une mutualisation efficace pour les charges non sensibles à la latence. L’edge computing rapproche la puissance de calcul du point d’usage : indispensable pour l’IoT industriel, la 5G, les applications de santé ou toute situation où quelques millisecondes de délai changent tout. L’on-premise garantit un contrôle total sur les données et les traitements, au prix d’un investissement en capital plus lourd. En pratique, une architecture hybride s’impose pour la grande majorité des organisations : ce qui doit être traité localement l’est, le reste déleste sur le cloud. Les besoins varient considérablement selon les secteurs et les usages, et c’est souvent en analysant ses propres flux de données qu’on comprend vers quel modèle se tourner. Pour aller plus loin sur ce sujet, les arbitrages à opérer selon les cas d’usage sont détaillés dans cet article sur le Data Center IA.

Souveraineté numérique : pourquoi l’emplacement de votre data center n’est plus un détail

Il y a encore quelques années, la souveraineté numérique était un argument politique. Aujourd’hui, c’est une contrainte opérationnelle. Héberger des données IA sur des serveurs nord-américains expose l’entreprise au Cloud Act américain, qui autorise les autorités fédérales à accéder aux données stockées par des entreprises américaines, où qu’elles se trouvent dans le monde. Pour les secteurs de la santé, de la défense, des collectivités ou de la finance, ce risque n’est pas théorique. Des certifications comme HDS (Hébergeur de Données de Santé) ou SecNumCloud délivrée par l’ANSSI imposent explicitement un hébergement sur le territoire national ou européen.

La France a choisi de prendre ce sujet à bras-le-corps. En février 2025, Emmanuel Macron annonçait 109 milliards d’euros d’investissements dans l’IA, dont 60 milliards fléchés vers les data centers et le compute. Ce mouvement se traduit concrètement par le déploiement de data centers de proximité, des infrastructures edge réparties sur l’ensemble du territoire, capables de traiter la donnée localement tout en réduisant la latence. C’est une double réponse : à la performance d’abord, à la souveraineté ensuite. Choisir un opérateur français certifié ISO 27001, HDS ou SecNumCloud, ancré dans les territoires, c’est s’assurer que vos données restent dans un cadre juridique maîtrisé, sans dépendre d’une décision prise à Seattle ou Dublin. La souveraineté n’est pas une option de confort, c’est un avantage concurrentiel durable.

Comment choisir le bon data center pour ses usages IA : les critères qui comptent vraiment

Comparer des data centers sur le seul critère du prix au rack, c’est comme choisir un chirurgien sur la base du tarif de la consultation. Ce qui compte, c’est la qualité de l’infrastructure, sa capacité à absorber vos charges réelles, et la fiabilité de l’opérateur dans la durée. Pour les usages IA, certains critères sont non négociables. La puissance électrique disponible par rack en est le premier exemple : un rack GPU haute densité peut exiger entre 30 et 130 kW selon la génération de puces, là où un rack applicatif classique tourne autour de 5 à 10 kW. Un data center qui ne peut pas offrir cette densité ne peut tout simplement pas héberger vos charges IA.

Voici les critères à vérifier systématiquement avant toute décision d’hébergement pour des usages IA :

1. Puissance électrique par rack : vérifiez que l’opérateur peut délivrer entre 20 et 130 kW par baie pour les charges haute densité. C’est le premier filtre à appliquer.
2. Type de refroidissement supporté : refroidissement liquide direct-to-chip ou hybride air/liquide pour les racks GPU. Un site air-only ne peut pas accueillir des infrastructures IA sérieuses.
3. Niveau de certification Tier : Tier III minimum pour les charges critiques (disponibilité garantie à 99,982 %), Tier IV pour les infrastructures systémiques. Exigez la certification officielle Uptime Institute, pas une simple déclaration de conformité.
4. PUE annoncé et audité : un PUE inférieur à 1,3 est le seuil de référence pour les nouveaux centres selon le Climate Neutral Data Centre Pact. Un bon opérateur publie son PUE annuel, vérifié par un tiers.
5. Certifications de sécurité et de conformité : ISO 27001 pour la sécurité de l’information, HDS si vous traitez des données de santé, SecNumCloud si vous opérez pour le secteur public ou des données sensibles.
6. Proximité géographique et latence : pour les usages IA en temps réel (inférence, IoT, applications industrielles), la distance physique entre le data center et le point d’usage détermine directement la qualité de service.
7. Présence territoriale et réactivité de l’opérateur : un SLA n’a de valeur que si quelqu’un est capable de l’honorer sur site, rapidement. Un opérateur avec un maillage national et un NOC actif 24h/24 offre une garantie que les solutions centralisées ne peuvent pas toujours tenir.

TDF : une infrastructure pensée pour les usages IA, au plus proche des entreprises

Face aux exigences que nous venons de décrire, peu d’acteurs sont en capacité d’y répondre de bout en bout, à l’échelle du territoire. TDF est l’un d’eux. Fort de 50 ans d’expertise dans l’hébergement d’infrastructures critiques, l’opérateur déploie un réseau de data centers régionaux interconnectés, complété par plus de 100 mini data centers répartis sur l’ensemble de l’Hexagone. Plus de 150 sites sont prêts à accueillir les équipements IT des entreprises, supervisés 24h/24 et 7j/7 via un Centre National d’Exploitation dédié, avec une disponibilité garantie entre 99,982 % et 99,995 %, soit les standards Tier III et Tier IV.

Ce qui distingue TDF, ce n’est pas seulement la densité de son réseau. C’est sa capacité à accompagner les projets à très haute densité, de la conception à la réalisation de solutions sur mesure, en intégrant des technologies de refroidissement adaptées aux charges GPU. Les data centers TDF sont certifiés ISO 27001 et HDS, aucun transfert de données sensibles n’est effectué hors de l’Espace Économique Européen : un engagement structurel, pas un argument commercial. Pour les entreprises en région qui ne veulent pas dépendre d’une infrastructure parisienne surdimensionnée, ou pour les collectivités qui ont besoin d’un hébergeur ancré dans leur territoire, TDF répond à une logique que peu d’acteurs peuvent tenir : traiter et stocker la donnée au bon endroit, en fonction de son usage réel, pas en fonction du catalogue disponible.

Ce n’est pas la puissance brute du data center qui fera la différence dans vos projets IA. C’est la justesse de son emplacement, la confiance dans son opérateur, et la capacité à évoluer avec vous. Le reste n’est que spécification.