Data centers IA et réseau électrique : la FERC tranche
La FERC rejette le plan de raccordement de PJM pour les data centers d'IA. Décryptage d'un signal fort : l'énergie devient le goulot d'étranglement de
Vous avez sûrement remarqué que chaque nouvelle génération de modèles d'IA demande toujours plus de calcul, donc toujours plus d'électricité. Derrière les promesses des GPT, Claude et Gemini se cache une réalité bien physique : des data centers qui consomment comme des villes entières. Et quand ces géants frappent à la porte du réseau électrique, ça coince. C'est exactement ce qui vient de se passer avec la décision de la FERC.
Le régulateur recadre les règles du jeu
Le 9 octobre 2026, la Federal Energy Regulatory Commission a rejeté l'essentiel du plan de PJM Interconnection, l'organisme qui gère le réseau électrique de treize États américains. En jeu : les règles de raccordement des data centers et autres gros consommateurs. Le régulateur a jugé que le dispositif IRAS (Interim Resource Adequacy Service) empiétait sur la compétence des États et semblait discriminatoire envers ces nouveaux venus.
Pourquoi les data centers d'IA sont au cœur du dossier
Un modèle d'IA générative, c'est d'abord une immense machine à calculer. Entraîner un grand modèle de langage mobilise des milliers de GPU pendant des semaines, et chaque inférence consomme de l'énergie 24 heures sur 24. Les opérateurs veulent donc sécuriser leur accès au réseau, vite et à grande échelle.
La tentation du « bring your own capacity »
Le plan de PJM proposait notamment que les gros consommateurs puissent se connecter sans apporter de nouvelle capacité de production, à condition d'accepter d'être coupés avant les pics de tension. Une forme de flexibilité qui séduit les exploitants de data centers, mais que la FERC a jugée problématique sur le plan juridique.
Un impact direct sur l'économie de l'IA
Selon les analystes de Jefferies, cette décision pourrait maintenir des prix de capacité élevés plus longtemps dans la zone PJM, ce qui profite aux producteurs d'électricité existants comme Constellation Energy, NRG Energy, Talen Energy et Vistra. Pour les acteurs de l'IA, cela signifie un coût énergétique qui reste tendu, donc un calcul économique plus serré pour chaque nouveau cluster de calcul.
Ce que ça change pour votre façon de penser l'IA
On a longtemps présenté l'IA comme une affaire de logiciel et de données. Cette actualité nous rappelle que c'est aussi, et de plus en plus, une affaire d'infrastructure physique. Voici pourquoi ça compte concrètement :
- Les coûts d'entraînement et d'inférence dépendent désormais autant du mégawatt que du GPU.
- La localisation des data centers devient un choix stratégique, dicté par la disponibilité du réseau.
- Les entreprises qui déploient de l'IA doivent intégrer la contrainte énergétique dans leur feuille de route.
- La flexibilité de consommation (accepter d'être bridé aux heures de pointe) devient un levier d'optimisation.
Vous pouvez lire le détail de la décision dans cet article consacré au rejet du plan de PJM .
Pourquoi c'est important
Comprendre ces arbitrages énergétiques, c'est comprendre les limites réelles de l'IA. Les modèles les plus puissants ne servent à rien sans l'électricité pour les faire tourner. Pour votre travail, cela veut dire anticiper les coûts, choisir des architectures plus sobres et repenser la façon dont vous dimensionnez vos projets d'IA.
Conclusion
L'IA avance à la vitesse de ses algorithmes, mais elle est retenue par la vitesse de son réseau électrique. La décision de la FERC n'est pas un frein à l'innovation : c'est un rappel salutaire que la technologie la plus abstraite repose sur des infrastructures très concrètes. Les acteurs qui sauront conjuguer intelligence logicielle et intelligence énergétique seront ceux qui tiendront la distance. Et vous, avez-vous déjà regardé la facture d'électricité derrière vos outils d'IA préférés ?
Points clés à retenir
- La FERC a rejeté l'essentiel du plan de raccordement des gros consommateurs de PJM, dont les data centers d'IA.
- L'énergie devient un facteur limitant majeur du développement de l'intelligence artificielle.
- Les prix de capacité pourraient rester élevés plus longtemps, ce qui renchérit le coût du calcul.
- La flexibilité de consommation et la localisation des data centers deviennent des leviers stratégiques.
- Penser l'IA, c'est désormais penser aussi son infrastructure électrique.