IA et Data Centers : L’urgent besoin de réduire le « Phantom Compute »
L’essor de l’intelligence artificielle (IA) impose une pression croissante sur les data centers, avec une augmentation marquée des besoins en puissance de calcul. Les investissements dans ce secteur sont en forte accélération, et la capacité des réseaux électriques devient une question stratégique. Face à cette dynamique, la réponse habituelle consiste souvent à construire davantage de data centers, sécuriser davantage d’énergie, déployer plus de GPU et densifier les infrastructures.
Cependant, les contraintes liées à l’énergie, au foncier, au refroidissement, aux chaînes d’approvisionnement et à la réglementation sont bien réelles. D’après GlobalData, les grands acteurs du cloud pourraient investir près de 685 milliards de dollars d’ici 2026, ce qui représente une hausse d’environ 70 % par rapport à l’année précédente. Une part importante de ces investissements sera dirigée vers les infrastructures IA, les data centers, les puces spécialisées et les actifs énergétiques.
Cette analyse, cependant, reste trop centrée sur l’offre, présupposant que la demande future en puissance de calcul sera nécessairement incompressible. Une question essentielle se pose : les entreprises utilisent-elles efficacement les capacités dont elles disposent déjà ?
Le « Phantom Compute », angle mort des infrastructures IA
Dans de nombreux environnements, une partie de la puissance de calcul planifiée ou allouée n’existe que sur le papier. Ce phénomène, connu sous le nom de « phantom compute », désigne une capacité théorique intégrée aux plans d’infrastructure, mais qui demeure sous-utilisée, inactive ou mobilisée pour des traitements sans réelle valeur.
Le véritable enjeu réside dans la capacité des entreprises à stocker, déplacer, préparer et exploiter leurs données efficacement. Dans les architectures IA, la performance ne dépend pas uniquement du matériel, mais également de la qualité des données, de leur disponibilité et de la fluidité des pipelines qui les acheminent vers les modèles. Si les données sont mal qualifiées, dispersées ou difficiles à déplacer, les GPU peuvent se retrouver sous-exploités. À l’inverse, une meilleure orchestration des workloads et une gestion rigoureuse des flux de données peuvent améliorer significativement l’utilisation de cette puissance de calcul.
La gouvernance des données, condition du ROI de l’IA
Le « Phantom Compute » est également le résultat de deux décennies d’accumulation massive de données. Portées par l’essor du cloud et des architectures distribuées, les organisations ont collecté d’importants volumes d’informations, souvent stockées dans des data lakes peu structurés. Cette approche a créé un important « digital exhaust », avec des données parfois obsolètes ou difficilement exploitables.
L’IA ne crée pas de valeur uniquement par le volume ; elle nécessite des données fiables et disponibles au bon moment. Une étude du MIT estime que 95 % des projets d’IA échouent, soulignant ainsi l’importance d’une gouvernance des données efficace pour atteindre un retour sur investissement durable.
Stockage, compute et refroidissement : une même équation
La gestion des data centers doit aussi évoluer. Historiquement, les solutions de gestion des infrastructures de data centers ont souvent fonctionné par silos, mais avec l’IA, cette approche est dépassée. En combinant les données liées au compute, au stockage et à l’énergie, les solutions pilotées par l’IA peuvent optimiser le fonctionnement des infrastructures.
Des données mieux organisées réduisent les mouvements inutiles, limitent la pression sur les ressources de calcul et diminuent la chaleur générée. Améliorer l’efficacité du stockage peut ainsi avoir un impact positif sur l’ensemble de l’infrastructure, réduisant les besoins énergétiques et optimisant le refroidissement.
L’industrie aura besoin de nouveaux data centers et de nouvelles capacités énergétiques pour accompagner l’essor de l’IA. Cependant, construire davantage ne suffira pas si les fondations des données restent inefficaces. Avant de demander aux réseaux électriques de porter seuls le poids de l’IA, les organisations doivent s’attaquer au « Phantom Compute » qui demeure invisible dans leurs infrastructures.
Source : GlobalData
