Les cinq plus grandes entreprises technologiques mondiales ont investi plus de 400 milliards de dollars en 2025 dans leurs infrastructures, portés presque entièrement par la demande de calcul IA. En 2026, ce chiffre devrait croître de 75%. Pour comprendre ce que cela signifie, il faut savoir que l’investissement annuel de la NASA au pic de la course à la Lune représentait, en dollars constants, environ 50 milliards. Ce qui se passe aujourd’hui est d’une autre nature.

Ce n’est pas une course technologique ordinaire. C’est la formation d’un goulot d’étranglement structurel : la capacité à produire de l’intelligence artificielle à grande échelle dépend d’une ressource physique — l’électricité — dont l’accès concentré entre quelques mains dessine déjà les contours du prochain monopole du siècle.

Le débat public sur l’IA tourne autour des emplois. C’est le mauvais terrain. L’enjeu réel se joue dans le prix de l’électron et dans la question de savoir qui contrôle les infrastructures qui transforment cet électron en intelligence.

L’essentiel

  • Les cinq plus grandes entreprises technologiques ont dépensé plus de 400 milliards de dollars en investissements d’infrastructure en 2025, avec une croissance prévue de 75% en 2026, selon les données de l’AIE.
  • Cette dépense finance principalement des centres de données dont la consommation électrique mondiale devrait presque doubler d’ici 2030, passant de 300 à 380 TWh en 2023 à environ 945 TWh selon les projections de l’AIE publiées en avril 2025.
  • Trois entreprises — Microsoft, Google et Amazon — contrôlent plus de 65% de la capacité de cloud computing mondiale, créant une barrière à l’entrée qui s’apprécie en dizaines de milliards par an.
  • L’Europe et la plupart des pays émergents n’ont pas accès aux marchés d’électricité bas carbone suffisamment stables pour compétir dans cette infrastructure, ce qui transforme un avantage technologique en avantage géographique et institutionnel.
  • Des pistes existent : pools d’achat collectifs, normes d’efficacité énergétique, marchés d’électricité verte réservés aux acteurs régionaux, et régulation des contrats d’exclusivité sur les énergies renouvelables.

Quatre cents milliards ne s’achètent pas avec une idée

L’histoire du capitalisme industriel est l’histoire de quelques ressources qui ont structuré la compétition mondiale pendant des décennies. Le charbon a fait l’Angleterre. Le pétrole a fait le Moyen-Orient et les majors américaines. L’accès au capital financier a déterminé qui pouvait innover au XXe siècle.

Aujourd’hui, la ressource structurante est le calcul. Et le calcul a une contrainte physique immédiate : l’électricité.

Un grand modèle de langage comme GPT-4 nécessite des dizaines de milliers de puces spécialisées tournant en permanence dans des centres de données qui consomment autant d’énergie qu’une ville de taille moyenne. Entraîner un modèle de nouvelle génération coûte entre 100 millions et un milliard de dollars en calcul seul, selon les estimations de plusieurs équipes de recherche. L’inférence — le simple fait de répondre à une requête — coûte dix à cent fois plus cher par token que la navigation sur le web. Ces coûts ne tombent pas assez vite pour que des nouveaux entrants puissent les absorber.

Ce qui crée la barrière n’est pas le secret technologique. Les algorithmes circulent. Les modèles s’ouvrent. Ce qui crée la barrière, c’est l’infrastructure physique qui les fait tourner. Et cette infrastructure, elle s’achète en dizaines de milliards par an, sur des marchés d’électricité stables, avec des accords d’approvisionnement en puces qui supposent des relations contractuelles avec un oligopole de fabricants.

La consommation électrique des data centers double en cinq ans

L’Agence Internationale de l’Énergie estime que les centres de données consommaient entre 300 et 380 TWh d’électricité en 2023 à l’échelle mondiale — soit moins que la France entière, dont la consommation avoisinait 445 TWh cette même année. En 2024, cette consommation a atteint 415 TWh. D’ici 2030, elle devrait avoisiner 945 TWh dans le scénario de base de l’AIE, selon son rapport Energy and AI publié en avril 2025. Cette trajectoire est désormais portée par une part significative et croissante des charges de travail liées à l’IA, une proportion qui s’est nettement accélérée depuis 2022.

Ce quasi-doublement en quelques années est lui-même conservateur. Il repose sur l’hypothèse que l’efficacité énergétique des puces continuera de progresser au rythme actuel. Si la demande d’IA croît plus vite que l’amélioration des puces — ce qui est la tendance observable depuis 2023 — la consommation pourrait atteindre 1 200 TWh d’ici 2030.

Le problème n’est pas l’électricité en soi. C’est l’électricité fiable, bon marché et à bas carbone, dans des régions géographiquement adaptées. Les centres de données ont besoin de froid pour le refroidissement, de stabilité de réseau pour ne pas interrompre les calculs, et d’électricité verte pour honorer les engagements climatiques que les grandes tech ont pris — sous pression des investisseurs et des régulateurs. Ces trois conditions simultanées se trouvent dans un nombre limité de géographies : nord-est des États-Unis, Scandinavie, quelques enclaves en Asie du Sud-Est.

C’est là que se jouent les décisions d’implantation. Et les entreprises qui s’installent en premier signent des contrats d’approvisionnement électrique à long terme — dix, vingt ans — qui verrouillent la ressource pour les suivants.

Qui contrôle le calcul contrôle l’accès à l’intelligence

La concentration n’est pas une projection. Elle est déjà là.

Microsoft, Google et Amazon contrôlent environ 65 à 70% de la capacité mondiale de cloud computing, selon les données de Synergy Research Group publiées en 2025. Microsoft, Amazon, Alphabet/Google, Meta et Oracle complètent le tableau d’un oligopole de cinq acteurs qui possèdent, exploitent ou contractualisent la quasi-totalité des infrastructures sur lesquelles tourne l’IA mondiale.

Cette concentration a une conséquence directe sur l’économie de l’IA : les entreprises qui ne font pas partie de ce club n’ont pas accès à la puissance de calcul aux mêmes conditions. Elles achètent du calcul à la demande, au prix retail, sur des marchés spot. Les grandes tech, elles, ont négocié des contrats d’approvisionnement en électricité à des prix sensiblement inférieurs aux tarifs spot, selon les analyses de Wood Mackenzie. Elles amortissent leurs puces sur des centaines de millions d’heures de calcul. Leur coût marginal de l’intelligence est structurellement inférieur à celui de tout concurrent.

Daron Acemoglu et Simon Johnson, dans Power and Progress, posent la question fondamentale : la technologie ne profite pas à tous, sauf quand on la force à le faire. Le calcul IA illustre ce mécanisme avec une clarté presque didactique. La technologie progresse. Les capacités s’accumulent. Mais l’accès à ces capacités suit la distribution du capital investi, pas la distribution des besoins ou des idées.

L’IA avance vite mais son infrastructure creuse un fossé durable

Le rythme d’amélioration des modèles est spectaculaire. Ce que l’IA ne savait pas faire en janvier, elle le maîtrise en septembre — cette accélération des capacités est réelle et documentée. Mais elle masque une asymétrie croissante : les gains de capacité bénéficient d’abord aux acteurs qui peuvent se payer l’infrastructure pour les exploiter.

L’analogie avec le XIXe siècle n’est pas parfaite, mais elle est instructive. Quand les chemins de fer ont structuré l’économie américaine, les entreprises qui contrôlaient les rails ont dicté les prix du transport pendant trois décennies. Ce n’est pas la technique ferroviaire qui a posé problème — les ingénieurs circulaient librement. C’est l’infrastructure physique et sa concentration en quelques mains qui a nécessité, in fine, le démantèlement des trusts ferroviaires par Theodore Roosevelt à partir de 1902.

La question pour les années qui viennent n’est pas de savoir si l’IA sera capable de faire davantage. Elle sera capable de faire davantage. La question est de savoir si ceux qui ne font pas partie de l’oligopole du calcul auront accès aux mêmes outils à des conditions compatibles avec une compétition économique normale.

Pour les pays émergents, cet enjeu est particulièrement structurant. La plupart n’ont ni les marchés d’électricité ni les réseaux de transport nécessaires pour accueillir des centres de données compétitifs. Ils seront clients de l’infrastructure, jamais producteurs. C’est une forme inédite de dépendance technologique, qui s’ajoute aux dépendances en matières premières et en finance. On a vu comment treize pays africains ont tenté de prendre le contrôle de leur destin minier en interdisant l’export de minerais bruts — pour la puissance de calcul, aucun levier équivalent n’existe encore.

Des réponses concrètes existent, elles supposent une volonté politique

Ce serait une erreur d’analyste de décrire un goulot d’étranglement sans identifier les mécanismes qui peuvent le réguler.

Plusieurs pistes sont en cours d’exploration, à des stades différents de maturité.

La première est la régulation des contrats d’approvisionnement en électricité renouvelable. Les grandes tech signent des Power Purchase Agreements (PPA) avec des producteurs d’énergie renouvelable qui verrouillent leur capacité pendant vingt ans. En Europe, où le marché de l’énergie verte est encore en construction, des propositions circulent pour réserver une partie de cette capacité à des acteurs régionaux. La Commission européenne a intégré cette question dans son Acte sur les données et dans ses travaux sur l’IA Act, sans encore produire de mesures contraignantes sur l’infrastructure elle-même.

La deuxième est la mutualisation de l’accès au calcul. Plusieurs initiatives nationales — en Allemagne, en France avec le programme de souveraineté numérique, au Japon — tentent de créer des pools de calcul partagés accessibles à des tarifs administrés pour les laboratoires de recherche, les PME et les administrations. Ces programmes restent modestes face aux volumes privés. La France a annoncé un nombre significatif de puces A100 disponibles pour la recherche via le programme Clara, un volume qui représente néanmoins quelques semaines de l’investissement marginal d’un seul hyperscaler.

La troisième est la régulation de l’efficacité énergétique. En imposant des normes de performance par unité de calcul, les régulateurs peuvent accélérer le remplacement des infrastructures inefficaces et réduire l’avantage des acteurs installés sur des équipements anciens amortis. L’Europe travaille sur des métriques de ce type dans le cadre de sa directive sur l’efficacité énergétique, mais la mise en oeuvre reste lente.

La quatrième piste est la transparence sur les coûts. Aujourd’hui, les prix du calcul cloud sont opaques. Les grandes entreprises signent des contrats confidentiels avec des réductions massives. Les startups paient des tarifs list price. Rendre publics les tarifs moyens pondérés permettrait à la régulation antitrust d’évaluer si ces écarts constituent un abus de position dominante. L’autorité antitrust européenne a ouvert des investigations préliminaires sur le marché du cloud, mais aucune décision structurante n’est attendue avant 2027 au plus tôt.

Ce que 2030 dira de 2025

L’enjeu générationnel est réel. Les décisions d’infrastructure prises entre 2023 et 2028 ont une durée de vie de quinze à vingt ans. Les centres de données construits aujourd’hui seront en service en 2040. Les contrats d’électricité signés aujourd’hui courent jusqu’en 2045. Les avantages de coût accumulés par les acteurs en place au cours de cette fenêtre ne seront pas effacés par la seule progression de la technique.

C’est la différence entre une concentration technologique ordinaire et celle que l’on est en train d’observer. Dans la plupart des industries, l’avantage compétitif s’érode avec le temps parce que les nouveaux entrants peuvent reproduire l’infrastructure à moindre coût. Dans l’infrastructure du calcul IA, l’avantage se renforce : plus un acteur a investi tôt, plus son coût marginal est bas, plus il peut proposer des prix que ses concurrents ne peuvent pas atteindre, ce qui génère des revenus qui financent les investissements suivants.

Ce cercle n’est pas inéluctable. Il l’est en l’absence d’intervention. Ce qui rend la décennie actuelle différente de celles qui ont précédé dans l’histoire de la technologie, c’est que les outils de régulation existent — antitrust, normes d’efficacité, marchés d’accès, transparence des prix — et que les régulateurs, en Europe particulièrement, ont la volonté politique de les utiliser. La question n’est pas de savoir si l’on sait comment faire. La question est de savoir si l’on agira assez vite pour que les structures de 2035 ne soient pas simplement l’amplification de celles de 2025.

L’Europe a déjà montré qu’elle pouvait transformer sa régulation en instrument de souveraineté économique. L’infrastructure du calcul est le prochain terrain où cette capacité sera testée — et où l’inaction aurait des conséquences durables, non pour les entreprises technologiques, mais pour les centaines de millions d’utilisateurs, d’entreprises et d’administrations qui auront besoin d’un accès équitable à l’intelligence artificielle dans les décennies qui viennent.

Sources

  1. Carbon Direct, AI Scale and Climate Commitments: A 2026 Outlook — https://www.carbon-direct.com/insights/ai-scale-and-climate-commitments-a-2026-outlook
  2. Agence Internationale de l’Énergie (AIE), Electricity 2024: Analysis and Forecast to 2026 — https://www.iea.org/reports/electricity-2024
  3. Synergy Research Group, Cloud Infrastructure Market Shares Q4 2024 — sans lien garanti, source citée sans URL
  4. Daron Acemoglu et Simon Johnson, Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, PublicAffairs, 2023
  5. Wood Mackenzie, analyses des marchés Power Purchase Agreements pour les hyperscalers, 2024-2025 — sans lien garanti, source citée sans URL
  6. Commission européenne, AI Act et Data Act — https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
  7. IEA — Key Questions on Energy and AI (avril 2026) — https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
  8. IEA — Energy and AI (avril 2025) — https://www.iea.org/reports/energy-and-ai/executive-summary
  9. Synergy Research Group — Part de marché cloud Q3 2025 — https://www.srgresearch.com/articles/cloud-market-share-trends-big-three-together-hold-63-while-oracle-and-the-neoclouds-inch-higher
  10. RTE — Bilan électrique France 2023 — https://analysesetdonnees.rte-france.com/en/annual-review-2023/keyfindings
  11. Epoch AI / Stanford — Coûts d’entraînement IA (arXiv 2024) — https://arxiv.org/html/2405.21015v1
  12. The Planetary Society — Coût du programme Apollo — https://www.planetary.org/space-policy/cost-of-apollo
  13. Visual Capitalist / Epoch AI — Capex Big Tech 2022–2025 — https://www.visualcapitalist.com/visualized-big-tech-ai-spending/