Ce sur quoi tourne l’IA, et où

Chaque réponse d’un assistant est calculée quelque part. Une puce dans un centre de données fait l’arithmétique, le réseau électrique fournit l’énergie, et un système de refroidissement évacue la chaleur. Pour la plupart des entreprises, tout cela est resté invisible.

Cela devient une décision d’entreprise, car cela détermine le prix de l’IA, sa vitesse et l’endroit où vont vos données.

La puissance de calcul croît plus vite que tout ce qui l’entoure

L’AI Index 2026 de Stanford estime que la capacité mondiale de calcul pour l’IA a été multipliée par 3,3 chaque année depuis 2022, pour atteindre l’équivalent d’environ 17,1 millions de puces H100 de Nvidia. Nvidia en représente plus de 60 pour cent. Google et Amazon fournissent l’essentiel du reste avec leurs propres puces, et Huawei détient une part modeste mais croissante. Presque toutes les puces d’IA de pointe sont fabriquées par une seule fonderie, TSMC, à Taïwan.

L’argent suit. L’Agence internationale de l’énergie (AIE) rapporte que les dépenses d’investissement des plus grandes entreprises technologiques ont dépassé 400 milliards de dollars en 2025 et devraient encore augmenter de 75 pour cent en 2026. Elle note aussi une pénurie de mémoire à haute bande passante, un composant essentiel à la production de puces d’IA, qui devrait durer au moins jusqu’à fin 2027.

L’électricité, nouvelle limite

Les puces ont besoin d’électricité. L’AIE relève une hausse de 17 pour cent de la demande d’électricité des centres de données en 2025, et de 50 pour cent pour ceux conçus pour l’IA. Sa projection centrale voit la consommation des centres de données environ doubler, de 485 térawattheures en 2025 à 950 en 2030, soit environ 3 pour cent de la demande mondiale d’électricité. La consommation des centres de données consacrés à l’IA triple sur la même période.

L’AI Index chiffre la capacité électrique des centres de données d’IA à environ 29,6 gigawatts fin 2025, comparable à la demande de pointe de l’État de New York. D’après son estimation, la demande d’électricité de l’ensemble des systèmes d’IA est comparable à la consommation nationale d’électricité de la Suisse ou de l’Autriche.

L’Europe veut davantage de cette capacité chez elle. La Commission européenne s’est fixé pour objectif de tripler la capacité des centres de données dans l’UE d’ici cinq à sept ans, note l’AIE. Le 30 juillet 2026, l’entreprise commune EuroHPC a ouvert un appel pour jusqu’à sept gigafactories d’IA dans au moins sept États membres, avec de l’argent public comme client d’ancrage et plus de 20 milliards d’euros d’investissements privés attendus. Les propositions sont à remettre le 12 novembre, et la sélection est attendue début 2027.

Chaque réponse coûte moins

Alors que le total augmente, la réponse isolée devient moins chère. L’AIE écrit que l’énergie consommée par tâche d’IA a récemment baissé d’au moins un ordre de grandeur par an, et qu’une simple requête textuelle consomme désormais généralement moins d’électricité qu’un téléviseur allumé pendant la même durée.

Les prix racontent la même histoire. Epoch AI a mesuré la vitesse à laquelle baisse le prix pour atteindre un niveau de performance donné : entre 9 et 900 fois par an, selon la tâche. Les baisses les plus rapides sont récentes, et Epoch prend soin de préciser qu’elles pourraient ne pas durer.

Le matériel sous-jacent a suivi. L’AI Index, à partir de données de l’AIE, constate que le coût du calcul sur GPU a baissé de plus de 99 pour cent depuis 2006, et que les puces de pointe fournissent environ dix fois plus de calcul par watt que celles d’il y a dix ans.

Le bémol, c’est le travail lui-même. La vidéo, le raisonnement et les agents peuvent consommer des centaines, voire des milliers de fois plus d’énergie par requête qu’une simple réponse textuelle, note l’AIE. L’unité devient moins chère. La facture dépend de ce que vous demandez à la machine de faire.

Assez petit pour le bureau

Le deuxième changement concerne la taille. Un modèle performant n’a plus besoin d’un centre de données. Le DGX Spark de Nvidia est une machine de bureau dotée de jusqu’à 128 Go de mémoire. Nvidia indique qu’elle fait tourner des modèles allant jusqu’à 200 milliards de paramètres, peut affiner des modèles allant jusqu’à 70 milliards, et que l’on peut en relier jusqu’à quatre pour des modèles plus grands.

Les petits modèles progressent pour leur taille. L’AI Index cite un modèle ouvert de 32 milliards de paramètres, près de 90 fois moins que Grok 4, qui atteint des résultats comparables sur plusieurs tests de référence. Ses concepteurs l’ont entraîné sur beaucoup moins de jetons et ont sélectionné les données avec un soin extrême.

La Suisse construit le sien. Apertus, publié en septembre 2025 par l’EPFL, l’ETH Zurich et le Centre suisse de calcul scientifique, a été entraîné avec plus de 10 millions d’heures de GPU sur le supercalculateur Alps, en tailles de 8 et 70 milliards de paramètres, sur 15'000 milliards de jetons dans plus de 1'000 langues. Ses poids, ses recettes et la documentation de ses données d’entraînement sont publics. La version 1.5 a suivi en juillet 2026, avec compréhension de l’image et du son et une famille de modèles compacts.

Le pays a les talents pour cela. L’AI Index compte 110,5 auteurs et inventeurs d’IA pour 100'000 habitants en Suisse, devant tous les autres pays, Singapour la talonnant de près.

Hébergement suisse et européen

Les grands fournisseurs se sont rapprochés. En juin 2025, Microsoft a annoncé 400 millions de dollars pour étendre ses quatre centres de données près de Zurich et de Genève, en pensant à l’IA pour les secteurs réglementés comme la santé, la finance et l’administration. Heise, citant Reuters, a rapporté que l’extension devrait garder les données à l’intérieur des frontières suisses.

Swisscom s’appuie sur une plateforme propre. En février 2026, elle a lancé un assistant pour les connaissances d’entreprise qui est exploité entièrement en Suisse, sur plusieurs modèles open source utilisés tels quels. Toutes les données sont stockées et traitées dans ses centres de données suisses, et les données des entreprises n’entraînent pas les modèles de base. La plateforme sous-jacente propose à d’autres des capacités GPU et des interfaces de modèles, et Swisscom a cité Apertus parmi les modèles qu’elle prévoit d’ajouter.

Choisir où tourne votre IA

Pour une petite ou moyenne entreprise, cela se ramène à trois options. Un modèle de pointe loué via une interface, avec des conditions entreprise et une région européenne. Un modèle ouvert hébergé dans un cloud suisse ou européen. Ou un modèle sur du matériel à soi, dans ses propres locaux ou son propre compte cloud.

Nous décidons en gardant quatre critères en tête : la sensibilité des données ; le volume de travail qui passe par le modèle, car un coût fixe ne l’emporte sur un coût à l’usage qu’au-delà d’un certain volume ; la rapidité requise d’une réponse ; et qui s’occupera du système une fois qu’il tourne.

Nous en utilisons nous-mêmes plusieurs. Twin travaille pour nous dans Claude et ChatGPT, et sur notre propre matériel avec un modèle à nous. Studio conserve ses données à Zurich. Pour les clients, Twin tourne en Suisse ou dans l’UE, ou sur le matériel du client.

Eigna, conçu par notre partenaire Eigna Labs, se situe du côté privé. Il tourne dans le cloud de l’entreprise ou sur ses propres serveurs, d’une machine à un cluster, et il est conçu pour fonctionner entièrement hors ligne dans des réseaux fermés. Les corrections le réentraînent sur le propre matériel de l’entreprise, et une nouvelle version n’est mise en service que si elle se révèle meilleure aux tests.

La machine se choisit sur un tableur. Décider quelles données peuvent quitter les locaux relève du jugement, et cela revient à une personne qui en répond. Commencez par les données. La puce, le bâtiment et le pays en découlent.