Le cerveau humain fonctionne avec environ 20 watts. Le superordinateur le plus rapide au monde, LineShine à Shenzhen, consomme 42,2 millions de watts. Cet écart est devenu l'argument préféré d'internet sur l'utilisation d'énergie par l'IA, et la plupart est erroné.
La comparaison elle-même tient la route. Cependant, les chiffres qui circulent sur les réseaux sociaux proviennent d'un seul article. Le plus frappant a été mal attribué pendant trois ans.
Utilisation d'énergie par l'IA : Que peuvent réellement acheter 20 watts
Le chiffre de 20 watts repose sur des décennies de mesures métaboliques. Le cerveau représente environ 2 % du poids corporel et environ 20 % de la consommation d'oxygène au repos.
Le nombre de neurones est plus incertain qu'il n'y paraît. Les 86 milliards souvent cités reposent sur quatre cerveaux masculins et sont actuellement contestés dans la revue Brain.
Les publications virales utilisent souvent 12 watts plutôt que 20. Ce chiffre apparaît dans un article de 2023 dans Frontiers in Artificial Intelligence, sans aucune citation.
Le même article a produit le chiffre que tout le monde partage. Ses auteurs ont estimé que recréer numériquement un cerveau humain consommerait 2,7 milliards de watts.
Cette estimation provient de l'extrapolation d'une simulation de 10 millions de neurones à l'échelle de la souris, puis multipliée par mille.
L'article indique également que la simulation fonctionnait environ 30 000 fois plus lentement que la biologie. Les publications sur les réseaux sociaux omettent ce détail. Les sources secondaires attribuent ensuite le chiffre au Blue Brain Project, qui ne l'a jamais publié.
Des chiffres fiables existent ailleurs. Epoch AI a estimé qu'une requête typique de ChatGPT consomme 0,3 watt-heure début 2025. Une étude évaluée par des pairs dans Joule a ensuite abouti à 0,31.
Deux méthodes indépendantes s'accordant aussi étroitement est inhabituel. Cependant, le chiffre change fortement en fonction de la charge de travail, et les modèles de raisonnement qui produisent des réponses plus longues peuvent coûter plusieurs fois plus cher.
Ce que la biologie fait différemment, et ce que le silicium a copié
L'activité corticale est rare. Les taux de tir moyens sont inférieurs à 1 Hz, et l'énergie suit le changement plutôt que les cycles d'horloge.
L'IA moderne a atteint la même conclusion de manière indépendante. Kimi K2 active 32,6 milliards de ses 1,04 trillion de paramètres par jeton, soit près de 3,1%.
Ce ratio diminue rapidement. Mixtral a utilisé environ 28% de ses paramètres en 2023, tandis que DeepSeek-V3 utilise maintenant 5,5%.
La biologie effectue également des calculs à faible précision. Rien à l'intérieur d'un neurone ne se résout à 32 bits.
Les fabricants de puces ont suivi le même chemin. DeepSeek a entraîné un modèle de 671 milliards de paramètres en précision huit bits. NVIDIA a depuis préentraîné un modèle de 12 milliards de paramètres en quatre bits.
La troisième différence est la plus grande et la moins copiée. Les cerveaux conservent la mémoire et le calcul au même endroit physique.
Les machines numériques les séparent. Mark Horowitz de Stanford a montré le coût de cette séparation. Récupérer un opérande de la mémoire peut consommer des centaines de fois plus d'énergie que l'arithmétique elle-même.
Les puces en forme de cerveau qui ne sont jamais arrivées
Le matériel conçu explicitement pour imiter les neurones a rencontré des difficultés. Aucun système neuromorphique ou analogique n'a formé ou exécuté un modèle de pointe en production.
Le Hala Point d'Intel contient 1,15 milliard de neurones artificiels répartis sur 1 152 puces. Il reste un prototype de recherche installé aux Laboratoires nationaux de Sandia. Mike Davies, directeur du laboratoire de calcul neuromorphique d'Intel, a déclaré à The Register en 2024 :
« Nous ne cartographions aucun LLM sur Hala Point pour le moment. Nous ne savons pas comment faire cela. »
Le tableau commercial est encore plus mince. BrainChip est la société phare du secteur cotée en bourse. Elle a déclaré 700 000 $ de recettes clients contre 5,3 millions $ de sorties d'exploitation au dernier trimestre de mars.
D'autres ont complètement stagné. Rain AI, qui cherchait 150 millions $ et n'a pas réussi à les lever, a exploré une vente en 2025.
Les chercheurs dans le domaine décrivent un problème circulaire. Catherine Schuman, professeure adjointe en génie électrique et en informatique à l'Université du Tennessee, Knoxville, a déclaré :
« Les entreprises de matériel attendent qu'il y ait une application révolutionnaire, mais il est vraiment difficile de comprendre comment construire ces applications sans avoir de matériel sur lequel prototyper. »
Plus de 20 chercheurs ont signé un document de consensus en 2025 dans Nature. Il a soutenu que le domaine manque encore de l'écosystème dont il a besoin.
Les principes de la biologie ont gagné. Le matériel construit pour les incarner ne l'a pas fait.
Tout le monde enchérit pour les mêmes électrons
L'efficacité compte maintenant car l'électricité est devenue la contrainte principale. L'Agence internationale de l'énergie a estimé la consommation mondiale des centres de données à 485 térawattheures en 2025.
Les installations axées sur l'IA ont connu une croissance de 50 % rien que cette année-là. L'agence s'attend à ce qu'elles triplent d'ici 2030.
L'accès au réseau, plutôt que l'approvisionnement en puces, conditionne désormais la construction. Le temps médian entre une demande d'interconnexion et le début de l'exploitation commerciale dépasse cinq ans, selon le Lawrence Berkeley National Laboratory.
Le directeur général de Microsoft, Satya Nadella, a déclaré en novembre que son entreprise détient des processeurs qu'elle ne peut pas brancher. La pénurie concerne les bâtiments alimentés, pas le silicium. Les investisseurs institutionnels ont soulevé des questions similaires sur la préparation du réseau.
Les mineurs de Bitcoin ont passé une décennie à résoudre exactement ce problème. Ils détiennent des sites énergisés, des contrats d'approvisionnement signés et des droits d'interconnexion que les nouveaux venus attendent des années à sécuriser.
Le résultat a transformé l'exploitation minière en une entreprise d'énergie et d'infrastructure. La mise à niveau d'un site opérationnel coûte environ 3 millions à 4 millions de dollars par mégawatt. La construction sur un terrain vierge coûte entre 10 millions et 12 millions de dollars, estime VanEck.
Les valeurs des accords annoncés sont énormes. Les mineurs publics ont signé des contrats d'IA d'une valeur totale de plus de 70 milliards de dollars.
La capacité livrée raconte une histoire plus silencieuse. Les dépôts du deuxième trimestre 2026 montrent environ 750 mégawatts réellement énergisés dans le secteur.
Core Scientific représente environ 437 de ces mégawatts. Le campus Helios de Galaxy a fourni 133 ; TeraWulf 102 ; IREN 50 ; et Riot 25. Hut 8 a contracté 949 mégawatts et n'en a activé aucun.
Le pivot a été coûteux. Les pertes trimestrielles combinées des mineurs MARA et CleanSpark ont atteint 851 millions de dollars en août.
La plupart de la capacité minière ne sera jamais convertie. Les données préliminaires de l'enquête de Cambridge présentées en juillet ont montré qu'environ 10 % des mineurs avaient alloué de l'énergie à l'IA.
Les obstacles sont physiques. L'exploitation minière tolère les interruptions, tandis que les locataires de l'IA exigent une puissance ferme, un refroidissement dense et de la fibre que les sites éloignés ont rarement.
Cela dit, la direction du voyage est claire. Core Scientific tire désormais 83 % de ses revenus de la colocation et seulement 13 % de l'exploitation minière elle-même.
Les investisseurs ont intégré ce changement. Les mineurs détenant des baux signés se négocient à des multiples bien plus élevés de leur puissance activée. Pendant ce temps, le prochain pari sur l'IA ressemble de plus en plus à de l'électricité plutôt qu'à des puces.
Pourquoi l'efficacité ne résoudra pas l'utilisation d'énergie de l'IA
Les gains d'efficacité ont absorbé la croissance de la demande dans le passé. La puissance de calcul des centres de données mondiaux a augmenté de 550 % entre 2010 et 2018, tandis que la consommation d'énergie a augmenté d'environ 6 %.
Puis le schéma a été rompu. La consommation des centres de données aux États-Unis est passée de 58 térawattheures en 2014 à 176 en 2023.
L'évolution s'est optimisée sous un plafond strict. Un crâne consommant 200 watts aurait tué son propriétaire, donc l'efficacité est devenue la seule réponse disponible.
L'IA n'a jamais été confrontée à ce plafond. Elle a plutôt été confrontée à un plafond de capital, et le capital s'étire beaucoup plus facilement que l'électricité.
Cela est en train de changer. La question ouverte n'est plus de savoir si la biologie est plus efficace. Il s'agit de ce que l'IA devient une fois que l'énergie, plutôt que l'argent, décide de ce qui est construit.
Source : BeInCrypto
