Quand les besoins électriques de l’IA commencent à casser les infrastructures
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements. À Colossus, le site de calcul de xAI à Memphis, des turbines à gaz se sont fissurées.
Publié parModifié avec DeepSeek-V4-FlashImages générées avec GPT Image 1.5
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements.
À Colossus, le site de calcul de xAI à Memphis, des turbines à gaz se sont fissurées.
Le taux de disponibilité de certaines installations serait tombé à 80 %, tandis que chaque minute d’arrêt peut coûter des dizaines de milliers de dollars.
En mai 2026, la NERC a lancé une rare alerte de niveau 3 après plusieurs décrochages ou oscillations de charges informatiques dépassant 1 000 MW.
What are the key findings from the August 2026 Bloomberg investigation regarding how AI workload power swings are damaging data center infraAI data centers experience extreme power volatility that degrades critical equipment far faster than expected.
Prompt IA
Create a landscape editorial hero image for this Studio Global article: What are the key findings from the August 2026 Bloomberg investigation regarding how AI workload power swings are damaging data center infra. Article summary: The Bloomberg article is paywalled. Let me gather additional details from the secondary sources that summarized the findingsHere are the key findings from the August 6, 2026, Bloomberg investigation, corroborated by indu. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com
La consommation électrique massive de l’intelligence artificielle est déjà bien connue. Un problème plus discret apparaît toutefois : les centres de données qui entraînent les modèles ne tirent pas seulement beaucoup d’électricité, ils la consomment de manière extrêmement instable. Selon une enquête publiée par Bloomberg le 6 août 2026, ces variations répétées endommagent des équipements essentiels et peuvent désormais déstabiliser le réseau électrique nord-américain .
Des appels de puissance en quelques millisecondes
Dans un centre de données traditionnel, la demande électrique reste relativement régulière. Les grappes de calcul dédiées à l’IA fonctionnent autrement. Pendant l’entraînement d’un modèle, des centaines de milliers de processeurs graphiques (GPU) peuvent passer d’une consommation presque nulle à leur pleine puissance, puis redescendre, en quelques millisecondes .
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Quelle est la réponse courte à « Quand les besoins électriques de l’IA commencent à casser les infrastructures » ?
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements.
Quels sont les points clés à valider en premier ?
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements. À Colossus, le site de calcul de xAI à Memphis, des turbines à gaz se sont fissurées.
Que dois-je faire ensuite en pratique ?
Le taux de disponibilité de certaines installations serait tombé à 80 %, tandis que chaque minute d’arrêt peut coûter des dizaines de milliers de dollars.
Quand les besoins électriques de l’IA commencent à casser les infrastructures
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements. À Colossus, le site de calcul de xAI à Memphis, des turbines à gaz se sont fissurées.
Publié parModifié avec DeepSeek-V4-FlashImages générées avec GPT Image 1.5
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements.
À Colossus, le site de calcul de xAI à Memphis, des turbines à gaz se sont fissurées.
Le taux de disponibilité de certaines installations serait tombé à 80 %, tandis que chaque minute d’arrêt peut coûter des dizaines de milliers de dollars.
En mai 2026, la NERC a lancé une rare alerte de niveau 3 après plusieurs décrochages ou oscillations de charges informatiques dépassant 1 000 MW.
What are the key findings from the August 2026 Bloomberg investigation regarding how AI workload power swings are damaging data center infraAI data centers experience extreme power volatility that degrades critical equipment far faster than expected.
Prompt IA
Create a landscape editorial hero image for this Studio Global article: What are the key findings from the August 2026 Bloomberg investigation regarding how AI workload power swings are damaging data center infra. Article summary: The Bloomberg article is paywalled. Let me gather additional details from the secondary sources that summarized the findingsHere are the key findings from the August 6, 2026, Bloomberg investigation, corroborated by indu. Topic tags: general, news, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
openai.com
La consommation électrique massive de l’intelligence artificielle est déjà bien connue. Un problème plus discret apparaît toutefois : les centres de données qui entraînent les modèles ne tirent pas seulement beaucoup d’électricité, ils la consomment de manière extrêmement instable. Selon une enquête publiée par Bloomberg le 6 août 2026, ces variations répétées endommagent des équipements essentiels et peuvent désormais déstabiliser le réseau électrique nord-américain .
Des appels de puissance en quelques millisecondes
Dans un centre de données traditionnel, la demande électrique reste relativement régulière. Les grappes de calcul dédiées à l’IA fonctionnent autrement. Pendant l’entraînement d’un modèle, des centaines de milliers de processeurs graphiques (GPU) peuvent passer d’une consommation presque nulle à leur pleine puissance, puis redescendre, en quelques millisecondes .
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Quelle est la réponse courte à « Quand les besoins électriques de l’IA commencent à casser les infrastructures » ?
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements.
Quels sont les points clés à valider en premier ?
Les entraînements de modèles provoquent des variations de puissance à l’échelle de la milliseconde, jusqu’à 50 % au delà des capacités prévues pour certains équipements. À Colossus, le site de calcul de xAI à Memphis, des turbines à gaz se sont fissurées.
Que dois-je faire ensuite en pratique ?
Le taux de disponibilité de certaines installations serait tombé à 80 %, tandis que chaque minute d’arrêt peut coûter des dizaines de milliers de dollars.
Ces cycles rapides créent des à-coups répétés. D’après les éléments rapportés, les fluctuations observées dans certains centres dépassent jusqu’à 50 % les capacités de conception des équipements . À cette échelle, la demande électrique agit comme une succession de chocs mécaniques et thermiques :
Batteries et groupes électrogènes : les batteries au plomb ou au lithium-ion s’usent et tombent en panne plus tôt que prévu. Les générateurs de secours subissent eux aussi une usure accélérée à cause de ces profils de charge irréguliers .
Refroidissement : les groupes frigorifiques, les pompes et les autres systèmes conçus pour fonctionner à régime stable encaissent des variations répétées de charge et de chaleur, ce qui favorise les pannes prématurées .
Moteurs et turbines : des manivelles de petits moteurs à combustion alimentés au gaz naturel se seraient brisées, tandis que des turbines ont subi des fissures .
Le cas de Colossus, le site de xAI à Memphis
À Colossus, le vaste site de calcul de xAI situé à Memphis, dans le Tennessee, des turbines à gaz ont développé des fissures sous l’effet des contraintes mécaniques et thermiques provoquées par les changements rapides de régime .
Pour réduire ces écarts, les ingénieurs auraient même conçu un logiciel personnalisé obligeant les GPU à consommer davantage d’électricité, y compris lorsque cela n’était pas nécessaire au calcul, afin de lisser la demande et de protéger les turbines .
Le phénomène ne serait pas limité à ce site. Des fissures similaires ont été signalées dans plusieurs centres de données plus petits au Royaume-Uni . Certaines batteries de stabilisation installées dans ces infrastructures devraient par ailleurs être remplacées après seulement quelques semaines ou quelques mois d’utilisation intensive .
Des arrêts coûteux et une menace pour les investissements
Les conséquences dépassent largement le cadre de la maintenance. Dans certaines installations, le taux de disponibilité opérationnelle serait descendu jusqu’à 80 %, très loin de l’objectif habituel de 99,99 % affiché par le secteur .
Pour les opérateurs, chaque interruption est particulièrement chère : un grand centre de calcul peut perdre des dizaines de milliers de dollars par minute lorsqu’un entraînement de modèle en cours est interrompu .
Le risque devient aussi financier et industriel. Des analystes estiment que, si le problème n’est pas résolu, les pannes répétées pourraient peser de manière significative sur les investissements consacrés aux infrastructures de l’IA, qui se chiffrent en milliers de milliards de dollars, dans les 12 à 24 prochains mois .
Pourquoi la NERC a déclenché une alerte de niveau 3
Les perturbations ne restent pas confinées à l’intérieur des centres de données. Le 4 mai 2026, la North American Electric Reliability Corporation (NERC) — l’organisme chargé de surveiller la fiabilité du réseau électrique des États-Unis, du Canada et d’une partie du Mexique — a émis une rare alerte de niveau 3, dite « Essential Action », son niveau d’urgence le plus élevé .
L’alerte concerne les grandes charges informatiques, notamment les centres de données d’IA et les installations de minage de cryptomonnaies. Elle fait suite à plusieurs événements au cours desquels plus de 1 000 mégawatts de charge informatique ont disparu du réseau en quelques secondes, ou ont oscillé rapidement, provoquant des perturbations de fréquence et de tension sur de vastes zones . Un incident rapporté fait état d’une chute soudaine de 1 800 MW attribuée à des centres de données d’IA .
La NERC demande notamment aux planificateurs et aux coordinateurs du transport électrique de :
définir et diffuser de nouvelles exigences de modélisation pour les charges informatiques ;
recueillir des données sur la consommation minimale et maximale ainsi que sur sa composition, entre informatique et refroidissement ;
réaliser des études d’impact pour les nouveaux raccordements ;
mettre en place des procédures de mise en service des nouvelles installations ;
installer des dispositifs d’enregistrement dynamique capables de documenter les perturbations ;
établir une communication directe avec les exploitants de centres de données ;
effectuer chaque année des études sur les marges de stabilité dans les zones accueillant de grandes charges informatiques .
La NERC reconnaît que les opérateurs ne disposent pas encore de « processus, procédures ou méthodes suffisants pour traiter les risques associés aux charges informatiques » . Le problème central est donc double : les variations à la milliseconde qui mettent à mal les équipements des centres de données peuvent également se transmettre au réseau, où elles deviennent un risque de fiabilité à l’échelle continentale .
studioglobal.aiAI's Power Swings Are Cracking Turbines, Killing Batteries ...
Ces cycles rapides créent des à-coups répétés. D’après les éléments rapportés, les fluctuations observées dans certains centres dépassent jusqu’à 50 % les capacités de conception des équipements . À cette échelle, la demande électrique agit comme une succession de chocs mécaniques et thermiques :
Batteries et groupes électrogènes : les batteries au plomb ou au lithium-ion s’usent et tombent en panne plus tôt que prévu. Les générateurs de secours subissent eux aussi une usure accélérée à cause de ces profils de charge irréguliers .
Refroidissement : les groupes frigorifiques, les pompes et les autres systèmes conçus pour fonctionner à régime stable encaissent des variations répétées de charge et de chaleur, ce qui favorise les pannes prématurées .
Moteurs et turbines : des manivelles de petits moteurs à combustion alimentés au gaz naturel se seraient brisées, tandis que des turbines ont subi des fissures .
Le cas de Colossus, le site de xAI à Memphis
À Colossus, le vaste site de calcul de xAI situé à Memphis, dans le Tennessee, des turbines à gaz ont développé des fissures sous l’effet des contraintes mécaniques et thermiques provoquées par les changements rapides de régime .
Pour réduire ces écarts, les ingénieurs auraient même conçu un logiciel personnalisé obligeant les GPU à consommer davantage d’électricité, y compris lorsque cela n’était pas nécessaire au calcul, afin de lisser la demande et de protéger les turbines .
Le phénomène ne serait pas limité à ce site. Des fissures similaires ont été signalées dans plusieurs centres de données plus petits au Royaume-Uni . Certaines batteries de stabilisation installées dans ces infrastructures devraient par ailleurs être remplacées après seulement quelques semaines ou quelques mois d’utilisation intensive .
Des arrêts coûteux et une menace pour les investissements
Les conséquences dépassent largement le cadre de la maintenance. Dans certaines installations, le taux de disponibilité opérationnelle serait descendu jusqu’à 80 %, très loin de l’objectif habituel de 99,99 % affiché par le secteur .
Pour les opérateurs, chaque interruption est particulièrement chère : un grand centre de calcul peut perdre des dizaines de milliers de dollars par minute lorsqu’un entraînement de modèle en cours est interrompu .
Le risque devient aussi financier et industriel. Des analystes estiment que, si le problème n’est pas résolu, les pannes répétées pourraient peser de manière significative sur les investissements consacrés aux infrastructures de l’IA, qui se chiffrent en milliers de milliards de dollars, dans les 12 à 24 prochains mois .
Pourquoi la NERC a déclenché une alerte de niveau 3
Les perturbations ne restent pas confinées à l’intérieur des centres de données. Le 4 mai 2026, la North American Electric Reliability Corporation (NERC) — l’organisme chargé de surveiller la fiabilité du réseau électrique des États-Unis, du Canada et d’une partie du Mexique — a émis une rare alerte de niveau 3, dite « Essential Action », son niveau d’urgence le plus élevé .
L’alerte concerne les grandes charges informatiques, notamment les centres de données d’IA et les installations de minage de cryptomonnaies. Elle fait suite à plusieurs événements au cours desquels plus de 1 000 mégawatts de charge informatique ont disparu du réseau en quelques secondes, ou ont oscillé rapidement, provoquant des perturbations de fréquence et de tension sur de vastes zones . Un incident rapporté fait état d’une chute soudaine de 1 800 MW attribuée à des centres de données d’IA .
La NERC demande notamment aux planificateurs et aux coordinateurs du transport électrique de :
définir et diffuser de nouvelles exigences de modélisation pour les charges informatiques ;
recueillir des données sur la consommation minimale et maximale ainsi que sur sa composition, entre informatique et refroidissement ;
réaliser des études d’impact pour les nouveaux raccordements ;
mettre en place des procédures de mise en service des nouvelles installations ;
installer des dispositifs d’enregistrement dynamique capables de documenter les perturbations ;
établir une communication directe avec les exploitants de centres de données ;
effectuer chaque année des études sur les marges de stabilité dans les zones accueillant de grandes charges informatiques .
La NERC reconnaît que les opérateurs ne disposent pas encore de « processus, procédures ou méthodes suffisants pour traiter les risques associés aux charges informatiques » . Le problème central est donc double : les variations à la milliseconde qui mettent à mal les équipements des centres de données peuvent également se transmettre au réseau, où elles deviennent un risque de fiabilité à l’échelle continentale .
studioglobal.aiAI's Power Swings Are Cracking Turbines, Killing Batteries ...