Le 16 septembre 2026, John Andril, responsable de l’intelligence marketing chez Avison Young, a estimé que les appels à ralentir l’amélioration des modèles d’IA de pointe n’avaient encore aucun effet immédiat sur la demande de centres de données. Un éventuel coup de frein à l’entraînement ne toucherait en effet qu’un morceau du marché : le cloud, les usages des entreprises, l’inférence et les capacités déjà financées continuent d’alimenter les projets.
Pourquoi un ralentissement de l’IA ne bloquerait pas l’expansion
Dario Amodei, directeur général d’Anthropic, a appelé le 12 septembre 2026 à ralentir le rythme d’amélioration des capacités des modèles d’IA. Sam Altman et Elon Musk ont soutenu cette orientation, tandis que Demis Hassabis l’a jugée adaptée au moment présent. Ces prises de position portent sur le rythme du développement des modèles de pointe, pas sur l’arrêt de toutes les infrastructures informatiques.
Anthony Wanger, investisseur et conseiller chez Regnaw Capital, a décrit cette approche comme un ralentissement du rythme de développement plutôt qu’un abandon de l’IA. Cette nuance compte pour les centres de données : leurs clients ne se limitent pas aux laboratoires qui entraînent les modèles les plus avancés.
Le marché repose aussi sur les services cloud, les applications d’entreprise, la transformation numérique et l’exécution de modèles déjà entraînés. Un ralentissement de l’entraînement pourrait donc réduire une partie de la demande sans faire disparaître les autres.
La part la plus exposée reste l’entraînement des modèles de pointe
John Andril estime que l’entraînement des modèles de pointe représente 10 à 20 % de la demande actuelle et projetée de centres de données. Cette fourchette concerne son estimation de la demande, et non une mesure de chaque opérateur ou de chaque pays.
C’est la partie du marché qui serait la plus directement exposée à une réduction du rythme de développement. Les infrastructures conçues pour des charges d’entraînement très intensives pourraient subir davantage de pression que les installations polyvalentes, capables d’héberger des services cloud ou des applications d’entreprise.
| Segment de demande | Effet possible d’un ralentissement de l’entraînement de pointe | Ce que cela change pour le marché |
| Entraînement des modèles de pointe | Segment le plus directement exposé | Une partie de la demande pourrait être affectée |
| Inférence | Devrait continuer à progresser avec l’usage des modèles | Elle nécessite des capacités réparties près des utilisateurs |
| Cloud computing | Reste un moteur majeur de demande | Les besoins cloud ne dépendent pas uniquement de l’entraînement frontier |
| Charges de travail des entreprises | Continuent de soutenir les centres de données | La transformation numérique élargit la clientèle |
| Capacités déjà financées ou en construction | Moins sensibles à court terme | Les engagements et les délais de construction retardent l’effet d’un changement de stratégie |
Le cloud, l’entreprise et l’inférence prennent le relais
L’inférence désigne l’exécution d’un modèle déjà entraîné pour répondre à une requête, produire une image ou faire fonctionner un agent. Contrairement à l’entraînement, qui se concentre souvent dans de grands sites spécialisés, l’inférence demande des capacités plus proches des utilisateurs afin de réduire la latence.
Cette différence crée un second moteur de croissance. Même si les nouveaux entraînements de modèles de pointe ralentissaient, chaque utilisation quotidienne d’un service d’IA continuerait de mobiliser des serveurs. La progression des applications professionnelles, des outils cloud et des agents logiciels ajoute d’autres charges aux infrastructures existantes.
Andrew Power, directeur général de Digital Realty, a également mis en avant la croissance du cloud et de la transformation numérique qui ne dépend pas directement de l’IA. Pour son entreprise, ces activités restent des moteurs majeurs, indépendamment du rythme auquel les laboratoires améliorent leurs modèles.
Pourquoi l’effet ne serait pas immédiat
Les centres de données ne se construisent pas à la vitesse d’un modèle logiciel. Une grande partie des nouvelles capacités est réservée des mois, voire des années, avant leur mise en service. Des spécialistes du secteur décrivent aussi comme déjà financée ou en construction une part importante des infrastructures destinées aux cinq à dix prochaines années.
Cela crée un décalage entre une annonce sur le rythme de l’IA et ses conséquences immobilières ou énergétiques. Une entreprise peut modifier ses priorités de recherche tout en conservant des engagements déjà signés et des chantiers en cours.
Les contraintes d’approvisionnement et le retard accumulé dans les projets renforcent cet amortisseur. John Andril a décrit un marché marqué par un important carnet de commandes, au point qu’un rythme de construction légèrement moins rapide pourrait surtout détendre la pression sur les fournisseurs et les réseaux électriques avant de provoquer une baisse visible de la demande.
Les prévisions restent orientées à la hausse, avec de fortes différences selon les scénarios
Une projection mondiale situe la demande de centres de données autour de 92 GW en 2027. Ses scénarios de croissance vont d’environ 14 % à 20 %, avec une hypothèse centrale de 17 % entre 2025 et 2028. Ces chiffres décrivent des trajectoires possibles, et non une consommation déjà atteinte.
Aux États-Unis, une analyse publiée le 24 juin 2025 estime que la puissance nécessaire aux centres de données consacrés à l’IA pourrait passer de 4 GW en 2024 à 123 GW en 2035. Elle souligne aussi les limites du réseau électrique, des chaînes d’approvisionnement et des procédures d’autorisation. Certaines demandes de raccordement au réseau américain peuvent nécessiter jusqu’à sept ans d’attente.
Ces projections ne racontent pas exactement la même histoire : l’une porte sur la demande mondiale de centres de données, l’autre sur la puissance des infrastructures américaines liées à l’IA. Elles ont toutefois un point commun : un ralentissement de l’entraînement de pointe ne suffit pas, à lui seul, à effacer les autres besoins d’infrastructure.
Le vrai test se jouera sur les engagements futurs
Le 15 septembre 2026, Andrew Power a expliqué qu’un ralentissement potentiel ne signifiait pas l’arrêt des investissements dans l’IA ou dans l’immobilier qui l’accompagne. Le 16 septembre, John Andril a de son côté décrit une demande toujours soutenue par les projets planifiés, les contraintes d’offre et les usages non liés à l’entraînement des modèles de pointe.
Le marché pourrait donc ralentir sur certains projets très spécialisés sans que l’expansion des centres de données s’interrompe dans son ensemble. Pour l’instant, le calendrier des engagements existants, la croissance du cloud et le déploiement de l’inférence pèsent davantage sur la demande immédiate que les déclarations appelant à modérer le rythme des nouveaux modèles.
