Lors de l’Event Smart Energy 2026 à Sion, Katrin J. Yuan, directrice du Swiss Future Institute et présidente de l’AI Future Council, a livré un constat sans détour : l’intelligence artificielle (IA) n’est ni le problème ni la solution du système énergétique. Elle est un amplificateur, dans un sens comme dans l’autre, selon la manière dont on choisit de la déployer. Car l’IA est déjà capable d’économiser de l’énergie ou de piloter ces économies.
Pour ouvrir sa présentation, Katrin J. Yuan a posé deux chiffres l’un contre l’autre. Entraîner un modèle comme GPT-4 a consommé environ 50 gigawattheures d’électricité, soit la consommation annuelle d’à peu près 11’000 ménages suisses. Mais aujourd’hui, une seule requête envoyée à Gemini ne consomme que 0,24 wattheure, moins que neuf secondes de télévision selon les chiffres publiés par Google. « Même technologie, deux réalités. Laquelle l’emportera ? ».
Pourquoi l'IA est un sujet énergétique
Chaque réponse générée par une intelligence artificielle a un coût physique bien réel, a rappelé Katrin J. Yuan. Le calcul mobilise des dizaines de milliers de GPU et de puces spécialisées qui tournent en continu. Le refroidissement peut représenter jusqu’à 40% de la consommation d’un centre de données. Les centres de données eux-mêmes ont consommé 415 térawattheures dans le monde en 2024, un chiffre que l’Agence Internationale de l’Énergie (AIE) prévoit de voir plus que doubler d’ici 2030, pour atteindre environ 945 térawattheures (soit à peu près la consommation électrique totale du Japon aujourd’hui). Enfin, les nouveaux campus d’IA négocient désormais directement avec les gestionnaires de réseau des raccordements de plusieurs gigawatts.
Un contraste l’a particulièrement marquée : le modèle chinois DeepSeek V3, de classe comparable aux modèles occidentaux, n’a nécessité qu’environ 2 gigawattheures et 5,6 millions de dollars pour être entraîné, soit à peu près 25 fois moins que GPT-4. « La course à l’IA n’est donc pas seulement une course à la puissance, c’est aussi une course à l’efficacité ».
La thèse inverse : l'IA comme moteur de solutions
Mais l’intelligence artificielle a aussi un potentiel largement sous-exploité, a insisté la présidente de l’AI Future Council. Le système AlphaFold de DeepMind a accéléré de 45’000 fois la cartographie des structures de protéines, ouvrant la voie à de nouveaux matériaux pour batteries, catalyseurs, et même la recherche sur la fusion. Pourtant, seulement 2% des capitaux investis dans les start-up de l’énergie financent aujourd’hui des projets liés à l’IA, selon l’AIE. « La technologie qu’on accuse d’être le problème est aussi notre outil le plus rapide pour le résoudre », a-t-elle affirmé.
Pour Katrin J. Yuan, la question n’est donc pas de savoir si l’IA menace ou sauve l’approvisionnement énergétique. « Ce n’est pas l’IA contre l’énergie. L’IA est un amplificateur, du problème ou de la solution, selon la manière dont nous la gouvernons. » La transparence sur la consommation, les choix d’infrastructure et la volonté politique détermineront, selon elle, de quel côté penche la balance.
Des gains déjà mesurables
Plusieurs exemples concrets, sur plusieurs continents, montrent que l’IA améliore déjà le système énergétique aujourd’hui. Chez Google, DeepMind a réduit de 40% l’énergie de refroidissement de ses centres de données. Au Royaume-Uni, National Grid a amélioré de 33% la précision de ses prévisions de production solaire. En Chine, des centrales électriques virtuelles pilotées par IA coordonnent déjà 3,5 gigawatts de pointe de consommation dans les régions de Shanghai, Jiangsu et Guangdong. À l’échelle mondiale, l’AIE estime que des outils d’analyse par IA pourraient débloquer jusqu’à 175 gigawatts de capacité de transport supplémentaire, sans construire une seule nouvelle ligne.
Katrin J. Yuan s’est particulièrement attardée sur le cas de Google, qu’elle juge emblématique. « Les ingénieurs de Google n’ont ajouté aucun serveur. Un réseau de neurones a simplement appris à piloter le système de refroidissement mieux qu’un opérateur humain, en temps réel, au PUE le plus bas jamais enregistré sur ce site. » Un gain silencieux, invisible, mais massif à l’échelle, selon elle typique de ce que l’IA peut apporter à l’énergie.
Un regard vers 2050
Pour la directrice du Swiss Future Institute, trois évolutions définiront le paysage énergétique en 2050 : des réseaux auto-équilibrés, pilotés par des millions d’agents IA mettant en correspondance l’offre et la demande locales en temps réel ; des technologies de rupture, avec des découvertes accélérées par le calcul pour la fusion et le stockage de nouvelle génération ; et la Suisse comme pôle de confiance, terrain d’expérimentation idéal pour les projets pilotes IA-énergie et les standards de gouvernance. « Rien de tout cela n’est automatique. Cela dépend des choix que nous faisons aujourd’hui », a-t-elle prévenu.
Katrin J. Yuan a conclu sa présentation avec trois messages. L’empreinte énergétique de l’IA est réelle et croissante, mais elle ne constitue qu’une partie de l’histoire. La même intelligence qui consomme de l’énergie apprend déjà à en économiser et à en produire plus efficacement. Et le résultat final n’est pas une question technologique, mais une question de gouvernance.
Elle a aussi appelé à considérer l’énergie comme un actif stratégique dans un contexte de rivalités géopolitiques croissantes, plaidant pour une coopération renforcée plutôt que pour des initiatives isolées. « À l’avenir, ce ne sera pas l’intelligence brute qui fera la différence, mais la capacité à poser les bonnes questions et à interpréter les résultats. » Et de conclure sur une mise en garde qui a résonné dans la salle. « Le risque véritable n’est pas que l’IA devienne plus intelligente que nous, mais que nous perdions notre capacité à penser de manière critique. »
Propos recueillis le 28.08.2026 lors de l’Event Smart Energy
