Les tensions provoquées par les datacenters d’intelligence artificielle ne viennent pas seulement de l’électricité réellement consommée. Des projets encore incertains peuvent réserver des capacités auprès de plusieurs réseaux, gonfler les files de raccordement et fausser la planification. Le débat porte donc autant sur la maturité des projets et le partage des coûts que sur la croissance, bien réelle, de la demande énergétique du numérique.
Ce qui vient de se passer
Le Wall Street Journal a décrit, le 13 octobre 2026, la difficulté croissante des opérateurs électriques américains à distinguer les projets de datacenters prêts à être construits de ceux qui restent exploratoires [1]. Le terme « datacenter fantôme » désigne dans ce contexte un projet annoncé dans une file de raccordement, mais dont le financement, le terrain, les équipements, le calendrier ou même la localisation définitive ne sont pas encore suffisamment établis.
Le qualificatif ne signifie pas nécessairement qu’un dossier est frauduleux. Un même développeur peut sonder plusieurs régions pour comparer les délais, le prix de l’électricité ou les contraintes réglementaires. La même charge potentielle est alors comptée plusieurs fois dans des portefeuilles distincts. À l’inverse, une file surchargée peut ralentir des projets crédibles et conduire les gestionnaires de réseau à étudier des renforcements qui ne seront finalement pas tous nécessaires.
Une demande de raccordement mesure une intention et un besoin maximal envisagé. Elle ne constitue ni une consommation observée, ni une garantie de construction, ni une prévision certaine de charge future.
Ce qui est réellement nouveau
Les projets spéculatifs dans les files électriques ne sont pas nouveaux. Ce qui change avec l’IA tient à leur échelle, à leur concentration géographique et à leur vitesse. Selon le WSJ, une demande courante adressée à certains fournisseurs est passée d’environ 50 MW à 1 000 MW ou davantage [1]. Une seule implantation peut donc peser comme une grande installation industrielle, alors que sa puissance est parfois appelée progressivement sur plusieurs années.
Cette dynamique rencontre une asymétrie de calendrier. Un datacenter peut être développé en quelques années, tandis qu’une ligne à haute tension, un poste source ou une nouvelle capacité de production exigent souvent des procédures plus longues. Pour sécuriser une option, les développeurs ont intérêt à déposer tôt. Pour protéger les consommateurs, les réseaux ont au contraire besoin de preuves de maturité avant d’investir. La nouveauté réside moins dans la file elle-même que dans l’écart entre l’ampleur des demandes et la quantité de projets démontrant déjà leur capacité à aboutir.
Comment fonctionne une file de raccordement
Lorsqu’un projet demande une forte puissance, le gestionnaire analyse son emplacement, son profil de consommation, sa date d’arrivée et les travaux nécessaires. Il peut devoir renforcer un poste, une ligne ou des moyens de flexibilité. Le dossier avance au fil d’études techniques, de garanties financières, d’autorisations et de contrats. Une place dans la file ne signifie donc pas qu’une capacité est immédiatement disponible.
Il faut également distinguer les files de demande, qui concernent les consommateurs comme les datacenters, des files de production, qui recensent des centrales ou des installations renouvelables souhaitant injecter de l’électricité. Les deux interagissent, mais leurs règles et leurs métriques ne sont pas interchangeables.
Pourquoi cela compte pour l’économie de l’IA
Une file gonflée produit des effets avant même qu’un serveur soit installé. Elle influence les prévisions de charge, la localisation des postes, les investissements des producteurs, les décisions foncières et parfois les tarifs. Si des ouvrages sont construits pour un projet abandonné, une partie du coût peut être reportée sur d’autres usagers. Si les opérateurs sous-estiment au contraire la demande, des projets réels peuvent être retardés et la qualité d’alimentation fragilisée.
L’enjeu environnemental dépasse donc le nombre de kilowattheures consommés par les modèles. Une prévision trop élevée peut accélérer des infrastructures surdimensionnées, mobiliser des matériaux et réserver des terrains. Une prévision trop faible peut favoriser des solutions temporaires plus carbonées, comme des groupes de production sur site. La qualité des données de raccordement devient ainsi une composante de l’empreinte matérielle de l’IA.
Cette question est aussi industrielle. L’accès à une puissance ferme conditionne l’emplacement des capacités de calcul, donc l’attractivité d’un territoire pour le cloud et l’IA. Filtrer les demandes ne doit pas revenir à bloquer l’investissement, mais à hiérarchiser les projets selon des critères transparents, comparables et compatibles avec les capacités locales.
Ce que les données permettent réellement d’affirmer
Ces chiffres ne doivent pas être additionnés, car ils décrivent des zones, des dates et des périmètres différents. Ils convergent néanmoins sur deux constats. La croissance de la demande électrique des datacenters est mesurable. Dans le même temps, le volume brut des files ne constitue pas une projection fiable sans information sur les doublons, les études réalisées, les garanties déposées et le calendrier de montée en charge.
Les enjeux de responsabilité
Les réponses émergentes reposent sur des dépôts, des contrats plus longs, des étapes de maturité et des vérifications documentaires. Exelon a réduit son portefeuille à forte probabilité après avoir demandé des engagements financiers [1]. Au Texas, ERCOT a instauré un processus par lots pour vérifier l’éligibilité des grandes charges et mieux intégrer les projets suffisamment avancés dans ses études [5]. En Grande-Bretagne, Ofgem a proposé en 2026 de mieux sélectionner les projets viables, notamment au moyen de jalons et d’engagements destinés à limiter les dossiers spéculatifs [6].
Ces mécanismes doivent toutefois rester proportionnés. Une garantie trop lourde peut favoriser les plus grands groupes au détriment d’acteurs plus petits, même crédibles. Un critère purement financier ne renseigne pas non plus sur l’utilité sociale, le bilan carbone, l’usage de l’eau ou l’effet local sur les prix. La gouvernance devrait donc combiner maturité technique, responsabilité financière, transparence environnementale et protection des autres consommateurs.
- Publier séparément la puissance demandée, étudiée, contractualisée, mise sous tension et effectivement appelée ;
- Déclarer les demandes déposées pour un même projet dans plusieurs territoires, sans divulguer les secrets commerciaux ;
- Faire supporter au demandeur une part cohérente du risque de renforcement et de retrait ;
- Prévoir une montée en charge par étapes, avec révision des capacités non utilisées ;
- Évaluer les effets locaux sur les tarifs, l’eau, les émissions, l’emploi et la résilience du réseau.
Ce qu’il faudra observer maintenant
La première mesure utile sera le taux de conversion des files : combien de mégawatts demandés atteignent réellement les étapes d’étude, de contrat, de mise sous tension puis de consommation ? Il faudra aussi suivre l’écart entre puissance réservée et pointe observée, les retraits après dépôt d’une garantie, la durée des raccordements et la part des coûts finalement supportée par les datacenters.
Les comparaisons internationales seront instructives. Le Texas expérimente une sélection plus formalisée des grandes charges, tandis que la Grande-Bretagne réforme son processus de demande. Leur efficacité se jugera à leur capacité à accélérer les projets solides sans transférer indûment les risques vers les ménages, les entreprises déjà raccordées ou les collectivités.
Les datacenters fantômes ne démontrent donc pas que la demande électrique de l’IA serait fictive. Ils révèlent plutôt une faiblesse de mesure : une intention de raccordement est souvent traitée comme une consommation future. Pour planifier l’essor de l’IA avec rigueur, il faudra remplacer le chiffre spectaculaire de la file par une chaîne d’indicateurs vérifiables, depuis le dossier exploratoire jusqu’au mégawatt effectivement utilisé.
Pour aller plus loin sur le blog aivancity
Retrouvez quatre analyses complémentaires sur l’infrastructure, l’énergie et les impacts environnementaux de l’intelligence artificielle .
Sources
[1] Hiller, Jennifer. (13 octobre 2026). ‘Phantom’ Data Centers Are Demanding More From the Power Grid Than They Need. The Wall Street Journal. Consulter l’article
[2] Agence internationale de l’énergie. Energy and AI, Energy demand from AI. Données sur la consommation mondiale des datacenters. Consulter le rapport
[3] Agence internationale de l’énergie. Energy and AI Observatory. Enjeux de localisation et de planification des capacités. Consulter l’observatoire
[4] ERCOT. (Avril 2026). Interconnection and Grid Analysis Update. Suivi des grandes charges et part des datacenters. Consulter le document
[5] ERCOT. (2026). Large Load Integration. Documents d’éligibilité et processus de vérification des grandes charges. Consulter la documentation
[6] Ofgem. (29 juillet 2026). Ofgem acts to free up grid capacity by tackling speculative data centre projects. Consulter le communiqué
[7] Ofgem. (2026). Proposed data centre connection reforms. Consultation sur les réformes du raccordement des datacenters. Consulter la consultation