Data / IA
L’IA n’est plus une course aux modèles. C’est une course aux tokens et aux mégawatts…
Par La rédaction, publié le 29 juillet 2026
L’IA change d’échelle et, avec elle, les critères de décision des DSI. Derrière la bataille des modèles se joue désormais celle des coûts et infrastructures de l’IA, où tokens consommés, mégawatts disponibles et maîtrise des données déterminent la capacité réelle des entreprises à industrialiser leurs usages.
Par Laurent Degré, Président Directeur Général de HPE France
Depuis deux ans, la course à l’IA s’est racontée à travers les lancements de modèles, les levées de fonds et l’envolée des valorisations. Ce récit n’est pas faux, mais il ne suffit plus. À mesure que l’IA passe de l’expérimentation au déploiement, une réalité plus exigeante s’impose. L’IA fonctionne désormais avec deux monnaies : les tokens et les mégawatts. La première mesure l’usage et le coût réel de l’IA pour les organisations. La seconde mesure leur capacité à construire, accéder ou maîtriser la puissance nécessaire pour l’utiliser à grande échelle.
Beaucoup d’organisations ont pu considérer la puissance de calcul comme une ressource abstraite, amortie par des budgets d’expérimentation, des financements en capital-risque ou la crainte stratégique de se laisser distancer. Cette période s’achève. McKinsey rapporte que près de huit entreprises sur dix utilisaient l’IA générative, mais qu’autant déclaraient n’en tirer aucun impact significatif sur leurs résultats. Un document de travail du NBER publié en 2026 va dans le même sens : 69 % des entreprises utilisent activement l’IA, mais neuf sur dix indiquent qu’elle n’a eu aucun effet sur l’emploi ou la productivité au cours des trois années précédentes. Autrement dit, l’adoption a progressé plus vite que la valeur économique mesurable.
C’est pourquoi les tokens prennent une importance qu’ils n’avaient pas il y a un an. Ils ne sont plus seulement un terme technique issu du monde des grands modèles de langage. Ils deviennent l’unité économique à travers laquelle l’usage de l’IA se compte, se tarifie et s’optimise; quelle quantité d’IA une organisation consomme-t-elle réellement, combien cela coûte-t-il, et la valeur produite justifie-t-elle un passage à l’échelle ?
Mais les tokens ne décrivent qu’une moitié de la nouvelle économie de l’IA. L’autre moitié se mesure en mégawatts. Si les tokens sont la monnaie de l’usage, les mégawatts sont celle de la capacité.
À grande échelle, l’IA n’est plus seulement une affaire de logiciel. C’est aussi une affaire industrielle, façonnée par la conception des infrastructures et la disponibilité physique des ressources. Ainsi, la question n’est plus uniquement de savoir qui dispose du meilleur modèle, mais de savoir qui parvient à convertir l’accès à l’énergie en puissance de calcul utile, avec une efficacité suffisante pour rendre l’IA économiquement soutenable. C’est là que se joue le prochain avantage stratégique du marché.
Entre les concepteurs de modèles et les organisations qui veulent déployer l’IA, le rôle des acteurs de l’infrastructure devient donc central. Leur enjeu n’est pas seulement de fournir de la capacité de calcul. Il est d’aider les entreprises à concevoir des architectures capables d’exécuter l’IA au bon endroit, avec le bon niveau de performance, d’efficacité énergétique et de maîtrise économique.
Ce rôle prend de l’importance parce que la valeur de l’IA ne dépend pas uniquement du modèle utilisé, mais aussi de la manière dont les organisations exploitent leurs propres données. Celles-ci constituent leur véritable différenciant : leur connaissance des clients, de leurs opérations, de leurs métiers et de leurs contraintes. Encore faut-il disposer d’infrastructures capables de les rendre utilisables, à grande échelle, sans perdre le contrôle sur leur localisation, leur sécurité ou leur gouvernance.
C’est ce qui donne à l’infrastructure un rôle stratégique dans la prochaine phase de l’IA. Elle ne consiste pas à proposer une destination unique pour toutes les charges de travail, ni à se substituer aux modèles. Elle consiste à rendre l’IA opérationnelle, en combinant conception des systèmes, refroidissement, orchestration, optimisation et maîtrise des environnements d’exécution, qu’ils soient souverains, locaux ou hybrides. Dans ce cadre, l’infrastructure devient le levier qui permet de transformer les données en avantage compétitif, avec plus d’efficacité, de résilience et de contrôle.
Les systèmes industriels ne sont jamais jugés sur leurs promesses. Ils sont jugés sur leur débit, leur efficacité, leur résilience et leur coût. C’est pourquoi le vocabulaire de l’IA change. Les tokens disent ce que coûte son usage et ce qu’il produit réellement. Les mégawatts disent si cette capacité pourra être livrée, optimisée et maîtrisée à grande échelle. Dans le prochain chapitre de l’IA, les organisations qui tireront le meilleur parti de leurs données seront celles qui sauront articuler ces deux monnaies, sans perdre le contrôle de leurs coûts, de leurs infrastructures ni de leur souveraineté.
À LIRE AUSSI :
À LIRE AUSSI :
