Tout le monde regarde les puces. Le verrou est ailleurs.

Depuis trois ans, le récit de l’intelligence artificielle tient en un nom propre et une unité de mesure : Nvidia, et le FLOP. La valeur se serait concentrée là où s’effectue le calcul — dans le silicium des accélérateurs, dans le nombre d’opérations par seconde qu’une puce peut soutenir. Cette lecture n’est pas fausse. Elle est seulement en train de se périmer. Car à mesure que les modèles et les grappes de calcul ont grossi, le facteur limitant a cessé d’être le calcul lui-même.

Ce qui manque aujourd’hui — ce qui dicte le rythme du déploiement et capte les marges — n’est plus la capacité à multiplier des matrices, mais la capacité à déplacer deux choses : des bits et des joules. Le verrou s’est déplacé vers la périphérie de la machine, puis vers le réseau électrique qui l’alimente. Et c’est dans cette périphérie, dans des industries que l’enthousiasme n’avait pas songé à regarder — la photonique, les lasers, la fibre, les transformateurs de puissance, l’acier électrique, le cuivre, le nucléaire —, que se joue désormais une part décisive de la croissance de l’IA. Cet article suit le verrou dans sa migration.

Calculer ne coûte presque rien ; déplacer la donnée coûte tout

L’intuition trompeuse de l’IA est de croire que l’énergie d’un grand modèle part dans les calculs. C’est l’inverse. Les travaux de référence de Mark Horowitz (Stanford, 2014) ont chiffré l’asymétrie avec une netteté qui n’a pas vieilli : une addition sur 32 bits consomme environ un dixième de picojoule, une multiplication quelques picojoules. Mais lire la même donnée dans la mémoire externe — la DRAM, ou la HBM empilée contre le GPU — en coûte plusieurs milliers. Près de quatre ordres de grandeur séparent l’acte de calculer de l’acte d’aller chercher l’opérande sur lequel calculer.

C’est le vieux mur de la mémoire, hérité de l’architecture de von Neumann : le processeur passe l’essentiel de son temps, et de son énergie, à attendre et à charrier des données plutôt qu’à les traiter. L’entraînement et l’inférence des grands modèles sont des opérations massivement parallèles, mais affamées de bande passante : chaque GPU doit constamment échanger des téraoctets avec ses voisins. Conséquence : une grappe de pointe tourne souvent à 10 ou 20 % de sa puissance crête affichée, non par manque de transistors, mais parce que la donnée n’arrive pas assez vite. Le transistor, lui, est abondant. Ce qui est rare, c’est le tuyau.

De là une dynamique qu’il faut saisir pour comprendre tout le reste : le facteur limitant n’est pas fixe. Dès qu’on desserre une contrainte, la suivante se resserre. On a empilé de la mémoire haute bande passante contre le GPU ; le goulot s’est déplacé vers l’interconnexion entre puces. On résout l’interconnexion par la lumière ; il se déplace vers l’alimentation électrique. On contracte de la production ; il se déplace vers les transformateurs et le raccordement au réseau. Le verrou migre vers l’extérieur.

Deux flux, donc, gouvernent désormais l’IA, et aucun n’est le calcul : le flux de l’information, qui bute sur le cuivre et appelle la photonique ; le flux de l’énergie, qui bute sur le réseau et appelle une réindustrialisation de l’électricité. Suivons-les dans l’ordre.

Quand le métal cesse de suivre, la lumière prend le relais

Un fil de cuivre transporte de l’information sous forme d’impulsions électriques. Plus on veut faire passer de bits par seconde, plus il faut moduler vite ; et plus on module vite, plus le signal s’affaiblit et se déforme sur la distance. C’est une loi physique tenace, le produit bande passante × distance : à débit modéré, le cuivre porte sur plusieurs mètres ; à 200 gigabits par voie, sa portée utile, à consommation raisonnable, s’effondre vers le mètre, puis vers quelques dizaines de centimètres. Au-delà, il faut dépenser une énergie déraisonnable en amplificateurs et en correcteurs de signal — précisément ce qu’une grappe d’un million de GPU ne peut pas se permettre.

La parade est connue depuis un demi-siècle : la fibre optique. Une donnée portée par la lumière ne souffre quasiment pas de l’atténuation qui ronge le cuivre ; elle traverse un continent sans se dégrader. Ce que l’IA impose, c’est de faire entrer cette optique, conçue pour relier des villes, à l’intérieur de la machine — entre les baies, puis entre les cartes, puis jusque sur la puce elle-même. La frontière de la lumière avance vers le cœur du calcul.

Aujourd’hui, l’optique relie déjà les baies et les bâtiments, via des transceivers enfichables — ces modules qu’on insère dans un commutateur. Demain, elle s’installe au plus près du commutateur lui-même : c’est l’optique co-packagée. Après-demain, elle entre dans le boîtier du processeur, sous forme d’entrées-sorties optiques gravées à côté des cœurs de calcul. Plus la lumière s’enfonce, plus la technologie est neuve, difficile à fabriquer en volume — et plus la rente se concentre sur le petit nombre d’acteurs capables de la maîtriser.

La photonique sur silicium, ou l’art d’imprimer des bits sur un rayon

Comment fait-on, concrètement, voyager une donnée en lumière ? Un lien optique se décompose en quatre organes. Une source — un laser — émet un faisceau continu. Un modulateur y imprime l’information : il hache la lumière au rythme des bits électriques venus de la puce, allumant et éteignant le faisceau des milliards de fois par seconde. Un guide d’onde, minuscule canal gravé dans le silicium, achemine cette lumière jusqu’à une fibre qui la transporte. À l’arrivée, un photodétecteur fait le chemin inverse : il reconvertit les éclats de lumière en signal électrique, lisible par la puce réceptrice.

Le tour de force industriel tient en deux mots : sur silicium. La photonique sur silicium grave modulateurs, guides d’onde et détecteurs avec les mêmes procédés que les microprocesseurs — la fabrication CMOS, et les fonderies qui la maîtrisent déjà. On peut ainsi produire des composants optiques en volume, à coût décroissant, et les intégrer au plus près de l’électronique. C’est cette compatibilité qui fait basculer l’optique du statut de spécialité télécom à celui d’infrastructure de masse.

L’illustration la plus parlante est venue de Nvidia. À sa conférence GTC de mars 2025, l’équipementier a dévoilé ses premiers commutateurs réseau à optique co-packagée : Quantum-X Photonics pour l’InfiniBand, refroidi par liquide ; Spectrum-X Photonics pour l’Ethernet, à 1,6 térabit par port, annoncé pour 2026. En soudant l’optique contre le silicium du commutateur, Nvidia revendique une efficacité énergétique multipliée par 3,5, environ quatre fois moins de lasers et la suppression des coûteux retimers de signal. Le message stratégique compte autant que les chiffres : l’optique cesse d’être un accessoire pour devenir la plomberie standard de l’IA.

Le vrai marché des outils n’est pas la pelle : c’est ce qui la fait fonctionner

L’adage de la ruée vers l’or — vendez des pelles, pas du rêve — s’est mué, dans l’IA, en évidence : achetez Nvidia. Mais si le calcul n’est plus le verrou, la pelle elle-même n’est plus tout à fait le bon outil. La rente se loge un cran en dessous, dans les composants qui permettent aux pelles de communiquer et de tenir debout.

Au plus près de la lumière, on trouve d’abord les lasers. Les fabriquer suppose des matériaux exotiques — le phosphure d’indium notamment —, une expertise rare concentrée chez quelques acteurs comme Coherent ou Lumentum ; le laser de centre de données est devenu un goulot à part entière. Vient ensuite la fibre et la connectique de précision, où un Corning règne sur un savoir-faire séculaire. Puis le cœur photonique proprement dit : la photonique sur silicium et l’entrée-sortie optique, disputés entre des géants des semi-conducteurs — Broadcom, Marvell, Cisco — et une nuée de jeunes pousses surcapitalisées. Lightmatter, valorisée autour de 4,4 milliards de dollars, livre un interposeur photonique tridimensionnel revendiquant 114 térabits par seconde ; Ayar Labs, adossée à AMD, Intel et Nvidia, conçoit des puces d’entrée-sortie optique destinées à se poser directement sur le substrat du processeur.

Le signal le plus net vient toutefois des rachats. Cisco avait absorbé Luxtera puis Acacia ; Marvell, Inphi ; en 2024, Nokia acquiert Infinera pour son savoir-faire en optique cohérente ; et en décembre 2025, Marvell signe le rachat de la pépite Celestial AI pour un montant pouvant atteindre 5,5 milliards de dollars. Quand les équipementiers achètent ainsi la couche optique, c’est qu’ils ont identifié où se déplaçait la valeur. Les projections de marché suivent : selon les cabinets spécialisés, le marché de la photonique sur silicium passerait d’environ 2 à 3 milliards de dollars en 2025 à près de 10 milliards en 2030, porté presque entièrement par l’IA — soit un rythme de croissance annuel proche de 28 %.

La photonique n’est pas un pari sur une rupture du calcul. C’est un pari sur le fait que l’interconnexion optique deviendra la tuyauterie banale de chaque centre de données d’IA. Reformulation de la thèse implicite aux rachats Marvell–Celestial et Nokia–Infinera

Le joule ne se laisse pas optimiser : il faut le produire et l’acheminer

Une fois la donnée libérée de ses goulots, reste l’autre flux, plus brutal : l’électricité. L’Agence internationale de l’énergie estime que la consommation mondiale des centres de données — environ 415 térawattheures en 2024 — pourrait plus que doubler d’ici 2030, vers 945 térawattheures, soit l’équivalent de la consommation électrique totale du Japon aujourd’hui. L’IA en est le moteur principal ; aux États-Unis, les centres de données expliqueraient près de la moitié de la croissance de la demande électrique sur la période.

Or, ici, aucune astuce de transport n’existe : on ne remplace pas le cuivre par la lumière pour acheminer un mégawatt. Le joule doit être produit, puis transporté, puis transformé au bon voltage. Et chacun de ces trois maillons est désormais saturé. La contrainte s’est déplacée si loin du calcul qu’elle touche le génie civil, la métallurgie et la politique énergétique.

Le maillon le plus révélateur est le transformateur de puissance — cet appareil sans gloire qui abaisse la haute tension du réseau vers les niveaux utilisables dans un bâtiment. Avant 2020, on en commandait un en deux ans environ. Aujourd’hui, les délais des gros modèles atteignent quatre à cinq ans ; ceux des transformateurs élévateurs de centrale frôlent les trois ans. Les prix ont bondi de plus de 70 % depuis 2019, tirés par le doublement de l’acier électrique à grains orientés — un matériau dont la production est dangereusement concentrée — et par la flambée du cuivre, présent dans chaque bobinage. La Chine fournit environ 60 % de la capacité mondiale ; l’Occident, lui, importe l’essentiel de ses gros transformateurs.

La conséquence est devenue le fait économique majeur de 2026 : le goulot n’est plus la puce, c’est la prise. Selon les données reprises par Bloomberg, plus de la moitié des projets de centres de données américains prévus pour l’année seraient menacés de report ou d’annulation — non faute de capitaux ou de terrains, mais faute d’équipements électriques. Sur quelque 12 gigawatts de capacité annoncée, un tiers seulement serait effectivement en construction. L’équipement électrique représente moins de 10 % du coût d’un centre de données, mais 100 % du blocage : un maillon en retard immobilise tout l’édifice.

D’où la mutation stratégique du moment : le bring your own power. Faute de raccordement au réseau dans des délais compatibles avec un cycle de déploiement de l’IA — souvent inférieur à dix-huit mois —, les exploitants produisent leur électricité sur site, voire renoncent durablement au réseau pour des « îlots énergétiques » autonomes. C’est dans ce contexte que s’explique la ruée vers le nucléaire : l’accord de Microsoft pour relancer un réacteur de Three Mile Island et en acheter toute la production sur vingt ans ; la commande par Google de petits réacteurs modulaires à Kairos Power ; les 20 milliards de dollars d’Amazon pour adosser un campus d’IA au site nucléaire de Susquehanna. La promesse : une électricité décarbonée, disponible vingt-quatre heures sur vingt-quatre, indépendante des files d’attente du réseau.

Suivre l’argent, c’est suivre le goulot

Que retenir de cette migration ? D’abord une grille de lecture. Dans toute infrastructure en expansion rapide, la valeur ne reste pas où le récit la place ; elle se déporte vers le maillon qui sature. L’IA a commencé par saturer le calcul — d’où la rente de Nvidia. Elle sature désormais le transport, de l’information puis de l’énergie ; et la rente s’y déplace, vers la photonique, les lasers, la fibre, puis vers les transformateurs, l’acier électrique, le cuivre et la production électrique elle-même.

Ensuite, une mise en garde contre la lecture spéculative. Ces secteurs « indirects » ne sont pas des paris purs sur l’IA : la photonique reste une industrie de composants à marges disputées et à risques d’exécution réels ; les valorisations des jeunes pousses optiques supposent une adoption qui n’est pas garantie ; et les transformateurs servent aussi l’électrification générale, bien au-delà des centres de données. Le fil rouge n’est pas « tel titre va monter », mais « regardez où le système se bloque, car c’est là que s’accumule la valeur ».

Enfin, une leçon plus large sur la nature de la révolution en cours. On la croyait logicielle ; elle est, à son point de contact avec le réel, profondément matérielle. Elle dépend de lasers en phosphure d’indium, de fibres de verre, de bobines d’acier au silicium, de réacteurs ressuscités. La prochaine fois qu’on annoncera un modèle plus grand, la vraie question ne sera pas « combien de FLOPs ? » mais « avec quels picojoules, et raccordé à quoi ? ». Le verrou continuera de migrer ; il suffit de le suivre.