.png)
L'intelligence artificielle et le marché de l'énergie
Ecrit par Amélie Janin, juin 2025
L’intelligence artificielle modifie les besoins et les usages du secteur énergétique. Selon le rapport de l'IEA "IA & Energy" publié en avril 2025, la croissance des centres de données et des applications IA soulève des enjeux majeurs : consommation électrique en forte hausse, production décarbonée à intégrer, flexibilité du système et bien d'autres sujets encore. Dans cet article, nous proposons d’abord un éclairage sur ces évolutions et leurs défis, avant d’explorer une autre facette : le rôle des agents LLM (Large Language Model) comme leviers d’optimisation et d’automatisation des activités sur les marchés de l’énergie.
La consommation des data-centers
Avec le développement de l'intelligence artificielle(IA) générative, les data-centers représentent 1,5% de la consommation électrique mondiale en 2024. D’ici 2030, leur consommation pourraient doubler et atteindre environ 945 TWh. Actuellement, les Etats-Unis, la Chine et l’Europe représentent environ 85% de la consommation mondiale des data centers. L’AIE a publié le 10 avril 2025 son premier rapport sur l’IA & Energy.
La consommation des data centers : 4 scénarios envisagés par l’AIE
-
The Base Case : Evolution de la consommation des data centers dans le cadre des réglementations actuelles.
-
The Lift-Off Case : une adoption de l'intelligence artificielle plus forte. L' approvisionnement sera plus résilient avec davantage de flexibilité dans l'emplacement, l'alimentation et les opérations des data centers.
-
The High Efficiency Case : Les progrès seront plus importants en matière d’efficacité énergétique au niveau des logiciels, du matériel et des infrastructures.
-
The Headwinds Case : l'adoption de l’intelligence artificielle sera plus lente que prévu. Avec l’apparition de goulets d’étranglement locaux, combinée à une chaîne d’approvisionnement tendue
Quel production pour les data centers?
Les différent scénarios examinent les incertitudes entourant la demande d’électricité des data centers et leurs implications pour la production d’électricité au cours des cinq à dix prochaines années. Dans tous les scénarios, les énergies renouvelables jouent un rôle central pour répondre à la croissance de la demande électrique. Cependant, les combustibles fossiles restent importants pour couvrir la hausse de la demande à court terme jusqu’en 2030. De plus, les scénarios Base, High Efficiency et Lift-Off prévoient tous une augmentation de la contribution de l’énergie nucléaire à l’alimentation électrique des data-centers entre 2030 et 2035, principalement grâce à la mise en service de petits réacteurs modulaires (SMR) aux États-Unis et en Chine, qui représentent ensemble plus de 80 % de la production nucléaire mondiale destinée aux centres de données
La flexibilité des data centers
Cooling = gestion du refroidissement
Workload shifting = Déplacements des charges de travail
Spatial and temporal load shiting = déplacement des charges dans l’espace (entre sites) et/ou dans le temps
Comme le montre ce graphique, les data center pourraient, à l’avenir, offrir des services de flexibilité plus fréquents pour soutenir l’intégration des énergies renouvelables variables, par exemple. L'analyse de l'IEA montre qu’environ 50 GW de capacité de centres de données pourraient présenter un potentiel de flexibilité d’ici 2035, en supposant que 25 % des charges de travail accélérées puissent être déplacées dans l’espace ou dans le temps pendant les pics de demande quotidiens, et 10 % des charges de travail conventionnelles.
La gestion du refroidissement consiste à ajuster temporairement la charge de refroidissement pour optimiser la consommation d’énergie, notamment en utilisant des « batteries froides » comme le stockage thermique. Par exemple, CIV France, à Lille, utilise un système de stockage de glace de 50 m³, équivalent à un groupe froid de 700 kW, capable de fonctionner pendant 30 minutes.
La gestion temporelle des charges de calcul consiste à déplacer les tâches de calcul à des moments de plus faible demande sur le réseau ou de plus grande disponibilité de production d’énergie renouvelable. Par exemple, Google a déployé un système de planification « conscient du carbone » pour déplacer les charges de travail aux moments où l’énergie renouvelable est abondante.
La gestion spatiale des charges de calcul consiste à déplacer les tâches informatiques entre des centres de données répartis géographiquement pour optimiser les coûts énergétiques, la disponibilité et la durabilité des sources d’énergie. Par exemple, Google pilote des programmes permettant de déplacer dynamiquement les charges de travail vers des sites bénéficiant de sources d’énergie plus durables
Et en France?
La réglementation européenne incite les entreprises qui opèrent sur le territoire européen à stocker les données de leurs clients sur ce même territoire. Lors du Sommet Choose France (13 mai 2024), des acteurs tels que Microsoft se sont dits prêts à y investir près de 6 milliards d'euros pour le développement de plusieurs data centers. En effet, la France possède une production décarbonée à hauteur de 92 %. De plus, la qualité et la fiabilité du réseau électrique font de la France un choix attractif pour le développement de data centers.
En 2022, il y avait 300 data centers en France, soit une consommation d'environ 10 TWh. RTE prévoit que cette consommation triple d’ici 2035 ; elle pourrait atteindre 23-28 TWh.
La majorité des data centers sont en "colocation" , c'est-à-dire, La majorité des data centers fonctionnent en « colocation » : un opérateur y construit un bâtiment conçu pour accueillir des serveurs en toute sécurité, puis loue des espaces aux entreprises qui souhaitent y héberger leurs serveurs et équipements.
La montée en charge des grands data centers en « colocation » sera progressive : prévision du remplissage de leur capacité d’accueil réseau sur 10 à 15 ans. RTE estime un potentiel développement de nombreux data centers près de Marseille et en Île-de-France. Marseille fait partie du top 10 mondial des hubs de connectivité télécom grâce aux nombreux câbles sous-marins internationaux.
Notre solution
Vous êtes opérateur de data centers et souhaitez réduire vos coûts d’électricité grâce à la flexibilité ? Augmented Energy vous apporte la solution !
Vos enjeux
-
Intégrer facilement des actifs de production ou des contrats d’achat d’électricité (PPA).
-
Valoriser votre flexibilité pour réduire vos coûts et contribuer à l’équilibre du réseau.
Notre offre
-
Gestion simplifiée de vos actifs de production et de vos PPAs.
-
Optimisation de votre couverture pour sécuriser vos coûts tout en maximisant vos opportunités sur le marché.
-
Accès aux marchés de court terme et valorisation de votre flexibilité.
-
Tarification "SaaS" transparente et sans engagement sur les volume.
Qu'est-ce qu’un Agent LLM ?
Un agent LLM est une extension d’un grand modèle de langage (LLM) auquel on met à disposition des outils spécifiques. Ces outils sont utilisés par le LLM pour répondre à des requêtes pour accomplir des tâches complexes de manière interactive et dynamique.
L’agent LLM possède plusieurs caractéristiques clés. Il est capable de raisonnement itératif : il planifie ses actions, les exécute, vérifie les résultats et s’adapte en conséquence. Il interagit directement avec divers outils tels que des API, des bases de données, des fichiers ou des navigateurs web. Il dispose également d’une mémoire de contexte, ce qui lui permet d’apprendre de ses actions passées et d’améliorer ses réponses au fil du temps. Enfin, il prend des décisions de façon autonome, en choisissant les actions les plus appropriées pour atteindre l’objectif qui lui est donné.
Exemple d’agent : imaginez un analyste virtuel capable d’interroger des bases de données, de produire des graphiques et d’expliquer les résultats de manière claire et pédagogique.
Quelle est la technologie derrière ?
La base technologique d’un agent LLM repose sur un modèle de langage avancé (par exemple GPT-4, Claude ou Gemini), qui assure la compréhension du langage naturel et la capacité de raisonnement.
Le fonctionnement repose sur la boucle « Réfléchir-Agir-Observer » (ReAct loop), où l’agent réfléchit à la meilleure action, l’exécute (par exemple en appelant une API), observe les résultats et répète le processus jusqu’à atteindre l’objectif fixé.Les outils métiers représentent une véritable valeur ajoutée : la « boîte à outils » de l’agent couvre un large champ d’actions, comme accéder à une base de données ou écrire du code pour exécuter des actions concrètes, avec très peu de limitations.
Sur le plan technique, l’environnement repose sur Python et l’utilisation d’APIs, avec une intégration possible à des bases de données, des services cloud ou des navigateurs web.
Quelle utilisation dans les marchés de l’énergie?
Dans le secteur de l’énergie, un agent LLM peut jouer plusieurs rôles spécialisés.
En tant qu’analyste, il lit et interprète des flux d’informations sur le marché, des textes réglementaires ou des données diverses, qu’il synthétise pour répondre à des questions précises — un véritable « Alexis Gléron dans votre smartphone ».
Pour un trader, l’agent consulte des APIs fournissant des prix et des flux d’informations, émet des recommandations d’achat ou de vente, demande des cotations de prix, et peut même réaliser des transactions de bout en bout.
En tant que gestionnaire de portefeuille, il consulte des APIs pour obtenir des données sur les prix, les flux d’informations et les flux physiques (prévisions ou historiques de production, consommation ou disponibilité d’actifs). Il émet des recommandations pour la couverture des positions, l’activation ou l’arrêt d’actifs (comme des unités de stockage, des dispositifs d’effacement ou des centrales thermiques), et effectue des calculs de pricing, de budgets ou d’exposition au risque.
Les recommandations produites par l’agent LLM dépendent directement des outils dont il dispose. En équipant correctement ces agents, on réduit considérablement le risque d’hallucinations et on garantit des réponses fiables, basées sur des données vérifiées et de première main.
Source :
"Energy & AI" publié par IEA ( International Energy Agency) en avril 2025