Toutes les grandes économies sont actuellement confrontées au même problème. L’intelligence artificielle consomme de l’électricité à un rythme que les réseaux n’ont jamais été conçus pour supporter. Aux États-Unis, les prix du marché des capacités chez PJM, le plus grand opérateur de réseau du pays, ont plus que décuplé en deux ans, la croissance des centres de données étant identifiée comme le principal moteur. En Europe, les services publics s’efforcent de moderniser leurs infrastructures de transport suffisamment rapidement pour répondre à la demande des hyperscalers.
L’Agence internationale de l’énergie (AIE) prévoit que la consommation électrique mondiale des centres de données pourrait approcher les 1 000 TWh d’ici la fin de cette décennie. L’énergie renouvelable existe en grande partie, mais la capacité de la coordonner, grâce à la cartographie du réseau énergétique par l’IA à l’échelle nationale, est ce qui manque encore à la plupart des pays. Mais la Chine vient de le construire.
Une étude publiée cette semaine dans Nature par des chercheurs de l’Université de Pékin et de l’Académie DAMO du groupe Alibaba a produit quelque chose qu’aucun pays n’a réussi auparavant : un inventaire complet, haute résolution, généré par l’IA, de l’infrastructure éolienne et solaire d’un pays entier, avec le cadre analytique pour la coordonner en tant que système unifié.
À l’aide d’un modèle d’apprentissage profond formé sur des images satellite submétriques, l’équipe a identifié les 319 972 installations solaires photovoltaïques et 91 609 éoliennes de Chine, traitant pour ce faire 7,56 téraoctets d’images.
Cartographie du réseau énergétique IA
Les recherches antérieures sur la complémentarité solaire-éolien – l’idée selon laquelle deux sources peuvent compenser la variabilité temporelle et géographique de l’autre – reposaient en grande partie sur des scénarios de déploiement hypothétiques ou modélisés. Jusqu’à présent, la manière dont la complémentarité se manifeste dans les infrastructures du monde réel et comment elle façonne les résultats de l’intégration au niveau du système reste floue.
Les chercheurs montrent que la complémentarité solaire-éolien réduit considérablement la variabilité de la production, avec une efficacité augmentant à mesure que la portée géographique du jumelage s’étend.
Concrètement, plus les installations coordonnées sont éloignées les unes des autres, plus leur équilibre est fiable. Un nuage qui recouvre les parcs solaires du Gansu n’assombrit pas les couloirs de vent en Mongolie intérieure, par exemple. Les résultats de l’étude mettent en évidence une inefficacité structurelle dans la manière dont la Chine gère actuellement son réseau : la coordination se fait au niveau provincial plutôt qu’au niveau national.
Selon les chercheurs, la transition vers une échelle nationale unifiée faciliterait le couplage de sources d’énergie complémentaires, stabiliserait le réseau et éviterait les réductions – le gaspillage de l’énergie renouvelable produite qui a longtemps été l’un des problèmes d’énergie propre les plus coûteux de la Chine.
Liu Yu, professeur à l’École des sciences de la Terre et de l’espace de l’Université de Pékin, a décrit l’inventaire comme permettant à la Chine de voir son paysage des nouvelles énergies du « point de vue de Dieu », une expression qui a plus de poids opérationnel qu’elle ne pourrait le suggérer à première vue. Les gestionnaires de réseau ne peuvent pas optimiser ce dont ils n’ont pas conscience – jusqu’à présent.
La Chine est au milieu d’une augmentation de la demande d’électricité due à l’IA qui met son réseau à rude épreuve. La prolifération rapide des services de données et les installations informatiques massives ont fait grimper la consommation d’énergie du secteur de 44 % sur un an au premier trimestre 2026, pour atteindre 22,9 milliards de kilowattheures, selon le Conseil chinois de l’électricité.
Il s’agit d’un taux de croissance extraordinaire pour un secteur dont la demande était déjà forte. Cela a accéléré l’expansion des centres de données dans les provinces du nord et de l’ouest de la Chine, où les terrains sont moins chers, les ressources éoliennes et solaires plus disponibles, avec des prix de l’électricité proportionnellement plus bas. Les provinces ciblées pour les nouveaux centres de données sont les mêmes régions présentant la complémentarité solaire-éolien la plus élevée.
Derrière le modèle
La prouesse technique qui se cache derrière cela mérite d’être comprise en soi. Le modèle d’apprentissage en profondeur de DAMO a été formé pour identifier les installations solaires photovoltaïques et les éoliennes à partir d’images satellite de résolution inférieure au mètre, une tâche compliquée par la grande diversité des types d’installations, des conditions de terrain et de la qualité des images.
L’ensemble de données résultant couvre des installations dans 1 915 comtés chinois, allant des panneaux de toit dans les villes côtières aux parcs éoliens à grande échelle sur le plateau mongol. Le traitement de 7,56 téraoctets d’images pour produire un inventaire cohérent à l’échelle nationale au niveau des comtés est une démonstration de ce que l’IA géospatiale à grande échelle peut faire lorsqu’elle est appliquée à des problèmes d’infrastructure, et un modèle que d’autres pays pourraient, en principe, reproduire.
Le secteur chinois des énergies propres a généré une production économique estimée à 15 400 milliards de yuans (2 260 milliards de dollars) l’année dernière, soit l’équivalent de l’ensemble du PIB du Brésil, selon le Centre de recherche sur l’énergie et l’air pur, basé en Finlande. Gérer une base d’actifs d’une telle ampleur sans un outil de visibilité à l’échelle nationale allait toujours être un facteur limitant, une limite qui a désormais disparu.
L’ensemble de données et le code de l’étude ont été rendus publics via Zenodo.
(Photo de Luo Lei)
