L’essor rapide de l’intelligence artificielle remodèle profondément la demande énergétique mondiale, avec des conséquences qui dépassent largement le cadre de la planification énergétique traditionnelle. Ce phénomène est particulièrement visible dans l’empreinte énergétique croissante des centres de données. Des installations qui nécessitaient autrefois quelques dizaines de mégawatts sont désormais développées à une échelle de 100 à 200 MW, les campus hyperscale concentrant de plus en plus la demande jusqu’à plusieurs gigawatts. Cette évolution représente un défi structurel pour l’Afrique.
Bien que le continent soit riche en ressources énergétiques, ses cadres de planification restent largement axés sur des ajouts progressifs à l’échelle du mégawatt, souvent liés à une demande locale ou à des déficits de capacité à court terme. Dans le contexte des infrastructures pilotées par l’IA, cette approche est de plus en plus inadaptée à l’ampleur et à la concentration de la demande future. Le secteur des centres de données en Afrique, bien que en croissance, n’en est encore qu’à ses débuts. La capacité opérationnelle actuelle se situe entre 300 et 400 MW environ, et les projections tablent sur 1,5 à 2,2 GW d’ici 2030. Parallèlement, la demande s’accélère rapidement : la consommation d’électricité des centres de données augmente de 20 à 25 % par an et devrait atteindre environ 8 000 GWh à court terme.
Cette croissance reflète une augmentation plus générale de la demande mondiale en énergie, celle des centres de données devant avoisiner les 945 TWh d’ici 2030, principalement sous l’effet des charges de travail liées à l’IA. Ce qui caractérise la demande liée à l’IA, c’est non seulement son ampleur, mais aussi sa concentration et sa constance. Contrairement à de nombreuses charges industrielles traditionnelles, les centres de données nécessitent une alimentation électrique continue et de haute qualité, souvent avec une redondance intégrée. Cela impose de nouvelles exigences à la conception du réseau, qui privilégie la stabilité, la capacité et l’évolutivité à long terme plutôt que l’expansion progressive. Répondre à ces exigences nécessitera de s’éloigner des modèles de planification conventionnels.
