Mesure
Observation publiée, liée à une période, un périmètre et une méthode.
IAeVOLUTION · Observatoire de l’IA
5 axes 7 dossiers
Comprendre l’IA au-delà des modèles
Lire l’IA
en mouvement
Des modèles aux infrastructures, de la recherche aux usages : cinq angles pour comprendre ce qui change et ce qui le rend possible.
Cinq axes · sept dossiers
Choisissez votre angle d’entrée
01 / SCIENCE
Comment ça fonctionne ?
Modèles, génération, agents, entraînement et inférence.
Explorer les modèles
02 / INFRASTRUCTURE
Sur quoi repose l’IA ?
Puces, centres de données, énergie, refroidissement et réseaux.
Voir l’infrastructure
03 / HISTOIRE
Quelles ruptures l’ont façonnée ?
Des machines de calcul aux architectures et usages actuels.
Parcourir les jalons
04 / ÉCONOMIE
Qui investit et capte la valeur ?
Chaîne de valeur, coûts du calcul, marchés et concentration.
Analyser les marchés
05 / SOCIÉTÉ
Quels effets et quelles limites ?
Usages, travail, fiabilité, risques et gouvernance.
Examiner les impacts
LIRE LES AFFIRMATIONS
Un chiffre n’est pas un scénario. Un scénario n’est pas un fait
Les dossiers distinguent la nature des éléments avancés et renvoient aux sources pour permettre leur vérification.
Estimation
Valeur calculée lorsque la mesure directe ou complète n’est pas disponible.
Projection
Trajectoire conditionnelle à des hypothèses ; elle ne décrit pas un résultat acquis.
Analyse
Interprétation ou synthèse, à distinguer des données et des résultats originaux.
PARCOURS VISUEL / INFRASTRUCTURE
L’IA, du courant
au calcul
Une visite courte pour suivre le trajet de l’électricité jusqu’aux machines et à leur refroidissement.
01 / LA MATIÈRE
≈ 1 MINÉTAPE 1 / 3 · ÉLECTRICITÉ
Tout commence par le courant
Avant de produire une réponse, une IA a besoin de machines alimentées en électricité.
≈ 415 TWh
d'électricité consommés par les centres de données dans le monde en 2024 — pas par l'IA seule.
« Une réponse d'IA semble immatérielle. Pourtant, avant même l'écran, il faut alimenter des machines. »
Prêt à commencer · la meilleure voix locale disponible pour la langue choisie accompagnera la visite ; le rendu dépend des voix de votre appareil.
Source : AIE · Energy and AI ↗ Lire le dossier complet
FAIRE TOURNER
Faites glisser pour tourner · sélectionnez une zone pour en savoir plus
SCHÉMA DE PRINCIPENON À L'ÉCHELLE
MAQUETTE PÉDAGOGIQUE 01 / 03
INFRASTRUCTURES
Énergie · calcul · réseau
Énergie · calcul · réseau
01LE COEUR DU CALCUL
Explorer le centre de données et ses détails
APPROFONDIR
Le calcul
Les serveurs hébergent les accélérateurs, la mémoire et le stockage utilisés par les services d'IA.
UNE TECHNOLOGIE, MILLE PERSPECTIVES
OBSERVER · COMPRENDRE · EXPLORER
VOTRE POINT DE DÉPART
L'IA, sous tous ses angles
07 dossiers · sélectionner un axe
07 sujets
Aucun sujet ne correspond à cette recherche. Essayez un autre terme.
DOSSIER VISUEL · INFRASTRUCTURES Sous les océans, les réseaux qui rendent l’IA mondiale Explorer le schéma des connexionsDOSSIER 01 / MODÈLES GÉNÉRATIFS
Produire une réponse n'est pas établir un fait
Les modèles génératifs produisent du contenu à partir de régularités apprises. Leur fluidité ne garantit ni exactitude, ni traçabilité, ni compréhension au sens humain.
Génération conditionnelle
Un modèle de langage autorégressif estime une distribution sur le prochain token à partir du contexte, puis répète l'opération. D'autres modèles génératifs produisent des images, de l'audio ou des sorties multimodales selon des mécanismes distincts.
La plausibilité n'est pas une preuve
Une réponse peut être cohérente et pourtant inexacte. Le modèle ne certifie pas ses affirmations par le seul fait de les produire ; les informations à enjeu doivent être vérifiées auprès de sources adaptées.
Tester sur l'usage réel
Mesurer la qualité sur les tâches visées, les cas limites, les langues et les populations concernées. Documenter les erreurs, les données de référence et les limites de généralisation.
DOSSIER 02 / SYSTÈMES AGENTS
Un agent relie un modèle à des actions
Un système agentique combine un modèle avec des outils, un état et une boucle de contrôle. Il peut décomposer une tâche et agir, ce qui élargit ses capacités — et sa surface de risque.
Modèle, outils, boucle
Le modèle sélectionne ou prépare une action ; un outil l'exécute ; son résultat revient dans le contexte pour guider l'étape suivante. L'orchestration définit l'état, les conditions d'arrêt et les reprises après erreur.
Déterministe quand c'est possible
Une séquence fixe de règles ou d'appels peut être plus prévisible qu'un agent autonome. Réserver la boucle agentique aux tâches où la décision dynamique apporte un bénéfice mesurable.
Limiter les actions possibles
Accorder le minimum de permissions, borner les outils et les données accessibles, journaliser les actions et imposer une validation humaine pour les opérations sensibles ou difficiles à annuler.
DOSSIER 03 / ÉCOSYSTÈME DES MODÈLES
« Ouvert » recouvre plusieurs degrés d'accès
La disponibilité des poids ne signifie pas nécessairement que le code, les données d'entraînement et la méthode le sont aussi. Il faut examiner les artefacts et les droits séparément.
Poids accessibles, transparence variable
Un modèle à poids accessibles peut être téléchargé et exécuté sous les conditions de sa licence. La définition de l'Open Source AI requiert une disponibilité plus large des éléments nécessaires à l'étude, l'usage, la modification et le partage.
Lire la fiche et la licence
Vérifier la provenance, les usages autorisés, les restrictions, les données déclarées, les évaluations et les limites. Une fiche modèle facilite l'examen, mais ne remplace pas un audit indépendant.
Autonomie contre responsabilité
L'exécution locale peut donner davantage de contrôle sur le déploiement et les données. Elle transfère aussi à l'organisation la charge de sécuriser l'infrastructure, les mises à jour, l'évaluation et la conformité.
DOSSIER 04 / RISQUES & RESPONSABILITÉS
La fiabilité se construit sur tout le cycle de vie
Un système d'IA s'évalue au regard d'un contexte, de personnes concernées et de conséquences possibles. Une démonstration réussie ne suffit pas à établir son adéquation à un usage.
Définir le contexte d'usage
Préciser l'objectif, les utilisateurs, les personnes exposées, les données traitées et les décisions influencées. Identifier les dommages plausibles avant de choisir les contrôles.
Évaluer les risques pertinents
Tester la performance et les défaillances selon les conditions réelles : biais, confidentialité, sécurité, robustesse, explicabilité et capacité de recours selon le domaine.
Contrôler après déploiement
Documenter les décisions, surveiller les changements de comportement, signaler les incidents et prévoir une intervention humaine, une suspension ou un retrait si nécessaire.
DOSSIER 05 / IA & ACTIVITÉS
L'IA assiste des tâches ; l'usage demande du discernement
Rédiger, synthétiser, analyser ou apprendre : les systèmes génératifs s'intègrent à des activités quotidiennes, mais leurs résultats doivent être évalués selon la tâche, le risque et le contexte.
Rédiger et reformuler
Un modèle peut proposer un premier jet, une synthèse ou plusieurs formulations. Vérifier les faits, les références, le ton et les omissions avant de diffuser ou d'utiliser le texte.
Explorer des informations
Résumer un corpus ou classer des données peut accélérer une première lecture. Garder accès aux documents d'origine et contrôler les citations, les calculs et les interprétations.
Mesurer l'effet sur l'activité
Comparer temps, qualité, erreurs et reprises à une situation de référence. Une tâche exposée à l'automatisation n'implique pas à elle seule qu'un métier ou un emploi disparaisse.
DOSSIER 06 / SIGNAUX & PROSPECTIVE
Séparer les tendances observées des scénarios
La prospective sur l'IA gagne en rigueur lorsqu'elle distingue résultats de recherche, déploiement mesuré, investissements, projections et hypothèses. Ces catégories n'ont pas le même statut probant.
Suivre les performances et leurs limites
Comparer les résultats à des évaluations documentées, en vérifiant les tâches, les données, les coûts et les conditions de test. Un benchmark ne résume ni l'utilité ni la fiabilité dans tous les usages.
Mesurer l'adoption, pas seulement l'annonce
Distinguer un prototype, un produit disponible, un déploiement effectif et un usage durable. Les données d'adoption doivent préciser leur population, leur période et leur méthode de collecte.
Rendre les incertitudes visibles
Une projection dépend d'hypothèses sur les coûts, les infrastructures, la demande et les politiques publiques. Présenter plusieurs scénarios et leurs hypothèses est plus informatif qu'une trajectoire unique.
DOSSIER 07 / INFRASTRUCTURE
L'IA a une géographie
Derrière chaque modèle, des bâtiments, des réseaux, des machines et des choix d'investissement. Voici les repères pour lire cette infrastructure.
01 / GÉOGRAPHIE
Où construire ? Là où plusieurs réseaux se rencontrent
Un centre de données dépend de ressources locales. La carte n'est pas qu'une carte de bâtiments : elle raconte l'accès à l'électricité, aux télécommunications, au foncier et au refroidissement.
Électricité
Puissance disponible, stabilité du réseau et délais de raccordement.
Connectivité
Réseaux terrestres et câbles sous-marins relient les centres aux utilisateurs et entre eux.
Climat & eau
Le climat et les choix de refroidissement influencent les besoins locaux en énergie et en eau.
Territoire
Foncier, règles d'urbanisme, fiscalité et proximité des activités numériques entrent aussi en jeu.
TROIS TERRITOIRES, TROIS CONTEXTES
Exemples documentés · pas un classementAMÉRIQUE DU NORDUS / VA
Virginie du Nord
Le régulateur de l'État décrit le plus grand marché de centres de données au monde, soutenu par un réseau fibre dense, l'accès à l'énergie, le foncier et la proximité des clients.
13 %
Étude JLARC sur la Virginie
de la capacité opérationnelle mondiale recensée par l'étude, selon son périmètre.
EUROPEFLAP-D +
Des hubs vers de nouveaux marchés
L'association européenne du secteur suit les hubs FLAP-D et une expansion vers les régions nordiques et méridionales. L'accès à l'énergie reste un enjeu de développement.
FLAP-D
EUDCA, State of European Data Centres 2025
Francfort, Londres, Amsterdam, Paris et Dublin : cinq marchés souvent regroupés dans les analyses européennes.
ASIE DU SUD-ESTSG
Singapour
La cité-État cherche à concilier croissance numérique et contraintes de ressources. Sa feuille de route 2024 conditionne une nouvelle capacité à des exigences de durabilité.
≥ 300 MW
Feuille de route IMDA
de capacité supplémentaire à court terme visée par la feuille de route, sous conditions.
Les chiffres et catégories ne sont pas directement comparables : ils proviennent d'études aux périmètres et méthodes différents. Consultez les sources pour leur définition.
Explorer la carte réelle des câbles. TeleGeography publie une carte interactive des câbles sous-marins et de leurs points d'atterrissement. Elle aide à comprendre la connectivité mondiale, sans constituer un inventaire des centres de données.
Ouvrir la carte02 / ÉCONOMIE
La croissance numérique se mesure aussi en mégawatts
La construction d'infrastructures d'IA engage des capitaux à long terme : terrains, raccordement électrique, bâtiments, accélérateurs, réseaux et exploitation.
ÉLECTRICITÉ DES CENTRES DE DONNÉES DANS LE MONDEAgence internationale de l'énergie · rapport 2025
TWh / an
Le chiffre 2030 est une projection du scénario de base de l'AIE, pas une mesure future. Ces valeurs couvrent l'ensemble des centres de données : elles ne représentent pas uniquement l'IA.
Lire le rapport Energy and AIA
Le calcul a un coût d'exploitation. L'électricité et le refroidissement pèsent sur les coûts récurrents, tandis que les accélérateurs spécialisés représentent un investissement matériel important.
B
Les lieux et les marchés sont liés. Disponibilité du réseau, prix de l'énergie, accès au capital et réglementation influencent les projets — et leur calendrier.
LA CHAÎNE DE VALEUR
De ressources physiques à des services numériques
Schéma de lecture : les relations commerciales et les revenus réels varient selon les organisations.
-
01 / RESSOURCES
Énergie & matériaux
Électricité, eau, terrains et matières premières alimentent les infrastructures physiques.
Valeur : fourniture, raccordement, construction -
02 / MATÉRIEL
Semi-conducteurs
Conception, fabrication, mémoire et assemblage rendent possibles les accélérateurs et les serveurs.
Valeur : conception, fabrication, vente -
03 / CALCUL
Centres & cloud
Des opérateurs assemblent puces, réseaux, stockage et énergie en capacité de calcul.
Valeur : location, hébergement, services cloud -
04 / MODÈLES
Données & modèles
Des équipes développent, entraînent et évaluent des modèles, puis les adaptent à des tâches.
Valeur : accès API, licences, services -
05 / USAGES
Produits & métiers
Des logiciels intègrent l'IA aux processus de travail, aux outils et aux services destinés au public.
Valeur : abonnements, intégration, gains d'usage
Entraîner n'est pas servir
L'entraînement mobilise un grand volume de calcul pendant une période donnée. L'inférence — répondre à chaque requête — engendre des coûts récurrents qui dépendent du modèle, du matériel, du taux d'utilisation et du volume de demandes.
La valeur ne se répartit pas également
Les capacités de calcul, les composants et certains services reposent sur des chaînes d'approvisionnement concentrées. Coûts d'entrée élevés et dépendance à une plateforme peuvent limiter le choix des acteurs en aval.
À garder en tête. Ce schéma décrit des couches interdépendantes, pas un partage de revenus mesuré. L'OCDE analyse les enjeux de concurrence liés aux infrastructures d'IA ; l'AIE documente les coûts énergétiques et les incertitudes de projection.
03 / HISTOIRE
Les percées s'appuient sur des couches qui s'accumulent
Calcul, réseaux, accélérateurs et architectures d'IA se sont développés à des rythmes différents. Ces jalons montrent quelques croisements importants, sans prétendre résumer toute l'histoire de l'informatique.
MACHINES
Le calcul électronique se centralise
IBM annonce le 701, un ordinateur électronique destiné au calcul scientifique. Les grandes machines sont installées et opérées par des organisations disposant des moyens nécessaires.
IBM · histoire de la série 700
RÉSEAUX
Le Web relie les documents et les chercheurs
À partir de 1989 au CERN, Tim Berners-Lee conçoit le World Wide Web. En 1990, le premier serveur et le premier navigateur rendent le système concret.
CERN · une brève histoire du Web
ACCÈS AU CALCUL
Le cloud et le GPU programmable élargissent l'accès
Amazon lance AWS avec des services de stockage et de calcul à la demande. La même année, NVIDIA introduit CUDA, qui permet d'utiliser ses GPU pour des calculs généraux, au-delà du rendu graphique.
APPRENTISSAGE PROFOND
AlexNet montre la puissance des réseaux profonds sur GPU
Une équipe entraîne un grand réseau convolutif pour classer des images ImageNet à l'aide d'une implémentation GPU efficace, illustrant l'intérêt pratique du calcul parallèle pour l'apprentissage profond.
NeurIPS · ImageNet Classification with Deep CNNs
ARCHITECTURES
Le Transformer propose une autre voie
« Attention Is All You Need » présente une architecture fondée sur l'attention, sans récurrence ni convolution, et met en avant une meilleure parallélisation pour les tâches étudiées.
NeurIPS · article de recherche
USAGES PUBLICS
Le dialogue avec les modèles devient une interface grand public
OpenAI présente ChatGPT comme aperçu de recherche le 30 novembre. L'interface conversationnelle rend les interactions avec un modèle de langage directement accessibles à un large public.
OpenAI · présentation de ChatGPTRepères choisis pour éclairer l'histoire technique et l'accès aux usages de l'IA. Ils ne sont ni exhaustifs, ni les seuls jalons possibles.
04 / FONCTIONNEMENT
Du courant électrique à une réponse de modèle
Un assistant est la partie visible d'une chaîne plus large : des données et des méthodes d'entraînement, des composants matériels et logiciels, puis un service qui produit et vérifie ses réponses.
01 / ALIMENTERRéseau électriquePuissance, conversion
et systèmes de secours
et systèmes de secours
02 / CALCULERServeurs IACPU, GPU ou autres
accélérateurs
accélérateurs
03 / ÉCHANGERRéseau & stockageRelier les machines
et fournir les données
et fournir les données
04 / REFROIDIRGestion thermiqueÉvacuer la chaleur
des équipements
des équipements
COMMENT UN MODÈLE APPREND — ET RÉPOND
Deux phases différentes, un même socle de calculA
PHASE 1
Entraîner le modèle
Des exemples sont transformés en données exploitables. L'entraînement ajuste progressivement les paramètres du modèle pour réduire une erreur mesurée par un objectif d'apprentissage.
- 01Préparer et filtrer les données
- 02Calculer les prédictions et l'erreur
- 03Mettre à jour les paramètres
- 04Évaluer sur des tâches distinctes
B
PHASE 2
Exécuter l'inférence
Une requête est découpée en unités appelées tokens. Le modèle traite le contexte et produit une sortie, souvent token par token, pendant que le service gère le débit et la latence.
- 01Recevoir et tokeniser le contexte
- 02Calculer la suite probable
- 03Générer puis décoder la sortie
- 04Appliquer les contrôles du produit
01CALCUL
Le modèle
Architecture, paramètres appris et limites de capacité.
02DONNÉES
Le contexte
Conversation, consignes et documents transmis au modèle. Des outils peuvent aussi être appelés.
03PRODUIT
Le service
Routage, sécurité, disponibilité, latence, coûts et expérience utilisateur.
04CONFIANCE
L'évaluation
Tests de qualité, robustesse, sécurité et suivi des erreurs après déploiement.
Un modèle n'est pas tout le produit. Une réponse dépend aussi du contexte fourni, des outils disponibles, des règles du service et des évaluations. Le NIST propose un cadre de gestion des risques couvrant la conception, le développement, l'utilisation et l'évaluation des systèmes d'IA.
Lire le cadre NIST AI RMFPUE=Énergie totale du site/Énergie des équipements IT
Le PUE mesure l'efficacité énergétique de l'infrastructure d'un centre de données. Plus il se rapproche de 1, moins le site consomme d'énergie en plus des équipements informatiques. Il ne mesure ni l'empreinte carbone totale, ni l'efficacité du modèle d'IA.
Uptime Institute : comprendre le PUEUn exemple d'architecture réseau. Google décrit Jupiter, son réseau de centre de données, conçu pour relier des dizaines de milliers de serveurs et faire évoluer la capacité de calcul à grande échelle.
Voir l'explication techniqueLes chiffres et projections sont attribués à leurs sources. Les explications générales sont une synthèse introductive, pas un inventaire exhaustif des sites ou des opérateurs.
TRANSPARENCE ÉDITORIALE / 01
Une veille solide commence par ses sources
Un premier registre pour savoir qui publie, sur quels sujets, et à quel rythme il serait pertinent de relire leurs travaux.
08 sources
Aucune source ne correspond à cette recherche. Essayez un autre terme ou une autre famille.
MÉTHODE DE MISE À JOUR
Une règle simple : pouvoir remonter du repère publié à la source et à son contexte.
- 01
Choisir
Privilégier les documents originaux, les organismes publics et la recherche. Identifier la nature et les intérêts de chaque source.
- 02
Vérifier
Noter auteur, date, périmètre et méthode ; recouper les chiffres importants et distinguer faits, estimations, projections et opinions.
- 03
Actualiser
Comparer une nouvelle édition à la précédente, conserver la date de consultation et expliquer ce qui a changé avant de modifier un dossier.
Les rythmes indiqués sont des propositions de travail, pas les fréquences de publication des organismes. Les dates portent sur la revue éditoriale du contenu, pas uniquement sur l'accessibilité d'un lien. Aucune source n'est surveillée automatiquement.
EXPLORATION SOURCÉE / 01
Une question. Des sources. Pas d'invention
Interrogez les dossiers IAeVolution par écrit ou à la voix. Les réponses s'appuient sur des repères éditorialisés et leurs sources ; aucune réponse générée par un modèle n'est encore utilisée.
RECHERCHE LOCALE
Le micro ne s'active qu'à votre demande. La reconnaissance vocale de votre navigateur peut envoyer l'audio à son fournisseur. IAeVolution ne conserve aucun audio ni transcription ; la recherche reste limitée aux sources du site.
La meilleure voix locale disponible pour la langue choisie est sélectionnée automatiquement ; le rendu dépend des voix de votre appareil.
ESSAYEZ PAR EXEMPLE
Périmètre actuel : centres de données, infrastructure et premiers repères sur l'IA générative. Si les sources disponibles ne couvrent pas votre question, l'assistant le dira plutôt que de compléter au hasard.