Votre cerveau fonctionne avec 20 watts. L'IA veut une centrale électrique

Le cerveau humain fonctionne avec environ 20 watts. Le superordinateur le plus rapide du monde, LineShine à Shenzhen, consomme 42,2 millions de watts. Cet écart est devenu l'argument préféré d'Internet sur l'utilisation de l'énergie par l'IA, et la plupart des informations à ce sujet sont erronées.

La comparaison elle-même tient la route. Cependant, les chiffres qui circulent sur les réseaux sociaux proviennent d'un seul article. Le plus frappant a été mal attribué pendant trois ans.

La Chine vient de prendre la première place du classement mondial des superordinateurs pour la première fois depuis 2017.

LineShine. Shenzhen. 2,198 exaflops. 2 quintillions de calculs par seconde. 20 % plus rapide que l'El Capitan des États-Unis.

entièrement construit sur des CPU chinois domestiques. pas de Nvidia. pas de puces américaines. pas de contrôles à l'exportation... https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
--- IT Guy (@T3chFalcon) 24 juin 2026

Utilisation de l'énergie par l'IA : Ce que 20 watts achètent réellement {#h-ai-energy-use-what-20-watts-actually-buys}

Le chiffre de 20 watts repose sur des décennies de mesures métaboliques. Le cerveau représente environ 2 % du poids corporel et environ 20 % de la consommation d'oxygène au repos.

Le comptage des neurones est plus incertain qu'il n'y paraît. Les 86 milliards souvent cités reposent sur quatre cerveaux masculins et sont actuellement contestés dans la revue Brain.

Les publications virales utilisent souvent 12 watts plutôt que 20. Ce chiffre apparaît dans un article de 2023 dans Frontiers in Artificial Intelligence, sans aucune citation.

Le même article a produit le chiffre que tout le monde partage. Ses auteurs ont estimé que recréer numériquement un cerveau humain consommerait 2,7 milliards de watts.

Cette estimation provient de l'extrapolation d'une simulation de 10 millions de neurones à l'échelle d'une souris, puis multipliée par mille.

L'article indique également que la simulation fonctionnait environ 30 000 fois plus lentement que la biologie. Les publications sociales omettent ce détail. Les sources secondaires attribuent ensuite ce chiffre au Blue Brain Project, qui ne l'a jamais publié.

Des chiffres fiables existent ailleurs. Epoch AI a estimé qu'une requête typique de ChatGPT consommait 0,3 watt-heure début 2025. Une étude évaluée par des pairs dans Joule a ensuite abouti à 0,31.

Deux méthodes indépendantes s'accordant aussi étroitement est inhabituel. Cependant, le chiffre varie fortement selon la charge de travail, et les modèles de raisonnement qui produisent des réponses plus longues peuvent coûter plusieurs fois plus cher.

Ce que la biologie fait différemment, et ce que le silicium a copié {#h-what-biology-does-differently-and-what-silicon-copied}

L'activité corticale est rare. Les taux de tir moyens sont inférieurs à 1 Hz, et l'énergie suit le changement plutôt que les cycles d'horloge.

L'IA moderne a atteint la même conclusion de manière indépendante. Kimi K2 active 32,6 milliards de ses 1,04 trillion de paramètres par jeton, soit près de 3,1 %.

Ce ratio diminue rapidement. Mixtral a utilisé environ 28 % de ses paramètres en 2023, tandis que DeepSeek-V3 utilise maintenant 5,5 %.

La biologie effectue également des calculs à faible précision. Rien à l'intérieur d'un neurone ne se résout à 32 bits.

Les fabricants de puces ont suivi le même chemin. DeepSeek a entraîné un modèle de 671 milliards de paramètres en précision huit bits. NVIDIA a depuis préentraîné un modèle de 12 milliards de paramètres en quatre bits.

La troisième différence est la plus grande et la moins copiée. Les cerveaux conservent la mémoire et le calcul au même endroit physique.

Les machines numériques les séparent. Mark Horowitz de Stanford a montré le coût de cette séparation. Récupérer un opérande de la mémoire peut consommer des centaines de fois plus d'énergie que l'arithmétique elle-même.

Les puces en forme de cerveau qui ne sont jamais arrivées {#h-the-brain-shaped-chips-that-never-arrived}

Le matériel construit explicitement pour imiter les neurones a eu du mal. Aucun système neuromorphique ou analogique n'a entraîné ou exécuté un modèle de pointe en production.

Le Hala Point d'Intel contient 1,15 milliard de neurones artificiels répartis sur 1 152 puces. Il reste un prototype de recherche installé au Sandia National Laboratories. Mike Davies, directeur du laboratoire de calcul neuromorphique d'Intel, a déclaré à The Register en 2024 :

"Nous ne cartographions aucun LLM sur Hala Point pour le moment. Nous ne savons pas comment faire cela."

Le tableau commercial est encore plus mince. BrainChip est la société phare cotée dans le secteur. Elle a déclaré 700 000 $ de recettes clients contre 5,3 millions $ de sorties d'exploitation au dernier trimestre de mars.

D'autres se sont complètement arrêtés. Rain AI, qui cherchait 150 millions $ et n'a pas réussi à les lever, a exploré une vente en 2025.

Les chercheurs dans le domaine décrivent un problème circulaire. Catherine Schuman, professeure adjointe en génie électrique et en informatique à l'Université du Tennessee, Knoxville, a déclaré :

"Les entreprises de matériel attendent qu'il y ait une application révolutionnaire, mais il est vraiment difficile de comprendre comment construire ces applications sans avoir de matériel sur lequel prototyper."

Plus de 20 chercheurs ont signé un document de consensus de 2025 dans Nature. Il a soutenu que le domaine manque encore de l'écosystème dont il a besoin.

Les principes de la biologie ont triomphé. Le matériel construit pour les incarner ne l'a pas fait.

Tout le monde enchérit pour les mêmes électrons

L'efficacité compte maintenant car l'électricité est devenue la contrainte principale. L'Agence internationale de l'énergie a estimé la consommation mondiale des centres de données à 485 térawattheures en 2025.

Les installations axées sur l'IA ont augmenté de 50 % rien que cette année-là. L'agence s'attend à ce qu'elles triplent d'ici 2030.

L'accès au réseau, plutôt que l'approvisionnement en puces, régule désormais la construction. Le temps médian entre une demande d'interconnexion et le début des opérations commerciales dépasse cinq ans, selon le Lawrence Berkeley National Laboratory.

Le PDG de Microsoft, Satya Nadella, a déclaré en novembre que son entreprise détenait des processeurs qu'elle ne pouvait pas brancher. La pénurie concerne les bâtiments alimentés, pas le silicium. Les investisseurs institutionnels ont soulevé des questions similaires sur la préparation du réseau.

Les mineurs de Bitcoin ont passé une décennie à résoudre exactement ce problème. Ils détiennent des sites énergisés, ont signé des accords d'approvisionnement en électricité et des droits d'interconnexion que les nouveaux venus attendent des années pour sécuriser.

Le résultat a transformé l'exploitation minière en une entreprise d'énergie et d'infrastructure. La mise à niveau d'un site opérationnel coûte environ 3 millions à 4 millions $ par mégawatt. La construction sur un terrain vierge coûte entre 10 millions et 12 millions $, selon les estimations de VanEck.

Les valeurs des accords annoncés sont énormes. Les mineurs publics ont signé des contrats d'IA d'une valeur totale de plus de 70 milliards $.

La capacité livrée raconte une histoire plus silencieuse. Les dépôts du deuxième trimestre 2026 montrent environ 750 mégawatts réellement énergisés dans le secteur.

Core Scientific représente environ 437 de ces mégawatts. Le campus Helios de Galaxy a livré 133 ; TeraWulf 102 ; IREN 50 ; et Riot 25. Hut 8 a contracté 949 mégawatts et n'en a énergisé aucun.

Le pivot a été coûteux. Les pertes trimestrielles combinées des mineurs MARA et CleanSpark ont atteint 851 millions $ en août.

La plupart des capacités minières ne seront jamais converties. Les données préliminaires d'une enquête de Cambridge présentées en juillet ont montré qu'environ 10 % des mineurs avaient alloué de l'énergie à l'IA.

Les obstacles sont physiques. L'exploitation minière tolère les interruptions, tandis que les locataires de l'IA exigent une puissance ferme, un refroidissement dense et de la fibre que les sites éloignés ont rarement.

Néanmoins, la direction du voyage est claire. Core Scientific tire désormais 83 % de ses revenus de la colocation et seulement 13 % de l'exploitation minière elle-même.

Les investisseurs ont intégré ce changement dans leurs évaluations. Les mineurs détenant des baux signés se négocient à des multiples beaucoup plus élevés de leur puissance énergisée. Pendant ce temps, le prochain pari sur l'IA ressemble de plus en plus à de l'électricité plutôt qu'à des puces.

Pourquoi l'efficacité ne résoudra pas la consommation d'énergie de l'IA

Les gains d'efficacité ont absorbé la croissance de la demande par le passé. Le calcul des centres de données mondiaux a augmenté de 550 % entre 2010 et 2018, tandis que la consommation d'énergie a augmenté d'environ 6 %.

Puis le schéma a changé. La consommation des centres de données aux États-Unis est passée de 58 térawattheures en 2014 à 176 en 2023.

L'évolution s'est optimisée sous un plafond strict. Un crâne consommant 200 watts aurait tué son propriétaire, donc l'efficacité est devenue la seule réponse disponible.

L'IA n'a jamais été confrontée à ce plafond. Elle a plutôt fait face à un plafond de capital, et le capital s'étire beaucoup plus facilement que l'électricité.

Cela est en train de changer. La question ouverte n'est plus de savoir si la biologie est plus efficace. C'est ce que devient l'IA une fois que le pouvoir, plutôt que l'argent, décide de ce qui est construit.