IA et énergie : des facteurs complémentaires, pas deux dossiers séparés

Mike Sommers, président de l'American Petroleum Institute (API), l'association professionnelle des producteurs pétroliers et gaziers américains, a formulé début 2026 une thèse simple : « Nous devons gagner la guerre de l'IA. Mais si nous ne gagnons pas la guerre de l'énergie, nous ne pourrons même jamais arriver à la guerre de l'IA. » Selon lui, la course américaine au leadership en intelligence artificielle est conditionnée par la disponibilité d'une énergie abondante et continue — en particulier le gaz naturel — pour alimenter des data centers dont la consommation explose.

L'API appuie cette thèse sur trois chiffres : une hausse anticipée d'environ 50% de la demande énergétique américaine sur les quinze prochaines années ; jusqu'à 80% des ressources pétrolières et gazières identifiées qui resteraient inaccessibles avec les technologies d'extraction actuelles ; et 90% des objectifs du plan biennal de l'association déjà atteints en 2025. L'IA elle-même est présentée comme un outil d'exploration géologique et sismique susceptible d'améliorer, à terme, l'accès à ces réserves.

Au-delà du plaidoyer, l'argument a une structure économique précise. Il revient à traiter le calcul (l'IA) et l'énergie (des électrons disponibles en continu, ou « électrons fermes ») comme des facteurs de production complémentaires à coefficients fixes, au sens de la fonction de Leontief (1941) : au-delà d'un certain point, ajouter des capacités de calcul sans capacité énergétique équivalente ne produit aucun supplément de sortie utile — les deux facteurs doivent croître ensemble, sans substitution possible à court terme.

Ce cadre rejoint une intuition plus large sur les goulots d'étranglement de la croissance : la loi du minimum de von Liebig (1840), initialement formulée en agronomie, énonce que la croissance d'un système est bornée par son facteur le plus rare, pas par la moyenne de ses facteurs. Michael Kremer (1993) en a tiré, avec sa théorie des « O-rings », un résultat similaire pour la production économique : quand les tâches ou les inputs sont fortement complémentaires, la défaillance du maillon le plus faible fait chuter la production totale de façon disproportionnée. Appliqué ici : une capacité de calcul IA surdimensionnée par rapport à la capacité énergétique disponible ne se traduit pas en performance économique proportionnelle.

Ce constat fait écho à deux analyses Cardan-AI publiées ces dernières semaines. Le 16/08, nous documentions un investissement mondial dans les réseaux électriques limité à 550 Md$ sur 3 400 Md$ d'investissement énergétique total (16%), face à une consommation électrique des data centers appelée à passer de 485 à 950 TWh entre 2025 et 2030 (+96%). Le 24/08, nous relevions que 92% des entreprises pétrolières et gazières investissent dans l'IA mais que seules 50% ont effectivement déployé des solutions — un écart intention-exécution cohérent avec une contrainte énergétique et infrastructurelle sous-jacente plutôt qu'un simple retard technologique.

Le discours de l'API mérite cependant d'être lu avec la distance qu'impose sa position d'association professionnelle : son intérêt direct est d'orienter le récit énergie-IA vers le gaz naturel, présenté comme la seule source capable de fournir une base énergétique stable et rapide à déployer, plutôt que vers le nucléaire ou le couple renouvelable-stockage — également capables, sur d'autres horizons de temps et de coûts, de fournir cette même stabilité. Le constat de complémentarité entre calcul et énergie est solide et documenté indépendamment de l'API ; le choix du vecteur énergétique reste, lui, un plaidoyer sectoriel à ne pas confondre avec une conclusion économique neutre.

Reste une question de séquencement que le discours de l'API laisse ouverte : qui investit en premier, entre l'opérateur de data centers et le producteur d'énergie, lorsque les deux investissements sont coûteux, irréversibles et rendus rentables l'un par l'autre ? C'est un problème classique de coordination à équilibres multiples (Cooper & John, 1988) : si chaque acteur attend que l'autre bouge en premier, l'économie peut rester bloquée dans un équilibre de sous-investissement croisé, alors même qu'un équilibre à investissement conjoint plus élevé serait supérieur pour tous.

Pour les dirigeants des secteurs que nous couvrons — aéronautique et défense, énergie et O&G, industrie, luxe — l'implication pratique dépasse le seul débat gazier américain : la stratégie IA d'une organisation ne peut plus être pilotée indépendamment de sa stratégie énergétique et infrastructurelle. Un plan de déploiement IA qui ignore la disponibilité, le coût et la fiabilité de l'énergie sous-jacente répète, à l'échelle de l'entreprise, l'erreur de coordination que l'API décrit à l'échelle nationale.