Google, NVIDIA et Anthropic rejoignent la coalition Emerald AI pour élargir l’accès au réseau des centres de données

Emerald AI, Google et NVIDIA ont lancé l’AI Energy Management Alliance (AEMA), une coalition destinée à aider les centres de données à se connecter aux systèmes électriques en ajustant leur consommation lorsque le réseau est sous tension. Anthropic et plusieurs grands services publics participent également, selon TechCrunch et l’annonce de NVIDIA.

L’initiative intervient alors que la disponibilité de l’électricité est devenue une contrainte pour les nouvelles infrastructures d’IA. Plutôt que de considérer un centre de données comme une charge fixe en hausse continue, AEMA veut que les services publics et les exploitants de réseau reconnaissent les installations informatiques comme des ressources pilotables capables de déplacer des charges de travail, de réduire la demande, d’utiliser du stockage ou de répondre aux urgences.

TechCrunch a rapporté que la coalition vise à contribuer à créer jusqu’à 100 gigawatts de capacité supplémentaire de centres de données sur le réseau. Ce chiffre est un objectif associé à l’approche de réponse à la demande de l’alliance, et non une quantité confirmée de capacité déjà sécurisée.

Une coalition bâtie autour de l’informatique flexible

Les membres fondateurs d’AEMA sont Emerald AI, Google et NVIDIA. Anthropic fait partie des participants au lancement, tandis que les services publics cités par TechCrunch incluent AES, Constellation, National Grid et NRG Energy. NVIDIA a indiqué que l’alliance a pour but de réunir les secteurs du calcul et de l’énergie, notamment les exploitants de centres de données, les producteurs d’électricité, les entreprises technologiques, les services publics et les opérateurs régionaux de réseau.

L’idée centrale n’est pas nouvelle. La réponse à la demande permet depuis longtemps aux grands consommateurs d’électricité, comme les usines, de réduire leur consommation pendant les périodes de pointe, généralement en échange de paiements ou d’autres avantages liés aux services réseau. Ce qui change avec l’infrastructure d’IA, c’est la rapidité potentielle et la granularité de la réponse.

Les charges de travail d’IA peuvent parfois être mises en pause, retardées ou déplacées vers un autre site. Un centre de données peut également réagir en déchargeant des batteries, en utilisant une génération associée ou en ajustant son comportement de connexion lors d’un incident système. NVIDIA a décrit ces capacités comme des moyens pour une installation de soutenir le réseau sans nécessairement se déconnecter de celui-ci.

Le logiciel d’Emerald AI est conçu pour coordonner les instructions entre les services publics et les centres de données. TechCrunch a rapporté que l’approche de l’entreprise consiste à mettre en pause les tâches non critiques et à déplacer les charges de travail vers des emplacements disposant de davantage de capacité, plutôt que de s’appuyer uniquement sur des générateurs diesel de secours.

Ce que l’alliance cherche à standardiser

NVIDIA a indiqué qu’AEMA serait neutre sur le plan technologique et fondée sur la performance. En pratique, cela signifie que l’alliance entend se concentrer sur ce qu’une installation peut fournir de manière fiable — comme la vitesse de réponse, la durée, la prévisibilité et le comportement en cas d’urgence — plutôt que d’exiger une architecture matérielle ou logicielle particulière.

Les principes déclarés du groupe incluent la définition d’obligations de ride-through, de réduction de consommation et de réponse aux contingences avant qu’une installation ne soit raccordée. Il prévoit également de promouvoir des exigences techniques communes, des mesures de performance et le partage de données opérationnelles. Ces détails sont importants, car les exploitants de réseau doivent savoir si une réduction promise de la consommation électrique se produira rapidement, durera suffisamment longtemps et restera disponible lors d’un véritable événement système.

AEMA souhaite également que les coûts d’interconnexion reflètent l’impact réel d’une installation sur le système électrique. Un centre de données flexible pourrait potentiellement éviter ou retarder certaines mises à niveau du réseau, mais la valeur dépendrait de la manière dont sa flexibilité est mesurée et de la capacité du service public ou de l’exploitant de réseau concerné à l’utiliser lorsque nécessaire.

L’annonce officielle de NVIDIA présente ces idées comme un cadre en cours d’élaboration. Elle n’identifie pas d’installations spécifiques ayant déjà obtenu des interconnexions plus rapides grâce à AEMA, ni ne fournit d’estimation vérifiée de manière indépendante de la capacité débloquée par la coalition.

Preuves, repères et limites

L’affirmation la plus forte sur la capacité dans les articles disponibles vient de TechCrunch, qui a indiqué qu’AEMA estime que la réponse à la demande pourrait permettre de connecter 100 gigawatts supplémentaires de centres de données au réseau. Il s’agit d’un objectif ou d’une estimation de la coalition, et non de la preuve que 100 gigawatts ont déjà été approuvés, construits ou contractualisés.

TechCrunch a également cité une étude de Goldman Sachs datant de l’an dernier, estimant que limiter l’usage maximal du réseau à 90 % pendant quelques heures pourrait libérer 76 gigawatts de capacité. Ce chiffre concerne un scénario plus large de gestion de la demande et ne doit pas être interprété comme un résultat de performance d’Emerald AI ou d’AEMA.

Les documents publics des entreprises présentent le modèle opérationnel et les règles proposées, mais aucune des sources ne fournit une démonstration indépendante de la capacité qu’un projet particulier peut débloquer. NVIDIA a indiqué que des installations flexibles pourraient raccourcir les délais de raccordement et réduire le besoin de mises à niveau coûteuses ; ce sont des avantages potentiels, dépendants des conditions locales du réseau, de l’approbation réglementaire et des performances vérifiables de l’installation.

L’approche n’élimine pas non plus le besoin de nouvelles capacités de production et de transport. TechCrunch a cité la scientifique en chef d’Emerald AI, Ayse Coskun, disant que le logiciel pourrait réduire le besoin du secteur en nouvelles sources de production, sans toutefois l’éliminer. Cette limite est importante : une demande flexible peut rendre l’infrastructure existante plus utile, mais elle ne peut pas fournir de l’énergie pendant chaque heure de chaque saison.

Pourquoi cela compte pour les acteurs de l’IA et les services publics

Pour les constructeurs d’IA, l’attrait immédiat réside dans l’accès à des sites qui pourraient autrement être limités par des files d’attente d’interconnexion ou par une capacité de transport limitée. Un projet capable de documenter une réduction fiable, un déplacement de charges de travail ou une réponse soutenue par stockage pourrait être plus facile à évaluer pour un service public qu’une installation à la demande totalement statique.

Cela pourrait influencer l’architecture des centres de données. Les opérateurs pourraient devoir séparer les services sensibles à la latence des charges de travail d’entraînement et de lot interruptibles, maintenir des systèmes de planification capables de déplacer les tâches entre les régions, et tester l’impact des réductions sur les échéances de développement des modèles. Ils pourraient également avoir besoin d’une télémétrie et de contrôles renforcés afin qu’un exploitant de réseau puisse vérifier les performances sans compromettre des données opérationnelles sensibles.

Pour les entreprises et les équipes produit IA, les conséquences peuvent apparaître de manière indirecte. Les exécutions d’entraînement, l’inférence à grande échelle et d’autres charges de travail pourraient être planifiées en fonction des conditions du réseau ou des prix de l’électricité, à condition que les accords de niveau de service le permettent. La fiabilité et la gouvernance seront centrales : les clients devront comprendre quelles charges de travail peuvent être déplacées, à quelle vitesse elles peuvent reprendre et ce qui se passe si une réduction demandée entre en conflit avec les priorités commerciales.

L’impact sur le marché est tout aussi concret. Google a développé ses propres outils de gestion du réseau, et d’autres fournisseurs, dont Enel X, ont exploré l’utilisation d’onduleurs et de systèmes connexes pour lisser la demande. La levée de série A de 150 millions de dollars d’Emerald AI, menée par Energize Capital et DCVC, donne à la start-up les moyens de déployer son logiciel, mais le financement seul n’établit pas l’adoption ni ne prouve que les services publics accepteront un modèle commun.

Ce qu’il faut surveiller ensuite

Les prochains signaux significatifs seront concrets plutôt que promotionnels. Les services publics et les opérateurs régionaux de réseau devront publier si les normes de performance proposées par AEMA sont acceptées dans les processus d’interconnexion. Les développeurs devraient également rechercher des sites pilotes avec publication des temps de réponse, des durées de réduction, des contraintes de charge de travail et des résultats de fiabilité.

D’autres indicateurs incluent le fait que l’alliance produise ou non un protocole commun de partage des données, que les régulateurs approuvent ou non des voies de raccordement ajustées au risque, et que les contrats des centres de données rémunèrent ou non les opérateurs pour leur flexibilité. Le traitement de la génération de secours, des batteries et du déplacement de charges de travail montrera également si AEMA peut réellement rester neutre sur le plan technologique.

Enfin, le secteur aura besoin de preuves que l’informatique flexible fonctionne sur différents types de charges de travail d’IA et dans différentes zones géographiques. Un système capable de déplacer une tâche d’entraînement peut ne pas convenir à une inférence sensible à la latence ou à des opérations d’urgence. L’écart entre une conception flexible sur le papier et un service réseau fiable déterminera la quantité de capacité que la coalition pourra réellement débloquer.

Point de vue de Creati.ai

AEMA s’attaque à un véritable goulot d’étranglement dans l’infrastructure IA : les raccordements électriques deviennent aussi importants que les puces, le foncier et le refroidissement. Sa contribution la plus utile pourrait être un langage commun pour mesurer ce que les centres de données flexibles peuvent fournir, plutôt qu’une nouvelle promesse que le logiciel résoudra à lui seul le défi énergétique.

L’ambition de 100 gigawatts doit donc être considérée comme une direction à suivre, et non comme un résultat déjà obtenu. Pour les développeurs et les acheteurs, la preuve décisive sera une performance réseau vérifiée, des règles d’interconnexion transparentes et des contrôles de charges de travail qui préservent la fiabilité du service tout en offrant aux services publics une ressource digne de confiance.