L’édition 2026 de VivaTech met en évidence un basculement du rôle de l’intelligence artificielle : l’intelligence artificielle s’impose progressivement comme une infrastructure industrielle, intégrée aux systèmes énergétiques, aux réseaux électriques et aux actifs physiques.
Cette évolution crée une nouvelle interdépendance. Le développement des modèles d’intelligence artificielle repose sur des volumes de données toujours plus importants, nécessaires à l’entraînement de modèles de plus en plus grands, complexes et performants. Cette croissance s’accompagne d’une augmentation continue des capacités de calcul (compute) toujours plus importantes et du développement d’infrastructures fortement consommatrices d’électricité, exerçant une pression croissante sur les systèmes électriques. En retour, l’IA devient progressivement un levier d’optimisation, capable d’améliorer l’exploitation, la résilience et la flexibilité des infrastructures énergétiques.
Cinq transformations majeures illustrent cette évolution.
L’IA quitte le logiciel pour devenir une infrastructure industrielle
Premier enseignement de VivaTech : l’intelligence artificielle franchit une nouvelle étape. Elle ne se limite plus à des applications logicielles d’analyse ou d’aide à la décision ; elle s’intègre désormais directement dans le fonctionnement des infrastructures énergétiques.
Le concept d’« IA physique », porté notamment par l’Institut Mines-Télécom et l’Université Paris-Saclay, illustre cette évolution. L’IA est progressivement embarquée au plus près des équipements à travers de robots, capteurs intelligents, systèmes autonomes et actionneurs capables de collecter des données, de les traiter et de prendre des décisions en temps réel. Cette capacité à percevoir, calculer et agir directement sur les équipements transforme l’IA en une nouvelle brique opérationnelle des infrastructures industrielles.
Cette évolution repose notamment sur le développement de l’IoT et du Edge Computing, qui rapprochent la capacité de calcul et de décision des actifs concernés. Contrairement aux architectures centralisées traditionnelles, dans lesquelles les données sont remontées vers des plateformes distantes avant d’être analysées, ces systèmes permettent de réduire les temps de réaction et d’ajuster quasi instantanément le fonctionnement des équipements : pilotage d’un réseau, optimisation d’une production ou détection d’une anomalie. Cette approche ouvre de nouvelles possibilités en matière de flexibilité, de performance opérationnelle et de résilience des systèmes énergétiques, tout en faisant émerger de nouveaux enjeux liés à la cybersécurité, à la consommation de ressources critiques et aux impacts environnementaux du numérique.
L’IA devient ainsi progressivement une brique opérationnelle des systèmes énergétiques. Elle contribue directement à l’exploitation, à la maintenance et à l’optimisation des actifs industriels. Elle devient un levier d’optimisation conciliant performance opérationnelle, résilience des systèmes énergétiques et des objectifs de durabilité.
ENGIE illustre cette dynamique avec plusieurs solutions à grande échelle :
- optimisation du stockage batterie (BESS Algos),
- pilotage de l’autoconsommation solaire (Flexisun),
- sécurisation des sites sensibles (Sentibot).
Cette industrialisation fait des infrastructures numériques un nouveau défi pour les systèmes électriques
L’industrialisation de l’IA repose sur une double accélération : l’augmentation des volumes de données nécessaires à l’entraînement des modèles et la croissance des besoins de calcul associés.
Les modèles les plus avancés nécessitent ainsi des capacités de traitement considérables, mobilisant des infrastructures spécialisées comme les supercalculateurs, à l’image de Jean Zay en France.
Le défi ne se limite toutefois pas à la phase d’entraînement. Une fois déployés, ces modèles continuent de mobiliser des ressources importantes lors de leur utilisation (inférence), notamment en mémoire et en puissance de calcul, à mesure que les usages se généralisent. Cette croissance continue des besoins entraîne le développement de data centers toujours plus puissants, dont l’alimentation électrique devient un enjeu stratégique.
Parallèlement, une partie croissante des traitements tend à être rapprochée des usages via le Edge Computing (inférence au plus près des équipements), ce qui modifie et complexifie la répartition géographique des besoins en électricité liés à l’IA.
La montée en puissance de ces infrastructures numériques transforme ainsi progressivement l’IA en un nouvel enjeu pour le système électrique. Les data centers constituent désormais des infrastructures critiques, dont les besoins en électricité deviennent un facteur déterminant de localisation et de développement.
Ils consomment aujourd’hui environ 415 TWh, soit près de 1,5 % de la consommation mondiale d’électricité. Selon l’Agence internationale de l’énergie, cette consommation pourrait atteindre 945 TWh d’ici 2030, soit près de 3 % de la demande mondiale, avec une croissance annuelle comprise entre 12 % et 15 %, très supérieure à celle de la consommation électrique globale.
Cette dynamique ne crée pas uniquement un besoin supplémentaire de production électrique. Elle exerce également une pression croissante sur les réseaux, qui doivent raccorder des infrastructures fortement consommatrices, concentrées géographiquement et exigeant une alimentation continue. Elle impose ainsi de repenser le fonctionnement du système électrique, notamment en développant davantage de flexibilité afin de synchroniser les besoins de puissance des infrastructures de calcul avec les capacités de production disponibles.
La disponibilité de l’électricité, la capacité des réseaux à accueillir ces nouveaux usages et l’intensité carbone du mix électrique deviennent ainsi des critères déterminants pour le développement des infrastructures d’intelligence artificielle.
Face à cette contrainte, l’IA devient aussi un levier d’optimisation et de décarbonation
L’augmentation rapide des besoins en calcul et en énergie associés au développement de l’IA impose désormais de repenser les modèles technologiques eux-mêmes. L’enjeu n’est plus seulement de développer des modèles toujours plus puissants, mais de trouver le meilleur équilibre entre performance, spécialisation et sobriété énergétique.
Un nouveau paradoxe apparaît alors : l’intelligence artificielle constitue à la fois un facteur croissant de pression sur les ressources naturelles et les infrastructures (consommation d’eau, chaleur générée, utilisation de métaux critiques, émissions de gaz à effet de serre) et un levier majeur d’accélération de la transition énergétique et environnementale. Dans ce contexte, une approche systémique « by design » devient essentielle pour concilier performance technologique, sobriété énergétique, acceptabilité sociétale et objectifs de transition écologique.
Cette recherche d’efficacité conduit notamment à privilégier des architectures d’IA plus spécialisées et mieux adaptées aux usages. Les Small Language Models (SLM), présentés notamment par IBM à VivaTech, illustrent cette trajectoire : à côté des grands modèles généralistes (LLM), l’écosystème évolue vers des modèles adaptés à des cas d’usage précis, intégrés dans des architectures agentiques où plusieurs agents spécialisés peuvent coopérer pour répondre à des besoins métiers complexes. Cette approche permet d’obtenir des performances ciblées tout en limitant les besoins en calcul et les ressources nécessaires à leur fonctionnement.
L’approche « du moyen le plus pertinent pour résoudre un problème » ne promet plus une IA généraliste (logique du toujours plus) mais des solutions pragmatiques, qui peuvent être des IA adaptées aux usages (logique du juste nécessaire). Notre conviction est de s’orienter vers l’intelligence architecturale en maximisant cette logique du juste nécessaire et en intégrant l’intelligence artificielle de façon optimale (où cela devient nécessaire, aux performances et à la taille adéquates).
Au-delà de sa propre optimisation, l’IA devient également un levier de transformation des infrastructures énergétiques qu’elle contribue à piloter plus efficacement. En exploitant les données issues des actifs et des réseaux, elle permet d’améliorer la prévision de la demande, la maintenance prédictive, le pilotage des flexibilités, l’optimisation des flux énergétiques et la gestion en temps réel des infrastructures. Elle contribue ainsi à renforcer leur efficacité opérationnelle, leur résilience et leur capacité d’adaptation.
L’IA devient ainsi à la fois un facteur d’augmentation de la demande électrique et un levier essentiel pour améliorer l’efficacité du système énergétique.
L’optimisation portée par l’IA s’étend désormais à l’ensemble de la chaîne de valeur énergétique
Les innovations présentées à VivaTech montrent que cette logique d’optimisation irrigue l’ensemble de la chaîne de valeur énergétique : production, réseaux de chaleur, économie circulaire et mobilité.
Dans les infrastructures thermiques, plusieurs innovations de rupture émergent :
- pompes à chaleur acoustiques à l’hélium (Equium),
- boucles CO₂ caloporteuses (ExerGo).
En parallèle, les initiatives en faveur de l’économie circulaire prennent de l’ampleur grâce à des solutions décentralisées de valorisation des déchets, telles que :
- les réacteurs d’électrométhanisation de WASE, qui permettent d’augmenter la production de biogaz ;
- la transformation des déchets ménagers en énergie à l’aide d’unités de gazéification à haute température mises au point par la société spécialisée TechBien Energy ;
- ou encore la réutilisation des batteries de véhicules électriques en fin de vie pour le stockage d’énergie stationnaire, portée par Sifra Energy.
Ces solutions permettent des taux de valorisation matière pouvant atteindre jusqu’à 90 %, traduisant une optimisation croissante des flux énergétiques et industriels.
Cette logique se prolonge jusqu’aux usages de la mobilité électrique grâce au Smart Charging. Des solutions comme Gridio permettent désormais de piloter en temps réel la recharge des véhicules électriques selon :
- les prix de marché,
- la disponibilité des énergies renouvelables,
- et les contraintes réseau.
La convergence IA-énergie redessine la souveraineté industrielle
À mesure que cette logique d’optimisation se diffuse à l’ensemble du système énergétique, une autre transformation apparaît : les infrastructures numériques et énergétiques deviennent désormais indissociables.
Les annonces de VivaTech illustrent cette évolution avec :
- le lancement de Mistral Compute en partenariat avec NVIDIA,
- la mobilisation de 655 millions d’euros dans le cadre de France 2030 pour les plateformes d’IA et de données,
- ainsi que les projets de relocalisation de capacités de calcul en Europe.
Derrière ces investissements se joue une compétition industrielle de long terme. Les territoires capables de réunir simultanément une énergie abondante et décarbonée, des réseaux robustes, du foncier disponible et des capacités de calcul concentreront une part croissante des investissements liés à l’intelligence artificielle.
Dans ce contexte, le mix électrique français, largement décarboné grâce au nucléaire, constitue un atout stratégique pour attirer les futures infrastructures d’intelligence artificielle.
La souveraineté numérique ne peut donc plus être dissociée de la souveraineté énergétique : maîtriser les capacités de calcul implique désormais de maîtriser les infrastructures électriques qui les alimentent.
Le sujet vous intéresse ?
Parlons-en !
Ce qu’il faut retenir
Au-delà des avancées technologiques, VivaTech 2026 met en évidence la structuration d’une nouvelle chaîne industrielle autour de l’intelligence artificielle.
Cette évolution repose sur une chaine désormais indissociable : les données alimentent les modèles, les capacités de calcul (compute) permettent leur entraînement et leur fonctionnement, les infrastructures numériques soutiennent ces besoins croissants, tandis que l’énergie devient la condition indispensable de leur développement.
En retour, l’intelligence artificielle contribue à transformer le système énergétique lui-même en améliorant le pilotage des actifs, la prévision, les flexibilités, la maintenance et l’exploitation des réseaux.
Les chiffres illustrent l’ampleur de cette transformation :
- 415 TWh consommés aujourd’hui par les data centers ;
- 945 TWh attendus d’ici 2030 ;
- près de 3 % de la consommation mondiale d’électricité.
Dans ce contexte, la compétitivité ne reposera plus uniquement sur la performance des modèles d’intelligence artificielle, mais sur la capacité à maîtriser l’ensemble de la chaîne de valeur : données, capacités de calcul (compute), infrastructures numériques, énergie, réseaux électriques et souveraineté industrielle. C’est cette convergence entre numérique, énergie et industrie que VivaTech 2026 met particulièrement en lumière.
Rédacteurs : Allassane KARAMOKO, Charlotte Baker, Margot Collange
