Partout dans le monde, l’adoption de l’IA s’accélère à un rythme sans précédent. Les hyperscalers, les opérateurs de colocation, les centres de données d’entreprise et les nouvelles « usines d’IA » développent rapidement leurs infrastructures informatiques pour prendre en charge des modèles de plus en plus complexes et des ensembles de données colossaux. Cette croissance fulgurante entraîne une augmentation de la demande en énergie, poussant les besoins en refroidissement à des niveaux extrêmes.

Traditionnellement, le secteur des centres de données utilise l’efficacité énergétique (PUE) et l’efficacité hydrique (WUE) comme principaux indicateurs de l’efficacité des ressources. Ces indicateurs ont bien servi le secteur pendant des années : il s’agit d’indicateurs simples et intuitifs permettant de mesurer l’efficacité avec laquelle une installation utilise l’énergie et l’eau.

Mais les charges de travail liées à l’IA, les puces de pointe et les architectures de refroidissement par liquide d’aujourd’hui changent la donne. Les puces de nouvelle génération conçues pour l’IA et le calcul accéléré fonctionnent selon des profils thermiques et des caractéristiques de performance très différents de ceux des processeurs traditionnels. Elles génèrent des charges thermiques bien plus élevées, dépendent davantage du refroidissement par liquide et offrent des performances de calcul radicalement différentes en fonction de la température de fonctionnement.

Alors que la puissance de calcul devient le principal facteur de consommation d’énergie des centres de données, de nouveaux indicateurs d’efficacité ont commencé à apparaître, visant à refléter de manière globale l’efficacité, la durabilité et les performances opérationnelles.

Pourquoi le PUE ne suffit pas à mesurer l’efficacité des centres de données dédiés à l’IA
Le PUE ne tient pas compte de la puissance de calcul
Une installation peut afficher un excellent PUE tout en offrant un rendement de calcul relativement faible. Alors que la demande mondiale en puissance de calcul devrait tripler – passant de 82 GW en 2025 à plus de 220 GW d’ici 2030 selon McKinsey & Company –, les organisations ont besoin d’indicateurs qui prennent en compte le travail utile, et pas seulement le rapport entre l’énergie consommée et l’énergie produite.

Les variations climatiques et de refroidissement faussent les mesures
Les centres de données dédiés à l’IA situés dans des climats plus chauds ou dans des régions souffrant de pénurie d’eau sont confrontés à des réalités environnementales qui ont intrinsèquement un impact à la fois sur le PUE et le WUE. Un site doté d’un système de refroidissement hautement optimisé peut tout de même paraître « inefficace » en raison de sa situation géographique plutôt que de ses caractéristiques techniques.

Les charges de travail liées à l’IA modifient la relation entre le refroidissement, la température et le rendement
Une puce peut fonctionner « correctement » à des températures plus élevées – améliorant ainsi le PUE en réduisant le refroidissement mécanique – mais offrir un rendement de calcul supérieur à des températures plus basses. Dans ce cas, le PUE se détériore, les performances de calcul augmentent et la productivité totale du système s’améliore. Cette contradiction met en évidence pourquoi les indicateurs actuels ne sont pas adaptés aux environnements basés sur l’IA.

Pour évaluer l’efficacité des installations modernes – en particulier celles qui prennent en charge des applications d’IA, d’hyperscale et de colocation à haute densité –, on envisage des indicateurs alternatifs qui combinent des mesures énergétiques et hydriques avec des indicateurs clés de performance (KPI) centrés sur le calcul.

Vous trouverez ci-dessous un exemple d’indicateurs avancés visant à fournir une vision plus complète et évolutive des performances :

- La performance par watt (PPW) mesure la puissance de calcul par unité d’énergie. Il s’agit d’une approche holistique permettant d’aligner les performances informatiques sur l’efficacité de l’installation.
- La productivité énergétique des centres de données ( DCeP) évalue la quantité de « travail utile » (tâches accomplies, données traitées, etc.) produite pour chaque unité d’énergie consommée.
- L’efficacité énergétique de calcul ( CPE) exprime la puissance de calcul fournie par unité d’énergie. Idéale pour les opérations faisant un usage intensif de l’IA.
- Le calcul proportionnel à la consommation d’énergie ( EPC) évalue l’efficacité avec laquelle un système adapte sa consommation d’énergie en fonction de la charge de travail. Plus la consommation d’énergie suit de près la demande de calcul, mieux c’est.
- L’efficacité écologique ( GE) relie la puissance de calcul à l’empreinte carbone, permettant ainsi de prendre des décisions en faveur du développement durable
- La performance par litre ( PPL) met en corrélation la consommation d’eau et la puissance de calcul — un critère essentiel pour les régions confrontées à une pénurie d’eau ou à une réglementation stricte.

Pourquoi ces indicateurs sont-ils importants ?
Ces indicateurs alternatifs pourraient permettre aux parties prenantes d’évaluer non seulement l’efficacité des ressources de l’installation, mais aussi la valeur générée par chaque kilowatt, chaque litre et chaque kilowatt de capacité de refroidissement. Ils redéfinissent la manière dont les exploitants évaluent les choix de conception, l’architecture de refroidissement, les températures des puces et les stratégies de développement durable.

Cependant, cette boîte à outils élargie s’accompagne également d’une plus grande complexité. La convergence entre le refroidissement haute densité, l’électrification, la stratégie de gestion de l’eau, les contrôles avancés, la modélisation et les variations réglementaires régionales exige une approche plus intégrée.

Un partenaire global pour un avenir piloté par l’IA
Pour réussir, les organisations ont besoin d’un partenaire en ingénierie et en gestion thermique possédant une grande expérience dans la conception au niveau du système, la réduction des émissions de carbone, l’optimisation des performances et les solutions évolutives. Une collaboration précoce est essentielle – de la conception à l’intégration, en passant par l’exploitation continue.

Trane apporte une expertise inégalée dans la compréhension de l’écosystème complet des centres de données, du toit jusqu’à la puce. Notre approche consultative inclut la modélisation, les essais, les commandes intelligentes, la récupération d’énergie, le stockage thermique, l’analyse en temps réel et la maintenance prédictive. Nous aidons les opérateurs à maximiser leur potentiel de calcul tout en s’alignant sur les besoins des communautés locales, les attentes environnementales et les priorités en matière de développement durable. Discutez avec l’un de nos experts en centres de données !

Votre partenaire innovant de confiance pour le refroidissement et la gestion thermique des centres de données dans les environnements critiques
Chez Trane, nous permettons aux centres de données de nouvelle génération de fonctionner de manière plus efficace, durable et intelligente, afin de répondre aux exigences de l’IA, des charges de travail à haute densité et de la croissance mondiale. Grâce à des équipements intégrés, à la conception de systèmes, à l’analyse des données et à des services de performance continus, nous vous aidons à garantir que votre installation offre une puissance de calcul maximale avec un impact environnemental minimal.

Découvrez comment Trane peut soutenir votre stratégie globale de gestion thermique : https://trane.eu/data-center.html