L’essor fulgurant de l’intelligence artificielle se heurte à une réalité matérielle de plus en plus pressante : le manque de ressources pour soutenir son infrastructure. Au-delà des algorithmes et des investissements, le développement de l’IA dépend désormais de la disponibilité de matières premières essentielles et de capacités industrielles à la hauteur des besoins croissants.
La demande de cuivre, indispensable aux réseaux électriques et aux centres de données, est en forte augmentation. Les centres de calcul dédiés à l’IA consomment même plus du double de cuivre que les centres de données traditionnels. Les projections estiment que l’utilisation de métaux dans ce secteur pourrait être multipliée par six d’ici 2050.
Cette tension entre les ambitions de l’IA et les contraintes de l’industrie lourde est illustrée par le projet Resolution Copper en Arizona. Cette mine, exploitée par BHP et Rio Tinto, abrite l’une des plus importantes réserves de cuivre inexploitées au monde, enfouie à plus de 2 000 mètres de profondeur. Elle pourrait satisfaire jusqu’à un quart des besoins américains pendant des décennies, mais son développement est bloqué par un litige avec la tribu Apache de San Carlos, qui considère une partie du site comme sacrée. Une décision judiciaire, attendue en 2026, déterminera la suite des opérations.
La situation est aggravée par la concentration des capacités de raffinage, notamment en Chine, qui contrôle une part significative des usines mondiales. Cette dépendance expose l’ensemble de la chaîne d’approvisionnement aux aléas géopolitiques. Par ailleurs, de nombreuses mines sont en phase avancée d’exploitation, et les nouvelles découvertes se font rares. Les estimations actuelles suggèrent qu’en 2035, la production garantie par les sites existants ou déjà autorisés ne couvrira qu’environ 70 % de la demande mondiale, ce qui pourrait entraîner une hausse des prix et une modification des stratégies des grands groupes miniers.
Une fragilité similaire se manifeste sur le marché des semi-conducteurs. Une enquête menée par Reuters révèle une pénurie critique de puces mémoire. La production s’oriente vers les mémoires à large bande passante, nécessaires aux processeurs d’IA, au détriment des DRAM traditionnelles, utilisées dans les smartphones, les ordinateurs et les serveurs classiques. Les stocks des fournisseurs sont désormais limités à quelques semaines, et les prix augmentent rapidement.
Les géants américains et chinois de la technologie se livrent à une course aux accords pluriannuels pour sécuriser leurs approvisionnements. Certaines chaînes de vente au détail en Asie ont même instauré des restrictions d’achat pour éviter le stockage spéculatif. Des fabricants comme Xiaomi et Realme anticipent déjà une possible augmentation des prix des téléphones en 2026. Cette pénurie alimente également un marché parallèle de composants reconditionnés, avec une demande en forte hausse au Japon et en Californie.
L’impact de l’expansion rapide de l’IA ne se limite pas aux matériaux et aux composants. Une analyse publiée par The Economist, s’appuyant sur les données du Census Bureau, révèle que seulement 11 % des travailleurs américains utilisent actuellement des outils d’IA, principalement dans les grandes entreprises. Bien que certaines études nuancent cette baisse, elles s’accordent toutes à constater un ralentissement de la croissance. De nombreuses entreprises signalent des résultats inférieurs aux attentes : 45 % des dirigeants interrogés ont fait état de déceptions, contre seulement 10 % d’effets positifs.
Ce phénomène rappelle d’autres transitions technologiques, comme l’adoption de l’ordinateur domestique dans les années 1980, qui avait connu un ralentissement avant de repartir. L’IA pourrait donc traverser une phase d’ajustement. Les principaux obstacles résident dans le temps nécessaire à l’intégration de nouveaux outils dans les processus métiers, ce qui peut initialement réduire l’efficacité, et dans la tendance des outils génératifs à produire des résultats satisfaisants, incitant les utilisateurs expérimentés à réduire leurs efforts.
L’augmentation du nombre de centres de données exerce également une pression croissante sur les réseaux électriques. En Australie, par exemple, des estimations récentes suggèrent que leur consommation pourrait tripler d’ici 2030, avec des conséquences notables sur la demande nationale et les objectifs de décarbonation. Tant que l’écart entre la demande et la capacité de production restera important, la disponibilité des ressources physiques, plutôt que la vitesse de l’innovation logicielle, déterminera le rythme de développement de l’IA.
À lire aussi
