Les centres de données qui font fonctionner l’administration américaine ne produisent pas seulement du calcul. Ils consomment de l’électricité, mobilisent de l’eau pour le refroidissement, stockent des informations sensibles et représentent des milliards de dollars d’équipements publics. Depuis plusieurs années, un cadre fédéral impose aux agences de mesurer ces infrastructures et d’améliorer leur efficacité.
Ce dispositif doit pourtant expirer le 30 septembre 2026, sans prolongation ni solution de remplacement annoncée. Selon une enquête publiée le 15 juin par Wired, ni le Congrès ni l’administration Trump ne semblent avoir engagé de démarche suffisamment avancée pour éviter cette échéance.
La disparition programmée du Federal Data Center Enhancement Act pourrait sembler administrative. Elle intervient en réalité à un moment décisif : l’intelligence artificielle augmente la densité de calcul, les besoins électriques et la complexité du refroidissement, tandis que les pouvoirs publics cherchent eux-mêmes à déployer davantage d’outils d’IA.
Un cadre conçu pour rendre les infrastructures mesurables
Avant les grandes vagues de consolidation, chaque administration américaine pouvait construire et exploiter ses propres salles informatiques avec des méthodes très différentes. Certaines installations étaient coûteuses, peu utilisées ou mal situées. D’autres conservaient des équipements anciens sans vision claire de leur consommation ou de leur niveau de sécurité.
La réforme fédérale des achats informatiques adoptée en 2014, connue sous le sigle FITARA, a lancé une initiative de rationalisation des data centers. L’objectif consistait à inventorier les sites, fermer les installations inutiles, mieux utiliser les serveurs restants et suivre les économies réalisées.
Le Federal Data Center Enhancement Act, adopté en 2023, a prolongé et renforcé cette logique. Il ne réglemente pas tous les centres de données privés du pays. Il encadre principalement la manière dont les agences fédérales évaluent et gèrent leurs propres infrastructures.
Le dispositif associe plusieurs enjeux qui sont souvent traités séparément :
- le coût de fonctionnement ;
- l’utilisation réelle des serveurs ;
- l’efficacité énergétique ;
- la consommation d’eau ;
- la résilience et la sécurité ;
- la consolidation ou la fermeture des sites peu performants.
Son utilité tient moins à une valeur seuil unique qu’à l’existence d’une méthode commune. Sans indicateurs partagés, deux agences peuvent qualifier leurs installations d’« efficaces » en utilisant des définitions différentes.
L’expiration ne fermera aucun data center
Il faut distinguer la fin du texte et la disparition immédiate de toutes les pratiques qu’il a créées. Les agences pourront continuer à mesurer leurs consommations, à consolider des équipements ou à appliquer leurs propres règles de sécurité.
L’échéance ne signifie pas non plus que les obligations générales de cybersécurité, de commande publique ou de protection des données cessent de s’appliquer.
Le risque est plus progressif : sans mandat renouvelé, les objectifs communs, les rapports et la pression institutionnelle peuvent perdre leur caractère obligatoire. Une agence peut maintenir un haut niveau de suivi, tandis qu’une autre réduit les moyens consacrés à la collecte ou modifie ses critères.
À terme, le gouvernement risque de ne plus disposer d’une vue cohérente de son parc. Or une infrastructure que l’on ne mesure plus correctement devient plus difficile à comparer, à moderniser et à sécuriser.
L’IA change l’échelle du problème
Les premières politiques de consolidation visaient surtout des salles informatiques classiques, souvent remplies de serveurs peu utilisés. L’essor de l’IA introduit une autre difficulté : des grappes d’accélérateurs qui consomment beaucoup d’électricité et dégagent une chaleur très concentrée.
Le rapport 2024 du Lawrence Berkeley National Laboratory estime que les data centers représentaient environ 4,4 % de la consommation électrique américaine en 2023. Selon les scénarios étudiés, cette part pourrait atteindre 6,7 à 12 % en 2028.
Tous ces centres de données ne sont pas fédéraux et toute leur consommation n’est pas imputable à l’IA. Mais les modèles génératifs et scientifiques contribuent fortement à la hausse prévue. Ils exigent des accélérateurs spécialisés, des interconnexions rapides et des systèmes de refroidissement capables d’évacuer une puissance thermique élevée.
Une prépublication mise en ligne en juin 2026 estime que 403 centres hyperscale américains ont consommé entre 68 et 99 térawattheures sur une année, selon les hypothèses de charge. Dans le scénario central, leur électricité provenait encore à environ 54 % de sources fossiles.
Dans ce contexte, réduire le suivi des infrastructures publiques envoie un signal paradoxal : le besoin de données devient plus important au moment où le cadre chargé de les harmoniser approche de sa fin.
Mesurer l’efficacité ne consiste pas à compter les serveurs
Un data center peut afficher une consommation élevée tout en étant techniquement efficace, simplement parce qu’il exécute beaucoup de calculs utiles. À l’inverse, un petit site peut gaspiller une part importante de son énergie dans le refroidissement ou maintenir des machines presque inactives.
L’un des indicateurs les plus courants est le PUE, pour Power Usage Effectiveness. Il compare l’énergie totale consommée par le bâtiment à celle qui alimente directement les équipements informatiques.
Un PUE de 1 serait théoriquement parfait : toute l’électricité servirait au calcul. Dans la réalité, une partie alimente les pompes, les ventilateurs, les systèmes électriques, l’éclairage et les dispositifs de secours.
Ce ratio reste imparfait. Il ne mesure ni l’utilité du calcul effectué, ni son empreinte carbone, ni l’eau consommée, ni l’efficacité du logiciel. Il peut même évoluer défavorablement lorsqu’une charge informatique diminue plus vite que les besoins fixes du bâtiment.
C’est pourquoi une politique sérieuse doit croiser plusieurs mesures :
- énergie totale et puissance de pointe ;
- taux d’utilisation des équipements ;
- eau prélevée et eau réellement consommée ;
- origine de l’électricité ;
- performance des systèmes de refroidissement ;
- coûts d’exploitation ;
- incidents et niveau de sécurité.
L’enjeu n’est pas d’obtenir un chiffre flatteur, mais de comprendre où partent les ressources.
L’eau est le point aveugle le plus local
L’électricité circule sur de grands réseaux. L’eau, elle, est prélevée dans un bassin précis, à un moment précis. Deux data centers identiques peuvent donc avoir des conséquences très différentes selon leur climat, leur technologie de refroidissement et la disponibilité locale de la ressource.
Le refroidissement par évaporation peut réduire la consommation électrique des groupes frigorifiques, mais il consomme directement de l’eau. Un système en circuit fermé peut limiter ces prélèvements, au prix d’autres contraintes énergétiques ou techniques.
Il faut également prendre en compte l’eau utilisée indirectement pour produire l’électricité. Une installation qui affiche une faible consommation sur son compteur local peut dépendre d’un mix électrique nécessitant beaucoup d’eau en amont.
La transparence doit donc distinguer :
- l’eau prélevée ;
- l’eau restituée ;
- l’eau consommée par évaporation ;
- la saison et le niveau de stress hydrique ;
- l’empreinte indirecte de la production électrique.
Sans définitions homogènes, les données publiques deviennent difficiles à comparer et les annonces d’efficacité peuvent masquer des transferts d’impact.
La sécurité est aussi concernée
L’efficacité énergétique attire l’attention parce qu’elle se traduit en mégawatts et en factures. Le cadre fédéral touche également à la résilience et à la protection de données sensibles.
Un inventaire centralisé permet de savoir quelles agences exploitent encore des installations anciennes, où se trouvent les informations critiques et quels sites nécessitent une modernisation prioritaire. Il aide aussi à repérer les dépendances : alimentation électrique, réseau, refroidissement, fournisseurs ou équipements de secours.
La consolidation présente cependant un compromis. Fermer de petites salles peu efficaces peut réduire les coûts et améliorer la sécurité physique. Concentrer davantage de services dans quelques grands sites peut aussi créer des points de défaillance plus importants.
L’IA accentue cette tension. Les accélérateurs coûteux et rares favorisent la mutualisation, tandis que les données utilisées par les modèles peuvent exiger des contrôles d’accès, une traçabilité et une séparation renforcées.
Le bon indicateur n’est donc pas seulement le nombre de sites fermés. Il faut vérifier que la consolidation améliore réellement la résilience au lieu de déplacer le risque.
Une perte de continuité administrative
D’après Wired, l’Office of Management and Budget ne fournit pas encore de plan public détaillant la conduite à tenir après l’expiration du texte. Un porte-parole a indiqué que l’agence respecterait les obligations légales, sans préciser le dispositif prévu au-delà de l’échéance.
Cette absence de transition est importante. Un programme de mesure produit de la valeur lorsqu’il reste stable dans le temps. Modifier les définitions ou interrompre les séries empêche de comparer les performances d’une année à l’autre.
Une agence peut toujours annoncer une réduction de consommation. Sans référence commune, il devient plus difficile de savoir si cette baisse vient d’une meilleure efficacité, d’un transfert vers le cloud, d’un changement de périmètre ou d’une activité moindre.
Le recours au cloud ne supprime d’ailleurs pas l’infrastructure. Il déplace les serveurs vers les data centers d’un prestataire. Pour suivre correctement l’empreinte du numérique public, les contrats doivent donc inclure des données vérifiables sur l’énergie, l’eau, la localisation et la sécurité.
Ce qu’un remplacement crédible devrait préserver
Le cadre actuel peut être amélioré. Des normes conçues avant l’explosion de l’IA ne capturent pas nécessairement la densité des accélérateurs, la consommation liée à l’entraînement des modèles ou la possibilité de déplacer certains calculs dans le temps.
Mais repartir de zéro ferait perdre des années de données et d’expérience. Un successeur utile devrait au minimum préserver :
- un inventaire cohérent des infrastructures fédérales et des services externalisés ;
- des définitions communes pour l’énergie, l’eau, les coûts et l’utilisation ;
- des objectifs adaptés aux charges d’IA et aux contraintes locales ;
- une publication régulière des résultats agrégés ;
- des audits indépendants des données fournies ;
- une analyse de la résilience et de la cybersécurité ;
- la continuité des séries historiques.
Il devrait aussi mesurer l’efficacité du service rendu. Un modèle plus petit, une meilleure programmation ou le déplacement d’un calcul vers une période où le réseau est moins tendu peuvent réduire les ressources nécessaires sans changer le bâtiment.
La gouvernance des data centers ne peut plus s’arrêter à la porte de la salle des machines.
Le véritable garde-fou est la capacité de comparer
L’expiration du Federal Data Center Enhancement Act ne provoquera pas une panne le 1er octobre. Son effet potentiel est moins visible : une fragmentation progressive des données, des objectifs et des responsabilités.
Au moment où l’IA transforme le calcul en enjeu énergétique et industriel, la puissance publique a besoin de savoir ce qu’elle exploite, ce qu’elle achète et ce qu’elle consomme. Cette connaissance permet de choisir entre modernisation, consolidation, cloud, sobriété logicielle ou nouvelle capacité.
Laisser disparaître un cadre sans annoncer son successeur ne déréglemente pas seulement une infrastructure. Cela réduit la capacité à distinguer une amélioration réelle d’un simple déplacement des coûts.
Dans le boom actuel de l’IA, le premier outil de contrôle n’est pas une interdiction. C’est une mesure durable, comparable et publique.
Références
- Wired — The US Government Is Letting a Key Data Center Regulation Expire
- Lawrence Berkeley National Laboratory — 2024 United States Data Center Energy Usage Report
- FITARA — cadre fédéral de modernisation et d’optimisation des infrastructures informatiques
- Guidi et al. — Assessing the Carbon Emissions and Energy Consumption of U.S. Hyperscale Data Centers
