Anthropic vise deux fois plus de compute

Le sujet: moins grand, mais plus rapide

Anthropic et OpenAI chercheraient des accords de capacité pour centres de données d’IA de 20 à 30 mégawatts, tout en conservant leurs ambitions beaucoup plus vastes dans des infrastructures de plusieurs centaines de mégawatts ou de plusieurs gigawatts [1]. Ce n’est donc pas un abandon des mégaprojets. C’est une stratégie parallèle: ajouter de la capacité exploitable plus vite, pendant que les grands campus attendent leurs raccordements électriques, leurs permis, leurs chantiers et parfois l’acceptation des riverains [1].

D’après le reportage de CNBC repris par aVenture, Anthropic a exploré des accords dans cette fourchette de 20 à 30 MW au Royaume-Uni et dans les pays nordiques, selon quatre personnes au courant des discussions [1]. OpenAI aurait étudié des opportunités similaires dans les pays nordiques, et une source a aussi évoqué des discussions impliquant les deux entreprises pour des déploiements comparables aux États-Unis [1]. Quartz a décrit la même dynamique comme une recherche de sites plus petits en Europe du Nord et au Royaume-Uni, avec de possibles discussions américaines en arrière-plan [2].

La taille est le point central. Un site de 20 à 30 MW paraît modeste face aux annonces spectaculaires de l’IA industrielle, mais il reste significatif pour l’exploitation quotidienne. Pour l’inférence, c’est-à-dire l’utilisation d’un modèle déjà entraîné afin de répondre aux requêtes des utilisateurs, plusieurs grappes plus petites peuvent être utiles si elles sont disponibles rapidement et réparties dans plusieurs régions [3]. Autrement dit, « deux fois plus de compute » ne signifie pas forcément un seul site deux fois plus grand. Cela peut vouloir dire additionner des blocs de puissance disponibles jusqu’à former une capacité réellement stratégique.

Pourquoi 20 à 30 MW deviennent intéressants

La raison principale est la vitesse d’accès à une capacité utilisable. Jabez Tan, responsable de la recherche chez Structure Research, a expliqué à CNBC que les accords de plus petite capacité sont attractifs parce qu’un site déjà alimenté, ou proche de l’être, peut être plus pratique que l’attente d’un très grand bloc électrique en un seul lieu [1]. Blockspace résume le même enjeu: les déploiements de 20 à 30 MW visent surtout à obtenir plus vite du compute pour l’IA, sans remettre en cause les engagements de long terme [3].

La différence entre entraînement et inférence est essentielle. L’entraînement de modèles de pointe exige souvent de très grands ensembles de puces étroitement connectées, car les calculs doivent être coordonnés de manière intensive [1]. L’inférence fonctionne autrement. Une fois le modèle déployé, de nombreuses requêtes peuvent être servies par des clusters séparés, ce qui rend les petits sites plus adaptés [1]. Une partie de la demande peut être traitée depuis un site nordique, une autre depuis le Royaume-Uni, puis une autre depuis les États-Unis, sans attendre qu’un campus géant soit terminé.

Cette stratégie reflète aussi une contrainte matérielle de plus en plus forte. Les très grands projets de centres de données suscitent une opposition locale croissante aux États-Unis, tandis que les marchés européens souffrent d’un manque de terrains disponibles et de puissance électrique [1]. Quartz souligne que cette recherche de sites plus petits intervient après une année d’accords beaucoup plus massifs et dans un environnement où les projets géants deviennent plus difficiles à livrer rapidement [2]. La course ne se résume donc plus à acheter le plus de GPU possible. Elle dépend aussi de l’électricité, du refroidissement, du foncier, des réseaux et de la construction.

Un complément, pas un recul

La recherche de petits sites s’ajoute aux grands engagements existants. Le reportage de CNBC indique qu’Anthropic a conclu un accord cloud d’environ 45 milliards de dollars avec Nscale pour quelque 460 MW de capacité de calcul dans un développement de centre de données en Virginie-Occidentale [1]. Blockspace ajoute qu’Anthropic dispose aussi d’un bail de 20 ans avec TeraWulf pour environ 401 MW de charge informatique critique dans le Kentucky, tandis que le pipeline déclaré d’OpenAI inclut des baux de long terme dans l’Ohio liés à environ 8 GW de charge IT et près de 10 GW de puissance brute [3].

OpenAI a également déclaré avoir dépassé en avril l’engagement initial de 10 GW du projet Stargate et avoir ensuite ajouté 3 GW en Géorgie et 8 GW dans l’Ohio, selon CNBC repris par aVenture [1]. Ces chiffres montrent clairement que les sites de 20 à 30 MW ne remplacent pas les mégacampus. Ils ouvrent une deuxième voie.

Newsquawk a interprété l’information comme un signal sur la taille des tranches de capacité plutôt que sur l’identité des partenaires, en notant que des accords de quelques dizaines de mégawatts peuvent signaler soit une acquisition progressive, soit une prudence liée à l’électricité, au financement ou à la visibilité de la demande [4]. Cette nuance est importante. Les informations disponibles ne donnent pas encore de contreparties, de prix, de calendriers de livraison ni de contrats signés pour ces petits déploiements [3]. À ce stade, l’histoire porte sur une stratégie d’exploration et de sécurisation, pas sur une série d’accords finalisés.

L’inférence change la carte

L’explication la plus convaincante est la montée de l’inférence. CNBC rapporte que l’entraînement demande de grandes quantités de calcul pour traiter les données, tandis que l’exploitation quotidienne d’un modèle peut s’appuyer sur des clusters de puces plus modestes [1]. Le même reportage cite des projections de JLL selon lesquelles la part de l’inférence dans les charges mondiales des centres de données dépassera celle de l’entraînement en 2027, passant de 9% en 2025 à 37% en 2030, tandis que l’entraînement passerait de 14% à 13% [1].

Blockspace reprend cette projection de JLL et la relie à la logique des déploiements distribués [3]. Si la demande d’inférence augmente fortement, les petits sites gagnent en valeur parce qu’ils correspondent mieux au besoin. Un modèle utilisé par des millions de personnes n’a pas besoin que chaque requête transite par un seul campus géant. Il a besoin de capacité fiable, répartie, avec une latence correcte, des coûts maîtrisés et une bonne résilience.

C’est aussi ce qui rend le Royaume-Uni et les pays nordiques intéressants. Ces régions peuvent donner accès à différents réseaux électriques, climats, mix énergétiques et routes de connectivité. Elles ne résolvent pas toutes les contraintes, mais elles diversifient le risque. OpenAI a déclaré à CNBC construire un « portefeuille de compute diversifié » et évaluer les infrastructures selon les besoins, la performance, la fiabilité, le calendrier et le coût [1]. C’est le vocabulaire d’une gestion de portefeuille, pas celui d’un simple achat immobilier.

Ce qu’il faut surveiller

Les prochains signaux importants seront les noms des partenaires, les baux signés, les dossiers de raccordement électrique et la définition exacte des 20 à 30 MW annoncés [3]. S’agit-il de puissance brute du site ou de charge informatique critique? La différence compte, car la puissance brute inclut les pertes et les besoins du bâtiment, tandis que la charge IT correspond davantage à l’énergie réellement disponible pour les serveurs.

Les investisseurs et les concurrents observeront aussi si ces petits accords servent surtout l’inférence, la redondance régionale ou la capacité de transition avant l’arrivée des grands campus. Newsquawk note que l’impact de ce type d’information passe par les utilities, les fournisseurs d’énergie, les foncières de centres de données et les acteurs d’infrastructure dont les valorisations intègrent déjà une demande pluriannuelle liée à l’IA [4]. Si Anthropic et OpenAI multiplient réellement les petits contrats, le cercle des gagnants pourrait s’élargir au-delà des seuls développeurs capables d’assembler d’immenses campus.

La conclusion est simple: l’IA de pointe devient autant une affaire d’énergie et de construction qu’une affaire de logiciel. Les algorithmes restent décisifs, mais l’avantage à court terme peut venir de 20 MW ici, 30 MW là, puis d’un assemblage intelligent de ces blocs en une trame mondiale de calcul. Parfois, la route la plus rapide vers l’hyperscale commence par une quête secondaire.

Sources des dernières 72 heures

1. [1]Anthropic and OpenAI hunt for smaller data center deals, sources tell CNBC, in race to deploy AI capacity18 sept. 2026, 00:00 UTC
2. [2]Anthropic and OpenAI are pursuing smaller data center deals in the U.K. and Nordics18 sept. 2026, 00:00 UTC
3. [3]Anthropic and OpenAI seek 20–30 MW data center deals: CNBC18 sept. 2026, 00:00 UTC
4. [4]Anthropic and OpenAI are reportedly looking for smaller AI data centre deals of between 20-30 MW, CNBC reports citing sources18 sept. 2026, 10:01 UTC

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.