Tokyo teste la conversion de la chaleur des centres de données d’IA en refroidissement et en eau chaude

À Tokyo, un projet pilote valorise la chaleur rejetée par les serveurs

Tokyo soutient un projet visant à récupérer directement la chaleur des serveurs d’intelligence artificielle et à l’utiliser pour refroidir des bâtiments, alimenter des établissements de bains voisins et faire fonctionner des usines. La démonstration se déroule du 16 juillet 2026 au 31 mars 2028, avec une contribution du gouvernement métropolitain pouvant atteindre 520 millions de yens pour les dépenses éligibles.

Tokyo Electric Power Company Holdings, connue sous le nom de TEPCO, mène le projet avec MESH-X et NHK Technologies dans un centre de données à Tokyo. L’objectif est de répondre à un problème qui s’accentue avec l’IA : une grande partie de l’électricité consommée par les équipements informatiques finit par se transformer en chaleur, que les opérateurs doivent évacuer pour maintenir les machines en fonctionnement.

Le communiqué du gouvernement de Tokyo décrit un système qui utilise l’évaporation pour refroidir des serveurs équipés de processeurs graphiques, ou GPU, tout en récupérant directement leur chaleur à haute température. Les GPU sont des puces capables d’effectuer de nombreux calculs simultanément, ce qui les rend essentiels à l’IA moderne.

Le projet réunit deux besoins habituellement gérés séparément. Les centres de données doivent être refroidis, tandis que les bâtiments et entreprises voisins ont besoin de chaleur. La récupération de cette chaleur pourrait permettre à une même électricité de servir à la fois au calcul et aux besoins énergétiques locaux.

Le Japon expérimente aussi une autre approche : déplacer les calculs liés à l’IA d’une ville à une autre ou modifier leur horaire pour les faire coïncider avec la disponibilité de l’électricité. Ensemble, ces essais portent sur la consommation électrique de l’IA, les lieux où cette électricité est utilisée et le devenir de l’énergie ensuite.

Comment WaBiCo récupère la chaleur des puces

TEPCO appelle son approche WaBiCo, abréviation de Watt Bit Cogeneration. Ce nom associe les watts, une mesure de puissance, aux bits, unités d’information numérique. L’idée centrale consiste à considérer les équipements électroniques puissants à la fois comme des ressources informatiques et comme des sources de chaleur exploitable.

La technologie de refroidissement place l’eau sous une pression réduite, à environ la moitié de la pression atmosphérique, ce qui la fait bouillir vers 80 degrés Celsius au lieu des 100 degrés habituels. La chaleur du GPU provoque l’évaporation, permettant au système de récupérer une énergie thermique à une température utile à d’autres applications.

TEPCO décrit une plaque froide spécialement conçue qui refroidit directement le GPU et récupère sa chaleur. Le procédé de circulation utilise la chaleur elle-même pour déplacer la chaleur, sans pompe dédiée à cette opération. Récupérer l’énergie au plus près de la puce permet d’obtenir une chaleur plus élevée et plus utile que si elle se dispersait dans la salle des serveurs.

La température compte, car les usages requièrent différents niveaux de chaleur. L’air chaud, coûteux à récupérer, a des applications limitées. Une chaleur récupérée autour de 80 degrés Celsius peut répondre à un éventail plus large de besoins dans les bâtiments et l’industrie, selon les équipements concernés et leurs exigences de température.

Les usages envisagés comprennent l’alimentation en chaleur d’établissements de bains et d’usines voisins, le chauffage urbain ainsi que l’utilisation de la chaleur récupérée comme source d’énergie pour refroidir les salles de serveurs ou les installations voisines. Le refroidissement par la chaleur utilise l’énergie thermique pour faire fonctionner un cycle de refroidissement, plutôt que de dépendre entièrement d’un compresseur électrique.

Ce que Tokyo finance et met à l’essai

Le communiqué de TEPCO sur la sélection du projet indique que Tokyo a retenu la proposition le 30 juin 2026. L’entreprise se présente comme le maître d’œuvre et précise que la contribution maximale du gouvernement, de 520 millions de yens, couvre partiellement certaines dépenses.

Le Bureau des affaires industrielles et du travail de Tokyo inscrit cette démonstration dans sa stratégie Tokyo 2050, au titre de l’objectif de maximisation de l’efficacité énergétique. Le projet associe la mise au point d’un système de refroidissement par évaporation à des essais en conditions réelles d’exploitation.

Le projet doit relier la récupération de chaleur à un usage concret. Pour un établissement de bains, cela suppose un approvisionnement fiable en énergie thermique. Pour une usine, il faut adapter la température et le calendrier aux besoins d’un procédé industriel. Pour les salles de serveurs, il faut intégrer la chaleur récupérée à un système de refroidissement garantissant un fonctionnement fiable.

Les communiqués désignent le site de démonstration uniquement comme un centre de données situé à Tokyo. Ils ne précisent ni le taux de récupération de chaleur mesuré, ni les économies d’électricité, ni la réduction des émissions, ni le nom des clients bénéficiaires de la chaleur, ni la date d’un lancement commercial. Ces résultats détermineront l’intérêt de l’approche au-delà de l’essai.

L’efficacité du refroidissement et la réutilisation de la chaleur mesurent des gains différents

TEPCO entend améliorer un indicateur standard d’efficacité des centres de données appelé Power Usage Effectiveness, ou PUE. Il correspond au rapport entre l’électricité totale consommée par une installation et celle utilisée par ses équipements informatiques. Plus le résultat se rapproche de 1, moins l’installation consacre d’électricité supplémentaire au refroidissement et aux autres systèmes auxiliaires.

Une installation hypothétique consommant 120 unités d’électricité, dont 100 pour ses ordinateurs, aurait un PUE de 1,2. Réduire les 20 unités supplémentaires améliorerait cet indicateur. Le projet de Tokyo vise ce type de gain en modifiant la manière dont la chaleur est évacuée des puces.

La réutilisation de la chaleur peut apporter un autre avantage : un utilisateur voisin pourrait couvrir une partie de ses besoins de chauffage grâce à l’énergie récupérée par les équipements informatiques. L’électricité continue d’alimenter les serveurs, tandis que l’énergie thermique utile quitte l’installation pour un autre usage.

Ces deux avantages doivent être mesurés séparément. Les opérateurs doivent suivre l’électricité consacrée au refroidissement, la chaleur effectivement livrée aux clients et l’énergie que ceux-ci auraient consommée autrement. Une connexion de chaleur devient intéressante lorsque l’installation réceptrice peut utiliser l’énergie au moment où elle est disponible.

Des puces plus efficaces face à l’essor des charges de travail liées à l’IA

NVIDIA décrit l’énergie comme le fondement des infrastructures d’IA. Lors de la réunion de Davos de janvier 2026, son directeur général, Jensen Huang, a comparé le secteur à un gâteau à cinq couches : l’énergie à la base, puis les puces, les infrastructures, les modèles et les applications.

Hiroki Saito, représentant de NVIDIA, présente l’énergie comme le premier point de passage de l’IA. Son analyse illustre également l’évolution rapide des besoins de calcul. En prenant le lancement de ChatGPT en novembre 2022 comme point de départ, il estime que les besoins de traitement associés au modèle de raisonnement DeepSeek de janvier 2025 ont atteint 100 fois ce niveau, puis que ceux de l’agent autonome OpenClaw, environ un an plus tard, l’ont multiplié par 1 000.

Ces exemples concernent l’évolution des types de tâches liés à l’IA. Les modèles de raisonnement mobilisent des ressources informatiques pour résoudre des problèmes, tandis que les agents peuvent enchaîner plusieurs tâches. Des tâches plus complexes peuvent nécessiter davantage de capacité de calcul, même si chaque puce devient plus efficace.

NVIDIA affirme que sa génération Rubin peut effectuer dix fois plus de traitements d’agents que Blackwell à puissance égale. Son intérêt concret dépend du déploiement des équipements et des tâches qu’ils exécutent.

Saito décrit également une évolution des priorités d’exploitation. Les centres de données traditionnels visaient avant tout à rester disponibles. Une « usine d’IA », terme employé par NVIDIA pour désigner les infrastructures dédiées à la production d’IA, doit aussi maximiser le volume de calcul utile. Les gains de performance par unité d’électricité et l’augmentation de la demande évoluent simultanément, de sorte que la consommation totale dépend des deux.

Les brusques variations de puissance créent un autre problème

Les installations d’IA sont confrontées à d’autres difficultés que leur consommation totale d’électricité. Pendant l’entraînement des modèles, des centaines de milliers de GPU peuvent modifier simultanément leur consommation, en l’espace de quelques millisecondes. Les équipements électriques doivent absorber ces variations rapides tout en maintenant la stabilité de l’alimentation.

Amber Villegas-Williamson, consultante principale à l’Uptime Institute, qui conseille les fournisseurs d’électricité et les centres de données sur la fiabilité, a décrit la contrainte :

« L’IA entraîne des profils de demande électrique très inhabituels »,

Villegas-Williamson a comparé cette usure au fait de solliciter sans cesse davantage le moteur d’une voiture plutôt que de maintenir une vitesse constante. Drew Baglino, ancien cadre de Tesla et fondateur de Heron Power Electronics, a déclaré que la demande liée à l’IA peut brièvement dépasser de 50 % la capacité nominale d’une installation. Dans son exemple, un centre de données conçu pour 1 gigawatt pourrait tirer 1,5 gigawatt pendant une fraction de seconde.

Parmi les pannes associées à ces contraintes figurent des turbines fissurées et des batteries à remplacer au bout de quelques semaines ou de quelques mois. Certaines installations auraient affiché une disponibilité proche de 80 %, tandis que les pertes de revenus estimées en cas de panne vont de quelques milliers à plusieurs centaines de milliers de dollars par minute, selon l’activité.

La North American Electric Reliability Corporation a constaté qu’environ trois quarts des modèles de charge portant sur plus de 33 gigawatts de demande des centres de données américains ne représentaient pas correctement leur comportement dynamique. Ces modèles aident les fournisseurs d’électricité à prévoir l’effet des clients sur le réseau, ce qui fait des variations rapides de consommation un enjeu important pour la planification.

Un campus de 2,67 gigawatts prévu dans l’ouest du Texas illustre les conséquences sur le calendrier. Le promoteur Joulent a ajouté du temps aux études d’ingénierie pour respecter l’exigence de Microsoft d’une fiabilité de 99,999 %, reportant le début de la fourniture d’électricité de 2027 à 2028. À ce niveau de fiabilité, les interruptions annuelles représenteraient environ cinq minutes.

Déplacer les calculs plutôt que l’électricité

La deuxième expérimentation japonaise porte sur les lieux et les moments où l’IA consomme de l’électricité. J-Power, Cisco Systems, East Japan Railway, Hitachi et Bitmedia ont annoncé le 8 octobre 2026 mener une démonstration reliant des centres de données d’IA à Yokohama et Kitakyushu.

L’essai a commencé en août 2026 et doit se poursuivre jusqu’au 1er février 2027. Il porte sur le déplacement des charges de travail, c’est-à-dire l’attribution de tâches informatiques à un autre lieu ou à un autre moment en fonction des conditions d’approvisionnement en électricité et de calcul.

Un déplacement géographique envoie un calcul vers un autre centre de données. Un déplacement dans le temps le programme à une autre heure. Le système prend en compte les prévisions de production renouvelable, les prix du marché de l’électricité, l’offre et la demande, les capacités de calcul disponibles et les informations sur les catastrophes.

L’un des objectifs est d’utiliser de l’électricité renouvelable qui pourrait autrement être écrêtée. L’écrêtement intervient lorsque la production solaire ou éolienne est temporairement réduite parce que le réseau ne peut pas transporter ou absorber toute l’électricité disponible. Déplacer des tâches d’IA adaptées vers les périodes où cette électricité est disponible pourrait en accroître l’utilisation.

Les entreprises étudieront également le temps de traitement supplémentaire qu’entraîne le déplacement des tâches et les moyens de préserver la qualité de service. Déplacer une tâche a un coût pratique : l’essai mesure donc à la fois le gain électrique et l’effet sur les performances informatiques.

La fibre ferroviaire relie une expérimentation plus vaste

Les cinq entreprises testent également un réseau entièrement optique le long de la ligne du Joetsu Shinkansen. Des équipements de transmission optique installés dans les gares d’Echigo-Yuzawa, de Jomo-Kogen et de Takasaki utiliseront la fibre ferroviaire existante pour évaluer la qualité des communications en présence de vibrations et de conditions météorologiques variables.

Les essais portent sur la perte de signal, les erreurs de transmission, la latence et ses variations. Ces mesures sont importantes lorsque des installations informatiques situées en différents lieux doivent fonctionner ensemble. L’expérimentation du réseau ferroviaire constitue un volet distinct du programme, parallèle au déplacement des charges de travail entre Yokohama et Kitakyushu.

J-Power dirige le consortium et évalue les résultats. Hitachi construit le système de déplacement des charges de travail et l’environnement d’essai optique, Cisco apporte son soutien à la conception et aux mesures du réseau, JR East étudie les équipements de communication ferroviaire et Bitmedia développe le système au sein des centres de données.

Ces travaux font suite à la création, en avril 2026, d’un conseil auquel participent également JR West Optical Network et Nagoya Railroad. Son objectif plus large est de coordonner l’exploitation de centres de données d’IA répartis sur le territoire, au moyen de réseaux optiques longue distance et du déplacement des charges de travail.

Les principales étapes montrent comment les expérimentations sur la chaleur et le calcul se chevauchent :

• Avril 2026 : sept entreprises créent un conseil consacré aux réseaux optiques et au déplacement des charges de travail.
• 30 juin 2026 : Tokyo sélectionne la proposition de récupération de chaleur de TEPCO.
• 16 juillet 2026 : début de la période de démonstration de récupération de chaleur à Tokyo.
• Août 2026 : début de l’essai de déplacement des charges de travail entre Yokohama et Kitakyushu.
• 1er février 2027 : fin prévue de la démonstration de déplacement des charges de travail.
• 31 mars 2028 : fin prévue du projet de récupération de chaleur de Tokyo.

Le Japon veut accroître la puissance de calcul tout en réduisant le gaspillage d’énergie

Le Japon investit dans l’IA et les semi-conducteurs tout en poursuivant son objectif de neutralité carbone à l’horizon 2050. Les usines de TSMC dans la préfecture de Kumamoto font partie de cette expansion industrielle. Les énergies renouvelables représentaient environ 22 % de la production d’électricité japonaise en 2022, laissant le pays fortement dépendant d’autres sources, notamment des combustibles fossiles.

Le cinquième plan d’activité spécial global de TEPCO fixe lui-même comme objectif de porter, d’ici à l’exercice 2040, la croissance de la demande des centres de données dans la métropole de Tokyo parmi les plus fortes au monde. Le projet de récupération de chaleur s’inscrit donc dans une ambition explicite d’expansion du secteur.

La récupération de chaleur et le déplacement des charges de travail répondent à différents aspects de cette expansion. WaBiCo vise à tirer davantage d’utilité de l’électricité déjà consommée par les serveurs. Le déplacement des charges de travail cherche à mieux faire coïncider la demande de calcul avec la disponibilité de l’électricité. Les équipements capables de gérer les brusques variations de puissance contribuent à la fiabilité nécessaire aux deux approches.

Pour les communautés voisines, les possibilités concrètes sont la chaleur utile et une meilleure adéquation entre les centres de données et les besoins énergétiques locaux. Pour les opérateurs, les essais portent sur le coût du refroidissement, le temps de calcul productif et la fiabilité du service. La prochaine étape consistera à mesurer les performances : quelle quantité d’énergie est économisée ou réutilisée tandis que les ordinateurs poursuivent leurs tâches.

À retenir

• Tokyo soutient une démonstration de récupération de chaleur menée par TEPCO, avec une contribution pouvant atteindre 520 millions de yens pour les dépenses éligibles.
• Le projet se poursuit jusqu’au 31 mars 2028 et vise le refroidissement, les établissements de bains, les usines et le chauffage urbain.
• WaBiCo utilise l’évaporation sous pression réduite pour récupérer directement la chaleur des GPU et la rendre exploitable.
• Un essai distinct déplace des tâches d’IA entre Yokohama et Kitakyushu, ainsi qu’entre différents horaires, afin de les adapter aux conditions d’approvisionnement en électricité.
• Les fluctuations rapides de la consommation électrique de l’IA posent également des problèmes d’équipement et de fiabilité.
• Les économies d’énergie mesurées, les livraisons de chaleur récupérée et les performances d’exploitation détermineront l’intérêt pratique des démonstrations.