Les risques d’effets négatifs graves liés à l’essor de l’IA exigent une réflexion approfondie et une véritable gouvernance démocratique. Les moratoires sur les centres de données ne nous permettront pas d’y parvenir.
Traduction de Democratic Governance of AI Is the Real Solution, par Holly Buck sans Jacobin, 26 avril 2026.
Devrions-nous simplement cesser de construire des centres de données ? Ou du moins marquer une pause pendant quelque temps ? La réponse intuitive semble être oui, prenons le temps de souffler. La loi sur le moratoire des centres de données pour l’intelligence artificielle, proposée il y a quelques semaines par Bernie Sanders et Alexandria Ocasio-Cortez, préconise une « pause raisonnable ». Le ralentissement a également été au cœur des initiatives menées au niveau des États, au moins douze États ayant présenté des propositions de moratoire ; Le projet de loi LD 307 du Maine a été adopté par les deux chambres et devait constituer la première pause au niveau des États jusqu’à ce que le gouverneur y oppose son veto.
Ces efforts visent à utiliser le pouvoir et les mécanismes de la politique NIMBY (« pas dans ma cour ») bien connue — opposition locale, blocage des projets par la bureaucratie, etc. — pour faire face aux multiples menaces perçues que sont la demande énergétique galopante, les émissions de carbone et les pertes d’emplois. Des moratoires réussis freineront la croissance numérique en la privant de l’énergie physique nécessaire à l’entraînement et au fonctionnement des modèles d’IA.
Contre toute attente, un moratoire sur les centres de données d’IA est une très mauvaise idée — une idée qui soulève de graves préoccupations en matière d’équité. Un moratoire naît de la volonté de mettre un terme à la concentration des richesses, mais, ironiquement, il risque de l’exacerber. C’est une énorme erreur stratégique pour la gauche, et nous devrions réfléchir aux implications en matière de justice mondiale et aux effets qui en découleront. Que se passerait-il si ces moratoires étaient mis en œuvre ?
Externalisation des charges et renforcement des fractures numériques
Pour commencer, il est clair qu’un moratoire ne mettrait pas réellement un terme au développement de l’IA. Il n’arrêtera pas le développement ; il modifiera simplement la géopolitique de ce développement, les stratégies des entreprises d’IA et l’accès aux services d’IA.
Nous devrions nous méfier des propositions qui délocaliseraient les charges ailleurs. Sous le capitalisme néolibéral, les industries délocalisent les dommages environnementaux vers des endroits où la gouvernance est plus faible, la main-d’œuvre moins chère et les protections environnementales moins nombreuses. Comparés aux usines, les centres de données d’IA seront plus difficiles à délocaliser en raison de la faiblesse des réseaux électriques à l’étranger et des restrictions sur les exportations de puces. Mais ces contraintes à la délocalisation ne sont pas immuables : les entreprises pourraient tout simplement influencer les règles d’exportation des puces et conclure des accords bilatéraux pour étendre l’infrastructure d’IA à l’étranger, comme dans le partenariat entre les États-Unis et les Émirats arabes unis, ou apporter leur propre énergie produite en autarcie, comme elles le font déjà aux États-Unis.
Si l’objectif est de créer un monde meilleur, la solution ne consiste pas simplement à modifier la géopolitique du développement de l’IA, mais à la remodeler. La délocalisation imposera des limites au calcul, ce qui incitera les entreprises technologiques à augmenter leurs prix, et les petites entreprises, les chercheurs universitaires et à but non lucratif, ainsi que les particuliers, seront les premiers à en perdre l’accès. Les grandes entreprises n’auront qu’à acheter l’accès à l’IA de pointe. Un moratoire aboutira à un paysage commercial favorable aux acteurs en place. Cela a des implications mondiales pour les étudiants, les propriétaires de petites entreprises et les professionnels de première génération dans les économies émergentes.
On pourrait faire valoir que de nombreuses personnes utilisent déjà des modèles open-weight moins coûteux développés en Chine, tels que DeepSeek et Qwen, et que cela augmentera leur utilisation ; ces modèles refléteront des approches différentes en matière de protocoles de confidentialité des données, de droits de l’homme et d’économie. Il est possible que les modèles américains coûteux incitent d’autres pays à développer des modèles « frugaux » et « souverains » qui tiennent compte des nuances culturelles, de la propriété des données et des considérations de confidentialité, et à long terme, c’est une vision séduisante. Mais ce n’est pas ce qui se passe. À court terme, les modèles de pointe inaccessibles ne feront que creuser la fracture numérique.
Et ces délais comptent. L’alerte lancée dans les cercles technologiques d’Internet à propos de Claude Mythos Preview révèle les enjeux liés au développement d’une IA puissante en premier lieu. Mythos est un modèle doté de fonctionnalités de cybersécurité si avancées que son développeur, Anthropic, n’a pas rendu le modèle public, décidant plutôt d’accorder l’accès à un consortium d’entreprises pour les aider à corriger les vulnérabilités. Bien qu’il y ait des discussions sur la manière dont une publication limitée du modèle profite à Anthropic, les experts semblent considérer ces capacités comme réelles. Imaginez un monde où toutes vos données seraient exposées — et où chaque organisation présenterait des failles de cybersécurité. Les implications vont bien au-delà de l’usurpation d’identité et de l’escroquerie, avec des répercussions sur les systèmes bancaires, de santé, les entreprises, les élections, les systèmes alimentaires et énergétiques, et bien plus encore. Le développement de l’IA est une course où toute pause a des conséquences réelles pour l’ensemble de nos infrastructures, tant numériques que physiques.
Le blocage des centres de données comme lutte des classes
L’ironie est que l’essentiel de l’organisation visant à empêcher l’implantation de centres de données provient de communautés et de groupes plus aisés, qui ont généralement davantage de moyens pour s’organiser. Certes, nous ne disposons pas d’étude rigoureuse à ce sujet. Mais compte tenu de la répartition géographique des centres de données aux États-Unis — avec des regroupements dans les banlieues plus aisées du nord de la Virginie ou de Columbus, dans l’Ohio, et une expansion plus large vers les zones environnantes, où les incitations et les terrains disponibles ont donné lieu à d’importants projets de construction —, jusqu’à présent, beaucoup semblent être implantés dans des communautés non défavorisées.
Il n’est pas juste que des écologistes et des propriétaires fonciers aisés tentent d’empêcher le développement de ces infrastructures avant même que la plupart des gens dans le monde aient eu la chance de travailler avec ces modèles et d’en tirer des enseignements.
Une grande partie de la résistance a été organisée par le mouvement écologiste, Food and Water Watch ayant rédigé une lettre signée par 230 groupes. Il existe un discours selon lequel des communautés vulnérables s’opposent aux grandes industries, illustré par des cas qui correspondent effectivement à ce modèle, comme l’exploitation par xAI et la pollution atmosphérique de son centre de données de South Memphis. Cependant, la réalité sur le terrain — et dans les groupes Facebook anti-centres de données — révèle une situation plus complexe. Les centres de données d’IA font face à une opposition de gauche à droite, aussi susceptible d’arborer des drapeaux de Gadsden que des pancartes de jardin « In This House… ».
Les spécificités de classe comptent. Et si l’image qui se dégage de la « résistance aux centres de données » était celle de personnes issues de la classe moyenne éduquée — y compris des résidents des banlieues éloignées et des zones rurales, mais aussi des professionnels occupant des emplois intellectuels — se mobilisant, consciemment ou non, pour protéger leur position sociale contre les menaces que représente l’IA ? Combien de ces personnes bloqueront les centres de données mais finiront par payer un abonnement à un modèle de pointe une fois qu’il sera clair à quel point il est utile pour gérer leur travail et leur vie quotidienne ? Il n’est pas juste que des écologistes aisés et des propriétaires fonciers tentent d’empêcher le développement de cette infrastructure avant même que la plupart des gens dans le monde aient eu la chance de travailler avec ces modèles et d’en tirer des enseignements.
Les personnes prisonnières d’une vision dépassée des capacités des modèles de pointe pourraient minimiser l’impact du blocage des centres de données sur l’accès à l’IA. Mais cela reflète un manque d’imagination quant à ce qu’une intelligence accessible et peu coûteuse peut accomplir — en matière d’apprentissage, de création de logiciels, de conseil, de recherche, de projets personnels, et plus encore. Par exemple, l’année dernière, j’ai suivi des cours de premier cycle en calcul et en programmation à l’université publique où j’enseigne également. Il est clair que, pour de nombreuses matières, le tutorat personnalisé offert par l’IA est bien meilleur que le modèle obsolète basé sur les cours magistraux encore utilisé par les universités. Sans changement radical de notre pédagogie, nous risquons de tirer profit des diplômes.
Autre exemple : je devais régler une affaire d’immigration bureaucratique complexe impliquant des documents en langues étrangères, et un avocat m’avait demandé 3 000 dollars pour la résoudre. Claude m’a guidé à travers les étapes à suivre auprès des différents services, et ChatGPT a traduit les formulaires, m’évitant ainsi cette dépense. On voit se dessiner la dernière version de la « prime de pauvreté » : une société où les personnes issues de la classe moyenne et éduquées comme moi paieront les frais mensuels de ces services, apprenant et avançant dans la vie avec moins de difficultés, tandis que celles qui n’ont pas les moyens de s’abonner resteront coincées dans le système et finiront par payer plus cher. Cette prime de pauvreté renforcée par l’IA n’est pas une perspective lointaine, mais se profilera d’ici quelques années — et elle est rendue plus probable par un moratoire qui limite le calcul.
De réelles préoccupations
Si la campagne en faveur du moratoire est une impasse, c’est en partie parce que les coalitions hétéroclites de droite et de gauche qui se sont formées autour de l’arrêt des centres de données ont des intérêts divergents sur d’autres questions. Il ne s’ensuit pas que l’arrêt des centres de données nous mènera vers un développement des énergies propres ou vers les politiques sociales nécessaires pour faire face aux suppressions d’emplois, telles que la couverture médicale pour tous.
Comme l’a déjà fait valoir le défenseur des politiques publiques Nat Purser dans Asterisk, une pause ne remplace pas une véritable gouvernance de l’IA, et tenter de s’attaquer à tous les problèmes par une seule mesure réduit les chances qu’ils soient résolus. Plutôt que de créer une dynamique progressiste en faveur d’une réforme sociale profonde et multithématique, la colère populiste contre les centres de données risque de déboucher sur une politique para-écologiste complotiste, marquée par des inquiétudes concernant les champs électromagnétiques et les dommages cellulaires. Ou bien elle pourrait conduire à la violence politique et à des répressions contre les militants, comme le laissent présager les récentes attaques contre la résidence de Sam Altman.
Plutôt que de céder à une rhétorique apocalyptique, nous devons garder les yeux ouverts sur les véritables problèmes que pose l’expansion des centres de données.
Un environnement épistémique façonné par des affirmations alarmistes comporte des risques réels pour la santé et le bien-être des personnes. Plutôt que de céder à une rhétorique apocalyptique, nous devons garder les yeux ouverts sur les véritables problèmes que pose l’expansion des centres de données, car ceux-ci s’accumulent. Pour progresser sur la myriade de questions regroupées sous le terme « IA », il faudra mettre en place des axes de travail distincts.
Qu’en est-il du climat ? Il s’agit d’un problème de planification de la décarbonisation. Nous savions que nous avions besoin d’une énergie propre pour décarboniser nos voitures, nos bâtiments et nos usines. Les émissions et la consommation d’énergie sont des problèmes réels, mais ils doivent être replacés dans le contexte plus large de notre défi climatique. Sur les quelque six milliards de tonnes d’émissions de gaz à effet de serre produites chaque année aux États-Unis, environ 67 millions de tonnes proviennent des centres de données. Les centres de données dédiés à l’IA devraient représenter environ 24 à 44 millions de tonnes de CO2 d’ici 2030, bien que ce chiffre puisse être plus élevé s’ils finissent par s’appuyer sur des turbines à gaz en site plutôt que de se connecter au réseau. La bonne nouvelle, c’est que les centres de données dédiés à l’IA sont beaucoup plus faciles à décarboner que l’industrie lourde. Le fait que les entreprises aient désespérément besoin d’électricité peut potentiellement être mis à profit pour les amener à financer une partie du développement du réseau dont nous avons besoin pour la décarbonisation. Et on assiste à une prolifération de législations étatiques sur les centres de données exigeant une énergie propre — la loi HF 16 du Minnesota, par exemple, impose des exigences en matière d’énergie propre. C’est un domaine que les États peuvent réglementer.
Qu’en est-il de la consommation d’eau ? Il s’agit d’un problème de gestion des ressources en eau. Par exemple, en 2024, les opérations mondiales des centres de données de Google ont consommé 8,1 milliards de gallons — soit autant que ce qu’il faut pour irriguer en moyenne cinquante-quatre terrains de golf dans le sud-ouest des États-Unis — bien que la majorité des centres de données de Google se trouvent dans des régions où l’eau est abondante. Dans les régions où l’eau est rare, il existe des enjeux plus larges de gestion de l’eau dans lesquels les centres de données doivent être replacés, tels que les compromis avec les pelouses irriguées et l’agriculture. Là où l’eau n’est pas rare, les États peuvent superviser le développement et mettre en place des exigences en matière de permis d’utilisation de l’eau. Ou bien, ils peuvent obliger les entreprises à utiliser les technologies les plus économes en eau. Encore une fois, il ne s’agit pas d’idées utopiques, mais de mesures concrètes que des propositions législatives explorent ou adoptent déjà.
Qu’en est-il de l’IA qui ferait s’effondrer l’économie, soit par une bulle spéculative, soit par le remplacement de la main-d’œuvre ? C’est là que les donateurs et les organisations devraient concentrer leurs ressources, à une échelle d’urgence. La construction de centres de données soutient actuellement l’ensemble de l’économie américaine. Les hyperscalers devraient y consacrer l’équivalent de 2,1 % du PIB américain cette année, ce qui représente un investissement plus important que la construction des chemins de fer, du réseau autoroutier ou du programme spatial. Parallèlement, les structures de financement circulaire suscitent de sérieuses inquiétudes quant aux risques systémiques. Cependant, si les entreprises d’IA ne font pas faillite mais parviennent à monétiser leurs produits, il y aura alors des problèmes de remplacement de main-d’œuvre.
Le fait qu’OpenAI vienne de publier un rapport sur la nécessité d’une politique industrielle pour faire face aux bouleversements sociaux et économiques liés à l’IA — présenté comme une initiative visant à « lancer le débat » (avec une dizaine d’années de retard) — souligne à quel point le champ des idées politiques sérieuses reste encore largement ouvert. Des fonds de richesse publique aux idées d’efficacité, le rapport d’OpenAI et le débat politique plus large contiennent en réalité quelques bons concepts, bien qu’OpenAI ait pour habitude de bloquer bon nombre de ces propositions.
Pour bon nombre de ces défis, des projets de loi ont déjà été rédigés. Mais tous nécessitent davantage de précisions, de délibération publique et un leadership progressiste. C’est la population qui devrait mener cette discussion, et non des entreprises comme OpenAI. Les bailleurs de fonds et les organisateurs des groupes environnementaux menant les efforts de blocage des centres de données devraient se concentrer sur un ensemble plus large de solutions — notamment l’engagement du public et l’éducation sur la technologie, les enjeux et les options politiques — et ne pas se laisser séduire par l’appât simpliste de moratoires sur les centres de données, qui sont sans issue et inéquitables.
Liste évolutive des traductions par Gilles en vrac
Les caractères gras dans le texte sont de Gilles.