EN DIRECT
Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|
Recherche

Des transformateurs électriques à semi-conducteurs pour soutenir l'essor de l'IA

Face à l'explosion de la demande électrique liée aux centres de données IA, des ingénieurs misent sur des transformateurs à semi-conducteurs pour moderniser un composant du réseau resté quasiment inchangé depuis un siècle.

27 octobre 20263 min de lecturePublié parMIT Tech Review

Les transformateurs électriques sont l'un des maillons les plus discrets mais les plus critiques du réseau électrique. Ils permettent d'élever ou d'abaisser la tension du courant pour le transporter efficacement sur de longues distances avant de l'adapter aux besoins des foyers et des entreprises. Leur conception, basée sur des bobinages de cuivre et des noyaux magnétiques, n'a pourtant guère évolué depuis environ cent ans, et ces appareils massifs sont aujourd'hui en pénurie mondiale.

Cette pénurie devient un problème urgent alors que la demande électrique grimpe, en partie à cause de la multiplication des centres de données destinés à l'entraînement et à l'exécution de modèles d'intelligence artificielle. Ces installations nécessitent des raccordements au réseau rapides et flexibles, ce que les transformateurs traditionnels, lents à fabriquer et rigides dans leur fonctionnement, peinent à offrir.

Les transformateurs à semi-conducteurs, ou solid-state transformers, constituent une alternative étudiée depuis des décennies mais restée largement expérimentale. Contrairement aux modèles classiques, ils reposent sur de l'électronique de puissance plutôt que sur des bobinages massifs, ce qui leur permettrait de convertir la tension de façon plus compacte, plus rapide et plus programmable. Cette flexibilité pourrait faciliter l'intégration de sources d'énergie intermittentes comme le solaire et l'éolien, ainsi que la gestion de charges variables comme celles des centres de données IA ou des bornes de recharge pour véhicules électriques.

Le principal obstacle reste le passage à l'échelle industrielle. Fabriquer des composants à semi-conducteurs capables de supporter les tensions et les courants du réseau de transport, tout en restant fiables sur plusieurs décennies, demeure un défi technique et économique considérable. Plusieurs entreprises et laboratoires de recherche travaillent néanmoins à réduire les coûts de production et à démontrer la viabilité de prototypes en conditions réelles.

Si cette technologie ne remplacera pas immédiatement le parc existant, elle illustre comment la pression exercée par l'IA sur les infrastructures énergétiques pousse à repenser des éléments du réseau longtemps considérés comme acquis. L'enjeu dépasse la seule informatique: il touche à la capacité des réseaux électriques à absorber une croissance de la demande sans précédent.

Tags
energy-infrastructurepower-griddata-centershardwareenergy-transition

À lire aussi