Fusion et datacenters d'IA se disputent les mêmes électrons

Le 29 septembre, CBC News a rapporté que des entreprises voulant développer des datacenters d'IA avaient approché le gouvernement de Terre-Neuve-et-Labrador. Le ministre de l'Énergie et des Mines, Lloyd Parrott, a déclaré lors d'un débat de la mi-septembre sur l'accord de Churchill Falls que « notre porte est ouverte aux affaires ». La province n'a pas voulu nommer ces entreprises, invoquant des négociations commercialement sensibles.

Le calendrier compte pour qui suit l'argent de la recherche sur la fusion. Le même dossier qui contient le rapport de la CBC contient aussi deux articles de recherche, tous deux publiés le 29 septembre, qui tirent dans des directions opposées sur l'électricité dont un monde décarboné a réellement besoin.

Le billet Substack de Hannah Ritchie, publié le 29 septembre, déroule des chiffres attribués au professeur d'Oxford Nick Eyre. Dans ce modèle, la demande mondiale d'énergie finale passe de 416 exajoules aujourd'hui à 247 EJ dans un système post-transition, tandis que la demande d'électricité monte de 110 EJ à 189 EJ. La raison tient au rendement de conversion au point d'usage : une voiture à essence transforme environ 20 % de son énergie en mouvement, une voiture électrique environ 80 %. Ritchie est explicite sur les limites. Le modèle ne prévoit aucun gain d'efficacité au-delà de l'électrification et du basculement vers l'hydrogène, il suppose que tous les secteurs non électrifiés tournent à l'hydrogène, et il ne tient pas compte de la croissance de l'énergie à mesure que les pays se développent. Elle le qualifie de « modèle assez simpliste » et estime qu'il sous-estime probablement la baisse de la demande.

Le contrepoids vient d'un document de travail du NBER daté de septembre 2026, signé Matthew Schwartz, Isaiah Andrews et Jesse M. Shapiro. Les auteurs ont fait tourner un flux de travail LLM open source sur 4 452 ensembles de réplication publiés dans cinq revues d'économie. L'outil a signalé des écarts dans 3 460 articles ou leurs annexes, réduit le temps de calcul de plus d'un facteur 10 dans 496 articles et produit une extension absente de l'article original dans 923 cas.

Voilà un résultat sur l'automatisation de la recherche, pas sur l'énergie. Mais il tombe la même semaine qu'une annonce de financement bâtie entièrement sur l'idée que l'efficacité du calcul est la contrainte déterminante. Efficient Computer a déclaré le 29 septembre avoir levé une série B de 97 M$ menée par TQ Ventures, portant sa levée totale à 173 000 000 $ pour une valorisation de 650 000 000 $. Le PDG Brandon Lucia écrit que la puce Electron E1 de l'entreprise, désormais lancée en volume, revendique une amélioration de l'efficacité énergétique de 10 à 100 fois par rapport aux architectures CPU traditionnelles.

L'argument de Lucia s'appuie sur la loi d'Amdahl : si seulement 90 % d'un calcul passe sur un accélérateur spécialisé, le gain maximal possible est de 10 fois, parce que les 10 % restants restent inefficaces. C'est un discours familier à quiconque suit les startups de matériel d'IA depuis trois ans. Et la valorisation est une affirmation de l'entreprise, pas un chiffre audité.

Oracle, de son côté, a profité du même jour pour annoncer Oracle Fusion Claw, un environnement d'exécution agentique gouverné, accompagné de 25 nouvelles applications propulsées par Claw. Le communiqué cite le PDG Mike Sicilia, selon qui le produit fait passer les clients « de l'assistance IA à l'exécution ». Oracle indique que cet environnement tourne sur Oracle Cloud Infrastructure et s'appuie sur des modèles de frontière, dont Gemini et OpenAI.

Rien de tout cela n'est de la fusion. C'est justement l'intérêt. La matière proche de la fusion dans ce dossier consiste en une série de titres récents, pas en textes intégraux. Et les sources de travail disponibles ici décrivent le versant demande de l'équation électrique plutôt qu'un nouveau résultat sur un réacteur. La lecture honnête est que les développements les plus récents et les mieux documentés du 29 septembre portaient sur qui obtient les électrons et sur l'efficacité de leur usage, pas sur une percée dans le confinement du plasma.

L'essai de Stephen Wolfram, daté du 28 septembre, avance un argument proche à propos de l'IA et des domaines de recherche en général. Il écrit que l'IA moderne est « avant tout une manière d'exploiter le corpus existant de la connaissance humaine », tandis que le calcul est « une manière ouverte de générer des choses fondamentalement et irréductiblement nouvelles ». Le mathématicien Dan Romik, dans un billet publié le 29 septembre, le formule plus nettement : les modèles d'IA génèrent des théorèmes « à distance un » de leur corpus d'entraînement, mais ne peuvent ni réfléchir à cette production, ni la simplifier, ni la généraliser. Une boucle autonome « s'enrayera donc peu après avoir terminé les théorèmes à distance un ».

Le rapport de la CBC relève la même tension sur le terrain à Terre-Neuve-et-Labrador. La PDG de TechNL, Andrea King, a déclaré à la CBC que le Labrador remplit les critères que recherchent les promoteurs de datacenters, à savoir une hydroélectricité bas carbone, un climat froid et du terrain, mais que cela ne tranche pas la question. « Il faut regarder les coûts économiques et les coûts d'opportunité, ce qu'on pourrait faire d'autre avec cette électricité », a-t-elle dit. Le journaliste tech Paris Marx, auteur de Hyperscale, a tenu un propos similaire à la CBC : il demande s'il est sensé de céder cette électricité à des datacenters quand de meilleurs usages pourraient exister. La province n'a nommé aucun promoteur ni projet.