Le vrai problème d’Elon Musk

L'intelligence artificielle (IA) et l'automatisation soulèvent la question de l'emploi et des ressources. Face à la promesse d'abondance technologique, une objection récurrente est la finitude des ressources terrestres comme le cuivre, l'eau ou l'énergie. Cependant, un examen approfondi des chiffres révèle une situation plus complexe. Prenons le cuivre : depuis 1960, les réserves mondiales moyennes sont estimées à 38 ans. Pourtant, ces réserves ont plus que doublé depuis l'an 2000, montrant que l'horizon des ressources se déplace avec les avancées. Le problème n'est pas tant la quantité de métal dans le sol que la capacité à l'extraire et le transformer. Le débat entre planète finie et abondance n'est pas nouveau. En 1980, le biologiste Paul Ehrlich, pessimiste quant à la croissance démographique et l'épuisement des ressources, a parié avec l'économiste Julian Simon. Simon soutenait que l'ingéniosité humaine est la ressource ultime. Ehrlich a choisi cinq métaux (chrome, cuivre, nickel, étain, tungstène) et a parié que leur prix augmenterait en 10 ans, signe de rareté. Dix ans plus tard, en 1990, le prix de ces cinq métaux avait baissé, donnant raison à Simon. Cependant, le prix ne reflète pas toujours la difficulté d'extraction. Extraire et transformer les métaux consomme de l'énergie. Plus un gisement est exploité, plus il faut déplacer de matière pour obtenir la même quantité de métal. Au Chili, premier producteur de cuivre, la teneur en cuivre du minerai est passée de 1,13 % en 2002 à 0,6 % en 2024. Pour la même quantité de cuivre, il faut traiter presque deux fois plus de roche, augmentant la consommation d'énergie. Le recyclage est une solution envisagée, mais il se heurte à la dispersion des métaux dans des milliers d'alliages. Les métaux sont souvent physiquement recyclés mais fonctionnellement perdus, car leurs propriétés pures disparaissent dans les mélanges. L'abondance promise par l'IA ne signifie pas une croissance matérielle infinie, mais plutôt une abondance de biens et services pour une population donnée. Les limites physiques de l'IA se concentrent sur l'énergie, le cuivre, les terres rares et l'eau. L'énergie est le point de départ. Les data centers devraient consommer 950 TWh en 2030, soit 3 % de l'électricité mondiale actuelle. Le stock d'énergie solaire est immense (la Terre reçoit en 1h3 l'équivalent de la consommation annuelle de l'humanité), mais le défi est de transformer cette énergie en électricité disponible au bon endroit et au bon moment. Aux États-Unis, de nombreux projets solaires attendent des raccordements au réseau, avec des délais de plus de cinq ans. Pour le cuivre, malgré des décennies de réserves sous nos pieds, l'Agence internationale de l'énergie prévoit un déficit d'un quart des besoins mondiaux en 2035. La raison principale n'est pas le manque de gisements, mais la difficulté à les exploiter. Un gisement majeur en Arizona, connu depuis les années 1990, n'a toujours pas été exploité en raison de son emplacement sur un site sacré apache et des batailles judiciaires. Il faut en moyenne 17 ans entre la découverte d'un gisement et sa mise en production. Face à ces contraintes, l'ingéniosité humaine cherche des substituts. L'aluminium, moins cher et plus léger que le cuivre, est une option, mais il conduit moins bien l'électricité et est très énergivore à produire. Ainsi, résoudre le problème du cuivre renvoie au problème de l'énergie. Les terres rares, malgré leur nom, ne sont pas rares en soi, mais leur concentration et les capacités industrielles de raffinage le sont. La Chine domine l'extraction (70 %) et surtout le raffinage, ce qui lui confère un pouvoir stratégique. En 2025, elle a imposé des licences d'exportation sur certaines terres rares, dont l'yttrium, essentiel pour les turbines à gaz des data centers, dont le prix a été multiplié par 40 en Europe. Les États-Unis réagissent en investissant dans leurs propres mines. L'eau est un autre point sensible. Les systèmes de refroidissement par évaporation des data centers consomment de l'eau, mais de nouvelles techniques en circuit fermé sans évaporation, comme celles développées par Microsoft, permettent d'économiser d'énormes quantités. Cependant, ces techniques augmentent la consommation d'énergie, car la chaleur doit être évacuée autrement. Deux tiers de l'eau consommée par les data centers sont liés à la production d'énergie dans les centrales électriques. En fin de compte, toutes ces contraintes se ramènent à deux éléments : l'énergie et le temps. Le pari de Simon en 1980 a été rejoué en 2010 sur un siècle de données, montrant qu'Ehrlich aurait gagné 6 fois sur 10. La rareté n'est pas une question de quantité absolue, mais une course entre l'épuisement des bons gisements et la découverte de nouveaux, ou la capacité à s'en passer. L'IA a fait bondir l'une de ces vitesses. La construction d'un data center d'IA d'un GW coûte environ 38 milliards de dollars, avec 8,5 milliards de coûts annuels. Le coût de l'électricité ne représente qu'environ 7 % de cette valeur. La disponibilité est donc plus critique que le prix. Les entreprises d'IA sont prêtes à payer cher pour gagner du temps. Le prix des turbines à gaz a presque triplé depuis 2019. Face à la rareté du temps, trois solutions émergent : 1. **Réduire les besoins :** Les progrès sont spectaculaires. Google a divisé par 33 l'énergie consommée par une requête Gemini en un an. Les modèles d'IA sont de plus en plus compacts. Cependant, la consommation globale des data centers de Google a augmenté de 27 % en 2024 et de 37 % en 2025, illustrant le paradoxe de Jevons : rendre une ressource moins chère à utiliser en multiplie les usages. 2. **Fabriquer soi-même :** Plutôt que d'attendre le réseau, les entreprises construisent leurs propres centrales électriques sur site, comme XAI de Musk. Elles achètent aussi des places réservées dans les carnets de commandes des fabricants de turbines. Musk investit également dans la production de puces (Terrafab) pour ne pas dépendre d'une industrie dont la croissance est limitée. 3. **Partir ailleurs :** La solution la plus radicale est de délocaliser les data centers dans l'espace. Google a lancé des puces en orbite, et SpaceX envisage de lancer jusqu'à un million de satellites dédiés au calcul. En orbite, les panneaux solaires sont plus efficaces, et les contraintes environnementales terrestres disparaissent. Sundar Pichai, PDG de Google, estime que les data centers orbitaux seront normaux dans une décennie. Cependant, même dans l'espace, une limite physique fondamentale persiste : la chaleur. Tout calcul produit de la chaleur, et le deuxième principe de la