Il y a un nouveau type de boîte que l'on fixe sur le côté des maisons. Elle a à peu près la taille d'une armoire électrique extérieure, fonctionne silencieusement, et contient assez de puissance de calcul pour entraîner et servir des modèles d'IA modernes. Le centre de données, en fin de compte, est en train de s'installer dans la cour arrière.

Une startup nommée SPAN s'est associée à NVIDIA pour déployer ce qu'elle appelle des centres de données distribués, installés sur des maisons, des hôpitaux et des petites entreprises. Chaque boîte fait tourner des GPU NVIDIA RTX Pro 6000 Blackwell refroidis par liquide, conçus pour fonctionner silencieusement en puisant dans la capacité électrique inutilisée qui existe déjà sur le réseau local. SPAN affirme pouvoir installer 8 000 de ces unités environ six fois plus vite, et au coût de construction d'un centre de données comparable de 100 MW. Les propriétaires qui hébergent une boîte reçoivent un panneau électrique intelligent premium, une batterie de secours, et de l'électricité et de l'internet subventionnés. SPAN travaille déjà avec l'un des plus grands constructeurs résidentiels américains pour tester le système dans de nouvelles communautés.

Que ces constructeurs veuillent ou non, au final, héberger des centres de données dans leurs développements, l'idée est une réponse réellement créative à un problème très difficile. Et ce problème est urgent.

Le goulot d'étranglement, c'est l'énergie, pas les puces

Pendant la majeure partie de l'essor de l'IA, la ressource rare dont tout le monde parlait, c'était les GPU. Cette histoire a discrètement changé. La nouvelle contrainte, c'est l'électricité, et plus précisément la capacité de raccorder rapidement une nouvelle charge électrique au réseau.

Les centres de données américains ont consommé plus de 4 pour cent de l'électricité du pays en 2024, un chiffre qui pourrait plus que doubler d'ici 2030. Pour y répondre, l'industrie s'est lancée dans la construction de campus hyperscale, ces installations de 100 MW et plus qui ancrent l'IA moderne. Mais ces constructions sont lentes. Un centre de données traditionnel peut prendre des années, parfois près d'une décennie, à mettre en service. La construction elle-même est rarement l'étape la plus longue. L'attente concerne l'énergie : sécuriser un raccordement au réseau, obtenir l'approbation du service public, et dans certaines régions, patienter dans une file d'attente pendant des années avant qu'un seul rack ne soit alimenté.

C'est cet écart que SPAN tente d'exploiter. Le réseau possède déjà du jeu. Les réseaux de distribution sont dimensionnés pour la demande de pointe du jour le plus chaud ou le plus froid de l'année, ce qui signifie que la plupart du temps, dans la plupart des endroits, il y a une marge électrique qui dort. Une petite boîte qui puise dans cette marge existante peut être mise en service le temps d'installer un panneau électrique, et non le temps de faire approuver un poste de transformation. Multipliez cela par des milliers d'emplacements et vous obtenez un moyen d'ajouter une puissance de calcul agrégée considérable sans attendre la partie la plus lente du système.

C'est le calcul maillé, qui arrive discrètement

La boîte de cour arrière se lit facilement comme une curiosité ponctuelle. Elle est plus intéressante en tant qu'expression précoce et physique d'une idée qui circule depuis des années : le calcul maillé.

Le calcul maillé est l'opposé de la centralisation. Au lieu de concentrer le calcul dans une poignée d'installations énormes, on le répartit sur de nombreux petits nœuds indépendants qui coopèrent comme un seul réseau logique. Chaque nœud effectue du travail local, contribue sa capacité libre au collectif, et le réseau contourne tout nœud qui tombe en panne. L'internet lui-même a été conçu sur ce principe. Tout comme les systèmes de fichiers pair-à-pair, les réseaux de diffusion de contenu, et la couche de calcul en périphérie qui alimente déjà une part surprenante de ce que vous utilisez chaque jour.

Ce qui manquait pour l'IA en particulier, c'était du matériel assez dense, et assez peu coûteux à déployer, pour rendre l'inférence et l'entraînement distribués pratiques hors d'un campus construit sur mesure. Des accélérateurs refroidis par liquide capables de tenir silencieusement à côté d'une maison commencent à combler cet écart. Le modèle de SPAN et NVIDIA est, de fait, un maillage de nœuds de calcul où l'unité de déploiement est un seul bâtiment plutôt qu'un seul entrepôt.

La trajectoire à partir d'ici n'est pas difficile à imaginer. Aujourd'hui, les nœuds sont des boîtes à l'échelle du service public installées par un seul opérateur. Demain, ils pourraient former un tissu plus ouvert : des milliers de nœuds répartis dans des maisons, des bureaux, des écoles et des bâtiments municipaux, planifiant les charges de travail là où l'énergie est la moins chère, la plus fraîche et la plus disponible à cet instant. Le calcul commence à se comporter moins comme un bâtiment que l'on visite et plus comme un service public dans lequel on puise, distribué sur le territoire de la même manière que la production l'est déjà.

Ce virage comporte de réels avantages, et il vaut la peine d'être concret à leur sujet.

Ce que le calcul distribué résout réellement

Il débouche le pipeline de construction. La plus grande contrainte sur l'infrastructure IA en ce moment est le délai de mise sous tension. Les nœuds distribués n'éliminent pas le besoin de grandes installations, mais ils allègent la pression sur elles en absorbant une demande qui, autrement, dormirait dans une file d'attente de raccordement. Le travail qui n'a pas besoin de vivre dans un campus hyperscale peut plutôt tourner en périphérie, libérant les grandes constructions pour les charges qui l'exigent vraiment.

Il réduit le risque de tout le système. Une poignée de gigantesques centres de données, c'est une poignée de gigantesques points de défaillance uniques : physiquement, opérationnellement et politiquement. Un maillage de milliers de petits nœuds est bien plus difficile à faire tomber d'un seul coup. Les incidents électriques, les pannes de refroidissement, et même les pannes régionales dégradent un réseau distribué de façon progressive plutôt que catastrophique. Pour quiconque réfléchit à la résilience, à la souveraineté ou à la continuité, la distribution est une fonctionnalité, pas un compromis.

Il transforme la chaleur résiduelle en ressource. Un GPU convertit presque toute l'électricité qu'il consomme en chaleur. Dans un campus hyperscale en plein désert, cette chaleur est un problème à éliminer à grands frais d'ingénierie. Fixez la même boîte sur une maison en climat froid et le calcul s'inverse. Pendant plusieurs mois de l'année, cette chaleur est utile : elle peut chauffer un espace de vie, l'eau chaude, des serres, ou une boucle de chauffage urbain. Une contrainte devient un sous-produit, et l'efficacité effective du système grimpe parce que l'énergie sert deux fois.

Rien de tout cela n'est exempt de difficultés. Maintenir des milliers de nœuds distribués est plus complexe opérationnellement que de maintenir un seul campus. La sécurité et l'isolation des données comptent davantage quand le calcul réside sur une propriété privée. Les propriétaires qui assument une dépendance, aussi bien subventionnée soit-elle, méritent des conditions claires. Et la question reste ouverte de savoir si les constructeurs voudront réellement intégrer des centres de données dans les communautés résidentielles à grande échelle. Ce sont de vraies réserves. Ce sont aussi le genre de problèmes qui se règlent quand l'économie sous-jacente est assez convaincante, et ici l'économie le devient rapidement.

Pourquoi cela devrait compter au Québec

C'est ici que l'histoire devient locale, et véritablement stratégique.

L'intrant déterminant pour le calcul IA distribué est une électricité abondante, bon marché et propre. Le Québec a exactement cela. Hydro-Québec repose sur l'un des plus grands réservoirs d'hydroélectricité peu coûteuse et faible en carbone du continent, et la province a une longue histoire d'utilisation de cette énergie comme aimant industriel, d'abord pour les alumineries, plus récemment pour les opérateurs hyperscale et de cryptomonnaie.

Un modèle distribué comme celui de SPAN et NVIDIA s'inscrit particulièrement bien dans ce scénario. Imaginez Hydro-Québec comme partenaire du calcul de classe NVIDIA plutôt que comme simple fournisseur : offrant une électricité préférentielle ou subventionnée dédiée aux nœuds IA, structurée de sorte que la province capte une valeur durable en emplois, en expertise et en infrastructure, plutôt que de simplement vendre des kilowattheures. L'argumentaire pour NVIDIA s'écrit presque tout seul. L'énergie est la contrainte limitante partout ailleurs, et le Québec a un surplus de sa version la plus propre et la moins chère.

Le climat renforce l'argument, il ne l'affaiblit pas. Le froid que les Québécois combattent la moitié de l'année est, pour un centre de données, du refroidissement gratuit. Et la chaleur résiduelle qu'un campus en plein désert doit évacuer est, dans un hiver québécois, quelque chose que les gens paieront pour avoir. Un nœud distribué dans une maison de Montréal ou de Québec chauffe cette maison pendant les mois où le chauffage compte le plus, tout en faisant du calcul utile en permanence. Peu d'endroits sur terre combinent aussi proprement une énergie propre bon marché et un hiver avide de chaleur.

L'occasion n'est pas seulement d'héberger l'IA des autres. C'est de placer le Québec à l'avant-garde du calcul IA mondial : une juridiction qui ne se contente pas de consommer l'IA de pointe mais qui fournit le substrat physique sur lequel elle tourne, à des conditions définies au Québec, alimentée par le Québec, avec les retombées économiques et stratégiques qui restent ici. L'énergie a toujours été l'actif stratégique du Québec. Le calcul IA distribué est le moyen le plus naturel depuis une génération de convertir cet avantage énergétique en avantage technologique.

La fenêtre

Le cadrage honnête, c'est que rien de tout cela n'est garanti. Le modèle de SPAN est précoce. Les constructeurs pourraient hésiter. Les défis opérationnels et de sécurité du calcul distribué sont réels, et les questions réglementaires entourant la subvention par un service public d'une infrastructure IA privée ne sont pas anodines.

Mais la direction du mouvement est claire. L'énergie, et non le silicium, est la contrainte. Les constructions centralisées sont trop lentes pour suivre. La distribution est la soupape de décompression évidente, et le calcul maillé est l'architecture vers laquelle elle pointe. Les endroits qui le reconnaissent tôt, et qui se trouvent assis sur un surplus d'énergie propre bon marché et un climat froid, ont une chance rare de mener plutôt que de suivre.

Le Québec est l'un de ces endroits. La question est de savoir s'il bougera pendant que la fenêtre est ouverte.

HUBBVEE aide les entreprises à comprendre où s'en va l'infrastructure de l'IA et ce que cela signifie pour leur stratégie. Parlons-en.