OpenAI prépare un investissement de plus de 30 milliards de dollars dans un vaste campus de data centers en Géorgie, avec jusqu’à 3,2 gigawatts de capacité électrique sécurisée auprès de Georgia Power. Le site, prévu dans le comté d’Effingham près de Savannah, doit monter en puissance sur une décennie, avec des premières disponibilités d’électricité attendues en 2028 et des travaux annoncés jusqu’en 2032.
Ce projet place le développeur de ChatGPT au cur de la course américaine aux infrastructures d’IA, au moment où la demande en calcul explose et où Washington discute d’un cadre de régulation appelé à évoluer.
OpenAI sécurise 3,2 GW auprès de Georgia Power
La donnée la plus structurante tient en un chiffre, 3,2 GW. Selon les informations disponibles, OpenAI a obtenu auprès de Georgia Power la capacité électrique nécessaire pour alimenter un futur campus de centres de données dans le comté d’Effingham, non loin de Savannah, sur la côte de l’État. À l’échelle du secteur, un tel volume d’électricité rapproche le projet des plus grands sites hyperscale américains, conçus pour entraîner et faire tourner des modèles d’IA de plus en plus gourmands en calcul.
Pour donner un ordre de grandeur, cette puissance est présentée comme comparable aux besoins d’environ 2,4 millions de foyers américains. La comparaison n’implique pas une équivalence parfaite, car la consommation d’un foyer varie selon les régions, les saisons et les usages. Elle illustre surtout la transformation des centres de données en infrastructures énergétiques majeures, au même titre que certaines installations industrielles, ce qui impose des arbitrages sur le réseau, la production et la planification locale.
Le calendrier communiqué est progressif. Les premiers apports, décrits comme plusieurs centaines de mégawatts, sont attendus en 2028. La montée en charge se poursuivrait ensuite, avec une construction étalée jusqu’en 2032. Dans ce type de programme, la disponibilité électrique, la mise en service des bâtiments, puis l’installation des équipements informatiques ne se font pas en une seule étape. Les opérateurs procèdent par tranches, en fonction des permis, des raccordements, des délais de livraison des composants et des besoins réels des clients internes.
Le choix de la Géorgie s’inscrit dans une géographie déjà bien identifiée des data centers américains, qui privilégie des zones où l’accès au foncier, les capacités du réseau et la proximité de grands axes logistiques facilitent les déploiements. La région de Savannah offre aussi des atouts de transport. Pour OpenAI, l’enjeu est de disposer d’une réserve de puissance et d’espace suffisante pour absorber des cycles d’augmentation de charge, typiques du développement de nouveaux modèles et de l’élargissement des usages.
Ce projet intervient alors que d’autres acteurs multiplient les annonces de sites dédiés à l’IA. La compétition ne se joue plus uniquement sur les algorithmes, mais sur la capacité à sécuriser de l’électricité, du matériel, des interconnexions réseau et des équipes d’exploitation. Dans ce contexte, la réservation de 3,2 GW constitue un signal fort sur l’ambition industrielle d’OpenAI aux États-Unis.
Un budget supérieur à 30 milliards $ et une recherche de partenaires
Le coût total évoqué dépasse 30 milliards de dollars, un montant attribué à Sachin Katti, vice-président en charge de la stratégie compute chez OpenAI. À ce stade, l’entreprise aurait déjà engagé 20 milliards et chercherait des partenaires pour financer et développer les phases restantes. Les montants reflètent la réalité économique des centres de données d’IA, où les dépenses ne concernent pas seulement les bâtiments, mais aussi l’alimentation électrique, les systèmes de refroidissement, la sécurité, la connectivité et, surtout, les équipements informatiques.
Dans un data center classique, le bâti et l’énergie pèsent lourd. Dans un data center orienté IA, la facture grimpe encore avec des racks spécialisés, des réseaux internes très haut débit, des architectures de stockage adaptées, et des redondances pour limiter les interruptions. La montée en puissance des accélérateurs de calcul, la densité énergétique par baie et les contraintes thermiques peuvent imposer des choix plus coûteux, comme des solutions de refroidissement avancées ou des aménagements électriques plus robustes.
La recherche de partenaires répond à une logique de partage du risque et de la charge financière. Les grands projets hyperscale mobilisent souvent des montages mêlant capitaux propres, dette, co-investissements et partenariats avec des développeurs immobiliers spécialisés. Pour OpenAI, l’intérêt est d’accélérer la livraison tout en gardant une maîtrise suffisante de la conception, car le design d’un campus IA conditionne la performance et le coût d’exploitation sur des années.
Le projet géorgien s’inscrit aussi dans une dynamique macroéconomique. Les États et comtés américains se concurrencent pour attirer ces investissements, en mettant en avant l’accès au réseau, la disponibilité foncière et la main-d’uvre. Les entreprises, elles, arbitrent entre coût de l’électricité, délais de raccordement, stabilité réglementaire et acceptabilité locale. La somme annoncée, 30 milliards $, place l’opération au rang d’infrastructure lourde, avec des effets attendus sur l’emploi de construction, les prestataires techniques et les recettes fiscales, selon la structure finale du projet.
Dans le même temps, l’ampleur des budgets souligne une réalité pour le marché de l’IA, l’innovation logicielle dépend d’investissements matériels massifs. Les acteurs capables de financer des campus entiers peuvent sécuriser leur trajectoire de recherche et de déploiement. À l’inverse, ceux qui dépendent uniquement de capacités louées peuvent se heurter à des contraintes de disponibilité ou de prix, surtout en période de tension sur l’énergie et les composants.
Une stratégie Stargate recentrée et des plans standardisés
Le campus de Géorgie reflète une évolution dans la manière dont OpenAI envisage ses infrastructures. Le programme Stargate, présenté comme un effort conjoint avec Oracle et SoftBank, aurait initialement reposé sur des partenaires jouant un rôle central. Les informations disponibles indiquent qu’OpenAI prend désormais une place plus importante dans la planification et la conception des nouveaux sites, avec l’objectif de mieux contrôler les choix techniques qui déterminent la performance, les coûts et les délais.
Selon les éléments rapportés, les équipes d’ingénierie auraient capitalisé sur plusieurs générations de projets, en affinant l’implantation des salles, en améliorant l’architecture réseau et en standardisant des designs systèmes. Cette standardisation est un point clé, car elle permet de répliquer des modules, de réduire les coûts d’ingénierie et de limiter les surprises lors de la construction. Dans un secteur où les délais de mise en service comptent autant que le prix, la répétabilité devient un avantage compétitif.
OpenAI indiquerait vouloir publier des blueprints standardisés couvrant les data centers, les systèmes de réseau et le hardware, afin d’accélérer l’arrivée de futurs campus. Une telle démarche ne signifie pas nécessairement une ouverture totale des secrets industriels. Elle peut prendre la forme de référentiels internes, partagés avec des partenaires et des fournisseurs, pour fluidifier les appels d’offres, la fabrication et l’intégration. Pour les industriels, un cahier des charges stable permet d’optimiser les chaînes de production et de mieux garantir les délais.
Le recentrage stratégique apparaît aussi dans la gestion du portefeuille international. OpenAI aurait pris du recul sur certains projets au Royaume-Uni et en Norvège, et mis en pause une expansion sur le site texan présenté comme le flagship de Stargate. Ces arbitrages, s’ils se confirment, traduisent une allocation des ressources vers des développements jugés plus structurants sur le long terme, avec un effet de concentration, moins de chantiers simultanés, mais des chantiers plus grands.
Ce type de décision est fréquent dans l’infrastructure numérique. Les entreprises ajustent leurs plans selon l’accès à l’électricité, le coût du capital, la vitesse d’obtention des permis, ou la capacité des fournisseurs à livrer des équipements. Dans l’IA, les cycles technologiques sont rapides, et une installation planifiée trop tôt peut se retrouver sous-optimale au moment de la mise en service. La standardisation et la flexibilité de déploiement deviennent alors des outils de pilotage, pour éviter de figer des choix techniques plusieurs années à l’avance.
Électricité, eau, réseau local: les engagements annoncés en Géorgie
Les grands campus d’IA font l’objet de critiques récurrentes sur leur consommation d’électricité, leur usage de l’eau pour le refroidissement, et la pression exercée sur les infrastructures locales, routes, logements, services publics. Dans le cas géorgien, OpenAI indique qu’elle paierait les mises à niveau de transmission et de distribution nécessaires au site, plutôt que de faire porter ces coûts aux abonnés via les tarifs. Ce point est politiquement sensible, car les commissions publiques et les élus locaux surveillent l’impact des data centers sur la facture des ménages.
L’entreprise mentionne aussi une intention de réduire sa consommation pendant les périodes de pointe du réseau, un mécanisme assimilable à de la demand response. Concrètement, cela peut passer par le décalage de certaines charges non critiques, l’ajustement de tâches planifiables, ou l’utilisation de batteries et de groupes de secours dans un cadre réglementé. L’efficacité réelle dépend des contraintes techniques, car l’entraînement de modèles et l’exploitation de services en ligne ne se pilotent pas comme une usine qui peut s’arrêter à la demande.
Sur l’eau, OpenAI évoque un système de refroidissement en circuit fermé pour limiter la consommation. Les centres de données utilisent différentes approches, air refroidi, refroidissement liquide, tours aéroréfrigérantes, selon le climat et la densité. Un circuit fermé peut réduire les prélèvements, mais il nécessite une ingénierie précise et une maintenance rigoureuse. Les collectivités, de leur côté, demandent de plus en plus des indicateurs, volume d’eau consommé, saisonnalité, origine de la ressource, et plans de résilience en période de sécheresse.
Au-delà des impacts physiques, la question porte sur les retombées économiques. Le texte source mentionne une contribution attendue de centaines de millions de dollars. Cette promesse peut recouvrir des taxes, des investissements dans des équipements publics, des programmes de formation ou des initiatives communautaires. Les détails comptent, car les habitants évaluent ces projets à l’aune des emplois durables créés, souvent moins nombreux en phase d’exploitation qu’en phase de construction, et de l’effet sur le prix du logement dans les zones concernées.
Dans ce contexte, la transparence devient un enjeu. Les opérateurs doivent expliquer leur profil de consommation, leurs mesures d’efficacité énergétique, et leurs engagements sur le réseau. Les fournisseurs d’électricité, eux, doivent planifier les renforcements et la production, tout en intégrant les objectifs de transition énergétique. Pour OpenAI, sécuriser 3,2 GW signifie aussi démontrer que le projet peut s’intégrer dans une trajectoire acceptable pour la communauté locale et pour les autorités qui régulent l’énergie.
Washington, Sam Altman et la régulation des modèles d’IA
Le projet d’infrastructure se déroule sur fond de discussions politiques à Washington. Le texte source indique que Sam Altman, directeur général d’OpenAI, doit se rendre dans la capitale la semaine prochaine pour présenter aux membres de l’administration Trump et à des élus du Congrès des éléments sur les modèles de nouvelle génération, alors que le cadre de régulation de l’IA est appelé à évoluer. La séquence souligne le lien croissant entre puissance de calcul, souveraineté technologique et décisions publiques.
La construction de campus géants pose des questions de sécurité nationale, de compétitivité et de dépendance aux chaînes d’approvisionnement. Les débats portent sur la gestion des risques, la protection des données, l’usage de modèles avancés et la manière d’encadrer leur diffusion. Dans ce paysage, les entreprises cherchent à faire valoir leurs besoins opérationnels, accès à l’énergie, capacité de déploiement, disponibilité du matériel, tout en répondant aux préoccupations des législateurs sur les impacts sociétaux.
Les investissements annoncés en Géorgie renforcent la position d’OpenAI dans la catégorie des acteurs capables de bâtir ou de piloter une infrastructure à l’échelle nationale. Pour un décideur public, la question n’est pas seulement économique. Elle touche aussi à la capacité des États-Unis à héberger sur leur sol des moyens de calcul critiques, à attirer des talents, et à maintenir une avance technologique face à d’autres puissances.
Le secteur observe aussi la façon dont ces projets influencent les règles du jeu. Si des exigences apparaissent sur la transparence énergétique, sur les audits de sécurité, ou sur des obligations de reporting, les entreprises déjà engagées dans des projets structurés peuvent s’y adapter plus vite. À l’inverse, une régulation trop incertaine peut ralentir les décisions d’investissement, car un campus se planifie sur dix ans, bien plus longtemps que les cycles politiques.
Dans les prochains mois, l’attention se portera sur des éléments vérifiables, permis de construire, contrats de raccordement, détails des engagements communautaires, calendrier de mise en service. La trajectoire annoncée, premiers mégawatts en 2028 et chantier jusqu’en 2032, laisse aussi une marge pour des ajustements, car les projets de cette taille évoluent en fonction des conditions de marché, de la disponibilité des composants et des arbitrages stratégiques internes.
| Élément | Chiffre annoncé | Horizon | Ce que cela implique |
|---|---|---|---|
| Puissance électrique sécurisée | 3,2 GW | Jusqu’à 10 ans | Capacité hyperscale pour entraînement et inférence IA |
| Première tranche de puissance | Plusieurs centaines de MW | 2028 | Mise en service progressive par phases |
| Durée de construction | Jusqu’à 2032 | 2028-2032 | Chantier long, dépendant des permis et du réseau |
| Investissement total estimé | > 30 Md$ | Décennie | Immobilier, énergie, refroidissement, équipements informatiques |
| Engagement déjà annoncé | 20 Md$ | En cours | Recherche de partenaires pour les phases suivantes |
