Data Centers IA Produits En Série Comme Des Voitures
Et si demain les centres de données destinés à l’intelligence artificielle sortaient d’usine déjà prêts à brancher, exactement comme une voiture neuve quitte la chaîne de montage ? L’idée paraît audacieuse, presque trop simple face à la complexité des infrastructures actuelles. Pourtant une startup européenne s’y attelle concrètement. Elle veut prouver que la production de masse peut s’appliquer à ces machines gourmandes en calcul. Le pari pourrait redéfinir la vitesse à laquelle le monde déploie la puissance nécessaire aux modèles d’IA de nouvelle génération.
Une usine pour fabriquer des data centers
Runware, société spécialisée dans l’infrastructure d’intelligence artificielle, vient d’annoncer une ambition claire. Après avoir présenté son Sonic Inference Pod, un module de data center assemblé en usine et livré prêt à installer, elle prépare désormais une véritable ligne de production. L’objectif n’est plus seulement de livrer quelques unités. Il s’agit de sortir ces pods comme on assemble des automobiles, avec un rythme industriel et une standardisation poussée.
Le concept de modules préfabriqués n’est pas totalement inédit. D’autres acteurs proposent déjà des solutions similaires. La différence annoncée réside dans la promesse de délais nettement plus courts et d’une montée en cadence très agressive. Flaviu Radulescu, cofondateur et directeur général de Runware, détaille une feuille de route précise. D’ici 2028, l’usine roumaine de l’entreprise devrait atteindre une capacité de production de 30 mégawatts par jour, soit près d’un gigawatt chaque mois.
Pour mesurer l’ampleur de ce chiffre, il suffit de le comparer aux prévisions actuelles. Une année de production à ce rythme représenterait environ autant de capacité que ce que les États-Unis prévoyaient d’ajouter en une année entière. Cette accélération s’inscrit dans un mouvement plus large de l’industrie. Nvidia elle-même a présenté des concepts d’usines d’IA et de pods standardisés. Runware affirme toutefois être déjà passée à l’étape suivante : elle a réellement construit et fait tourner des usines plutôt que de se contenter de dessins.
Deux usines et une montée en puissance progressive
L’entreprise dispose déjà d’une première usine opérationnelle depuis plusieurs années. Une seconde est en cours de finalisation et devrait démarrer au début de l’année prochaine. La production augmentera progressivement. Aujourd’hui, un pod demande encore plusieurs semaines de fabrication. Très bientôt, le temps de construction devrait descendre à une seule journée grâce à l’organisation en ligne d’assemblage.
Une fois livré, le module peut être mis en service en 48 heures. Ce délai couvre uniquement l’installation et la configuration sur site, pas la fabrication. Les clients ont le choix. Ils peuvent fournir leur propre terrain ou laisser Runware proposer un emplacement adapté. L’entreprise s’occupe également des pièces de rechange en cas de panne. Différents modèles économiques coexistent : location de puissance de calcul, fourniture de ses propres GPU par le client, ou abonnement mensuel pour le pod et son exploitation. L’électricité et la connectivité restent à la charge du client.
Les délais de livraison de nos pods sont déjà plus courts que les délais d’approvisionnement actuels des GPU. Cela nous laisse le temps d’adapter l’infrastructure au matériel commandé.
– Flaviu Radulescu, cofondateur et CEO de Runware
Cette flexibilité constitue un atout majeur. Les puces graphiques mettent souvent de longs mois à arriver. Runware en profite pour personnaliser les pods selon les dernières générations de GPU et les spécifications demandées. Une équipe interne de matériel peut même concevoir, fabriquer et tester certains composants pour s’adapter rapidement aux nouvelles puces.
Des défis industriels bien réels
Sur le papier, le plan séduit. Dans la réalité, transformer une idée en usine rentable reste un exercice difficile. Il faut recruter du personnel qualifié, gérer des stocks importants, sécuriser les chaînes d’approvisionnement et mobiliser des capitaux conséquents. L’histoire récente de certaines startups automobiles électriques rappelle que la production de masse n’est jamais garantie. Certaines sociétés ont valu des milliards avant de buter sur les coûts de fabrication.
Runware, qui a déjà levé plus de 60 millions de dollars dont une série A de 50 millions, prépare une série B. Pour l’instant, elle finance le lancement de la nouvelle usine avec les fonds déjà en caisse. Le dirigeant insiste sur la différence de structure de coûts. Les effectifs et les matériaux représentent une charge, mais le coût de la main-d’œuvre reste faible par rapport à la valeur créée par le déploiement de puissance de calcul pour l’IA. L’entreprise conçoit elle-même ses systèmes et utilise des composants standard largement disponibles. Elle a même recruté un responsable d’usine expérimenté issu de l’industrie automobile pour sécuriser l’exécution.
La question des composants reste sensible. Si le refroidissement et une grande partie des systèmes sont conçus en interne avec des pièces classiques, certains éléments comme les pompes ou les ventilateurs viennent d’Allemagne. L’entreprise dépend encore de Nvidia pour une partie du réseau. Malgré ces contraintes, Runware affirme avoir déjà reçu pour un milliard de dollars d’intérêt confirmé depuis le lancement commercial de ses pods, correspondant à plus de 20 mégawatts actuellement en cours de livraison.
Une approche plus légère pour l’énergie et le territoire
Les data centers classiques suscitent de plus en plus de critiques. Leur consommation électrique pèse sur les réseaux et leur appétit en eau inquiète les collectivités. Runware tente de contourner une partie de ces problèmes. Ses pods n’ont besoin que d’électricité et d’une connexion internet. Ils utilisent un système de refroidissement liquide en circuit fermé avec des radiateurs à air. Aucun raccordement d’eau n’est donc nécessaire.
L’entreprise travaille déjà avec des fournisseurs d’énergie sur un portefeuille de sites totalisant 397 mégawatts, avec un potentiel d’extension à 1,2 gigawatt. Ces emplacements sont souvent beaucoup plus petits que ceux des hyperscalers. La plupart disposent déjà de la puissance électrique nécessaire, ce qui limite les nouveaux impacts sur le réseau et les nuisances pour les riverains. Les modules fonctionnent de façon silencieuse jusqu’à 30 degrés Celsius environ. L’entreprise affirme privilégier autant que possible les sources d’énergie renouvelable et chercher à en faire sa principale alimentation à terme.
Cette approche change la donne pour les entreprises qui veulent déployer rapidement de la capacité sans attendre plusieurs années de construction traditionnelle. Un client peut désormais imaginer un campus hyperscale entièrement composé de pods sortis d’usine et le rendre opérationnel en quelques mois seulement.
Pourquoi ce modèle pourrait s’imposer
La demande de puissance de calcul pour l’intelligence artificielle ne cesse de croître. Les délais classiques de construction de data centers, souvent compris entre 18 et 36 mois, deviennent un frein stratégique. Les entreprises qui veulent entraîner ou inférer des modèles de grande taille n’ont plus le luxe d’attendre. La standardisation et la production industrielle offrent une réponse possible à cette urgence.
En fabriquant les modules en usine, Runware réduit les aléas du chantier, les imprévus météorologiques et les problèmes de coordination entre corps de métier. La qualité devient plus contrôlable. La maintenance se simplifie grâce à des pièces standardisées. Et la possibilité de déplacer ou d’étendre un site gagne en flexibilité.
Le modèle économique se décline aussi en plusieurs formules. Certains clients préfèrent acheter purement de la capacité de calcul à la demande. D’autres veulent conserver la propriété de leurs GPU tout en déléguant l’infrastructure physique et l’exploitation. Cette modularité commerciale complète la modularité technique.
Les limites et les questions ouvertes
Malgré l’enthousiasme, plusieurs points restent à confirmer. La capacité à maintenir des coûts compétitifs une fois la production montée en volume n’est pas encore prouvée à grande échelle. La dépendance à certains fournisseurs critiques, notamment pour les GPU et le networking, constitue un risque. L’acceptation locale des nouveaux sites, même plus petits, n’est jamais automatique. Enfin, la concurrence s’organise. Les grands acteurs du cloud et les équipementiers traditionnels n’ont pas vocation à laisser le champ libre.
Runware devra également prouver que ses pods tiennent leurs promesses en conditions réelles sur plusieurs années. La fiabilité, le rendement énergétique réel et le coût total de possession seront scrutés de près par les premiers clients importants.
Pour l’instant, la startup avance étape par étape. La seconde usine doit démarrer prochainement. L’expansion vers les États-Unis et d’autres régions du monde est déjà dans les cartons. L’ambition affichée reste claire : faire des systèmes modulaires fabriqués en usine le standard de déploiement pour les grandes infrastructures d’IA.
Ce que ce mouvement révèle sur l’industrie
Au-delà du cas particulier de Runware, cette initiative illustre une tendance de fond. L’intelligence artificielle transforme non seulement les logiciels, mais aussi la façon dont on conçoit le matériel et les infrastructures. La logique de production de masse, longtemps réservée à l’électronique grand public ou à l’automobile, s’invite désormais dans les data centers.
Les acteurs capables de réduire radicalement les délais de mise en service tout en maîtrisant les coûts et l’empreinte environnementale auront un avantage décisif. Que le pari de Runware réussisse pleinement ou qu’il doive s’ajuster en chemin, il force déjà le marché à réfléchir autrement. Les data centers de demain pourraient bien ressembler davantage à des produits industriels standardisés qu’à des projets de construction uniques.
La course à la puissance de calcul continue d’accélérer. Dans ce contexte, toute solution qui permet de gagner des mois, voire des années, attire immédiatement l’attention. La production en série de pods d’IA pourrait devenir l’un des leviers les plus concrets pour suivre le rythme de l’innovation algorithmique. Reste à voir si l’exécution industrielle suivra les ambitions affichées. L’usine qui se prépare en Roumanie apportera bientôt les premiers éléments de réponse.
