Energy efficiency and sustainability of AI data processing in Data Centres (IA)

À quoi sert ce topic ?

Financer des actions d’innovation et des pilotes qui réduisent l’énergie nécessaire au traitement de charges d’IA dans les centres de données, en agissant sur le refroidissement des puces, l’alimentation/stockage, l’architecture et l’ordonnancement des charges, la récupération de chaleur et l’intégration énergétique territoriale. Le topic demande aussi un site de démonstration capable de combiner, comparer et diffuser les résultats des autres projets.

Synthèse éditoriale du scope publié; distinguer les projets technologiques des fonctions du site de démonstration.

Quel projet peut correspondre ?

Un consortium qui dispose d’une technologie démontrable et d’un accès réel à un centre de données ou à une infrastructure d’IA : refroidissement direct au niveau puce/module, matériaux d’interface thermique et gestion multi-échelle; alimentation de secours et stockage plus efficace; orchestration des charges IA et allocation dynamique des ressources; récupération et réemploi de chaleur; intégration du centre dans le système énergétique local; optimisation de l’exploitation et de la virtualisation. Les gains doivent être mesurés dans des cas d’usage denses en calcul IA, pas seulement simulés.

Les familles de solutions viennent du scope du topic et du support PCN; choisir un axe principal et expliciter les interfaces avec les autres.

Qui cibler dans le consortium ?

Opérateur de centre de données ou fournisseur de colocation/cloud; opérateur de charges IA; fabricants de puces, serveurs, systèmes de refroidissement ou d’alimentation; spécialistes des matériaux et de la thermique; intégrateur de systèmes énergétiques; gestionnaire de réseau/chaleur ou acteur local lorsque pertinent; laboratoire de mesure et ACV; équipe de cybersécurité/exploitation; pour le site de démonstration, opérateur capable d’accueillir plusieurs technologies et de produire un benchmark reproductible.

Composition recommandée selon le sous-objectif choisi; confirmer les conditions d’éligibilité et de consortium dans le topic et les annexes.

Comment structurer le plan de travail ?

WP1 baseline énergétique et profil de charge IA, avec protocole de mesure; WP2 conception et intégration de la solution retenue; WP3 tests à l’échelle composant/système; WP4 pilote sur site réel et comparaison à une baseline; WP5 mesures de performance, fiabilité, consommation et empreinte; WP6 intégration à l’exploitation du centre et au système énergétique, incluant récupération de chaleur si pertinent; WP7 réplication, modèle économique et documentation ouverte des résultats communicables. Pour le projet de site de démonstration, prévoir l’accueil des résultats des autres projets, les protocoles communs, le benchmark et la diffusion aux opérateurs.

Plan de travail proposé par Capital OS; ne pas présenter ces WP comme imposés littéralement par la Commission.

Indicateurs à exiger dès la préqualification

Énergie consommée par unité de calcul ou par charge de référence; énergie de refroidissement; température et stabilité thermique; fréquence des throttlings; disponibilité et fiabilité; puissance de secours et pertes de conversion; chaleur récupérée et part effectivement réutilisée; intensité carbone selon la méthode explicitée; efficacité de l’ordonnancement; résultats de deux cas d’usage minimum pour les projets technologiques lorsque requis par le support PCN; reproductibilité des mesures; niveau de déploiement démontré et coût total d’exploitation.

KPI opérationnels recommandés. Les valeurs de référence et seuils cibles doivent être chiffrés par le porteur, et non inventés dans la fiche.

Budget, calendrier et statut

Budget global annoncé : 39 M€. Ouverture annoncée le 17 novembre 2026; échéance le 18 mars 2027 à 17 h, heure de Bruxelles. Le Work Programme présente une contribution indicative d’environ 10 M€ et 3 projets attendus, tandis que le support de webinaire PCN décrit trois projets technologiques et un projet de site de démonstration (soit quatre projets). Cette divergence sur le nombre de projets doit être vérifiée dans Funding & Tenders avant publication définitive.

Ne pas masquer la divergence entre le tableau du Work Programme et le support PCN. La page topic-level PCN ne renseigne pas le budget (NC).

Exclusions et faux positifs

Écarter les projets qui se limitent à acheter des serveurs plus récents sans innovation mesurée; les propositions uniquement fondées sur une estimation théorique sans validation en centre de données; les projets de refroidissement de bâtiment générique sans lien avec les charges IA; les projets d’optimisation logicielle sans mesures d’énergie ou d’impact opérationnel; les simples études de stratégie énergétique sans pilote technologique. Pour le site de démonstration, un laboratoire mono-technologie qui ne peut pas intégrer ni comparer les résultats de plusieurs projets n’est pas suffisant.

Règles de filtrage proposées à partir du scope; ne constituent pas des critères officiels supplémentaires.

Mots-clés FR/EN

centre de données IA; refroidissement direct des puces; gestion thermique multi-échelle; matériaux d’interface thermique; alimentation de secours; stockage d’énergie; ordonnancement des charges IA; allocation dynamique des ressources; récupération de chaleur fatale; intégration énergétique; empreinte carbone du calcul; benchmark centre de données; AI data centre; direct on-chip cooling; thermal management; thermal interface materials; energy-efficient backup; AI workload scheduling; dynamic resource allocation; waste heat reuse; data-centre energy integration; sustainable AI computing; demonstration site; operational benchmark

Vocabulaire spécifique à ce topic; tester les variantes anglaises et françaises sur le corpus réel.

Cas positif de matching

Opérateur de colocation et équipe de recherche proposent de tester un refroidissement direct de puces pour charges IA haute densité, comparent la consommation de refroidissement et les incidents thermiques à une baseline, démontrent la solution en exploitation et documentent les conditions de réplication chez d’autres opérateurs.

Scénario conçu, non exécuté dans le moteur.

Cas négatif de matching

PME qui souhaite financer une extension de capacité de calcul en achetant des GPU et serveurs standards, sans innovation de refroidissement, d’alimentation, d’ordonnancement ou d’intégration énergétique et sans protocole de mesure des gains.

Scénario conçu, non exécuté dans le moteur.

Règle de décision Capital OS

MATCH potentiel si le projet combine innovation technique, charges IA/centre de données, validation en conditions pertinentes et mesures énergétiques/thermiques explicites. Distinguer le volet « technologies » du volet « site de démonstration » et signaler l’incertitude documentaire sur le nombre de projets.

La recommandation doit être suspendue si le projet ne précise pas de baseline ni d’accès à un site de validation.

Sources officielles

• Source officielle
• Source officielle
• Source officielle