Après avoir présenté les spécificités du modèle retail, intéressons-nous désormais au marché de la colocation wholesale, qui répond aux besoins bien plus importants des grands utilisateurs et s’est fortement développé avec l’arrivée des hyperscalers.

Les opérateurs de colocation wholesale se concentrent sur ces grand utilisateurs, dont les besoins peuvent conduire à la mise à disposition d’une cage privative verrouillable dans un data hall, d’un data hall complet ou même, avec l’arrivée des clients hyperscalers, d’un data center entier.

Comme évoqué précédemment, la frontière entre les modèles retail et wholesale reste floue. CBRE retient toutefois un ordre de grandeur d’environ 500 kW pour distinguer les deux segments, tout en rappelant que certains contrats de colocation retail ont récemment dépassé ce seuil.

Ainsi, le data center de colocation wholesale peut être multi-locataire ou mono-locataire (single tenant building).

À Paris, le marché wholesale était pratiquement inexistant jusqu’en 2016, année de l’arrivée des hyperscalers. À partir de 2021 le marché wholesale a explosé avec le développement de grands data centers dits hyperscale.

Nous verrons par la suite que ces data centers mono-locataires dédiés aux hyperscalers se déclinent en trois modèles de développement distincts.

Les besoins croissants des géants du cloud en matière d’infrastructures numériques ont fait émerger trois déclinaisons de data centers hyperscale : le build-to-suit data center, l’Hyperscale Self Operated data center et l’Hyperscale Self Build data center.

Avec la montée en puissance des besoins des grands fournisseurs de cloud hyperscale, la pré-commercialisation, apparue à partir de 2020, a permis l’émergence d’un nouveau schéma de colocation wholesale : le build-to-suit data center. 

Ce modèle sur mesure repose sur un partenariat étroit entre l‘opérateur de data center et le futur locataire, en amont du projet, afin de construire une infrastructure spécifiquement adaptée aux besoins d’un client unique.

En 2021 apparaît une variante du modèle précédent. Certains opérateurs fournissent et exploitent un data center pour un unique client hyperscale durant la phase de montée en charge progressive. Une fois le site entièrement occupé, l’exploitation est ensuite reprise directement par le client.

Enfin, un troisième modèle est apparu en Europe, à Dublin, dès 2008 : les data centers hyperscale construits et exploités directement par les grands fournisseurs de services cloud.

Dans ce schéma, des acteurs comme AWS, Microsoft ou Google développent leurs propres infrastructures sans faire appel à un opérateur Tier.

À ce jour, aucun data center de ce type n’a encore été construit sur le marché parisien. CBRE évoquait en 2021 un projet d’AWS à Brétigny-sur-Orge, qui aurait pu devenir le premier data center « hyperscale self build » de la région parisienne. Le projet a depuis été abandonné, mais il ne serait pas surprenant de voir ce type d’infrastructure émerger prochainement en Île-de-France.

L’émergence de l‘intelligence artificielle (IA) et du calcul haute performance (HPC) entraîne des évolutions techniques majeures qui transforment en profondeur les data centers. Avec l’arrivée des processeurs graphiques (GPU) utilisés pour les systèmes d’IA, le refroidissement par air atteint ses limites. La densité par baie augmente fortement et, au-delà de 25-30 kW/baie, il devient nécessaire d’adopter un refroidissement liquide, appelé DLC.

Cette hausse de densité énergétiques a également des conséquences :

• sur la chaîne électrique, qui impose une révision des architectures traditionnelles,
• sur la charge au sol, car le poids des baies augmente considérablement.

Ces transformations donnent naissance à deux grandes familles de data centers IA, déjà en plein essor aux États-Unis et qui devraient rapidement apparaître en Europe.

Ces campus haute densité sont conçus pour les charges de travail d’entraînement des modèles IA (workload training), avec des densités pouvant dépasser 200 kW/baie. Les Neoclouders proposant des services GPU (GPU as a Service) recherchent activement ce type d’infrastructure en Europe. La logique d’implantation des IA Factories se résume par l’expression anglaise « Power First » : ces infrastructures sont moins sensibles à la latence et peuvent donc s’installer en dehors des grands marchés FLAP-D, dans des zones où l’énergie est abondante, décarbonée, abordable et disponible rapidement.

Ces data centers sont pensés pour héberger les charges liées à l’usage quotidien des applications IA, comme les requêtes Copilot. Ils doivent être proches des utilisateurs finaux et connectés à des réseaux fibre à très faible latence, à l’image des infrastructures cloud actuelles.

Concrètement, pour la région cloud parisienne, nous devrions voir émerger dans les prochains années des data centers hyperscales mixtes cloud + IA. Il s’agira d’infrastructures dotées de systèmes de refroidissement hybrides (air + eau), capables d’absorber des densités élevées et de basculer selon les besoins du marché entre workloads IA – portés par la montée en puissance de l’inférence – et workloads cloud plus traditionnels.

Cette capacité des hyperscalers à optimiser en continu le mix entre workloads IA et charges classiques offrira une flexibilité accrue et permettra d’éviter une obsolescence rapide des data centers.

Le développement de l’intelligence artificielle bouleverse profondément le design des data centers. Aujourd’hui, ces infrastructures deviennent fortement dépendantes des technologies hardware, notamment celles proposées par des acteurs comme Nvidia. Or, le rythme d’innovation est sans précédent : de nouvelles générations de plateformes IA apparaissent tous les ans, avec des mises à jour tous les 6 mois et des densités de puissance toujours plus élevées. À l’inverse, concevoir et construire un data center prend 3 à 4 ans. Résultat : un risque croissant d’obsolescence, parfois dès la mise en service.

Mais au-delà de la technologie, une autre question se pose : celle des usages.

Les data centers spécialisés uniquement dans l’entraînement des modèles pourraient-ils eux aussi, devenir obsolètes ?

Les projections montrent que l’inférence, c’est-à-dire l’exploitation des modèles en production, pourrait représenter plus de 50% de la capacité IT dédiée à l’IA d’ici 2030. Face à cette double incertitude (technologie et fonctionnelle) de nouvelles approches émergent.

On observe une montée en puissance des architectures modulaires et préfabriquées, reposant sur des infrastructures constituées de modules ou de conteneurs prêts à l’emploi. Cette approche permet d’accélérer significativement les délais de déploiement tout en offrant une plus grande flexibilité face aux évolutions rapides du marché et des technologies.

Cette approche standardisée, plus agile, permet de répondre à une grande diversité de besoins : du cloud provider au neo-clouder, en passant par des charges plus spécifiques liées à l’IA. L’infrastructure peut ainsi être ajustée et « scalée » plus rapidement en fonction des contraintes techniques des clients.

Le data center de demain devrait évoluer vers des modèles hybrides, où coexisteront des data halls dédiés au cloud et à l’inférence, ainsi que des capacités d’entraînement, éventuellement déportées. On verrait alors coexister, au sein d’un même ecosystème, des modèles d’IA en phase d’apprentissage et d’autres déjà opérationnels, exploitant ces apprentissages pour délivrer des services aux utilisateurs en continu. Le data center n’est plus une infrastructure figée : il devient une plateforme évolutive conçue pour s’adapter en continu aux cycles rapides de l’IA.