En pratique, les réseaux nationaux d'électricité sont fragmentés du fait de capacités de transmission limitées. En Espagne, l’Estrémadure produit une électricité renouvelable abondante dont elle ne consomme que 6 %. L’afflux du surplus vers les métropoles permettrait de décarboner massivement l'économie nationale mais il est plafonné par des connexions électriques limitées : 3 couloirs de 400 kV vers Madrid, 3 vers le Portugal et 3 vers l'Andalousie, plus d'autres lignes de faible puissance.
Lorsque l'électricité solaire produite en Estrémadure dépasse la capacité de transport du réseau, l’opérateur est contraint d'écrêter la surproduction. En compensation, afin d'honorer les contrats de vente dans le reste du pays, des centrales au gaz naturel sont relancées de l'autre côté de la congestion (Cf. graphique 2). Si cette redistribution entretient la fiction d'une offre mobile, elle crée une perte sèche : une électricité au coût marginal économique et climatique nul est détruite, tandis qu'une électricité plus coûteuse et carbonée est sur-sollicitée pour satisfaire une demande ne payant pas le prix de sa localisation.
Une granularité tarifaire au service de la transition énergétique
L'idée d'une tarification régionalisée de l'électricité prend de l'ampleur (ENTSO-E, 2025). En Allemagne, la redistribution d'électricité représentait un coût annuel caché estimé à 4,2 Md€ en 2022, à cause de la saturation dans le sud du pays. En Suède au contraire, le découpage du pays en quatre zones de prix depuis 2011 a créé un signal-prix efficace pour les nouveaux projets industriels, qui se sont davantage dirigés vers le nord du pays aux ressources hydrauliques abondantes (Bălașa et Pollitt, 2026).
Un prix régional de l'électricité reflétant le coût de production et d'acheminement obligerait les constructeurs de centres de données à internaliser l'externalité créée par leur concentration en zone saturée. La présence de prix attractifs dans d'autres régions inciterait à déplacer les nouveaux projets, soulageant les pôles principaux.
Le fonctionnement des centres de données pourrait s’accommoder d’un certain degré de flexibilité permettant d’éloigner une partie des tâches liées à l’IA des hubs du FLAP-D. D’après McKinsey, en 2030, 28% de la demande d’électricité des centres de données concernerait l'entraînement des modèles d'IA, 43% serait liée à l'inférence (l'utilisation des modèles) et 29% aux activités hors IA. Parmi ces usages, l'entraînement des modèles est indépendant de la proximité aux usagers, tandis que la fibre optique permet une latence imperceptible pour la majorité des utilisations de l'IA. Seuls certains cas spécifiques, tels que la demande de « cloud souverain » ou de secteurs requérant une latence immédiate (finance, santé, certaines industries) pourraient imposer une certaine géographie. Au total, des projections de consommation d’électricité des centres de données de McKinsey, nous estimons que 54 % correspondraient à des usages relocalisables.
Cette réforme du signal-prix pourrait s'intégrer dans un effort plus large de planification spatiale impliquant acteurs publics et constructeurs dans le cadre du « Cloud and AI Development Act » en cours. Il s'agirait pour l'État d'inciter à la construction de centres de données là où ils pourraient jouer un rôle de modulateur actif du réseau, et dégager de nouvelles marges de manœuvre pour les activités moins mobiles.
D'autres facteurs sont à considérer dans cette planification. La disponibilité d'eau pour le refroidissement, les contraintes politico-sociales et l'efficacité énergétique contribuent à une allocation géographique optimale et réaliste des centres de données (Hemmati, Oluleye et Charitopoulos, 2026). Ce champ manque encore de données complètes, actualisées et localisées, qui seront essentielles pour une politique publique informée.