112 mégawatts gaspillés. 320 000 GPU mobilisés pour rien. Une étude révèle que Pearl, réseau de « minage IA », consomme des ressources colossales sans produire aucun résultat exploitable. Coût pour les entreprises françaises : une hausse de 38 % des locations de GPU. Dans un contexte de pénurie, cette arnaque aggrave la crise des ressources pour les startups IA locales.
Pearl : le réseau qui exploite l’IA sans en faire
Pearl se présente comme un réseau de minage IA distribué. Il loue des milliers de GPU pour effectuer des calculs supposément utiles à l’intelligence artificielle. Pourtant, une étude prépubliée en juin 2026 démontre que ces machines ne produisent aucun modèle ni résultat vérifiable.
Les chercheurs soulignent que Pearl cible des fermes de GPU sous-utilisées. Il exploite des failles dans les contrats de location pour maximiser ses profits. Résultat : des ressources précieuses sont monopolisées sans contrepartie tangible pour l’écosystème IA.
Des chiffres qui parlent : gaspillage et surcoûts
L’étude révèle l’ampleur du gaspillage et son impact économique. Voici les données clés :
- 320 000 GPU RTX 3090 équivalents mobilisés par Pearl
- 112 MW de puissance consommée, soit l’équivalent de 93 000 foyers français
- Aucun modèle IA ou calcul utile produit malgré cette consommation
- Hausse de 38 % des coûts de location de GPU due à ces pratiques
- Fermes distribuées dans le monde, exploitant des contrats de location flexibles
Ces chiffres illustrent une dérive majeure : l’IA comme prétexte pour justifier une activité énergivore et non productive.
Impact sur les entreprises françaises : une comparaison édifiante
Les startups et PME françaises subissent de plein fouet les conséquences de cette arnaque. Voici une comparaison des coûts et ressources avant/après Pearl :
| Indicateur | Avant Pearl (2025) | Avec Pearl (2026) |
|---|---|---|
| Coût mensuel location GPU (RTX 3090) | 1 200 € | 1 656 € (+38 %) |
| Disponibilité des GPU sur le marché | Tension modérée | Pénurie aggravée |
| Consommation énergétique (MW/an pour 100 GPU) | 35 MW | 35 MW (mais 112 MW gaspillés ailleurs) |
| Délai d’accès aux ressources cloud | 2-3 jours | 5-7 jours (voire plus pour les petits acteurs) |
Analyse : pourquoi cette arnaque prospère-t-elle ?
Un contexte favorable aux dérives
La pénurie mondiale de GPU et l’engouement pour l’IA créent un terreau idéal. Les acteurs comme Pearl surfent sur l’opacité des contrats de location. Ils promettent des rendements attractifs sans jamais prouver leur utilité réelle.
Risques pour l’écosystème IA français
Les startups françaises dépendent des GPU pour entraîner leurs modèles. Une hausse de 38 % des coûts peut freiner l’innovation. Pire : ces pratiques détournent des ressources critiques vers des activités stériles, au détriment de projets concrets.
Ce qu’il faut retenir
- Pearl gaspille 112 MW et 320 000 GPU sans produire de résultats IA utiles
- Cette arnaque fait bondir les coûts de location de GPU de 38 %, pénalisant les entreprises françaises
- Les contrats de location flexibles sont exploités pour maximiser les profits sans livrer de valeur
- La pénurie de GPU s’aggrave, avec des délais d’accès rallongés pour les startups locales
- L’IA est instrumentalisée comme prétexte pour justifier une activité énergivore et non productive
❓ Questions fréquentes
Qu’est-ce que Pearl et comment fonctionne-t-il ?
Pearl est un réseau de minage distribué qui loue des GPU pour des calculs présentés comme utiles à l’IA. En réalité, il effectue des opérations aléatoires sans produire de modèles exploitables.
Pourquoi cette arnaque impacte-t-elle les entreprises françaises ?
Elle monopolise des ressources GPU déjà rares, faisant exploser les coûts de location. Les startups locales peinent à accéder à ces ressources essentielles pour leurs projets IA.
Comment se protéger de ces pratiques ?
Vérifier la transparence des contrats de location, privilégier les fournisseurs certifiés et exiger des preuves d’utilité des calculs effectués. Les régulateurs pourraient aussi encadrer ces activités.
En résumé
L’affaire Pearl révèle une faille majeure : l’absence de régulation des activités présentées comme « IA ». Pour les entreprises françaises, la priorité est double. D’abord, sécuriser l’accès aux GPU en évitant les acteurs opaques. Ensuite, militer pour une transparence accrue dans l’utilisation des ressources cloud. Sans cela, le gaspillage et les surcoûts continueront de freiner l’innovation.
📚 À lire aussi
- Google attaque un réseau cybercriminel IA chinois : 2,5M SMS en 2026
- Google attaque un réseau cybercriminel IA chinois en 2026
- 2026 : Google attaque un réseau cybercriminel IA chinois géant
- Google attaque un réseau cybercriminel chinois IA : 2,5M SMS en 2026
📷 Image : Rahul Pandit via Pexels