Panne de refroidissement d'un centre de données et résilience électrique : les enseignements tirés de la panne de CME

La récente panne du système de refroidissement survenue au centre de données de CyrusOne situé dans la région de Chicago (à Aurora, dans l'Illinois), qui a paralysé la plateforme de négociation du CME Group, a provoqué une onde de choc dans le secteur financier mondial.

De Londres à Kuala Lumpur, la formation des prix s'est complètement arrêtée.
La cause n'était ni une cyberattaque sophistiquée ni un bug logiciel complexe, mais bien une défaillance fondamentale de l'infrastructure de soutien.

Pour les ingénieurs, les consultants et les exploitants d'installations stratégiques, cet incident rappelle de manière frappante que, dans les environnements à haut risque, la résilience électrique des centres de données est tout aussi essentielle que la sécurité numérique.

Lorsque les systèmes de refroidissement ou d'alimentation tombent en panne, le risque de marché devient une réalité. Chez Baudouin, nous analysons ces événements sous un angle technique afin d'aider nos partenaires à dépasser le stade de la « disponibilité théorique » pour parvenir à une véritable résilience énergétique de leurs centres de données.

MTBF au niveau du système : pourquoi la chaîne d'alimentation est le maillon faible

On parle souvent du temps moyen entre deux pannes (MTBF) dans le cadre de composants individuels. Cependant, le MTBF au niveau du système est impitoyable.

Si votre topologie électrique comporte un seul goulot d'étranglement, qu'il s'agisse d'une installation de refroidissement, d'un local de pompage ou d'un poste de commutation BT/MT, la fiabilité de l'ensemble du système se réduit au MTBF de cet élément unique.

Pour les centres de données de niveau III et IV, atteindre une disponibilité de « cinq neuf » (99,999 %) nécessite d’examiner l’interdépendance des chaînes d’alimentation électrique et de refroidissement.

En règle générale, un groupe électrogène qui démarre sans problème n'a aucune utilité si le système de refroidissement qu'il alimente comporte un point de défaillance unique l'empêchant d'évacuer la charge thermique des équipements informatiques.

En substance, la résilience de l'alimentation électrique dépend du maillon le plus faible de votre infrastructure de refroidissement et de distribution électrique.

Topologie des groupes électrogènes dans les centres de données : architectures N+1 et 2N

La fiabilité ne dépend pas uniquement de la qualité du groupe électrogène, mais aussi de la configuration du système d'alimentation de secours.

Afin d'atténuer les risques mis en évidence par la panne du CME, les charges de travail à haute disponibilité nécessitent des architectures conçues pour assurer la redondance et la diversité des chemins d'accès :

• Circuits de refroidissement indépendants : les configurations N+1, 2N ou 2N+1 garantissent qu'aucune défaillance isolée d'une installation ne peut entraîner la mise hors service de l'ensemble du site.
• Diversité des voies d'alimentation : plusieurs voies d'alimentation et de refroidissement isolées, depuis le réseau public et les générateurs du centre de données jusqu'au niveau des baies.
• Basculement actif/actif : infrastructure en veille active répartie sur plusieurs sites, validée par des tests de basculement rigoureux.

La conception de la topologie détermine la résilience opérationnelle. Un composant parfaitement défini n'a guère d'intérêt au sein d'une architecture fragile.

IA, calcul haute performance (HPC) et refroidissement par liquide : une marge de sécurité qui s'amenuise

L'essor de l'IA, des charges de travail reposant sur les GPU et du calcul haute performance (HPC) fait grimper la densité des racks à des niveaux sans précédent, allant de 80 à 120 kW par rack dans les installations hyperscale modernes.

De plus, cette densité réduit la marge de sécurité dont disposent les exploitants et impose une contrainte plus importante tant aux groupes frigorifiques qu'aux groupes électrogènes.

Les systèmes de refroidissement constituent la charge électrique la plus importante après les équipements informatiques.

Un système d'alimentation de secours fiable est indispensable pour redémarrer les groupes frigorifiques et les pompes dès la fin d'une panne de réseau, afin d'éviter tout emballement thermique.

À mesure que l'IA et le calcul haute performance (HPC) continuent d'évoluer, les besoins en énergie liés au refroidissement par liquide exigent une intégration plus étroite entre les systèmes électriques et thermiques.

Il est essentiel de bien
comprendre ce lien entre le refroidissement et la résilience de l'alimentation électrique pour garantir une fiabilité de niveau Tier IV.

Les solutions PowerGen de Baudouin pour la résilience énergétique des centres de données

Chez Baudouin, nous concevons des solutions de production d'énergie qui s'intègrent parfaitement aux topologies requises par les normes Tier III et Tier IV de l'Uptime Institute.

Notre approche va bien au-delà des simples puissances nominales en kW :

• Redondance intégrée : l'utilisation de plusieurs groupes électrogènes fonctionnant en parallèle améliore le temps moyen entre pannes (MTBF) du système et élimine les points de défaillance uniques.
• Compatibilité architecturale : les groupes électrogènes du centre de données Baudouin s'intègrent naturellement dans les architectures 2N et 2N+1, en garantissant la redondance depuis le réservoir de carburant jusqu'à l'alternateur.
• Performances essentielles à la mission : nos solutions PowerKit offrent la réponse transitoire nécessaire pour maintenir les systèmes de refroidissement en fonctionnement et assurer la stabilité des charges informatiques en cas de coupure de courant.
• Développement durable : les groupes électrogènes Baudouin sont compatibles avec le HVO100, ce qui permet aux exploitants de réduire leurs émissions sans compromettre les performances.

Ensemble, ces fonctionnalités permettent aux opérateurs de mettre en place une alimentation électrique résiliente pour leurs centres de données, capable de soutenir la croissance dans les environnements d'IA, de cloud et de calcul haute performance (HPC).

Une question pour les opérateurs

L'incident survenu chez CME montre qu'une défaillance technique peut se transformer en un événement affectant la continuité des activités, susceptible d'ébranler la confiance des marchés et la réputation de la marque.
À mesure que vous développez vos capacités pour répondre à des besoins énergétiques liés à une utilisation intensive des GPU et à l'intelligence artificielle, posez-vous la question suivante :

À quelle fréquence soumettez-vous votre architecture d'alimentation et de refroidissement à des tests de résistance par rapport à vos objectifs réels en matière de redondance, de résilience et de disponibilité ?

Ainsi, si votre objectif est d'atteindre un niveau de résilience de type III ou IV, votre alimentation de secours doit être aussi robuste que les charges critiques qu'elle protège.

En savoir plus

Découvrez comment les solutions d'alimentation électrique pour centres de données de Baudouin vous aident à améliorer la disponibilité, la fiabilité du refroidissement et la durabilité :