Pour les réseaux à forte pénétration des renouvelables, la gestion de la génération intermittente est un défi opérationnel majeur. Des techniques d'optimisation plus rapides et plus efficaces sont essentielles pour atténuer cette intermittence et garantir la fiabilité du réseau. Les relaxations convexes du problème de l'Optimal Power Flow (OPF) offrent un moyen tractable de résoudre ce problème non linéaire et non convexe. En particulier, la relaxation semi-définie fournit de très bonnes bornes inférieures pour l'OPF, mais nécessite une exploitation rigoureuse de la parcimonie pour rester viable en termes de temps de calcul lors du passage à des instances de problèmes de grande taille. Cette exploitation peut être réalisée grâce à la décomposition en cliques de la contrainte semi-définie. Dans cet article, nous expérimentons différentes méthodes de décomposition en cliques et démontrons que le temps de résolution de l'OPF est fortement influencé par le choix de la décomposition. Notre principale contribution est de montrer que la décomposition optimale dépend à la fois de la topologie du réseau et du profil de la demande. Nous classons les réseaux en deux types : ceux avec une décomposition préférée qui performe bien indépendamment de la demande, et ceux où la demande impacte de manière significative le choix de la décomposition optimale. Cette observation ouvre la possibilité d'utiliser de l'apprentissage pour prédire la meilleure décomposition afin de minimiser le temps de résolution de l'OPF, en fonction du profil de la demande du réseau.