Analyse : l'interdépendance derrière les discours de souveraineté

Le mot « souveraineté » revient dans presque tous les discours publics sur l'intelligence artificielle. Gouvernements, consortiums industriels et jeunes pousses le brandissent comme un objectif partagé : disposer d'une capacité de calcul, de modèles et de données que l'on maîtrise soi-même, sans dépendre d'un acteur situé de l'autre côté d'un océan. Pourtant, dès que l'on regarde la mécanique concrète de ces projets — les puces qui tournent dans les salles machines, le logiciel qui les pilote, les usines qui les gravent, les nuages qui hébergent les services — un constat s'impose. La plupart des initiatives présentées comme souveraines reposent, à un étage ou à un autre de leur pile technique, sur un partenaire étranger. Cet article propose une lecture de cette tension : non pas pour disqualifier l'ambition, mais pour la situer honnêtement dans une chaîne de production mondialisée qui ne se plie pas facilement aux frontières.

L'objectif ici n'est pas de trancher un débat géopolitique, ni de désigner un camp. C'est d'observer une réalité industrielle : la chaîne de valeur de l'IA est distribuée à l'échelle planétaire, et aucune région ne la contrôle de bout en bout. Comprendre où passent les lignes de dépendance aide à lire les annonces avec plus de justesse, et à mesurer ce que « souverain » veut dire — et ne veut pas dire — dans un projet donné.

Le constat : une pile technique, plusieurs pays

Pour saisir la question, il faut décomposer ce qui se cache derrière un service d'IA. Une pile complète comporte au moins cinq couches empilées : les puces d'accélération, l'usine qui les fabrique, le logiciel qui les programme, l'infrastructure de calcul qui les héberge, et enfin les modèles et leurs licences. Un projet peut se dire souverain sur une couche tout en dépendant d'un fournisseur extérieur sur une autre. La difficulté vient précisément de là : la souveraineté n'est pas un état binaire, mais une propriété qui se décline couche par couche.

Prenons la couche la plus visible, celle des accélérateurs de calcul. Les processeurs graphiques (GPU) spécialisés dans l'entraînement des grands modèles proviennent, dans leur écrasante majorité, d'un seul concepteur américain. Selon les estimations d'analystes de marché, Nvidia détenait fin 2025 une part de l'ordre de 85 à 90 % des accélérateurs d'IA vendus dans le monde, avec des recettes tirées des GPU de centre de données dépassant la centaine de milliards de dollars par an. Ce chiffre varie selon les méthodologies, mais toutes les sources convergent vers une position ultra-dominante d'un acteur unique.

Cette domination ne tient pas qu'au silicium. Elle tient au logiciel qui le pilote. La plateforme de programmation CUDA, propriété du même concepteur, sert de langage de référence pour exploiter ces puces. Selon une étude sectorielle de 2025, l'écosystème CUDA couvrait environ 70 % du marché des GPU de centre de données. Les alternatives existent, mais l'inertie de l'outillage, des bibliothèques et des compétences accumulées rend le basculement lent et coûteux. Un projet peut acheter des accélérateurs d'une autre marque ; il aura beaucoup plus de mal à reconstruire l'écosystème logiciel qui gravite autour du standard dominant.

Un service d'IA peut être hébergé dans un pays, opéré par des équipes locales, protégé par un chiffrement solide et conforme aux règles régionales — et conserver malgré tout une dépendance technique, logicielle ou juridique envers un fournisseur situé ailleurs.

La couche cachée : l'usine qui grave les puces

Descendons d'un cran. Même en supposant qu'une région conçoive ses propres puces, encore faut-il pouvoir les fabriquer. Or la gravure des semi-conducteurs les plus avancés est concentrée dans un très petit nombre de fonderies. Le fondeur taïwanais TSMC produit la grande majorité des puces gravées dans les nœuds les plus fins. Selon ses propres documents financiers déposés au régulateur boursier américain, les technologies dites avancées — 7 nanomètres et en deçà — représentaient environ 77 % du chiffre d'affaires en plaquettes de l'entreprise au dernier trimestre 2025.

L'illustration la plus parlante de cette interdépendance est venue à l'automne 2025. Nvidia a célébré la production de sa première plaquette Blackwell sur le sol américain, dans l'usine que TSMC a construite en Arizona. Symbole fort d'une relocalisation. Sauf que, pour l'assemblage et le conditionnement avancé — l'étape qui relie plusieurs composants dans un même boîtier — ces mêmes puces devaient repartir vers Taïwan. La fabrication « américaine » restait, pour sa phase la plus délicate, adossée à un savoir-faire concentré ailleurs. La relocalisation d'une couche n'annule pas la dépendance sur une autre.

La lecture européenne : bâtir souverain sur des fondations importées

Le cas de l'Union européenne illustre la mécanique avec une netteté particulière, parce que l'ambition affichée y est explicite et bien financée. Le plan de gigafactories d'IA prévoit un soutien public de l'ordre de 20 milliards d'euros pour un petit nombre d'installations géantes, dans le cadre d'une enveloppe d'investissement bien plus large — de l'ordre de 200 milliards d'euros mobilisés entre acteurs publics et privés sous la bannière InvestAI. L'intention est claire : doter le continent d'une capacité de calcul de premier plan, hébergée sur son sol, opérée par ses acteurs.

Un centre de réflexion bruxellois a néanmoins pointé en 2025 ce qu'il a appelé l'angle mort du programme : l'ensemble des installations envisagées tournera sur des puces Nvidia, et donc sur l'écosystème logiciel qui les accompagne. Bâtir une capacité de calcul à l'échelle du continent tout en restant dépendant de la pile matérielle et logicielle d'une seule entreprise américaine constitue, selon cette analyse, une fragilité structurelle au cœur même du dispositif. On peut posséder les bâtiments, l'énergie et les équipes, et ne pas maîtriser le composant qui fait fonctionner l'ensemble.

Cette lecture n'est pas restée confidentielle. Un groupe de 18 eurodéputés a alerté sur le risque de voir le programme approfondir la dépendance du continent envers un fournisseur unique de puces, soulignant que l'espace des centres de données restait « concentré et dominé par un seul fournisseur ». Le débat s'est donc installé au niveau politique, précisément parce que l'écart entre le discours de souveraineté et la réalité de la chaîne d'approvisionnement est devenu visible.

JUPITER, un exascale européen à cœur américain

Le supercalculateur JUPITER offre un exemple concret et récent. Installé au centre de recherche de Jülich, en Allemagne, il est devenu en 2025 le premier calculateur européen à franchir la barre de l'exaflop, se classant parmi les tout premiers du palmarès mondial. C'est une réussite d'ingénierie et un actif stratégique pour la recherche du continent, du climat à la biomédecine. Sa charpente est assemblée par un industriel européen. Et pourtant, son cœur de calcul repose sur environ 24 000 superpuces GH200 conçues par Nvidia, reliées par le réseau d'interconnexion du même fournisseur.

On peut lire JUPITER de deux façons complémentaires, sans que l'une contredise l'autre. D'un côté, c'est bien un instrument souverain : sa localisation, sa gouvernance et ses usages relèvent d'institutions européennes. De l'autre, sa brique la plus critique — les accélérateurs — provient d'un concepteur extérieur. La souveraineté ici est réelle sur la couche de l'infrastructure et de l'exploitation, partielle sur la couche du composant. Décrire la machine comme purement souveraine occulterait cette nuance ; la décrire comme entièrement dépendante en nierait la portée. La vérité tient dans l'articulation des deux.

Le cloud « souverain » et le mur juridique

La couche de l'infrastructure de service — le nuage qui héberge les applications — donne à voir une autre facette du même phénomène, où la dépendance n'est pas seulement technique mais juridique. En Europe, plusieurs offres se présentent comme des clouds souverains. Elles partagent souvent une même architecture : une entité européenne opère un service construit sur la technologie d'un hyperscaler américain.

• Bleu est une coentreprise portée par Orange et Capgemini, bâtie sur la technologie Azure de Microsoft.
• S3NS associe Thales et Google Cloud pour proposer des services éligibles aux marchés sensibles.
• Delos Cloud, filiale de l'éditeur allemand SAP, s'appuie également sur la pile Azure.

Ces montages répondent à un besoin réel : offrir aux administrations et aux entreprises régulées une conformité renforcée, une localisation des données et une gouvernance locale. Mais ils illustrent aussi ce que l'on pourrait appeler le paradoxe du cloud souverain : un service peut être hébergé en Europe, opéré par du personnel européen, chiffré et conforme aux règles régionales, tout en conservant une dépendance à la technologie, aux mises à jour et parfois au cadre juridique d'un fournisseur non européen. Les trois principaux acteurs du nuage — tous trois d'origine américaine et soumis au droit américain — contrôlent environ 70 % du marché cloud du continent.

Le mouvement commercial est réel : le marché du cloud souverain croît vite, porté par une demande politique et réglementaire. Mais croissance de l'offre ne signifie pas autonomie de la pile. Un contrat public récent a d'ailleurs été attribué à un consortium s'appuyant sur l'une de ces coentreprises adossées à un acteur américain, signe que la « souveraineté » achetée sur le marché reste souvent une souveraineté d'usage et de gouvernance, adossée à un socle technologique importé.

La souveraineté d'un projet d'IA se mesure moins à l'étiquette qu'à la couche : on peut être maître de ses données et de sa gouvernance, et locataire de son silicium et de son logiciel.

Mistral, ou la souveraineté assumée avec un partenaire

Le cas d'un acteur européen de premier plan comme Mistral affine encore la lecture, car il montre qu'un projet peut revendiquer la souveraineté tout en intégrant explicitement un partenaire étranger dans sa stratégie. La jeune pousse française a lancé en 2025 une plateforme de calcul destinée à servir les gouvernements et les entreprises qui ne souhaitent pas confier leurs données sensibles à des infrastructures étrangères. L'ambition affichée est bien celle d'une capacité européenne, transparente et auditable.

Pour l'alimenter, l'entreprise a levé des financements structurés autour de l'acquisition de milliers de puces Nvidia de dernière génération — de l'ordre de 13 800 accélérateurs GB300, selon les informations publiées, pour un centre de données situé en Essonne, au sud de Paris. Le partenariat avec le concepteur américain n'est pas dissimulé : il est au cœur du dispositif. La souveraineté visée porte sur les modèles, les données, la localisation et la gouvernance, pas sur la fabrication des accélérateurs.

C'est peut-être là que la lecture devient la plus utile. Le projet Mistral n'est pas moins sérieux ou moins européen parce qu'il achète des puces américaines. Il redéfinit simplement le périmètre de sa souveraineté. Plutôt que de prétendre à une autonomie totale — irréaliste à court terme au vu de la concentration du silicium — il choisit d'être souverain là où c'est possible et pertinent : le modèle, la donnée, le contrôle juridique. Cette approche par couches, assumée, paraît plus honnête que le discours de l'indépendance intégrale.

Le cas chinois : la souveraineté matérielle à l'épreuve des contraintes

Pour équilibrer la lecture, il est éclairant de regarder du côté d'un pays qui a fait de l'autonomie du silicium une priorité nationale : la Chine. Sous l'effet de restrictions à l'exportation, l'écosystème chinois a massivement investi dans ses propres accélérateurs, à travers des acteurs comme Huawei et sa gamme Ascend, et dans ses propres fonderies, notamment SMIC. L'objectif est explicite : réduire la dépendance envers les puces et les nuages étrangers.

Les progrès sont réels, mais la contrainte matérielle demeure. Selon plusieurs analyses sectorielles de 2025, les fonderies chinoises restent limitées au nœud de 7 nanomètres, faute d'accès aux machines de lithographie à ultraviolets extrêmes. Ces équipements de gravure les plus avancés sont fournis quasi exclusivement par une entreprise néerlandaise, dont l'exportation vers la Chine est encadrée par des accords entre plusieurs pays depuis 2023. Sans cet outil de fabrication, atteindre les nœuds les plus fins utilisés par les puces d'IA les plus performantes reste hors de portée pour l'instant.

La leçon est symétrique de celle du cas européen, mais elle pointe une autre couche de la pile. L'Europe maîtrise son infrastructure et sa gouvernance mais importe ses puces ; la Chine conçoit ses puces mais dépend d'un outil de gravure étranger pour les fabriquer au plus haut niveau. Aucune des deux approches n'atteint l'autonomie complète, parce que la chaîne de production des semi-conducteurs est distribuée entre concepteurs, fondeurs et équipementiers répartis sur plusieurs continents. La souveraineté totale supposerait de maîtriser simultanément toutes ces couches — une performance qu'aucun ensemble géographique ne réalise aujourd'hui.

La couche des modèles : posséder ses poids, louer ses droits

Il existe une couche de la pile souvent négligée dans le débat sur le silicium, mais tout aussi structurante : celle des modèles eux-mêmes et de leurs licences. Beaucoup de projets européens ou nationaux ne conçoivent pas leurs modèles de zéro. Ils partent de modèles à poids ouverts publiés par de grands acteurs, qu'ils adaptent, affinent et déploient. Cette pratique est efficace et raisonnée : réentraîner un modèle de très grande taille depuis le début coûterait des sommes considérables et une quantité d'énergie hors de portée de la plupart des organisations.

Mais « ouvert » ne signifie pas « sans conditions ». Un épisode de 2025 l'a montré nettement. La licence d'une famille de modèles à poids ouverts largement utilisée a introduit une restriction géographique : les organisations légalement domiciliées dans un État membre de l'Union européenne se sont vu interdire l'usage de la version la plus récente, sans dérogation prévue pour la recherche. La motivation invoquée relevait de la prudence réglementaire face aux nouvelles obligations européennes de transparence. Le résultat concret, du point de vue de la souveraineté, est parlant : un projet peut télécharger des poids, les héberger sur son propre calcul souverain, et rester tributaire d'une décision unilatérale du concepteur d'origine sur les conditions d'utilisation.

La licence de la génération précédente contenait déjà d'autres clauses instructives : elle interdisait par exemple d'utiliser le modèle, ou ses productions, pour entraîner un modèle concurrent, et prévoyait un seuil au-delà duquel un accord explicite du concepteur devenait nécessaire. On mesure ici que la maîtrise des poids d'un modèle ne confère pas la maîtrise des droits qui les accompagnent. Un acteur peut être souverain sur l'exécution du modèle — il tourne sur son infrastructure — et locataire sur son cadre juridique d'usage. C'est une forme de dépendance moins visible que celle des puces, mais tout aussi réelle, et elle peut évoluer sans préavis puisque le concepteur conserve la faculté de modifier ses conditions.

Télécharger des poids ouverts n'équivaut pas à posséder un modèle : on hérite des capacités du modèle, mais aussi des conditions, seuils et restrictions que le concepteur peut faire évoluer à sa main.

Pour un projet qui se veut souverain, la réponse la plus autonome consisterait à entraîner ses propres modèles de fondation. Quelques acteurs européens s'y emploient. Mais cette autonomie sur la couche modèle ne s'obtient qu'en s'appuyant sur les couches inférieures — le calcul et donc les puces — qui restent, elles, importées. On retrouve la logique en cascade : gagner en souveraineté sur une couche suppose presque toujours de s'appuyer sur une couche sous-jacente que l'on ne maîtrise pas.

L'énergie et le territoire : la couche la plus physique

Sous les modèles, sous le logiciel, sous les puces, il y a une couche encore plus concrète, parfois oubliée dans les discours : l'énergie et le territoire qui accueillent les salles machines. C'est peut-être la couche sur laquelle la souveraineté est la plus tangible, car elle ne se délocalise pas. Un centre de données consomme de l'électricité là où il est bâti, sur un réseau national, avec des équipes locales. C'est aussi une couche dont le poids grandit vite.

Selon l'Agence internationale de l'énergie, la consommation électrique des centres de données s'établissait autour de 415 térawattheures en 2024, soit environ 1,5 % de la consommation mondiale d'électricité, et pourrait environ doubler d'ici à 2030 pour approcher les 945 térawattheures, sous la poussée de l'IA. Ces ordres de grandeur situent l'enjeu : la capacité de calcul d'IA est indissociable d'une capacité électrique, et cette dernière est ancrée dans un territoire, un réseau, un mix énergétique. Voilà une couche où la souveraineté peut être pleine et entière.

Ce point nuance utilement la lecture. Si l'on classe les couches selon leur degré de souveraineté atteignable, on obtient une gradation assez claire. L'énergie, le foncier et l'exploitation sont les plus maîtrisables localement. La gouvernance des données et la conformité juridique le sont aussi, moyennant des montages contractuels. Les modèles peuvent l'être au prix d'un entraînement propre. En revanche, les puces, leur logiciel et surtout leur fabrication restent, pour l'instant, les couches les plus difficiles à rapatrier. Un projet souverain honnête est celui qui construit sur les couches maîtrisables tout en reconnaissant les couches d'appui — plutôt que celui qui laisse croire à une autonomie sur toute la hauteur de la pile.

Mise en perspective : ce que la carte des dépendances révèle

En rassemblant ces observations, une carte se dessine. Elle montre que les points de concentration de la chaîne de valeur ne coïncident avec aucune frontière politique. Le tableau ci-dessous synthétise, couche par couche, où se situent les principaux goulots d'étranglement et les ordres de grandeur documentés.

Couche de la pile	Acteur ou zone dominante	Ordre de grandeur documenté
Accélérateurs d'IA (GPU)	Concepteur américain	~85-90 % des accélérateurs vendus (fin 2025)
Écosystème logiciel (CUDA)	Même concepteur	~70 % du marché des GPU de centre de données
Fabrication des puces avancées	Fondeur taïwanais	~77 % de son chiffre d'affaires en nœuds ≤ 7 nm (T4 2025)
Lithographie de pointe (EUV)	Équipementier néerlandais	Quasi-monopole mondial
Cloud en Europe	Trois hyperscalers américains (AWS, Azure, Google Cloud)	~70 % du marché cloud européen

Ce que cette carte révèle, c'est que l'interdépendance n'est pas un accident ni une faiblesse temporaire : c'est la structure même d'une industrie où chaque couche a atteint un tel niveau de spécialisation que la refaire ailleurs demanderait des années, des dizaines de milliards et des compétences accumulées sur des décennies. Un projet souverain qui achète des puces à l'étranger ne se contredit donc pas nécessairement : il fait un arbitrage rationnel entre le temps, le coût et le degré d'autonomie recherché.

Pourquoi la chaîne s'est spécialisée à ce point

Il est utile de rappeler que cette interdépendance n'est pas le fruit d'un plan délibéré, mais l'aboutissement de plusieurs décennies de spécialisation industrielle. La fabrication de semi-conducteurs de pointe est sans doute l'activité manufacturière la plus exigeante jamais mise au point : elle réclame des investissements en capital de plusieurs dizaines de milliards par usine, une précision à l'échelle de quelques atomes, et un savoir-faire de procédé qui ne se transfère pas par un simple achat de machines. Chaque acteur de la chaîne — le concepteur de puces, le fondeur, l'équipementier de lithographie — s'est concentré sur ce qu'il fait le mieux, et cette division du travail a produit des gains de performance spectaculaires.

Le revers de cette efficacité, c'est la fragilité. Une chaîne aussi optimisée comporte des points de passage obligés, où un seul acteur détient une position dominante parce qu'il est le seul à avoir franchi une barrière technique donnée. Reconstruire un tel point de passage ailleurs ne se décrète pas : cela suppose de rassembler capital, talents, fournisseurs de second rang et clients de référence, sur une durée qui se compte en années voire en décennies. C'est précisément cette réalité qui explique pourquoi les projets de souveraineté choisissent presque toujours d'acheter là où la chaîne est déjà mûre, plutôt que de tout rebâtir. Ce n'est pas un renoncement : c'est un calcul de faisabilité.

Souveraineté d'usage contre souveraineté de production

Une distinction aide à clarifier le débat. Il existe une souveraineté d'usage — maîtriser où sont ses données, qui les opère, sous quel droit, avec quelle capacité d'audit — et une souveraineté de production — maîtriser la conception et la fabrication des composants eux-mêmes. La première est atteignable à court terme et concentre l'essentiel des projets présentés comme souverains. La seconde relève d'une échelle de temps industrielle et n'est, pour l'heure, revendiquée intégralement par personne.

Confondre les deux crée le malentendu. Quand un projet annonce une infrastructure souveraine, il parle presque toujours de souveraineté d'usage : localisation, gouvernance, conformité, réversibilité. Cela ne signifie pas qu'il fabrique ses propres puces. Ce n'est ni un mensonge ni une exagération, à condition que le périmètre soit précisé. La lecture critique consiste simplement à demander : souverain sur quelle couche, et locataire sur quelle autre ?

Ce qu'on peut en retenir

Cette analyse débouche sur une position mesurée, à distance à la fois de l'idéalisme et du dénigrement. Les projets de souveraineté en IA ne sont pas des façades : ils répondent à des besoins réels de contrôle, de conformité et de résilience, et ils progressent. Mais leur souveraineté est presque toujours partielle, adossée à un ou plusieurs partenaires étrangers sur au moins une couche de la pile. Le reconnaître n'affaiblit pas ces projets ; cela permet de les évaluer pour ce qu'ils sont, et non pour ce que leur intitulé laisse entendre.

Plusieurs enseignements se dégagent de cette lecture.

• La souveraineté est graduée, pas absolue. Elle se déclare couche par couche. Un projet peut être pleinement maître de ses données et de sa gouvernance tout en louant son silicium et son écosystème logiciel.
• L'interdépendance est la norme, pas l'exception. Aucune zone ne maîtrise l'ensemble de la chaîne, de la lithographie à la puce, du logiciel au nuage. Chacune a ses points forts et ses points d'appui extérieurs.
• Assumer le partenariat peut être plus solide que prétendre à l'autonomie. Les projets qui précisent leur périmètre de souveraineté paraissent plus robustes que ceux qui laissent croire à une indépendance intégrale.
• Réduire une dépendance en crée souvent une autre. Relocaliser la gravure d'une puce peut laisser intacte la dépendance à l'assemblage ; concevoir sa puce peut laisser intacte la dépendance à l'outil qui la grave.

Cette grille de lecture a des usages pratiques. Pour un acheteur public, elle invite à préciser dans un cahier des charges quelle couche de souveraineté est réellement exigée, et laquelle est négociable, plutôt que de se contenter d'un intitulé global. Pour un investisseur, elle aide à distinguer les projets qui créent de la valeur sur une couche maîtrisable de ceux qui promettent une autonomie qu'ils ne pourront pas tenir. Pour un régulateur, elle suggère de raisonner en termes de réversibilité et d'atténuation du risque sur chaque couche, plutôt qu'en termes d'indépendance absolue — un objectif qui n'est atteignable par personne à la lumière des faits observés ici. Dans les trois cas, l'analyse par couches transforme une question de posture en une question opérationnelle.

La question n'est donc peut-être pas de savoir si un projet est souverain ou dépendant, formulation trop binaire pour rendre compte d'une réalité en couches. Elle est plutôt de cartographier honnêtement, pour chaque initiative, où se situent les points de maîtrise et où se situent les points d'appui extérieurs. C'est un exercice moins spectaculaire que les grandes déclarations d'indépendance, mais plus utile pour décider, investir et réguler. Lire la souveraineté comme un dégradé, et non comme un drapeau, permet de célébrer les avancées réelles sans se raconter d'histoires sur ce que la chaîne mondiale de l'IA rend possible — et sur ce qu'elle rend, pour l'instant, hors de portée.

Sources

• DeepTech.build — The €37 Billion Race: EU AI Gigafactories and the Sovereignty Bet
• The Next Web — GPUaaS is reinforcing the illusion of European AI sovereignty
• Silicon Analysts — Nvidia AI GPU Market Share 2024-2026
• TSMC — Form 6-K, résultats du 4e trimestre 2025 (SEC)
• I-Connect007 — Nvidia's Blackwell Chips Made in Arizona Still Head to Taiwan for Final Assembly
• EuroHPC JU — JUPITER Officially Propels Europe into the Exascale Era
• DataCenter Dynamics — Europe's first exascale supercomputer to feature 24,000 Nvidia GH200 Superchips
• Cloud News — Europe Faces the Trap of Buying Digital Sovereignty with American Label
• DataCenter Dynamics — Mistral AI raises $830m in debt financing for data center in France
• AI Frontiers — How US Export Controls Have (and Haven't) Curbed Chinese AI
• Tom's Hardware — Huawei's Ascend AI chip ecosystem scales up as China pushes for semiconductor independence
• Agence internationale de l'énergie (IEA) — Energy demand from AI
• Dion Wiggins — Llama 4 Is Banned in the EU: Open AI, Region-Locked