La souveraineté numérique a longtemps été un mot d'ordre abstrait, brandi dans les colloques sans conséquence tangible sur les serveurs qui font tourner nos administrations et nos entreprises. Avec l'intelligence artificielle générative, l'abstraction est devenue une question d'ingénierie très concrète : où tournent les modèles, qui détient les poids, dans quel pays transitent les prompts, sous quelle juridiction sont stockées les données. En juillet 2026, la France et l'Europe ont cessé de théoriser pour construire. Modèles ouverts publiés sous licence permissive, plan d'investissement continental de plusieurs dizaines de milliards d'euros, infrastructures de calcul qualifiées, socle interministériel pour l'IA de l'État : les pièces d'un écosystème souverain s'assemblent, avec leurs réussites mesurables et leurs chantiers ouverts. Cette chronique « Signaux faibles » observe ce mouvement de fond, sans militantisme, en distinguant systématiquement ce qui est acté de ce qui reste une trajectoire.
Le sujet appelle une double rigueur. Rigueur des faits d'abord : chaque chiffre cité ici provient d'une source publique identifiable — annonce officielle, communication de la Commission européenne, documentation d'éditeur, référentiel d'agence. Rigueur d'analyse ensuite : la souveraineté technologique n'est ni un slogan patriotique ni une posture défensive. C'est un arbitrage économique et stratégique entre autonomie et interdépendance, dont les termes méritent d'être posés froidement. Nous prenons ici le parti de la mesure et de l'honnêteté : là où un projet a trébuché avant de rebondir, nous le disons ; là où une promesse reste à démontrer, nous la signalons comme telle.
Pour un décideur public, un dirigeant d'entreprise ou un ingénieur, l'enjeu n'est pas de trancher un débat idéologique. C'est de comprendre ce que « IA souveraine France » recouvre réellement en 2026, quels leviers l'État et l'écosystème actionnent, et à quel horizon cette ambition peut se transformer en avantage durable. C'est précisément la cartographie que propose cet article.
Souveraineté de l'IA : de quoi parle-t-on exactement
Avant d'examiner les initiatives, il faut fixer le vocabulaire. La souveraineté appliquée à l'intelligence artificielle ne se résume pas à « avoir son propre ChatGPT ». Elle se décline en plusieurs couches, chacune posant ses propres questions d'indépendance et d'interdépendance. Confondre ces couches conduit aux malentendus les plus fréquents du débat public.
Les quatre piliers de la souveraineté de l'IA
On peut distinguer quatre dimensions complémentaires. La première est la souveraineté des modèles : disposer de grands modèles de langage conçus ou maîtrisés en Europe, dont on connaît l'architecture, les données d'entraînement et les biais. La deuxième est la souveraineté du calcul : posséder ou contrôler les processeurs graphiques et les supercalculateurs qui entraînent et font tourner ces modèles, sans dépendre d'un accès conditionné à des décisions extérieures. La troisième est la souveraineté des données : garantir que les corpus sensibles — dossiers fiscaux, données de santé, pièces judiciaires — restent sous juridiction nationale ou européenne. La quatrième, souvent oubliée, est la souveraineté du cloud : héberger l'ensemble sur une infrastructure immunisée contre les législations extraterritoriales.
Ces quatre piliers ne progressent pas au même rythme. L'Europe est bien avancée sur les modèles, grâce notamment à Mistral AI, mais reste dépendante des processeurs graphiques conçus outre-Atlantique. Elle dispose d'un cadre robuste pour le cloud souverain, mais son parc de calcul dédié à l'IA est encore en construction. Cette progression inégale est normale : bâtir une chaîne de valeur complète demande du temps et des capitaux. L'important est que les quatre chantiers avancent en parallèle, ce qui est le cas depuis 2025.
Les quatre piliers ne progressent pas au même rythme : trois sont opérationnels ou stabilisés, le calcul reste en chantier.
À retenir. Trois piliers sur quatre sont déjà opérationnels en Europe (modèles, cloud, données). Le calcul est le maillon faible : c'est là, sur la période 2026-2030, que se jouera la crédibilité durable de la souveraineté — et le plus gros des capitaux.
Autonomie stratégique plutôt qu'autarcie
Un contresens revient sans cesse : assimiler souveraineté et fermeture. Ce n'est pas la doctrine retenue par les institutions françaises et européennes. La ligne officielle parle d'autonomie stratégique ouverte : conserver la maîtrise des briques critiques tout en restant connecté aux flux mondiaux de recherche, de talents et de composants. Personne ne prône une IA en vase clos.
La souveraineté numérique ne consiste pas à tout produire soi-même, mais à ne dépendre de personne pour les fonctions vitales. C'est un principe de résilience : diversifier ses approvisionnements, maîtriser ses données et ses modèles, garder la capacité de dire non à des conditions imposées.
Cette nuance a des conséquences pratiques. Un modèle américain peut parfaitement être utilisé pour des usages non sensibles, tant qu'une solution souveraine existe pour les traitements critiques. L'objectif n'est pas d'interdire, mais de disposer d'une alternative crédible à chaque maillon de la chaîne. C'est cette faculté de choix, et non le repli, qui définit la souveraineté au sens où l'entendent les responsables publics en 2026.
Auto-diagnostic : à quel point votre IA est-elle souveraine ?
Quatre questions, une par pilier. Répondez sincèrement pour situer votre organisation sur la trajectoire décrite plus haut. Le résultat est une appréciation qualitative, pas un audit.
La souveraineté des modèles : l'écosystème français en tête de pont
Le pilier le plus visible et le plus mature de la souveraineté européenne est celui des modèles. Contrairement à une idée répandue, l'Europe n'est pas absente de la frontière technologique des grands modèles de langage. Un acteur français y occupe même une position singulière à l'échelle mondiale.
Mistral AI : le modèle ouvert de niveau frontière
Fondée à Paris en 2023 par d'anciens chercheurs de laboratoires de premier plan, Mistral AI s'est imposée comme l'unique acteur européen publiant des modèles à poids ouverts au plus haut niveau de capacité. Fin 2025, l'entreprise a franchi une étape notable avec la famille Mistral 3. Le vaisseau amiral, Mistral Large 3, est un modèle à mélange d'experts (Mixture of Experts) totalisant 675 milliards de paramètres, dont 41 milliards actifs à chaque inférence, doté d'une fenêtre de contexte de 256 000 jetons et d'une multimodalité native. Fait rare pour un modèle de cette classe : il est publié sous licence Apache 2.0, la plus permissive qui soit.
Ce choix de licence n'est pas anecdotique. La version précédente, Mistral Large 2, était diffusée sous une licence de recherche qui limitait la redistribution commerciale. Le passage à Apache 2.0 pour le modèle phare marque un tournant : il autorise l'audit complet du modèle, son adaptation interne et son déploiement sous gouvernance contrôlée, sans restriction géographique. Pour une administration ou une entreprise européenne soucieuse de maîtriser sa chaîne, c'est un atout de premier ordre : on peut faire tourner le modèle sur ses propres serveurs, l'inspecter, l'ajuster, sans dépendre d'une interface distante opérée ailleurs.
La famille Mistral 3 comprend aussi trois modèles denses plus compacts (14, 8 et 3 milliards de paramètres), pensés pour des déploiements légers, embarqués ou à faible latence. Cette gamme couvre ainsi tout le spectre des besoins, de la classification rapide à la synthèse complexe. Au-delà des modèles eux-mêmes, Mistral investit dans l'infrastructure : l'entreprise a annoncé la construction d'un centre de données en Europe, avec un premier site prévu à Bruyères-le-Châtel, en région parisienne, pour le printemps 2026, dans une trajectoire visant environ deux cents mégawatts de capacité sur le continent d'ici 2027.
Un écosystème qui dépasse un seul champion
Réduire la souveraineté française à Mistral serait une erreur d'analyse. Autour d'elle gravite un tissu d'acteurs qui densifie la chaîne de valeur. LightOn développe des solutions d'IA pour les organisations européennes. Hugging Face, dont les fondateurs sont français, héberge la plus vaste communauté ouverte de modèles au monde et joue un rôle d'infrastructure pour toute la recherche. Des laboratoires publics comme l'INRIA et le CNRS produisent des modèles et des corpus, à l'image de CamemBERT, référence pour le traitement du français, ou de projets plus récents comme Lucie et CroissantLLM, orientés vers la langue française.
Cet écosystème s'appuie sur une caractéristique française sous-estimée : une école mathématique et informatique de très haut niveau, qui alimente les laboratoires du monde entier en talents. Le pari de la souveraineté consiste largement à retenir et attirer ces compétences plutôt qu'à les voir partir. Les initiatives de financement, sur lesquelles nous reviendrons, comportent toutes un volet dédié à la formation et à l'attractivité des chercheurs.
L'IA de l'État : le parcours d'Albert, socle interministériel
La souveraineté des modèles trouve son application la plus emblématique dans le projet Albert, porté par la Direction interministérielle du numérique (DINUM). Son histoire mérite d'être racontée avec précision, car elle illustre autant les réussites que les leçons apprises d'une IA publique en construction.
D'un démonstrateur unique à une infrastructure interministérielle
Albert n'est plus le chatbot unique de ses débuts. Il a évolué vers une infrastructure interministérielle composée de plusieurs briques : Albert API, point d'accès central aux produits d'IA de la DINUM ; Albert Conversation, le démonstrateur conversationnel originel, désormais désigné comme « Assistant IA » ; et Albert Data, un agrégateur de bases de données publiques de référence. Cette architecture modulaire est plus robuste qu'un outil monolithique : elle permet à chaque administration de brancher les capacités dont elle a besoin sur un socle commun.
Le projet s'appuie sur les modèles de Mistral AI, l'éditeur français ayant été mobilisé pour renforcer les capacités d'Albert. Ce choix illustre concrètement la souveraineté des modèles appliquée à l'action publique : l'assistant des agents de l'État repose sur une technologie conçue et maîtrisée en France, dont les poids peuvent être hébergés sur des infrastructures nationales. La complémentarité entre un éditeur privé de niveau mondial et un opérateur public interministériel est au cœur du dispositif français.
Une leçon apprise, un cap maintenu
Il faut aborder franchement l'épisode qui a marqué les esprits. En 2024, lors d'une démonstration télévisée dans un guichet France Services, une version d'Albert avait fourni une réponse inexacte à une question sur le coût de renouvellement d'une carte d'identité. Début janvier 2026, le cabinet du ministre chargé de la Fonction publique a annoncé que l'outil, dans sa version d'alors, ne serait pas généralisé en l'état. Loin d'un abandon, cette décision traduit une exigence de qualité : un assistant destiné à informer des citoyens ne peut être déployé massivement qu'une fois sa fiabilité consolidée.
La trajectoire s'est réorientée vers une version plus robuste, mieux gouvernée et mieux financée. Au printemps 2026, une orientation de convergence a été retenue : rapprocher les différents assistants ministériels autour d'un nombre restreint de solutions communes, afin d'éviter la dispersion des efforts et de mutualiser les investissements. Cette rationalisation est un signe de maturité : après une phase d'expérimentation foisonnante, l'État structure son approche autour de socles partagés.
Concrètement, un Assistant IA bâti sur Albert API a été déployé auprès de plusieurs milliers d'agents publics, de l'ordre de 10 000 utilisateurs, issus de différents ministères. Les usages visés sont pragmatiques : fluidifier certaines procédures, aider à la rédaction et à la synthèse documentaire, et réduire le recours à des outils externes moins maîtrisés. Un bilan complet de l'expérimentation est attendu au cours de l'année 2026, avec pour objectif d'évaluer notamment le coût d'une éventuelle généralisation.
Un projet d'IA publique qui réajuste sa trajectoire après un premier retour d'expérience n'est pas un projet en difficulté : c'est un projet qui applique la méthode qu'il prêche. La supervision humaine, la vérification des réponses et la montée en fiabilité progressive sont précisément les principes que l'État demande à ses agents d'appliquer face à l'IA.
La coordination avec l'écosystème public
Albert ne travaille pas isolément. La Direction de l'information légale et administrative (DILA) collabore avec la DINUM sur des projets destinés aux applications tournées vers les citoyens. Cette coopération entre directions illustre le maillage institutionnel nécessaire à une IA publique cohérente : au-delà de la technologie, c'est l'organisation qui conditionne le succès. Un modèle performant sans gouvernance claire reste sous-exploité ; une gouvernance solide sans modèle fiable tourne à vide. L'équilibre entre les deux est le vrai chantier.
La souveraineté du cloud : SecNumCloud, socle de confiance
Un modèle souverain hébergé sur un cloud soumis à une législation extraterritoriale ne serait souverain qu'à moitié. C'est pourquoi la couche d'hébergement est aussi déterminante que la couche modèle. La France dispose ici d'un outil parmi les plus exigeants au monde : la qualification SecNumCloud.
SecNumCloud : l'immunité aux lois extraterritoriales
Délivrée par l'Agence nationale de la sécurité des systèmes d'information (ANSSI), la qualification SecNumCloud atteste du plus haut niveau de sécurité et de souveraineté pour un service cloud. Sa version 3.2, en vigueur depuis 2022, intègre des critères d'immunité aux législations extraterritoriales — au premier rang desquelles le Cloud Act américain et le FISA 702. Ce critère est décisif : il distingue SecNumCloud de certifications comme ISO 27001 ou HDS, qui couvrent la sécurité mais pas la dimension de juridiction.
Le Cloud Act permet aux autorités américaines de demander l'accès à des données détenues par des entreprises soumises au droit américain, quel que soit le pays d'hébergement physique. Pour des données publiques sensibles, cette exposition juridique constitue une vulnérabilité de principe. En exigeant une immunité effective à ces lois, SecNumCloud écarte de fait les filiales d'entreprises américaines, même lorsque leurs serveurs sont situés en France. C'est une exigence de propriété et de gouvernance, pas seulement de localisation.
Le processus de qualification est réputé long et sélectif : il repose sur un audit pluriannuel portant sur des centaines de critères, valable trois ans et assorti d'un audit de surveillance annuel. Toute modification substantielle de l'offre — nouveau centre de données, changement d'actionnariat, nouvelle fonctionnalité — doit être déclarée à l'ANSSI. Cette rigueur est le prix de la confiance.
À retenir. SecNumCloud 3.2 ajoute aux exigences de sécurité classiques (déjà couvertes par ISO 27001 ou HDS) un critère distinctif : l'immunité aux législations extraterritoriales — Cloud Act et FISA 702 compris. Ce qui compte, ce n'est pas seulement la localisation des serveurs, mais la gouvernance et la propriété de l'opérateur. C'est ce qui écarte de fait les filiales de groupes soumis au droit américain.
Les prestataires qualifiés et l'horizon européen
Début 2026, plusieurs acteurs français figurent parmi les prestataires disposant d'offres qualifiées SecNumCloud 3.2, dont OVHcloud, Outscale (filiale de Dassault Systèmes), Oodrive et Cloud Temple. D'autres candidats visent cette même qualification, à l'image de NumSpot, consortium réunissant Docaposte, Dassault Systèmes, Bouygues Telecom et la Banque des Territoires. La liste officielle des offres qualifiées est tenue à jour par l'ANSSI. Ce socle d'hébergeurs fournit l'assise sur laquelle les modèles souverains peuvent tourner en toute confiance pour les traitements les plus sensibles.
Le tableau se joue aussi à l'échelle continentale. L'aboutissement du schéma européen EUCS (European Cybersecurity Certification Scheme for Cloud Services), avec un niveau équivalent en matière de souveraineté, constitue un enjeu politique majeur pour la période 2026-2027. L'idée : étendre à l'ensemble de l'Union une exigence comparable à SecNumCloud, pour bâtir un marché du cloud de confiance à l'échelle des Vingt-Sept. Le débat porte notamment sur l'inclusion ou non de critères d'immunité extraterritoriale, point sur lequel la France défend une position exigeante.
| Pilier de souveraineté | Brique française / européenne | Rôle | Statut 2026 |
|---|---|---|---|
| Modèles | Mistral 3, Lucie, CamemBERT, Teuken | Grands modèles de langage maîtrisés en Europe | Opérationnel, niveau frontière (Mistral Large 3) |
| Calcul | Réseau EuroHPC, gigafactories InvestAI | Supercalculateurs pour entraînement et inférence | En déploiement (AI Factories 2025-2026) |
| Données | RGPD, cadre national | Protection et gouvernance des corpus sensibles | Cadre stabilisé, applicable |
| Cloud | SecNumCloud 3.2 (OVHcloud, Outscale, Oodrive, Cloud Temple) | Hébergement immunisé aux lois extraterritoriales | Opérationnel, EUCS en discussion |
| IA de l'État | Albert (API, Conversation, Data) / DINUM | Socle interministériel pour les agents publics | Déployé (~10 000 agents), convergence en cours |
Les cinq couches s'empilent : retirer un seul étage fragilise toute la pile.
La souveraineté du calcul : le grand chantier européen
Le maillon le plus capitalistique de la chaîne est aussi celui où l'Europe part de plus loin : la puissance de calcul. Entraîner des modèles de très grande taille exige des dizaines de milliers de processeurs graphiques et une énergie considérable. C'est le domaine où l'ambition de souveraineté se mesure en milliards d'euros et en mégawatts.
Le réseau des « fabriques d'IA » européennes
La réponse européenne prend la forme d'un réseau d'AI Factories (fabriques d'IA), déployé sous l'égide de l'entreprise commune européenne pour le calcul à haute performance (EuroHPC JU). Le principe : adosser des capacités de supercalcul dédiées à l'IA à des écosystèmes rassemblant centres de recherche, universités, jeunes pousses et industriels, pour que les acteurs européens disposent d'un accès à la puissance sans dépendre exclusivement de fournisseurs extérieurs.
Le rythme de sélection s'est accéléré. En décembre 2024, sept premiers consortiums ont été retenus pour établir des fabriques d'IA à travers l'Europe. En mars 2025, six sites supplémentaires ont été sélectionnés, dont la France. En octobre 2025, six nouvelles fabriques ont été lancées. Ce maillage progressif dote le continent d'une constellation de centres de calcul spécialisés, accessibles aux chercheurs et aux entreprises. La France figure parmi les lauréats avec son propre projet d'AI Factory, adossé à l'écosystème national de calcul à haute performance.
Les gigafactories et le plan InvestAI
L'échelon supérieur porte un nom qui claque : les gigafactories d'IA. Ces installations de très grande ampleur visent à entraîner des modèles de nouvelle génération pouvant atteindre le millier de milliards de paramètres. Chacune doit réunir plus de 100 000 processeurs d'IA avancés, avec un accent fort sur la capacité électrique, la fiabilité des chaînes d'approvisionnement et l'efficacité énergétique.
Le financement s'appuie sur l'initiative InvestAI, lancée début 2025 à Paris par la présidente de la Commission européenne. Elle prévoit un fonds européen de 20 milliards d'euros pour créer jusqu'à cinq gigafactories, dans un plan global mobilisant jusqu'à 200 milliards d'euros d'investissements publics et privés. Le financement public couvrira jusqu'à 35 % des dépenses d'investissement, le reste provenant de consortiums privés associant opérateurs de centres de données, fournisseurs d'énergie, télécoms et investisseurs technologiques.
L'ampleur de la réponse du marché en dit long sur l'appétit du secteur : dès juin 2025, la Commission avait reçu 76 manifestations d'intérêt représentant un total de 230 milliards d'euros, émanant de 60 sites répartis dans 16 États membres. Le 16 janvier 2026, le Conseil de l'Union a adopté un amendement renforçant le mandat de l'EuroHPC JU pour y inclure explicitement le déploiement des gigafactories d'IA. Sur la période 2021-2027, l'Union, les États membres et les pays associés prévoient, selon l'EuroHPC JU, un investissement total d'au moins 8,2 milliards d'euros dans le supercalcul et les fabriques d'IA via cet instrument — budget réévalué à la hausse (il était d'environ 7 milliards d'euros) après l'amendement du 16 janvier 2026 qui a élargi le mandat de l'entreprise commune.
Le calcul est le nerf de la souveraineté de l'IA. On peut concevoir les meilleurs modèles du monde ; si l'on ne dispose pas de la puissance pour les entraîner et les faire tourner à grande échelle, l'indépendance reste théorique. C'est le pari des gigafactories : réunir en Europe une capacité comparable à celle des géants mondiaux.
Ce chantier reste le plus incertain des quatre. La dépendance aux processeurs graphiques conçus outre-Atlantique demeure entière, et la construction d'installations de cette taille suppose des délais de plusieurs années, une disponibilité énergétique conséquente et une coordination fine entre États membres. C'est un pari de long terme, assumé comme tel, dont les premiers effets tangibles se mesureront au fil de la seconde moitié de la décennie.
Les financements : France 2030 et l'impulsion de 2025
Aucune stratégie de souveraineté ne tient sans capitaux. La France a structuré son effort autour du plan France 2030, complété par une impulsion privée majeure annoncée en 2025.
La stratégie nationale pour l'IA
Lancée dès 2018, la stratégie nationale pour l'intelligence artificielle (SNIA), dont la seconde phase s'inscrit dans le plan France 2030, vise explicitement à préserver et consolider la souveraineté économique, technologique et politique du pays. Environ 2,5 milliards d'euros de France 2030 sont dédiés à l'IA. La démarche s'est déroulée en phases : une première phase financée à hauteur de 1,5 milliard d'euros, suivie d'une seconde dotée d'un milliard d'euros dans le cadre de France 2030.
La seconde phase cible des domaines prioritaires cohérents avec l'ambition souveraine : IA embarquée, IA de confiance, IA frugale et IA générative. Elle s'articule autour de trois piliers : le soutien à l'offre deep tech, la formation et l'attraction des talents, et la mise en relation de l'offre et de la demande de solutions d'IA. La logique est claire : l'État se positionne comme un levier de souveraineté technologique plutôt que comme un simple importateur de solutions conçues ailleurs.
Le Sommet de Paris et l'effet d'entraînement privé
Le point d'inflexion de 2025 fut le Sommet pour l'action sur l'IA, organisé les 10 et 11 février 2025 au Grand Palais à Paris, réunissant des représentants de plus de 100 pays. À cette occasion, le président de la République a annoncé le 9 février un volume de 109 milliards d'euros d'investissements privés en France dans l'IA pour les années à venir, incluant notamment un centre de données sur un campus d'IA financé par des capitaux émiratis.
Le sommet a aussi été le théâtre du lancement de l'initiative InvestAI par la Commission européenne, mobilisant 200 milliards d'euros à l'échelle continentale, ainsi que d'une position commune signée par 61 pays et l'Union européenne en faveur d'une IA « ouverte, inclusive et éthique ». Une fondation, Current AI, y a été lancée pour soutenir des projets d'intérêt public. Ces annonces dessinent une convergence : la souveraineté n'est plus seulement une affaire d'État, elle devient un projet d'écosystème mobilisant capitaux publics et privés à grande échelle.
Un point mérite d'être souligné avec prudence : ces montants sont des annonces d'intention et d'engagement, dont la matérialisation s'étalera sur plusieurs années. Le suivi de leur exécution effective sera un indicateur clé à observer. La distance entre une promesse d'investissement et un centre de données en fonctionnement se compte en trimestres, parfois en années.
À retenir. Les montants brandis en 2025 — 109 milliards d'euros d'investissements privés annoncés en France, 200 milliards pour InvestAI à l'échelle européenne — sont des engagements d'intention, pas des capacités opérationnelles. L'indicateur à suivre n'est pas le chiffre communiqué, mais le nombre de centres de données réellement en production et de mégawatts effectivement raccordés.
La comparaison européenne : diversité des approches
La France n'est pas seule à investir dans une IA souveraine. Comparer les stratégies européennes permet de situer les choix français et d'identifier les complémentarités.
Les modèles ouverts multilingues européens
Plusieurs projets européens visent des modèles de langue couvrant l'ensemble des langues officielles de l'Union. Le consortium OpenEuroLLM, coordonné par l'Université Charles de Prague et réunissant une vingtaine d'institutions, s'appuie sur les supercalculateurs EuroHPC (LUMI en Finlande, Leonardo en Italie, MareNostrum en Espagne) pour entraîner des modèles ouverts, avec des jalons attendus au cours de 2026. Le projet EuroLLM propose un modèle couvrant les 24 langues de l'Union, entraîné sur MareNostrum 5.
Côté allemand, le projet OpenGPT-X a produit le modèle Teuken 7B, également orienté vers les 24 langues de l'Union et diffusé sous une licence permissive autorisant l'usage commercial. Ces initiatives partagent une philosophie commune avec Mistral : privilégier l'ouverture des poids, qui permet l'audit et l'adaptation locale, plutôt que des interfaces fermées. Cette convergence vers les modèles ouverts constitue un trait distinctif de l'approche européenne, cohérent avec la position « ouverte et inclusive » affirmée au Sommet de Paris.
Souveraineté par le développement ou par l'adaptation
Les pays européens se répartissent grossièrement en deux familles. La première développe des modèles souverains dédiés : c'est le cas de la France avec Mistral et l'écosystème public, et de l'Allemagne avec OpenGPT-X. La seconde privilégie l'adaptation rapide de modèles existants, souvent ouverts, à ses besoins nationaux : c'est une voie fréquente pour les pays de taille plus modeste, qui arbitrent en faveur de la vitesse de déploiement.
Ces deux voies ne s'opposent pas ; elles se complètent à l'échelle continentale. Les modèles ouverts produits par les uns servent de socle aux adaptations des autres. C'est tout l'intérêt de la licence Apache 2.0 de Mistral Large 3 : un modèle français de niveau frontière peut être repris, affiné et déployé par n'importe quelle administration européenne, ce qui démultiplie l'effet du travail initial. La souveraineté française devient ainsi un bien commun européen, sans perte de contrôle sur la brique d'origine.
| Initiative | Porteur | Approche | Ouverture |
|---|---|---|---|
| Mistral 3 / Large 3 | Mistral AI (France) | Modèle frontière propre | Poids ouverts (Apache 2.0) |
| OpenEuroLLM | Consortium ~20 institutions (UE) | Modèles multilingues sur EuroHPC | Ouvert |
| EuroLLM | Consortium européen | Couverture des 24 langues de l'UE | Ouvert |
| OpenGPT-X / Teuken | Fraunhofer & partenaires (Allemagne) | Modèle multilingue européen | Ouvert (usage commercial) |
| Albert | DINUM (État français) | Socle interministériel sur base Mistral | Usage interne État |
Le débat souveraineté contre ouverture : un faux dilemme
Une tension traverse le débat public : faut-il privilégier des modèles fermés, potentiellement plus performants à court terme, ou des modèles ouverts, plus transparents et plus maîtrisables ? En Europe, la réponse penche nettement vers l'ouverture, et cette orientation mérite d'être analysée.
Pourquoi l'ouverture sert la souveraineté
Un modèle à poids ouverts peut être téléchargé, inspecté, hébergé sur ses propres serveurs et adapté sans autorisation extérieure. Pour une administration, cela signifie contrôler entièrement où et comment le modèle tourne, auditer son comportement, et ne pas dépendre de la politique commerciale d'un fournisseur distant. L'ouverture n'affaiblit pas la souveraineté : elle la renforce, en donnant à l'utilisateur la maîtrise technique complète.
C'est ce qui rend la stratégie de Mistral cohérente avec l'objectif de souveraineté européenne. En publiant son modèle phare sous Apache 2.0, l'entreprise offre à tout l'écosystème continental une brique auditable et portable. La portabilité, la modularité et la transparence deviennent des critères de choix centraux, précisément parce qu'ils garantissent l'autonomie. Un modèle fermé, aussi européen soit-il, laisserait l'utilisateur dépendant d'une interface qu'il ne contrôle pas.
Les arbitrages qui restent ouverts
L'ouverture n'est pas sans questions. La publication des poids rend le modèle accessible à tous, y compris à des usages que l'éditeur ne maîtrise plus. La réponse européenne consiste à combiner ouverture technique et encadrement réglementaire : le règlement européen sur l'IA (IA Act) impose des obligations de transparence, de documentation et de supervision, qui s'appliquent quel que soit le degré d'ouverture du modèle. L'ouverture des poids et l'encadrement des usages ne s'opposent donc pas ; ils forment un couple.
Ouvrir les poids d'un modèle, c'est faire le pari de la confiance par la transparence plutôt que par le secret. Pour une IA publique, cette transparence n'est pas un luxe : c'est une condition de la confiance citoyenne. On ne demande pas à un citoyen de faire confiance à une boîte noire administrative.
Le débat n'est donc pas tranché entre partisans du secret et partisans de l'ouverture. Il porte sur le bon dosage entre accessibilité technique, encadrement des usages et protection des investissements. L'Europe a choisi un point d'équilibre qui privilégie l'ouverture des modèles et l'encadrement des usages à risque, un positionnement distinct de celui d'autres grandes puissances technologiques.
La souveraineté des données et le cadre réglementaire
Le dernier pilier, souvent le plus discret, est celui des données. C'est pourtant lui qui confère à l'ensemble sa cohérence : un modèle souverain hébergé sur un cloud souverain n'a de sens que s'il traite des données dont la maîtrise reste garantie.
RGPD et IA Act : un avantage structurel
L'Europe dispose du cadre de protection des données personnelles le plus abouti au monde avec le RGPD, complété désormais par le règlement sur l'IA. Cet arsenal réglementaire est parfois présenté comme un frein ; il constitue en réalité un atout de souveraineté. Il impose des standards de transparence, de minimisation des données et de supervision humaine que peu de juridictions exigent, et fournit un socle juridique stable pour les traitements sensibles.
Pour l'IA publique, cela se traduit par des garde-fous concrets : les modèles ne sont pas entraînés sur les données des requêtes utilisateurs, les prompts sensibles sont traités puis écartés, et chaque interaction peut être tracée pour permettre des audits de conformité. La supervision humaine reste le principe directeur : l'IA prépare, suggère, synthétise, mais la décision revient toujours à un agent public identifié. Ce principe, exigé par l'IA Act pour les usages à fort impact, est intégré dès la conception des outils publics.
Un modèle de référence exportable
Cet alignement entre modèles ouverts, cloud qualifié, données protégées et cadre réglementaire exigeant constitue une combinaison rare à l'échelle mondiale. Elle place l'Europe en position de proposer un modèle de référence pour l'IA de confiance. Plusieurs administrations étrangères observent avec intérêt les démarches françaises et européennes, et la logique de mutualisation à l'échelle de l'Union — un modèle français réutilisé par une administration voisine grâce à sa licence ouverte — ouvre la perspective d'un espace numérique européen cohérent.
Perspectives : les signaux à surveiller
Où mène cette trajectoire ? En chronique « Signaux faibles », l'exercice consiste moins à prédire qu'à repérer les indicateurs qui, suivis dans le temps, révèleront si l'ambition se concrétise.
Les indicateurs qui comptent
Plusieurs signaux méritent une attention particulière au cours des prochains trimestres :
- La matérialisation des investissements annoncés : combien des 109 milliards d'euros privés annoncés en France et des enveloppes InvestAI se traduiront en centres de données et en capacités de calcul réellement opérationnels.
- La mise en service des fabriques et gigafactories d'IA : le passage des sélections administratives aux installations produisant effectivement de la puissance pour l'écosystème.
- La convergence des assistants publics : la capacité de l'État à unifier ses outils autour d'un socle commun robuste, et le bilan attendu de l'expérimentation Albert.
- L'adoption des modèles ouverts européens : le degré auquel Mistral Large 3 et ses pairs sont réellement repris par les administrations et les entreprises du continent.
- L'aboutissement du schéma EUCS : l'extension à l'échelle européenne d'exigences comparables à SecNumCloud, avec ou sans critère d'immunité extraterritoriale.
Une ambition structurée, des chantiers ouverts
La trajectoire française et européenne en matière d'IA souveraine est l'une des plus structurées au monde. Elle ne repose pas sur des prototypes de laboratoire : Mistral produit des modèles utilisés à l'échelle mondiale, SecNumCloud fournit un socle de cloud qualifié opérationnel, Albert équipe plusieurs milliers d'agents publics, et le réseau des fabriques d'IA se déploie sur le continent. Les fondations existent et sont solides.
Les chantiers restent nombreux, et il serait malhonnête de les minorer. La dépendance aux processeurs graphiques conçus outre-Atlantique demeure le point faible de la souveraineté du calcul. La construction des gigafactories est un pari de plusieurs années dont l'issue n'est pas garantie. L'exécution effective des investissements annoncés devra être suivie de près. Et la coordination entre États membres, indispensable au projet continental, se heurte toujours aux logiques nationales.
Trois facteurs détermineront le succès à long terme. Le premier est la constance de l'investissement dans un environnement budgétaire contraint : la souveraineté se construit sur la durée, pas par à-coups. Le deuxième est la qualité de l'exécution : la technologie est largement disponible, mais la capacité à la déployer, à la gouverner et à l'adopter fait toute la différence. Le troisième est la coordination européenne : c'est à l'échelle du continent, non d'un seul pays, que la masse critique de calcul et de capitaux peut rivaliser avec les géants mondiaux.
Le signal de fond est clair : la souveraineté numérique appliquée à l'IA est passée du discours à la construction. La France y occupe une position singulière, avec un champion de niveau frontière, un écosystème public et privé dense, et un cadre réglementaire exigeant qui devient un avantage plutôt qu'une contrainte. Les prochaines années diront si cette avance se transforme en standard européen durable. Les indicateurs à surveiller sont posés ; il reste à les lire, trimestre après trimestre, avec la même exigence de rigueur que celle qui a présidé à cet article.
Sources
- info.gouv.fr — IA : connaissez-vous Albert ? (DINUM)
- Acteurs Publics — De chatbot expérimental à socle interministériel : le parcours d'Albert
- beta.gouv.fr — L'Assistant IA de l'État
- Mistral AI — Introducing Mistral 3 (Mistral Large 3, Apache 2.0)
- economie.gouv.fr — La stratégie nationale pour l'intelligence artificielle
- Direction générale des Entreprises — France 2030 : stratégie nationale pour l'IA
- info.gouv.fr — Paris accueille le Sommet pour l'action sur l'IA (février 2025)
- Commission européenne — AI Factories (Shaping Europe's digital future)
- EuroHPC JU — AI Factories et gigafactories
- ANSSI — SecNumCloud : référentiel d'exigences
