LE PARADOXE MISTRAL : 3 ACTES POUR REPENSER LA SOUVERAINETÉ À L’ÂGE DE L’IA

By Dr. Tawhid CHTIOUI, Founding Presidentof aivancity School of AI & Data for Business & Society; selected by Keyrus as one of the 25 most influential global figures in the field of AI and data (January 2025).

ACTE 3 : Après Mistral : qui sera souverain dans le nouvel ordre mondial de l’IA ?

Introduction : en finir avec la définition binaire de la souveraineté

Nous avons longtemps pensé la souveraineté avec les catégories de l’industrie classique : celui qui fabrique maîtrise, celui qui achète dépend.

Cette logique reste valable pour de nombreuses technologies critiques. Elle devient pourtant insuffisante lorsqu’on l’applique à l’intelligence artificielle. Un modèle peut être conçu dans un pays, entraîné dans un autre, hébergé ailleurs, adapté localement, combiné à d’autres modèles, connecté à des données propriétaires et remplacé en quelques semaines. Ses poids peuvent être ouverts tandis que son infrastructure de calcul reste étrangère ; ses données peuvent être souveraines alors que son architecture ne l’est pas ; son déploiement peut être local alors que l’essentiel de la valeur économique repart vers un fournisseur extérieur. Dans un tel système, demander si une IA est « souveraine » ou « non souveraine » revient presque à poser une question trop simple.

La littérature académique sur la souveraineté numérique avait déjà identifié cette difficulté. Daniel Mügge montre que la souveraineté en IA recouvre des objectifs différents, parfois contradictoires, allant de l’autonomie industrielle à la sécurité, au contrôle politique ou à la protection des citoyens. D’autres travaux sur la souveraineté numérique européenne soulignent également qu’elle ne possède pas de définition unique et qu’elle doit être pensée à travers les dépendances concrètes entre infrastructures, marchés, technologies et institutions (Mügge, 2024 ; Adler-Nissen & Eggeling, 2024 ; Blancato, 2024).

L’évolution récente de la doctrine européenne est d’ailleurs révélatrice. En 2026, les travaux de la Commission sur la souveraineté numérique insistent moins sur l’idée de tout reproduire en Europe que sur la capacité à réduire les dépendances critiques tout en restant ouvert et connecté. Ils mettent notamment en avant l’interopérabilité, l’ouverture, la résilience et la capacité à reprendre le contrôle lorsqu’une dépendance devient problématique (Commission européenne, 2026).

Le cas Mistral montre pourquoi ce changement de cadre est devenu nécessaire. Un modèle chinois peut être hébergé sur une infrastructure européenne, utilisé avec des données françaises, intégré dans les systèmes d’une entreprise locale et pourtant rester le produit d’une intelligence conçue et entraînée ailleurs. Selon le critère choisi, cette situation peut donc apparaître à la fois souveraine et dépendante. C’est précisément cette contradiction apparente qu’il faut dépasser.

La souveraineté de l’IA ne devrait peut-être plus être pensée comme un état que l’on possède ou que l’on perd, mais comme un ensemble de capacités que l’on maîtrise plus ou moins.

La question décisive devient alors beaucoup plus exigeante : non plus « cette IA est-elle française, européenne, américaine ou chinoise ? », mais sur quelles dimensions sommes-nous réellement capables de choisir, de comprendre, de contrôler, de remplacer et de créer ?

C’est à partir de cette question que l’on peut proposer une autre cartographie de la souveraineté en intelligence artificielle.

I. Les six souverainetés de l’intelligence artificielle

Les travaux récents sur la souveraineté numérique convergent sur un point : l’autonomie technologique ne peut plus être réduite à la propriété nationale d’une infrastructure ou d’une entreprise. Daniel Mügge montre ainsi que la souveraineté en IA recouvre plusieurs objectifs qui peuvent entrer en tension, tandis que Huw Roberts insiste sur la nécessité de distinguer le contrôle technologique de la capacité politique à orienter les systèmes conformément à des finalités collectives. Le Joint Research Centre européen propose lui aussi une approche multidimensionnelle articulant gouvernance, infrastructures, données, marchés et capacités humaines (Mügge, 2024 ; Roberts, 2024 ; Di Marco et al., 2025).

À partir de ces travaux, mais en tenant compte des particularités des modèles génératifs, je propose de distinguer six souverainetés de l’intelligence artificielle. Elles ne constituent pas six états indépendants, mais six dimensions sur lesquelles un pays, une entreprise ou une institution peut disposer de degrés d’autonomie très différents.

La première est la souveraineté cognitive. Elle concerne la capacité à concevoir, entraîner et faire évoluer les modèles eux-mêmes. Qui possède les compétences scientifiques nécessaires pour créer l’intelligence que nous utilisons ? Qui comprend suffisamment son architecture et son fonctionnement pour ne pas dépendre entièrement de décisions prises ailleurs ? C’est la dimension qui se rapproche le plus de notre conception traditionnelle de la souveraineté technologique, mais elle n’en constitue qu’une partie.

La deuxième est la souveraineté des données. Les modèles n’ont de valeur appliquée que lorsqu’ils rencontrent des données. Il faut donc savoir qui les possède, où elles sont stockées, sous quel droit elles sont traitées, qui peut les réutiliser et si elles servent à améliorer un système extérieur. Une entreprise peut parfaitement utiliser un modèle américain ou chinois tout en conservant une maîtrise très forte de ses données ; inversement, elle peut utiliser un modèle européen tout en abandonnant une part importante de cette maîtrise à travers son architecture cloud ou ses conditions contractuelles.

La troisième est la souveraineté du calcul. C’est la plus matérielle et, paradoxalement, l’une des moins visibles pour l’utilisateur final. Elle dépend de l’accès aux GPU, aux centres de données, au cloud, aux réseaux, aux semi-conducteurs et désormais à l’énergie capable d’alimenter ces infrastructures. La Commission européenne place précisément le calcul, les données et les infrastructures parmi les piliers centraux de sa politique actuelle de souveraineté technologique, reconnaissant ainsi que l’autonomie numérique repose aussi sur des ressources industrielles et physiques (Commission européenne, 2026).

La quatrième est la souveraineté opérationnelle. Elle pose une question très concrète : que puis-je réellement faire sans demander la permission à mon fournisseur ? Puis-je installer le modèle sur mon infrastructure, le modifier, l’auditer, changer ses règles, interrompre son utilisation ou le remplacer par un autre sans reconstruire tout mon système ? Cette dimension introduit une distinction essentielle entre propriété et contrôle. On peut ne pas avoir créé une technologie et conserver une grande autonomie dans son usage ; on peut, à l’inverse, utiliser une technologie européenne tout en devenant fortement captif de son fournisseur.

La cinquième est la souveraineté normative et culturelle. Elle concerne les langues, les valeurs, les catégories, les représentations du monde, les interdictions et les arbitrages incorporés dans les modèles. Les travaux sur la souveraineté numérique accordent encore une place relativement limitée à cette dimension, alors qu’elle devient centrale dès lors que les systèmes d’IA ne se contentent plus de traiter des données mais participent à la production de textes, de connaissances, de conseils et de décisions. Être souverain signifie alors aussi pouvoir comprendre les normes portées par un modèle, les discuter et, si nécessaire, les modifier.

Enfin, la sixième est la souveraineté économique et industrielle. Elle pose peut-être la question la plus simple : où reste la valeur ? Où se trouvent les emplois, la propriété intellectuelle, les revenus, les infrastructures, les investissements et les capacités industrielles créés par l’IA ? Un pays peut être juridiquement très protecteur de ses données tout en transférant l’essentiel de la valeur économique vers quelques plateformes étrangères. À l’inverse, il peut intégrer des technologies venues d’ailleurs tout en construisant autour d’elles des entreprises, des compétences et des marchés capables de conserver une part importante de cette valeur.

Cette grille change profondément la lecture du cas Mistral.

En proposant GLM-5.2 sur une infrastructure européenne, Mistral peut renforcer la souveraineté des données de ses clients, leur souveraineté opérationnelle et, si son infrastructure se développe réellement en Europe, une partie de leur souveraineté du calcul. Il peut également contribuer à une forme de souveraineté économique en maintenant en Europe l’intégration, l’hébergement et une partie de la valeur créée autour du modèle.

Dans le même temps, l’utilisation d’un modèle conçu par Z.ai ne renforce évidemment pas la souveraineté cognitive européenne sur ce modèle particulier. Elle ne garantit pas davantage une souveraineté normative et culturelle, puisque les choix fondamentaux réalisés lors de son entraînement et de son alignement initial ont été effectués ailleurs.

La même technologie peut donc augmenter certaines souverainetés tout en en réduisant d’autres.

C’est ce qui rend les jugements binaires désormais peu opérants. Dire qu’un système est « souverain » parce qu’il est hébergé en Europe est insuffisant. Dire qu’il ne l’est pas parce que son modèle a été développé en Chine ou aux États-Unis l’est tout autant.

La vraie question devient : sur quelles dimensions voulons-nous être souverains, à quel degré, et pour quels usages ?

Un hôpital, une banque, une administration de défense, une PME industrielle ou une université n’auront pas besoin du même niveau d’autonomie sur chacune de ces six dimensions. La souveraineté cesse alors d’être un slogan national pour devenir un choix stratégique qui peut être évalué, arbitré et surtout mesuré.

Cette approche permet également de sortir d’un faux dilemme qui empoisonne souvent le débat européen. Nous n’avons pas nécessairement à choisir entre tout produire nous-mêmes et tout acheter aux autres. Nous devons déterminer ce que nous ne pouvons pas nous permettre de ne plus maîtriser.

II. La souveraineté n’est pas l’autarcie

Reconnaître plusieurs dimensions de souveraineté conduit à abandonner une autre idée héritée du monde industriel : celle selon laquelle un pays ne serait véritablement souverain que s’il produisait lui-même l’ensemble des technologies qu’il utilise.

Une telle ambition serait aujourd’hui largement illusoire. Aucun pays européen ne maîtrise seul toute la chaîne qui va des semi-conducteurs aux centres de données, des modèles fondamentaux aux logiciels métiers. Les États-Unis eux-mêmes restent dépendants de chaînes de valeur internationales pour certaines technologies critiques. La souveraineté ne peut donc pas signifier l’absence de dépendance. Toute économie avancée est interdépendante.

Le problème commence lorsque l’interdépendance devient irréversible.

C’est ici qu’une définition plus réaliste peut être proposée : la souveraineté ne sera peut-être plus la capacité à tout produire soi-même, mais la capacité à ne jamais devenir prisonnier de ce que l’on ne produit pas. Cette approche repose sur trois propriétés.

La première est la réversibilité : pouvoir sortir d’une technologie, d’une plateforme ou d’un fournisseur sans que le coût économique et technique rende cette sortie pratiquement impossible. Cette question est déjà au cœur du Data Act européen, qui impose des obligations destinées à faciliter le changement de fournisseur de services cloud et à réduire les obstacles contractuels, commerciaux et techniques responsables des phénomènes de vendor lock-in (Union européenne, 2023). La Commission européenne en fait désormais explicitement un élément de sa politique de souveraineté numérique.

La deuxième est la substituabilité. La réversibilité permet de partir ; la substituabilité permet de remplacer. Pour une architecture d’IA, cela signifie éviter de construire tout un système autour des spécificités d’un seul modèle au point que son remplacement impose de reconstruire les applications, les données, les processus et les interfaces. L’interopérabilité devient alors un attribut de souveraineté. La Commission européenne le reconnaît également lorsqu’elle associe explicitement portabilité et interopérabilité à la capacité des utilisateurs de choisir leurs fournisseurs et de combiner plusieurs services cloud (Commission européenne, 2026).

La troisième est la pluralité. Une organisation réellement autonome ne devrait pas nécessairement chercher un fournisseur unique parfaitement souverain, mais éviter qu’un fournisseur devienne irremplaçable. Dans l’IA, une architecture peut combiner plusieurs modèles selon leurs performances, leurs coûts, leur niveau de confidentialité ou la sensibilité des usages. Une banque pourrait ainsi utiliser un modèle local pour certaines données critiques, un modèle européen pour des applications réglementées et un modèle américain ou chinois pour d’autres tâches moins sensibles. La souveraineté résiderait alors moins dans la pureté de l’origine que dans la capacité à préserver plusieurs options.

Cette logique commence à apparaître dans les politiques publiques européennes. En 2026, la Commission a attribué ses contrats de cloud souverain à quatre fournisseurs différents en expliquant explicitement que cette diversification devait renforcer la résilience et éviter l’enfermement auprès d’un acteur unique. Son nouveau Cloud Sovereignty Framework évalue d’ailleurs la souveraineté selon 48 critères répartis en huit dimensions, notamment juridiques, opérationnelles, technologiques, liées aux données, à la chaîne d’approvisionnement et à la sécurité (Commission européenne, 2026).

On voit ainsi apparaître une conception moins spectaculaire mais sans doute plus robuste de la souveraineté. Elle ne promet pas l’indépendance absolue ; elle organise la capacité à changer.

Pour une entreprise ou un État, la bonne question ne serait donc plus seulement : « Qui a développé ce modèle ? » Elle deviendrait aussi : puis-je l’exécuter ailleurs ? Puis-je récupérer mes données ? Puis-je auditer son fonctionnement ? Puis-je changer de fournisseur ? Puis-je substituer un autre modèle sans reconstruire tout mon système ? Et ai-je conservé les compétences nécessaires pour reprendre le contrôle si les conditions géopolitiques, économiques ou réglementaires changent ?

Une dépendance maîtrisée peut rester une interdépendance. Une dépendance irréversible devient une vulnérabilité.

C’est peut-être autour de cette distinction que peut se construire une souveraineté crédible pour les années 2030. Mais cette définition comporte elle-même un danger. À force de considérer qu’il suffit de pouvoir choisir, héberger, auditer et remplacer les technologies des autres, l’Europe pourrait finir par devenir extraordinairement souveraine sur leur utilisation tout en cessant progressivement d’être souveraine sur leur création.

III. Le risque d’une « souveraineté coquille vide »

La définition précédente a une force, mais aussi un danger. À force d’insister sur la réversibilité, l’interopérabilité et la capacité à choisir entre plusieurs fournisseurs, l’Europe pourrait finir par considérer qu’il suffit de bien encadrer les technologies des autres pour être souveraine. Elle deviendrait alors excellente pour héberger, réguler, certifier, sécuriser et auditer des intelligences conçues ailleurs.

Ce scénario n’a rien d’absurde. Une partie de la politique numérique européenne s’est déjà construite autour de cette logique : réduire les dépendances critiques tout en composant avec la domination de fournisseurs étrangers. Les travaux académiques sur le cloud montrent précisément cette tension. Blancato souligne que la politique européenne de souveraineté des données cherche depuis plusieurs années à reprendre du contrôle sur un marché largement dominé par les hyperscalers américains, sans disposer pour autant d’alternatives européennes capables de les remplacer à grande échelle (Blancato, 2024). Les recherches consacrées à Gaia-X aboutissent à une conclusion similaire : l’Europe a progressivement cherché moins à éliminer la dépendance qu’à la gouverner par l’interopérabilité, les standards et la conformité (Adler-Nissen, 2024).

Cette stratégie peut être réaliste. Elle devient problématique si elle se transforme en horizon. Car maîtriser les règles d’accès à une technologie n’équivaut pas à maîtriser sa trajectoire. Pouvoir héberger localement un modèle ne donne pas la capacité d’inventer son successeur. Pouvoir auditer un système ne donne pas nécessairement la compétence scientifique pour en reconstruire un autre. Et pouvoir changer de fournisseur ne protège que tant qu’il existe plusieurs fournisseurs entre lesquels choisir.

Maîtriser les murs du data center ne signifie pas maîtriser l’intelligence qui y circule. Le signal est important. Une souveraineté sérieuse ne peut pas uniquement organiser la dépendance ; elle doit conserver une capacité de création crédible.

Cela ne signifie pas que l’Europe doive disposer d’un équivalent européen de chaque modèle américain ou chinois. Une telle course serait probablement inefficace et parfois impossible. Mais elle doit conserver suffisamment de recherche, d’ingénierie, de calcul et de compétences industrielles pour comprendre la frontière technologique, y contribuer et, si une dépendance devient critique, disposer d’une possibilité réelle de reconstruire.

La distinction est fondamentale. Il existe une différence entre choisir d’utiliser la technologie d’un autre parce qu’elle est meilleure et être obligé de l’utiliser parce que l’on ne sait plus en produire. C’est là que se situe la ligne de partage entre interdépendance et dépendance.

La Commission européenne a d’ailleurs renforcé en juin 2026 sa doctrine autour des semi-conducteurs, du cloud, de l’open source et de l’IA, avec l’objectif affiché de développer une souveraineté technologique plus complète et de renforcer des alternatives européennes dans les technologies critiques (Commission européenne, 2026).

Le véritable enjeu européen ne consiste donc pas à choisir entre deux extrêmes, tout fabriquer ou tout intégrer. Il consiste à savoir sur quelles technologies nous pouvons accepter de dépendre et sur lesquelles nous devons absolument conserver la capacité de comprendre, d’innover et de produire.

Sans cette capacité, la souveraineté pourrait devenir une coquille parfaitement réglementée, sécurisée et interopérable, mais dont l’intelligence continuerait d’être fabriquée ailleurs.

IV. Vers un ordre mondial de l’IA plus stratifié

Nous continuons souvent à décrire la géopolitique de l’intelligence artificielle comme une course unique : plusieurs puissances seraient engagées sur la même piste, avec pour objectif de produire le modèle le plus performant. Cette représentation devient trop simple.

La convergence rapide des performances en fournit un premier indice. En mars 2026, Stanford observe plusieurs entreprises américaines regroupées au sommet des classements, mais aussi Alibaba et DeepSeek à proximité, tandis que l’écart entre les meilleurs modèles américains et chinois s’est considérablement réduit. Stanford souligne également que la compétition se déplace progressivement vers d’autres critères, notamment le coût, la fiabilité et les performances spécialisées (Stanford HAI, 2026).

Si cette évolution se poursuit, le monde de l’IA pourrait moins ressembler à une pyramide dominée par un modèle unique qu’à un système stratifié, dans lequel plusieurs formes de puissance coexistent.

Les États-Unis disposent aujourd’hui d’un avantage exceptionnel dans les modèles propriétaires de frontière, les plateformes logicielles, le cloud, le capital et les écosystèmes capables de transformer rapidement une innovation en produit mondial. La Chine développe une autre combinaison : recherche de haut niveau, puissance industrielle et multiplication de modèles efficaces, dont plusieurs sont diffusés avec des poids ouverts et peuvent être déployés hors des infrastructures chinoises. Ces catégories ne sont évidemment pas absolues : les États-Unis produisent aussi de l’open source et la Chine des systèmes propriétaires. Elles permettent néanmoins de comprendre des orientations stratégiques différentes. Stanford confirme à la fois le leadership américain dans la production de modèles notables et la montée considérable de la Chine dans la recherche et les modèles de pointe (Stanford HAI, 2026).

Face à ces deux puissances, l’Europe aurait peu d’intérêt à choisir entre l’imitation et le renoncement.

Une autre position est envisageable : devenir l’espace où l’intelligence artificielle est contrôlable, interchangeable, auditable et intégrable dans les environnements les plus sensibles.

Cette proposition ne consiste pas à transformer une faiblesse industrielle en vertu réglementaire. L’Europe ne deviendra pas une puissance de l’IA simplement parce qu’elle possède l’AI Act ou parce qu’elle sait certifier les modèles produits ailleurs. Elle devrait combiner cette capacité normative avec des infrastructures, des modèles propres, des technologies ouvertes, des capacités de calcul et un écosystème industriel suffisamment solide pour que le contrôle qu’elle revendique soit techniquement réel.

Le choix stratégique européen pourrait alors être formulé autrement. Il ne s’agirait pas de devenir le troisième exemplaire des États-Unis ou de la Chine, mais de construire un écosystème dans lequel une banque, un hôpital, une administration, une entreprise industrielle ou une infrastructure critique puisse combiner plusieurs modèles tout en gardant la maîtrise de ses données, de son calcul, de ses règles et de sa capacité à changer de technologie.

Ce n’est évidemment encore qu’une possibilité stratégique, non un avantage européen acquis.

Mais elle pourrait permettre de sortir d’une compétition définie exclusivement par les autres. Dans un monde où les meilleurs modèles deviennent plus nombreux et plus proches en performance, la puissance pourrait aussi appartenir à celui qui garantit que ces intelligences peuvent être combinées sans créer de captivité, utilisées sans abandonner les données les plus sensibles et remplacées sans perdre l’ensemble du système construit autour d’elles.

L’Europe ne gagnera pas en devenant une copie tardive de la Silicon Valley ou de Shenzhen. Elle peut encore chercher à définir une autre forme de puissance : celle qui permet d’utiliser plusieurs intelligences sans renoncer au contrôle sur ce qu’on leur confie.

Cette possibilité devient d’autant plus crédible si une hypothèse aujourd’hui encore incertaine se confirme : que le modèle lui-même cesse progressivement d’être l’unique centre de gravité économique de l’intelligence artificielle.

V. Ce que l’histoire de l’informatique nous apprend : la valeur finit souvent par migrer

Au début d’une révolution technologique, nous avons tendance à confondre la technologie qui rend la rupture possible avec l’endroit où se créera durablement la valeur. L’histoire de l’informatique devrait nous rendre prudents.

Lorsque l’ordinateur personnel s’impose dans les années 1980, la machine elle-même concentre naturellement l’attention. Pourtant, la transformation décisive du secteur viendra progressivement de sa modularisation. Les ordinateurs deviennent des assemblages de composants susceptibles d’évoluer séparément : processeur, système d’exploitation, mémoire, périphériques, applications. Les travaux de Baldwin et Clark ont montré combien cette architecture modulaire a favorisé l’innovation en permettant à différents acteurs de se spécialiser sur certaines briques tout en construisant sur des standards communs (Baldwin & Clark, 2000).

Cette évolution a profondément déplacé la structure de l’industrie. IBM avait contribué à imposer le PC, mais une part considérable du pouvoir économique s’est ensuite concentrée chez ceux qui contrôlaient certaines couches devenues stratégiques, notamment Intel pour les microprocesseurs et Microsoft pour les systèmes d’exploitation. Bresnahan et Greenstein ont montré que la compétition informatique s’était progressivement organisée moins entre ordinateurs complets qu’entre plateformes technologiques capables d’attirer autour d’elles développeurs, fabricants et utilisateurs (Bresnahan & Greenstein, 1999).

Internet a connu un déplacement comparable.

Les protocoles qui permettent au réseau de fonctionner ont évidemment conservé une importance fondamentale. Pourtant, l’essentiel de la valeur économique créée par Internet ne s’est pas concentré chez ceux qui avaient inventé TCP/IP. Elle s’est progressivement déplacée vers les navigateurs, les moteurs de recherche, le commerce électronique, les plateformes, le cloud, les réseaux sociaux et les innombrables services construits au-dessus de cette infrastructure. Shane Greenstein a montré combien la commercialisation d’Internet avait précisément reposé sur cette capacité d’entrepreneurs et d’entreprises à construire de nouveaux usages au-dessus d’un réseau dont les briques fondamentales étaient déjà largement partagées (Greenstein, 2015).

Les travaux sur les plateformes ont ensuite généralisé cette intuition : dans les industries numériques, la puissance n’appartient pas nécessairement uniquement à celui qui possède une technologie, mais aussi à celui qui réussit à devenir le socle sur lequel les autres innovent (Gawer & Cusumano, 2014).

Je fais ici le pari que l’intelligence artificielle connaîtra une évolution comparable.

Les grands modèles resteront évidemment stratégiques. Ils continueront à concentrer une partie essentielle de la recherche, de l’investissement et de la puissance technologique. Mais ils cesseront progressivement d’être l’unique centre de gravité de la valeur.

Les premiers signes de ce basculement sont déjà visibles. Le Stanford AI Index 2026 observe une convergence croissante entre plusieurs modèles de premier plan et montre que la compétition se déplace progressivement vers d’autres dimensions : le coût, la fiabilité, les performances spécialisées et la capacité d’adaptation aux usages (Stanford HAI, 2026).

À mesure que les écarts entre modèles se réduiront, les entreprises accorderont moins d’importance au fait d’utiliser GPT, Claude, Gemini, Qwen, Mistral ou un autre modèle pris isolément. Elles chercheront avant tout à savoir quel système leur permet de mieux vendre, mieux produire, mieux soigner, mieux décider, mieux apprendre ou mieux servir leurs clients.

La valeur migrera alors vers les couches qui transforment une capacité générale en avantage concret : les données propriétaires auxquelles les concurrents n’ont pas accès, la connaissance métier accumulée dans l’organisation, les agents capables d’exécuter des tâches complexes, les workflows qui relient l’IA aux processus réels, les dispositifs de sécurité et de contrôle, les interfaces, la traçabilité et, surtout, la capacité de l’entreprise à intégrer ces technologies dans son fonctionnement quotidien.

Cette évolution pourrait même être accélérée par la généralisation des architectures multi-modèles. Demain, un agent pourra choisir automatiquement un modèle pour raisonner, un autre pour coder, un troisième pour traiter une image et un modèle local pour manipuler des données sensibles. Dans un tel environnement, l’utilisateur final ne saura parfois même plus quel modèle a produit chacune des étapes de la réponse. Le modèle restera indispensable, mais il deviendra progressivement une composante d’un système plus vaste.

C’est pourquoi je ne crois pas que l’économie de l’intelligence artificielle se résumera durablement à une compétition entre quelques grands modèles fondamentaux. Comme l’informatique ne s’est pas résumée au processeur et Internet à ses protocoles, l’IA ne se résumera pas au modèle.

La prochaine bataille se jouera dans la capacité à assembler ces briques pour créer des systèmes utiles, fiables et profondément intégrés aux métiers. C’est là que se déplacera une part croissante de la valeur économique, mais aussi une part essentielle de la souveraineté.

L’histoire de l’informatique nous invite donc à éviter une erreur : confondre la brique la plus spectaculaire d’une révolution technologique avec l’ensemble de l’économie qu’elle va créer.

Le processeur n’a jamais cessé d’être stratégique parce que les logiciels sont devenus essentiels. Les protocoles d’Internet n’ont pas cessé d’avoir de la valeur parce que Google, Amazon ou les réseaux sociaux se sont développés au-dessus d’eux. De la même manière, les modèles de fondation pourraient rester une technologie critique tout en devenant une couche parmi plusieurs dans la création de valeur de l’IA. Cette hypothèse change profondément la question européenne.

Si l’avenir de l’IA se joue aussi dans les données, les agents, les logiciels métiers, la sécurité, l’intégration et l’organisation du travail, alors l’Europe ne doit évidemment pas renoncer à produire des modèles. Mais elle aurait tort, inversement, de considérer que son destin technologique dépend exclusivement de sa capacité à posséder le modèle numéro un d’un classement mondial.

L’histoire des technologies montre que la puissance appartient rarement à celui qui maîtrise une seule couche. Elle appartient plus souvent à celui qui comprend assez tôt comment les différentes couches vont s’assembler pour créer les usages de demain.

Conclusion générale. La souveraineté sera une capacité, pas une frontière

Nous étions partis d’un paradoxe français. Mistral, devenu en quelques années le symbole de notre volonté de ne pas abandonner l’intelligence artificielle aux grandes plateformes américaines, choisit désormais d’intégrer dans son offre souveraine des modèles développés en Chine.

À première vue, l’histoire pouvait ressembler à celle d’un renoncement.

Elle raconte en réalité quelque chose de beaucoup plus important : la souveraineté en intelligence artificielle est en train de changer de nature.

Nous avions imaginé un monde relativement simple. Les États-Unis produiraient les grandes technologies ; l’Europe devrait construire les siennes pour retrouver son autonomie. La Chine est venue bouleverser cette représentation. Elle ne se contente plus de rattraper la frontière technologique. Elle produit des architectures, des modèles performants, des technologies ouvertes ou open weight qui circulent désormais dans le reste du monde et que des acteurs européens eux-mêmes commencent à intégrer.

La question n’est donc plus de choisir entre une IA américaine et une IA européenne. Le monde qui se dessine sera beaucoup plus entremêlé.

Nos entreprises utiliseront des modèles américains, chinois et européens. Certaines applications fonctionneront dans le cloud, d’autres localement. Des modèles ouverts cohabiteront avec des systèmes propriétaires. Des agents pourront mobiliser plusieurs intelligences successivement pour accomplir une même tâche. Les données resteront parfois dans l’entreprise alors que le modèle aura été conçu à l’autre bout du monde. Et, vraisemblablement, l’utilisateur ignorera de plus en plus quel modèle précis intervient derrière chaque décision de son système.

Dans ce monde, continuer à mesurer la souveraineté par la seule origine nationale du modèle n’aura plus beaucoup de sens.

C’est pourquoi j’ai proposé de la regarder autrement, à travers six dimensions : cognitive, données, calcul, opérationnelle, normative et culturelle, économique et industrielle. Cette grille conduit à une conclusion moins confortable que les slogans habituels : nous pourrons être très souverains sur certaines dimensions et profondément dépendants sur d’autres.

La question politique devient alors celle de l’arbitrage. Que devons-nous absolument savoir produire ? Que pouvons-nous acheter ? Quelles dépendances pouvons-nous accepter ? Lesquelles deviennent dangereuses ? Et surtout, que devons-nous préserver aujourd’hui pour être encore capables de choisir demain ?

Car toutes les dépendances ne sont pas problématiques. Nos économies ont toujours vécu de l’échange, de la spécialisation et de l’interdépendance. Le danger apparaît lorsque nous perdons la possibilité de changer de technologie, de comprendre ce que nous utilisons, de substituer un fournisseur à un autre ou de reconstruire nous-mêmes une capacité devenue critique.

C’est pourquoi la souveraineté des années 2030 se mesurera moins à notre capacité à tout posséder qu’à notre capacité à ne jamais devenir captifs.

Mais cette nouvelle conception ne doit pas devenir l’alibi de notre renoncement industriel. L’Europe ne peut pas se satisfaire d’être le continent qui réglemente les modèles américains, héberge les modèles chinois, sécurise les données et certifie les technologies que les autres inventent. Nous pouvons utiliser les intelligences du monde entier, mais nous devons continuer à en produire suffisamment pour rester capables d’en comprendre la frontière, de l’influencer et, lorsqu’il le faut, de construire nos propres alternatives.

L’histoire de l’informatique nous enseigne également que la bataille ne s’arrêtera pas aux modèles. Comme le processeur n’a pas résumé l’économie informatique et comme les protocoles n’ont pas résumé Internet, les grands modèles ne résumeront pas l’économie de l’IA. La valeur se déplacera aussi vers les données, les agents, les logiciels, les connaissances métiers, la sécurité, les interfaces et la capacité des organisations à transformer l’intelligence disponible en action utile.

L’Europe possède donc encore une carte considérable, à condition de ne pas jouer la partie d’hier.

Elle ne gagnera pas en cherchant à devenir une copie tardive des États-Unis ou de la Chine. Elle peut en revanche construire une forme de puissance propre, fondée sur une recherche capable de rester à la frontière, des infrastructures maîtrisées, des modèles européens lorsqu’ils sont stratégiques, l’ouverture lorsqu’elle réduit les dépendances, la pluralité des fournisseurs et une capacité industrielle à intégrer l’IA dans nos entreprises et nos institutions.

La véritable souveraineté ne consistera alors ni à fermer les frontières technologiques ni à rêver d’une impossible autarcie numérique. Elle consistera à rester suffisamment puissant pour que l’ouverture demeure un choix et ne devienne jamais une obligation.

C’est peut-être finalement ce que le paradoxe Mistral nous aura appris. La souveraineté ne consiste pas à savoir d’où vient toute l’intelligence que nous utilisons. Elle consiste à savoir ce que nous lui confions, ce que nous en maîtrisons et ce que nous sommes encore capables de construire sans elle.

Le défi européen n’est peut-être plus de construire une intelligence artificielle qui ne dépende de personne. Il est de construire une Europe capable d’utiliser l’intelligence de tout le monde sans jamais abandonner la sienne.