La souveraineté du modèle : le nouveau front de la bataille IA

Trois informations, en apparence disparates, sont tombées dans mon fil d'actualité cette semaine. Après DeepSeek l'an dernier, c'est au tour de Zhipu de faire sensation dans l'écosystème IA chinois. Sarvam, la licorne indienne soutenue par New Delhi, annonce vouloir concurrencer directement OpenAI et Anthropic. Et, en creux de ces deux nouvelles, une troisième, plus discrète mais plus révélatrice : des entreprises, y compris européennes, expliquent ouvertement qu'elles basculent vers des modèles d'IA chinois pour des raisons de coûts, face aux restrictions américaines et à l'explosion des factures des modèles frontière.

Cette dernière information mérite qu'on s'y arrête, parce qu'elle révèle un changement dans la manière dont les entreprises prennent leurs décisions technologiques. Le choix d'un modèle d'IA est en train de redevenir ce qu'il n'aurait jamais dû cesser d'être : une décision de souveraineté, pas une ligne budgétaire.

Le basculement

Le raisonnement qui pousse une DSI à substituer un modèle américain par un modèle chinois est, sur le papier, imparable : performances comparables sur de nombreuses tâches, coût d'inférence significativement plus bas, poids ouverts (open weights) qui permettent un hébergement interne ou chez un cloud provider de son choix. Face à des factures qui s'envolent et à des restrictions d'export américaines qui compliquent l'accès à certains modèles ou composants, l'arbitrage semble purement économique.

Le problème, c'est que ce raisonnement s'arrête là où il devrait commencer. Un modèle d'IA n'est pas un composant logiciel neutre qu'on peut évaluer sur un tableur de coûts par million de tokens. C'est un objet gouverné par un droit, entraîné sur des données dont on ignore souvent la provenance exacte, opéré (ou non) dans une juridiction précise, et soumis à des règles de conformité qui ne s'arrêtent pas à la frontière du pays d'origine du fournisseur. Basculer vers un modèle chinois pour économiser sur l'inférence, sans se poser la question de la loi chinoise sur la cybersécurité, de la localisation des données d'entraînement ou de fine-tuning, ou de l'auditabilité réelle du modèle, ce n'est pas résoudre un problème de dépendance : c'est en changer la nature, souvent sans le documenter.

Rester chez un fournisseur américain ?

L'actualité récente autour de Windows Recall vient rappeler une réalité inconfortable. Lors d'une audition au Sénat français, le représentant de Microsoft en France a explicitement confirmé que les données européennes hébergées sur son infrastructure pouvaient être transmises aux autorités américaines si une décision de justice américaine l'exigeait. C'est une déclaration officielle, faite sous serment, par l'un des plus grands fournisseurs de cloud et d'IA au monde.

Cette extraterritorialité juridique (le fameux CLOUD Act) ne concerne pas que Microsoft, elle est structurelle à tout fournisseur soumis au droit américain. Elle s'ajoute aux inquiétudes plus techniques soulevées par des fonctionnalités comme Recall elle-même, qui capture en continu l'activité d'un poste de travail, y compris potentiellement des données sensibles, avec des garanties de chiffrement que plusieurs experts en cybersécurité jugent insuffisantes.

Ce risque ne se limite d'ailleurs pas à l'extraterritorialité juridique. Arthur Mensch, le CEO de Mistral, le formulait sans détour cette semaine sur LinkedIn : les fournisseurs de modèles fermés qui imposent la rétention des données apprennent du contexte métier de leurs clients à mesure qu'ils les y connectent, et ont un historique de ciblage commercial de leurs clients les plus performants grâce à cette information. Au-delà du risque juridique, il existe donc un risque concurrentiel direct à confier ses données métier à un fournisseur fermé, qu'il soit américain, chinois ou autre : la question n'est plus seulement qui peut légalement accéder à vos données, c'est aussi qui peut commercialement en tirer parti contre vous.

Le constat qui en découle est inconfortable, mais nécessaire : ni le fournisseur américain, ni le fournisseur chinois, ne constituent par défaut un choix « sûr » du seul fait de leur nationalité. Le critère pertinent n'est pas « Etats-Unis contre Chine », c'est la capacité de l'entreprise à documenter, auditer et démontrer où vivent ses données, qui peut légalement y accéder, et sous quelles conditions elle peut se retirer d'un fournisseur sans rupture opérationnelle. C'est exactement la définition de la souveraineté technologique que nous portons chez Gabriel Greenfield, qui se prouve par une architecture documentée.

Une fragmentation géopolitique à trois pôles, pas deux

L'actualité de la semaine illustre une fragmentation de l'écosystème IA mondial qui dépasse le seul duopole Etats-Unis/Chine. L'Inde, avec Sarvam et le soutien explicite de New Delhi, entend se doter de ses propres modèles souverains plutôt que de dépendre exclusivement d'OpenAI ou d'Anthropic. Le message est clair : la maîtrise du modèle devient, pour les grandes puissances économiques, un enjeu de souveraineté nationale au même titre que l'énergie ou la défense.

Où se situe l'Europe dans cette fragmentation à trois (bientôt quatre, cinq) pôles ? L'Europe peut jouer deux cartes dans la course à l'IA : le verrou matériel de la chaîne de valeur avec ASML, Zeiss et Trumpf, et le verrou normatif avec l'ISO 42001 et l'AI Act. L'Europe ne gagnera sans doute jamais la course au calcul brut mais pourrait devenir la référence de la confiance certifiable. Au travers de l'actualité de la semaine s'en révèle une troisième : la carte du modèle lui-même.

Mistral : la preuve que la carte européenne n'est pas hypothétique

L'Europe n'est pas absente de la course aux modèles. Mistral AI, valorisée aujourd'hui autour de 22 milliards d'euros, a annoncé un plan d'investissement de 4 milliards d'euros dans des centres de données en France et en Suède. L'entreprise a scellé, ce printemps, des partenariats stratégiques avec Airbus et BMW pour déployer ses modèles sur des cas d'usage industriels concrets (ingénierie, maintenance prédictive, documentation technique). Sur le plan public, la Direction interministérielle du numérique expérimente depuis l'automne dernier un assistant IA reposant sur un modèle Mistral auprès de 10 000 agents de l'Etat, avec une généralisation envisagée cette année. M. Macron cite régulièrement Mistral comme la preuve que la France peut produire un champion technologique de rang mondial.

Ce qui rend la position de Mistral particulièrement intéressante du point de vue de la souveraineté, ce n'est pas seulement sa nationalité française. C'est sa stratégie de poids ouverts (open weights), qui rejoint directement l'un des axes du diagnostic de souveraineté que nous utilisons chez Gabriel Greenfield : l'axe Licence & Code. Un modèle propriétaire fermé, qu'il soit américain, chinois ou européen, place l'organisation cliente en dépendance totale : elle ne peut ni l'inspecter, ni le forker, ni le faire évoluer en cas de désaccord commercial ou stratégique avec son fournisseur. Un modèle à poids ouverts, à l'inverse, permet un hébergement choisi, une adaptation locale, et surtout une réversibilité réelle : la possibilité de changer de fournisseur d'inférence sans reconstruire l'ensemble de son architecture IA.

Faut-il un champion, ou un écosystème open source européen ?

Mistral est une réponse nécessaire, mais est-elle suffisante ? C'est la question que je pose ouvertement aux dirigeants qui me lisent. Parier la souveraineté IA européenne sur un seul champion, aussi solide soit-il, reproduit exactement le risque de concentration que nous cherchons à éviter en migrant hors d'un fournisseur américain ou chinois unique. La vraie robustesse d'une stratégie de souveraineté ne vient jamais d'un acteur unique, elle vient d'un écosystème suffisamment large et interopérable pour qu'aucun maillon ne devienne, à son tour, un point de défaillance unique.

Cela plaide pour un investissement européen plus large dans un socle de modèles open source, au-delà du seul Mistral : recherche académique mutualisée, standards d'interopérabilité entre modèles européens, infrastructures de calcul partagées entre pays membres. C'est un chantier de nature industrielle et politique qui dépasse le périmètre d'une entreprise, mais que chaque dirigeant peut d'ores et déjà anticiper à son échelle, en refusant de construire son architecture IA autour d'un unique fournisseur, quel qu'il soit, et en exigeant de ses équipes une cartographie claire des alternatives disponibles sur chacune des briques de sa chaîne de valeur IA.

GAME et Meridian : diagnostiquer avant de basculer

C'est précisément pour éviter que ce type de décision (changer de modèle pour des raisons de coût) ne soit pris dans l'angle mort de la gouvernance que nous avons construit le référentiel GAME (Greenfield AI Maturity Evaluation). GAME évalue la maturité IA d'une organisation sur 5 niveaux et 7 dimensions, et son principe directeur est simple mais souvent négligé : la maturité réelle d'une organisation se mesure à sa dimension la plus faible, jamais à sa moyenne. Une DSI peut afficher une excellence technique dans le déploiement de modèles tout en ayant une dimension gouvernance ou conformité quasiment inexistante. C'est exactement le profil de risque d'une bascule de fournisseur de modèle décidée uniquement sur un critère de coût d'inférence.

Une fois ce diagnostic posé, la méthodologie Meridian structure la trajectoire de transformation autour de sa matrice logique à quatre piliers : Innovation, Gouvernance, Résilience et Souveraineté. Ce n'est pas un hasard si la souveraineté y figure comme un pilier à part entière, au même rang que l'innovation ou la gouvernance, et non comme un sujet périphérique confié au seul RSSI.

Ce pilier Souveraineté se décompose lui-même en trois axes que nous utilisons systématiquement dans nos diagnostics : 

• l'axe Infrastructure (où vivent physiquement et juridiquement les données et les traitements), 

• l'axe Licence & Code (le niveau de réversibilité réel vis-à-vis du fournisseur de modèle), 

• et l'axe Maîtrise (la capacité interne de l'organisation à opérer, auditer et faire évoluer ce qu'elle exploite, indépendamment du prestataire). 

Choisir un modèle d'IA, chinois, américain ou européen, devrait systématiquement passer par ces trois filtres avant toute décision d'achat, exactement comme le ferait un choix d'architecture middleware ou de fournisseur cloud, et le diagnostic GAME objective précisément ce positionnement palier par palier.

Cette réversibilité n'est pas qu'une protection défensive. Elle conditionne aussi la capacité à construire ce qu'Arthur Mensch appelle un training flywheel continu, et que nous appelons, dans la couche agentique de Meridian, la Data Flywheel : chaque interaction avec vos agents IA doit enrichir un corpus propriétaire qui rend vos systèmes plus précis et plus difficiles à répliquer par vos concurrents ou vos fournisseurs. Ce mécanisme suppose de gouverner la donnée depuis sa capture jusqu'à son exploitation, ce qu'un modèle fermé à rétention imposée rend structurellement impossible. L'axe Licence & Code n'est donc pas seulement une clause de sortie de secours : c'est la condition d'entrée pour transformer l'usage quotidien de l'IA en avantage concurrentiel durable plutôt qu'en simple charge d'exploitation.

C'est aussi là que s'articule la dimension de conformité : un modèle dont on ne peut pas documenter la gouvernance, la provenance des données d'entraînement, ni les conditions d'accès légal aux données traitées, ne pourra pas s'inscrire dans une trajectoire de certification ISO 42001 alignée sur l'AI Act. Or cette certification devient, comme je l'évoquais dans mes précédents articles, le passeport de confiance qui conditionnera de plus en plus l'accès aux marchés publics et aux grands comptes régulés, quelle que soit la nationalité du modèle utilisé en coulisses.

Ce que cela change concrètement pour les dirigeants

La conclusion pratique de ces quatre actualités convergentes est simple, même si elle demande du courage managérial. Le choix d'un modèle d'IA ne devrait jamais rester une décision purement technique arbitrée par un tableau comparatif de coûts d'inférence. C'est une décision de souveraineté, de conformité et de gestion des risques, qui mérite le même niveau de rigueur que le choix d'un fournisseur d'infrastructure critique ou d'un partenaire financier stratégique.

Concrètement, cela signifie documenter, pour chaque modèle utilisé en production : la juridiction qui gouverne réellement les données transmises, les conditions contractuelles et légales d'accès par des tiers, le niveau de réversibilité technique et contractuelle, et l'alignement (ou non) avec une trajectoire ISO 42001. Cela signifie aussi refuser la fausse dichotomie entre « rester chez un hyperscaler américain par prudence » et « basculer vers un modèle chinois par économie », pour explorer sérieusement la troisième voie que Mistral a rendue crédible : un modèle ouvert, hébergé sur un territoire dont on maîtrise le droit, avec une réversibilité réelle.

L'Europe ne rattrapera peut-être jamais son retard en puissance de calcul brute. Mais elle dispose aujourd'hui, avec des acteurs comme Mistral, d'une preuve concrète qu'une alternative souveraine et ouverte est possible au niveau du modèle lui-même, pas seulement au niveau du matériel ou de la norme. À charge pour les dirigeants européens de ne pas laisser cette carte inexploitée, et de s'assurer, diagnostic à l'appui, que leurs choix de modèles d'IA reflètent une stratégie documentée plutôt qu'un réflexe budgétaire.