Calipia : le blog

Depuis trois ans, le débat français sur la souveraineté de l’IA ressemble à une partie de Monopoly où l’on aurait décidé de racheter toutes les rues de l’adversaire, une par une, avec la moitié de ses billets. GPU, datacenters, modèles de fondation : il faudrait tout posséder, tout reproduire, tout maîtriser. L’intention est louable. L’arithmétique, beaucoup moins.

Une course que les chiffres ont déjà tranchée

En 2026, Amazon, Alphabet, Microsoft et Meta prévoient ensemble environ 700 milliards de dollars d’investissements, en une seule année. Microsoft seul annonce près de 190 milliards. En face, la France a mis sur la table 109 milliards d’euros lors du sommet de Paris de février 2025, et l’Union européenne vise 200 milliards avec InvestAI, dont 20 milliards pour quatre gigafactories d’IA. Ces montants européens s’étalent sur plusieurs années, et mélangent argent public, promesses privées et redéploiement de programmes existants.

Autrement dit, quatre entreprises américaines investissent en douze mois plusieurs fois ce que l’Europe entière espère mobiliser sur la décennie. Et ce n’est que le capital. Les puces viennent de Nvidia, d’AMD ou des usines de Google et d’Amazon, la gravure avancée se fait à Taïwan, et une génération de GPU devient obsolète avant même d’avoir été amortie. A mon avis, reproduire la pile complète revient à poursuivre un TGV en trottinette, avec l’espoir que le conducteur s’arrête pour prendre un café 🙂

Même Mistral AI, fierté nationale légitime, semble avoir intégré cette réalité. Sa levée record de 3 milliards d’euros en septembre 2026, à une valorisation de 21 milliards, s’accompagne d’un discours révélateur : son directeur financier décrit l’entreprise comme un hybride entre Palantir et Anthropic. Traduction pour les DSI : un acteur qui veut s’installer chez le client et dans ses processus, pas seulement gagner les classements de benchmarks.

Le pouvoir migre vers la couche métier

La thèse défendue ici est simple : la valeur durable de l’IA générative ne se loge pas dans le modèle, mais dans la couche qui l’applique à un métier. Les modèles de fondation se banalisent. Les écarts entre leaders se comblent en quelques mois, le prix du token baisse régulièrement, et les modèles ouverts suivent les modèles fermés avec un décalage de six à douze mois.

Ce qui ne se banalise pas, en revanche, c’est la combinaison de quatre actifs que seul l’acteur métier détient. D’abord les données propriétaires : historiques de sinistres, dossiers patients, courbes de charge réseau, signaux de fraude. Elles ne traînent ni sur le web ni dans les corpus d’entraînement californiens. Ensuite les workflows réglementés : une décision de crédit, une indemnisation ou une manœuvre sur le réseau électrique s’inscrivent dans des chaînes de responsabilité auditées. Puis la conformité, qui devient une barrière à l’entrée : DORA, Solvabilité II, NIS2, HDS, SecNumCloud et AI Act. Enfin la confiance commerciale, car une banque systémique achète à qui comprend son métier et engage sa responsabilité.

L’Europe a déjà gagné ce type de partie. Elle n’a jamais dominé les systèmes d’exploitation ni les bases de données, et pourtant SAP et Dassault Systèmes sont devenus incontournables, y compris pour les entreprises américaines. Leur secret tient en une phrase : une expertise métier si profonde que la pile technique sous-jacente devient secondaire. L’IA offre exactement la même opportunité. La question n’est pas de savoir qui fabrique le moteur, mais qui contrôle le véhicule, le conducteur et l’itinéraire.

Des atouts sectoriels que Washington n’a pas

Un rapport de force n’exige pas l’égalité des moyens, il exige une dépendance réciproque. Les États-Unis vendent la puissance de calcul et les modèles. La France peut détenir ce sans quoi ces modèles ne produisent aucune valeur dans les secteurs critiques.

L’assurance en est la démonstration la plus aboutie. Shift Technology, licorne française fondée en 2014, vend de la détection de fraude et de l’automatisation de sinistres à une centaine d’assureurs dans 25 pays. Generali revendique 20 millions d’euros de gains annuels grâce à sa solution. Aucun client ne demande à Shift sur quel GPU tournent ses modèles : il achète une baisse du taux de fraude, point.

La banque offre un terrain comparable. Le coût de la conformité (lutte contre le blanchiment, KYC, reporting réglementaire) pèse lourd dans les comptes. Une IA qui automatise ces tâches tout en restant auditable par l’ACPR devient un produit exportable dans toute l’Europe, où les règles sont harmonisées. Un éditeur généraliste de la côte Ouest y part avec un sérieux handicap culturel et réglementaire.

La santé dispose d’un actif quasi unique au monde avec le Système national des données de santé. Owkin a montré qu’on pouvait entraîner des modèles là où se trouvent les données, grâce à l’apprentissage fédéré, sans les déplacer. Les données restent dans les hôpitaux français, la propriété intellectuelle du modèle aussi. Côté énergie, le couple EDF et RTE, le parc nucléaire et des données réseau d’une finesse rare forment un savoir-faire en maintenance prédictive et pilotage de réseau difficilement copiable. Ajoutez l’industrie et la défense (Dassault Systèmes, Airbus, Thales, Safran) et la carte devient franchement intéressante.

Ne pas tout lâcher pour autant

Renoncer à reproduire toute la pile ne signifie pas tout déléguer. Trois couches doivent rester sous contrôle français ou européen : les données métier et leur gouvernance, l’orchestration des agents et des workflows, et l’évaluation des modèles. Cette dernière est souvent oubliée, à tort. Sans jeu de tests métier propriétaire, impossible de changer de modèle sans risque, et impossible de répondre sérieusement aux exigences de l’AI Act.

L’hébergement des données sensibles doit passer par des offres qualifiées. Le cadre existe enfin : S3NS, la coentreprise de Thales et Google Cloud, est qualifiée SecNumCloud depuis décembre 2025, Bleu (Orange, Capgemini et Microsoft) vise la qualification fin 2026, aux côtés d’OVHcloud, Outscale ou Scaleway. Le dossier du Health Data Hub, dont la plateforme a annoncé en avril 2026 sa bascule vers Scaleway, montre la méthode : la France n’a pas reconstruit Azure, elle a fixé une règle d’accès à ses données les plus sensibles.

Le critère décisif tient en une question que tout DSI devrait poser à ses équipes : combien de temps faut-il pour remplacer notre fournisseur de modèle ? Trois semaines, la dépendance est acceptable. Trois ans, elle est stratégique. D’où trois réflexes d’architecture : au moins deux modèles de fondation dont un européen ou ouvert, une couche d’abstraction entre l’application et le modèle, et une capacité de bascule des traitements sensibles vers un cloud qualifié sans réécriture.

Les angles morts

Soyons honnêtes, cette stratégie déplace la dépendance plus qu’elle ne la supprime. Le Cloud Act et FISA continuent de s’appliquer aux fournisseurs américains. Une décision de contrôle à l’export pourrait priver l’Europe des modèles ou des puces les plus avancés. Le coût d’inférence payé outre-Atlantique peut absorber une part croissante de la marge. Et les pépites françaises ont une fâcheuse tendance à se faire racheter dès qu’elles réussissent.

Le risque le plus sous-estimé reste la désintermédiation. Les grands laboratoires américains descendent eux-mêmes vers les métiers, avec des agents spécialisés en finance, santé ou juridique, et des partenariats directs avec les grands comptes. La fenêtre pour installer des champions métier français se compte donc en années, probablement deux à quatre. Passé ce délai, la couche applicative sera occupée elle aussi, et l’on reprendra le débat sur les GPU avec un peu plus d’amertume.

Ce qu’il faudrait faire, concrètement à mon avis

Pour l’État, la priorité serait de réorienter une partie des fonds publics vers des appels à projets sectoriels, avec un ou deux champions par secteur critique financés par étapes. La commande publique devrait intégrer systématiquement des clauses de réversibilité et de localisation des données. Les données publiques sectorielles gagneraient à être ouvertes aux acteurs qualifiés via des espaces de données sécurisés.

Pour les grands groupes, l’enjeu est de devenir premiers clients et co-investisseurs des startups verticales plutôt que d’hésiter entre le tout interne et le tout hyperscaler. Des consortiums sectoriels de données, sur la fraude à l’assurance ou la lutte contre le blanchiment, permettraient de mutualiser sans perdre l’avantage concurrentiel. Et les contrats avec les fournisseurs américains doivent imposer portabilité, non-entraînement sur les données et droit d’audit.

Pour les startups enfin, la consigne est de viser la profondeur métier plutôt que la largeur technologique, de construire multi-modèles dès le premier jour et de penser européen d’emblée. Côté investisseurs, il faudra du capital patient pour éviter que chaque succès ne finisse dans le portefeuille d’un acquéreur californien.

Conclusion : la souveraineté, c’est surtout pouvoir dire non

La France ne gagnera pas la guerre des capitaux face à des acteurs qui investissent 700 milliards de dollars par an. Elle peut en revanche gagner la bataille des usages, là où se trouvent ses données, ses règles et ses champions industriels. La souveraineté n’est pas l’autarcie. C’est la capacité de dire non à un fournisseur, et de le remplacer sans que la banque, l’assureur, l’hôpital ou le réseau électrique ne s’arrêtent.

Un pays qui détient les applications indispensables à ses secteurs critiques, et qui peut changer de modèle en quelques semaines, n’est plus un simple client. Il devient un partenaire avec lequel il faut négocier. C’était le pari de SAP et de Dassault Systèmes. Il serait dommage de ne pas le rejouer à l’ère de l’IA, simplement parce que nous étions trop occupés à compter les GPU des autres.

Nous vous proposons lors du prochain Briefing Calipia en décembre une session qui abordera tout cela.