IA souveraine : la responsabilité reste en interne
Eva Mickler
7 min de lecture Qui intègre un modèle d’IA dans son environnement de production en assume la responsabilité ...
Lire l'article
7 min de lecture
L’un des startups IA les plus suivis actuellement s’appuie sur un modèle chinois Open-Weight. Une administration régionale allemande économise plus de 15 millions d’euros par an en passant à un logiciel ouvert. Ce qui relie ces deux exemples : la souveraineté ne vient pas de la possession, mais de la maîtrise.
Les points clés en bref
- La souveraineté se crée au-delà du modèle : la stratégie de données, l’évaluation, les intégrations et l’exploitation décident plus que la possession d’un modèle de base.
- L’Open Source n’est pas une voie à part : Linux, Kubernetes, Python, PyTorch et TensorFlow supportent une grande partie de l’infrastructure numérique.
- La direction doit se rapprocher de l’ingénierie : Qui achète seulement l’IA reste dépendant. Qui la comprend peut choisir consciemment les fournisseurs, les couches et les modèles d’exploitation.
Related :La politique des matières premières devient une politique technologique / La souveraineté bat le prix
Le paquet de l’UE crée de la capacité, la souveraineté se crée ailleurs
Le 3 juin 2026, la Commission européenne a présenté son paquet European Tech Sovereignty : un Chips Act 2.0, un Cloud and AI Development Act et une propre stratégie Open Source. Des milliards pour les semi-conducteurs, les centres de données, le cloud et les logiciels ouverts, pour réduire la dépendance de l’Europe à l’égard de fournisseurs en dehors de l’Union, qui selon la Commission est de plus de 80 % pour les produits et infrastructures numériques clés. C’est un premier pas important.
Mais qui prend la souveraineté au sérieux ne doit pas comprendre le paquet comme une pure politique d’achat. L’argent achète de la capacité, pas du contrôle. Il ne suffit pas de donner de nouveaux outils à un personnel. Il doit apprendre à créer de la valeur ajoutée, de la sécurité et du contrôle. C’est là que se décide si l’Europe achète seulement l’IA ou si elle la maîtrise.
Qui achète seulement du matériel crée de la capacité. Qui forme des personnes crée de la souveraineté. Qui construit les deux sur de l’Open Source crée une véritable indépendance.
Le débat européen sur l’IA tourne autour de la mauvaise question
Qu’est‑ce que la souveraineté numérique en IA ? La souveraineté numérique en IA signifie pouvoir contrôler ou déléguer consciemment les couches centrales de la pile IA : données, inférence, post‑entraînement, évaluation, conformité et exploitation. Être souverain ne consiste pas à posséder tout, mais à pouvoir maîtriser soi‑même les trajectoires de changement, les risques et la création de valeur.
Depuis des mois, on débat de l’Open Source, des dépendances aux hyperscalers et du prochain grand modèle de base. Qui est en tête ? OpenAI, Anthropic, Google, les fournisseurs chinois ou bien une initiative européenne comme Mistral ? Le débat public ressemble souvent à une course de chevaux technologique : qui gagne, qui s’impose, qui domine le marché ?
Alexander Hendorf
Stratège IA & Open Source, membre du conseil d’administration de l’Association Python Software ainsi que responsable du groupe de travail Open Source au sein de l’Association fédérale IA
Stratégiquement, cette perspective mène nulle part. La question décisive n’est pas : à qui appartient le meilleur modèle ? Mais : quelles parties de la pile IA pouvons‑nous comprendre, maîtriser et faire évoluer nous‑mêmes ?
La souveraineté numérique n’émerge plus en 2026 uniquement par la possession. Elle résulte de compétences : compréhension technique, contrôle opérationnel, maîtrise de ses propres données, procédures d’évaluation fiables, architectures d’intégration sécurisées et capacité à traduire les modèles en processus de travail concrets.
Celui qui considère le débat uniquement comme une concurrence entre fournisseurs se retrouve facilement en position de spectateur. Peut‑être qu’au final, un seul l’emportera, tel est l’espoir. Peut‑être faut‑il simplement se joindre à lui. Peut‑être la décision stratégique se résoudra d’elle‑même. Sérieusement ?
Celui qui attend ne développe aucune compétence propre. Et qui ne développe aucune compétence devient dépendant, quel que soit le modèle qui fournit les meilleures références ou le fournisseur qui remporte la course à l’attention.
La vraie valeur se crée au‑dessus du modèle
Cursor constitue un bon exemple. La startup américaine de codage, selon les rapports du secteur évaluée à environ 28 milliards d’euros, exploite son agent de codage Composer sur la base de Kimi K2.5, un modèle chinois à poids ouvert. L’essentiel n’est pas que Cursor possède le socle. La valeur se crée dans les couches supérieures : environnement de développement, intégration d’outils, post‑entraînement, évaluation et alignement constant sur le cas d’usage du développement logiciel.
Si même une startup américaine d’IA très médiatisée tire sa force de l’utilisation pragmatique de la substance du modèle existant et la maîtrise mieux que d’autres, l’Europe peut en tirer des leçons.
Comment ce levier se traduit concrètement en termes économiques, le montre le secteur public. Le Schleswig‑Holstein a migré son administration régionale vers des logiciels libres. D’après le bureau du gouvernement, près de 44 000 boîtes mail ont été transférées vers Open‑Xchange, et près de 80 % des postes de travail utilisent LibreOffice. Le Land estime les économies à plus de 15 millions d’euros de coûts de licence, avec un investissement ponctuel de neuf millions d’euros en 2026.
Deux mondes très différents, même schéma : qui maîtrise la substance ouverte crée de la valeur et de la marge.
L’Open Source n’est pas simplement un logiciel gratuit. C’est plutôt comparable à la recherche libre. Un résultat existe. La valeur ajoutée naît du fait de le comprendre, de l’appliquer, de le faire évoluer et de le traduire en produits, processus et décisions réels.
Développer de manière souveraine signifie avoir le choix
La souveraineté ne signifie pas construire soi-même tout. Elle signifie être capable de décider quelles couches on maîtrise soi-même et lesquelles on délègue consciemment.
Cette distinction est centrale. Une entreprise peut utiliser un modèle propriétaire et agir de manière souveraine si elle maîtrise sa stratégie de données, l’évaluation, les intégrations et la capacité d’exploitation. Inversement, une entreprise peut utiliser l’Open Source et rester dépendante si elle ne comprend pas la technologie et ne fait que consommer le prochain prestataire de services.
Six couches sont, à mon avis, cruciales. Pour chacune d’elles, la même question se pose : les maîtriser soi-même, les déléguer consciemment ou les exploiter de manière hybride ?
| Couche | Question stratégique |
|---|---|
| Données et résidence des données Dans quel pays et sous quelle juridiction les données se trouvent physiquement |
Quelles données quittent l’entreprise et qui peut les utiliser ? |
| Inférence L’endroit où la requête d’IA est réellement traitée |
La requête est-elle exécutée par un hyperscaler américain, dans un cloud européen, localement ou de manière hybride ? |
| Post-formation | Comment adapter un modèle à mes termes, processus et exigences de qualité ? |
| Évaluation | Comment mesurer si un modèle fonctionne vraiment mieux, plus sûrement ou plus économiquement ? |
| Conformité et audit | Puis-je comprendre comment les décisions sont prises et quels risques existent ? |
| Exploitation | Que fais-je si un fournisseur central cesse de fonctionner, augmente les prix ou modifie sa stratégie ? |
Consommer plutôt que comprendre est le vrai risque
De nombreuses organisations traitent encore l’IA comme un logiciel d’entreprise classique : on achète un outil, on branche une API et l’on s’attend à ce que la valeur ajoutée se crée quasi automatiquement. Ce n’est pas ainsi que l’IA fonctionne.
L’IA n’est pas un produit fini que l’on installe puis gère. L’IA est une capacité que les organisations doivent développer. Elle concerne les données, les processus, les rôles, les voies de décision, la gouvernance et la culture. Surtout, elle requiert une relation différente avec la technologie : moins de consommation, plus de compréhension.
De plus, le débat est beaucoup trop limité aux grands modèles de langage. L’IA est plus que des chatbots, des copilotes et des générateurs de texte. Le deep learning a, avec AlphaFold, transformé la recherche protéique. D’autres méthodes d’IA créent depuis longtemps une valeur mesurable dans l’industrie, la médecine, la logistique et la recherche. Qui ne voit l’IA qu’à travers le prisme des modèles de langage génératifs sous-estime son ampleur économique et scientifique.
Le problème réel n’est donc pas seulement technologique, mais organisationnel. De nombreuses entreprises achètent des outils et s’attendent à ce que la compétence soit fournie en même temps. Or, la compétence ne naît pas de l’achat. Elle se construit à force de travailler avec la technologie : par des expériences, des erreurs, des projets pilotes et des équipes internes qui comprennent ce qu’elles font et pourquoi cela fonctionne ou échoue.
C’est précisément ici que l’IA entre en collision avec un réflexe d’achat encore orienté vers la logique traditionnelle des fournisseurs : licence, SLA, package complet. Les piles d’IA ouvertes nécessitent d’autres modèles d’exploitation. Elles requièrent des partenaires de services plutôt que de simples concédants de licences, une responsabilité d’ingénierie plutôt qu’un simple transfert de contrat, et une compétence interne plutôt qu’une externalisation totale.
Il est particulièrement risqué que la distance entre décision et ingénierie se creuse. Les décisions stratégiques en matière d’IA sont souvent prises loin des équipes qui devront ensuite travailler avec les systèmes. En même temps, ces équipes manquent fréquemment de l’espace nécessaire pour tester, apprendre et développer des solutions par elles-mêmes.
La compétitivité à long terme ne naît pas dans les présentations, les feuilles de route ou les dossiers destinés au comité exécutif. Elle se construit là où les organisations maîtrisent pratiquement la technologie : dans les flux de données, les interfaces, les boucles d’évaluation, les mécanismes de sécurité et les processus de travail. Qui se contente d’acheter l’IA reste un simple utilisateur. Qui comprend l’IA devient capable d’agir.
L’Open source est la norme, pas l’exception
L’Open source est depuis longtemps la norme dans de nombreuses infrastructures numériques. Linux alimente la grande majorité de tous les serveurs cloud, y compris ceux des grands hyperscalers. Kubernetes orchestre le cloud. Python, PyTorch et TensorFlow constituent la base sur laquelle les modèles d’IA sont entraînés dans le monde entier, y compris ceux des fournisseurs américains propriétaires.
AWS, Microsoft et Google contribuent eux‑mêmes massivement aux projets open source et tirent une part importante de leur chiffre d’affaires en exploitant professionnellement des logiciels ouverts. L’Open source n’est donc pas une voie exotique. C’est la base invisible sur laquelle l’ensemble du secteur fonctionne.
Cela ne signifie pas que chaque entreprise doit entraîner son propre modèle de base. Mais chaque entreprise doit comprendre quelles couches sont différenciatrices pour son activité. C’est précisément à cet endroit qu’il faut développer des compétences. Tout le reste peut être acheté de façon ciblée.
Qui maîtrise les technologies ouvertes peut réduire les coûts de licence, faciliter le changement de fournisseur et renforcer son pouvoir de négociation. Qui n’est pas lié à un seul fabricant peut comparer les prix, changer d’infrastructure, remplacer des composants et développer ses propres extensions.
Particulièrement pertinent, la structure juridique de nombreuses licences open source. Une licence comme MIT n’est pas révoquable. Personne ne pourra, lors de la prochaine négociation tarifaire, exiger une majoration pour le renouvellement de la licence. Un fournisseur peut augmenter ses prix, modifier sa stratégie ou disparaître du marché. Le code ouvert reste utilisable, forkable et évolutif.
Naturellement, cela ne remplace pas une exploitation professionnelle. L’Open source ne signifie pas : gratuit et sans responsabilité. Cela signifie : accessible, personnalisable et contrôlable. C’est ainsi que naît la liberté, mais uniquement pour ceux qui développent les compétences nécessaires.
La chance de l’Europe réside dans la création de valeur des modèles ouverts
L’Europe a de meilleures conditions préalables que ce que le débat ne le laisse souvent supposer. Nous avons une recherche solide, des développeurs et des développeuses excellents, des communautés performantes et une longue tradition Open Source. De nombreux projets Open Source centraux, à travers l’infrastructure, le traitement des données et l’IA, sont aujourd’hui largement soutenus par des développeurs et des développeuses européens. Leur code est intégré dans chaque pile de hyperscaler, sans que personne n’en parle.
La chance de l’Europe ne réside donc pas uniquement dans la construction du prochain grand modèle de base. Cela peut être important, mais ce n’est pas la seule voie vers la souveraineté. La plus grande chance réside dans l’exploitation des technologies ouvertes existantes, la maîtrise professionnelle de celles-ci et leur utilisation le long d’une création de valeur concrète.
Ce n’est pas la récupération qui est l’attitude décisive, mais l’exploitation.
Commencer concrètement en trois étapes
Si les entreprises veulent commencer demain, trois étapes sont cruciales.
Premièrement : vérification des couches. Quelles sont les six couches qui différencient le propre business : données, inférence, post-entraînement, évaluation, conformité ou exploitation ? C’est là que les capacités sont développées. Tout le reste est acheté de manière ciblée.
Deuxièmement : véritable pilote au lieu d’achat d’outils. Une équipe interne a besoin d’un cas d’utilisation clairement délimité, avec une prise en main et non via la prochaine licence de logiciel. Un pilote dans lequel l’équipe opère réellement l’inférence, le post-entraînement et l’évaluation construit la compétence. Une autre licence ne fait pas cela.
Troisièmement : décision et ingénierie ensemble. Qui exploitera les systèmes plus tard appartient tôt à la décision. Cela raccourcit les cycles d’apprentissage, empêche les mauvais investissements et est la seule forme de gouvernance qui fonctionne dans la pratique.
Foire aux questions
Pourquoi le débat sur les modèles d’IA européens est-il trop limité ?
La question du modèle n’est qu’un aspect partiel. La stratégie de données, l’évaluation, l’exploitation, les intégrations et la compétence interne déterminent au moins autant si une entreprise peut agir de manière souveraine.
Quel rôle joue l’Open Source dans la souveraineté numérique ?
L’Open Source réduit les obstacles à l’entrée et offre une liberté de choix. Cependant, une entreprise ne devient souveraine que si elle comprend, exploite et délègue consciemment les couches pertinentes.
Où les dirigeants devraient-ils commencer pour atteindre la souveraineté en matière d’IA ?
Au contrôle des couches, avec de véritables pilotes internes et avec une connexion plus étroite entre la décision et l’ingénierie. L’acquisition d’outils ne remplace pas la formation de compétences.
Plus de contenu du réseau MBF Media
cloudmagazin
L’ingénierie de plateforme n’est plus un projet DevEx : une infrastructure critique pour l’entreprise
mybusinessfuture
Optimisation des processus sans projet permanent : comment les entreprises de taille moyenne restent opérationnelles
securitytoday
MFA adaptatif : pourquoi les paramètres par défaut ne suffisent pas
Source de l’image : générée par IA (mai 2026), certificat C2PA intégré dans l’image