EPISTELEM

  • Français
  • English

    • Catégorie : Data-fr

    • Succès de la Chine dans l’IA : Diplomatie open source et culture d’ingénieur

      Succès de la Chine dans l’IA : Diplomatie open source et culture d’ingénieur

      Cette analyse est publiée en partenariat avec l’Institut des relations internationales et stratégiques (IRIS).

      La progression de la Chine dans l’intelligence artificielle met à l’épreuve la domination américaine et le récit de son « exceptionnalisme financier », qui alimente la bulle spéculative. Elle montre ce qu’il est possible de réaliser en combinant collaboration open source, expertise technique et stratégie industrielle. Plutôt qu’un coup de génie, cette avancée s’appuie sur les compétences d’ingénieur, des investissements raisonnés et une organisation industrielle efficace. La faiblesse de la demande intérieure chinoise signifie également qu’elle intégrera de plus en plus ses modèles et les semi-conducteurs dans sa stratégie d’exportation massive.

      Dans le même temps, la Chine poursuit une ambition géopolitique. En posant en championne de l’IA open source, le pays utilise la technologie comme levier d’influence mondiale, proposant une alternative aux systèmes propriétaires fondés sur des financements insoutenables. Ce positionnement est d’autant plus notable que l’open source est en fait omniprésent dans les technologies numériques occidentales, au point d’en constituer le socle. Pourtant, de nombreux fournisseurs américains, comme le mal-nommé OpenAI, s’en sont éloignés, emportés par l’euphorie et les excès financiers.

      Les progrès actuels s’appuient sur des compétences en ingénierie partagées à l’échelle mondiale. La voie vers la compétitivité technologique reste ouverte à tout pays, y compris en Europe, à condition de soutenir une éducation scientifique ambitieuse, de donner les moyens nécessaires à ses jeunes générations et de récompenser l’innovation plutôt que l’inertie bureaucratique. Avec de la détermination, des ressources et un réalisme industriel, le rattrapage reste à portée de main.

      Course à l’innovation et stratégie open source

      Depuis le « moment DeepSeek » de l’an dernier, le paysage mondial de l’IA a connu un bouleversement bien au-delà des entreprises surcotées de la Silicon Valley. Les États-Unis conservent une avance dans les modèles d’IA de pointe, qui établissent leur standards en matière de raisonnement, de programmation et de tâches multimodales. Pourtant, l’émergence de modèles chinois comme Kimi K3 de Moonshot AI ou DeepSeek V4 a introduit une nouvelle donne, avec des performances comparables à celles des modèles américains, mais à un coût bien inférieur.

      La façon dont la Chine conteste désormais la domination américaine apparaissait inattendue il y a encore quelques années, si l’on se fiait au récit de l’exceptionnalisme américain. Pourtant, cette progression devient bien plus compréhensible en se basant sur les compétences traditionnelles en mathématiques et en ingénierie. Bien que ne disposant pas des budgets colossaux des géants mondiaux, la startup française Mistral avait d’ailleurs démontré, avant même DeepSeek, qu’il était possible de développer un modèle compétitif avec une équipe alors réduite à quelques dizaines de chercheurs de haut niveau.

      La concurrence chinoise bouleverse les équilibres économiques et financiers, au point de remettre en cause les valorisations stratosphériques des géants américains. Par ricochet, elle commence aussi à ébranler les fabricants de semi-conducteurs, notamment en Asie, qui bénéficient des flux financiers massifs en provenance des GAFAM, dépensant sans compter en puissance de calcul et en infrastructures.

      L’avantage coût prend une dimension particulièrement convaincante à l’ère des agents IA, où les actions itératives entraînent une consommation exponentielle. Les entreprises orientent de plus en plus leurs tâches vers les modèles chinois pour réduire leurs coûts. Dans la course à l’échelle de l’IA, l’accessibilité financière devient presque aussi cruciale que la performance.

      Au-delà des questions de prix, la philosophie et la stratégie politique derrière le développement de l’IA sont déterminantes. Lors de la Conférence mondiale sur l’IA à Shanghai ce mois de juillet, les dirigeants et les responsables technologiques chinois ont présenté leur pays comme le champion mondial de l’IA open source. Contrairement aux États-Unis, où les modèles propriétaires dominent désormais, la Chine présente ses avancées en IA comme ouvertes, accessibles et collaboratives, en opposition aux systèmes fermés et contrôlés par les géants de la Silicon Valley.

      En proposant des outils d’IA accessibles et peu coûteux, la Chine conquiert le Sud global et bien au-delà, suivant l’idée que l’IA doit être considérée comme un bien public plutôt que comme un actif privé. Bien sûr, le diable se cache dans les détails, et il sera intéressant d’observer dans quelle mesure les entreprises et les décideurs chinois honoreront cet engagement dans le temps. Il reste frappant de constater que la Chine s’approprie officiellement une approche qui a longtemps été un pilier discret de la scène technologique occidentale, autour de Linux et au-delà. OpenAI avait d’ailleurs été lancé sur cette promesse à l’origine.

      La stratégie open source de la Chine sert trois objectifs clés. Elle ébranle la domination technologique américaine en offrant une alternative viable aux systèmes propriétaires. Elle construit une nouvelle alliance technologique, en particulier parmi les pays en développement qui manquent de ressources pour des modèles coûteux. Enfin, elle pose les bases d’un écosystème technologique parallèle, réduisant la dépendance vis-à-vis des États-Unis, avec du matériel national, des plateformes de cloud alternatives, et une influence sur les normes.

      Alors que les États-Unis misent sur des systèmes propriétaires et des contrôles à l’exportation pour maintenir leur avance, la Chine parie sur l’ouverture et l’accessibilité pour gagner en influence mondiale. La tentation pour les États-Unis de répondre par une interdiction de ces modèles risque de se retourner contre eux, en coupant leurs propres entreprises des avancées réalisées dans l’IA open source, y compris au niveau national dans une certaine mesure, et en laissant les utilisateurs nationaux à la merci de tarifications dépendant des fluctuations de la bulle.

      Les semi-conducteurs et la bataille pour la souveraineté technologique

      La révolution de l’IA ne se limite pas aux algorithmes. Elle est indissociable du matériel. Depuis 2022, les États-Unis ont progressivement interdit l’exportation vers la Chine des puces les plus avancées de NVIDIA, invoquant des raisons de sécurité nationale. Ces restrictions ont atteint leur paroxysme lorsque le département du Commerce a bloqué l’accès des ressortissants étrangers aux modèles comme Claude Fable 5 et Mythos 5, forçant leur suspension mondiale et illustrant l’impact étendu des contrôles américains à l’exportation.

      La réponse chinoise a suivi une logique stratégique. Bien que la carte graphique Ascend 910B de Huawei reste en retrait par rapport aux H200 ou même H100 de NVIDIA, elle alimente désormais des avancées notables des modèles chinois. Le principal fabricant chinois de semi-conducteurs progresse, même s’il n’a pas encore accès aux techniques de lithographie de pointe (EUV) dominées par l’entreprise néerlandaise ASML. Pour accélérer son autonomie, la Chine a investi des sommes quasi illimitées et consenti des efforts massifs au profit de son industrie des semi-conducteurs, avec pour objectif que la majorité des charges de calcul en IA fonctionnent sur des puces locales d’ici quelques années.

      Les restrictions américaines, destinées à contrer les ambitions chinoises, ont en réalité accéléré sa quête d’autosuffisance. Pendant ce temps, des entreprises américaines comme NVIDIA et AMD voient progressivement leur accès au lucratif marché chinois se réduire, comme l’a récemment reconnu Jensen Huang.

      Cette course dans les semi-conducteurs ne concerne pas seulement la compétitivité économique, mais aussi la souveraineté technologique. Les États-Unis ont compté sur leur capacité à contrôler les flux de puces avancées pour maintenir leur avance. Mais en construisant son propre écosystème, des puces aux plateformes cloud, la Chine crée un marché parallèle où son industrie technologique peut prospérer avec de moins en moins de composants américains. Cette évolution tend vers un ordre technologique mondial de plus en plus divisé, avec des implications sur les normes, les chaînes d’approvisionnement et les alliances.

      Ces stratégies rappellent celles employées par des pays européens, comme la France à l’ère gaullienne, pour rattraper les technologies américaines, jusqu’à ce qu’un changement culturel profond permette aux dépendances critiques de proliférer, aboutissant à l’impasse industrielle actuelle.

      De l’IA au nouveau paysage militaro-industriel

      La compétition dans les domaines de l’IA et des semi-conducteurs concerne de plus en plus la sphère militaire. Cela se manifeste dans l’essor de la guerre asymétrique, où des pays comme l’Iran ont montré comment des systèmes bon marché et produits en masse peuvent efficacement défier la supériorité militaire américaine et israélienne.

      La Chine, elle aussi, tire parti de ses avancées technologiques à des fins militaires. Sa stratégie veille à ce que les percées en IA et en semi-conducteurs profitent à ses capacités de défense. Les missiles hypersoniques, les drones autonomes et les outils de cyberguerre pilotés par l’IA en sont des exemples, illustrant comment la Chine combine technologies commerciales et militaires. Cela constitue un avantage clé dans la nouvelle confrontation par blocs, où la capacité à déployer et à étendre rapidement des systèmes avancés peut déterminer l’équilibre des puissances.

      Des décennies de désindustrialisation ont laissé les États-Unis et l’Europe dépendants des chaînes d’approvisionnement mondiales pour les technologies critiques, des terres rares aux semi-conducteurs avancés. Aux États-Unis, et dans une moindre mesure en Europe, les « Chips Acts » tentent de reconstruire une capacité de production nationale. Pourtant, pour l’instant, TSMC à Taïwan reste le maillon central de la chaîne d’approvisionnement mondiale en puces, rendant les clients vulnérables aux perturbations. Pendant ce temps, la capacité croissante de la Chine à produire son propre matériel, même si elle accuse encore un retard sur certains modèles américains les plus récents, lui confère un degré de résilience que les États-Unis ne possèdent pas actuellement.

      La démocratisation des technologies militaires, portée par les progrès en IA, drones et missiles, signifie qu’un nombre croissant de pays peuvent défier les superpuissances militaires traditionnelles.

      L’avenir de la diplomatie technologique

      Alors que la compétition en matière d’IA et de semi-conducteurs s’intensifie, le Sud global émerge comme un front politique crucial. La Conférence mondiale sur l’IA à Shanghai n’a pas seulement servi de vitrine à la puissance technologique chinoise, mais aussi de scène pour sa diplomatie technologique. En se positionnant comme leader de l’IA open source, la Chine séduit les pays en développement, avides d’alternatives accessibles et abordables aux systèmes occidentaux.

      Pour beaucoup, le choix entre des modèles américains coûteux et propriétaires et des alternatives chinoises open source et moins chères ne se pose pas. Les startups africaines et sud-asiatiques, par exemple, adoptent de plus en plus les modèles chinois d’IA pour des applications dans l’agriculture, la santé et la finance, où le coût et l’accessibilité sont essentiels. En offrant formation, financement et soutien infrastructurel, la Chine cultive un réseau de partenaires qui redessine progressivement le paysage technologique mondial.

      La puissance internationale se jouera en grande partie sur la maîtrise de l’IA, des semi-conducteurs, de la robotique et de la production industrielle. L’Europe, en particulier, doit retrouver la culture d’ingénieur qui a porté son succès industriel d’après-guerre, avant que la bureaucratisation, les politiques industrielles manquant d’intuition scientifique, et l’importation de la crise culturelle américaine (sans ses programmes scientifiques d’excellence ni ses financements) ne l’en éloignent.

      La puissance se construit aussi par la capacité des pays à proposer le récit le plus convaincant pour l’ordre technologique mondial, en dehors des tendances financières insoutenables. Le pari chinois sur l’open source en est un signal clair. Dans un ordre multipolaire, la capacité à offrir des solutions technologiques accessibles, innovantes et inclusives sera essentielle.

    • La France, hub européen des data centers, mais que pèse-t-elle dans la bataille de l’IA ?

      La France, hub européen des data centers, mais que pèse-t-elle dans la bataille de l’IA ?

      Entretien avec Atlantico sur les investissements dans les infrastructures physiques de l’IA en France, à l’occasion des annonces du sommet Choose France 2026 (extraits).

      Les annonces faites à Choose France sont-elles le signe que la France est en train de gagner la bataille de l’IA, ou seulement celle des data centers ? Derrière le total de 93 milliards d’euros annoncés, que représente réellement, pour le volet IA, la création de technologies, de modèles et de propriété intellectuelle, par rapport aux infrastructures ?

      Ces investissements ne signent certes pas une victoire décisive de la France dans la course de l’IA, mais ils la placent au cœur des infrastructures qui la sous-tendent en Europe. Ils s’accompagnent de retombées industrielles, même si la création de propriété intellectuelle reste largement entre les mains de ces acteurs internationaux. Le défi sera de transformer cette attractivité en leviers pour développer l’industrie nationale.

      En pleine crise énergétique, avec son électricité largement décarbonée et son réseau électrique stable, la France devient un centre européen pour les infrastructures d’IA, attirant des acteurs comme SoftBank en particulier, Brookfield ou Ardian, qui investissent dans les data centers et suscitent des partenariats industriels. Schneider Electric mobilise son expertise en efficacité énergétique, refroidissement et automatisation. Ces projets contribuent au développement de compétences dans l’exploitation et la gestion de centres de données haute performance.

      Pour autant, le volet lié au développement de technologies clés et de modèles reste limité. Malgré le projet Bull/Foxconn sur les cartes mères, il s’agit plus d’infrastructures que de laboratoires de R&D ou a fortiori de production de cartes graphiques. Or c’est bien dans les semi-conducteurs que repose une immense partie de la valeur réelle du secteur. L’Europe reste très en retrait sur ce plan, malgré des initiatives intéressantes.

      Il faut par ailleurs garder à l’esprit l’exubérance financière généralisée autour de l’IA, notamment dans le financement d’infrastructures. Il convient de ne pas bâtir une stratégie nationale sur ces seules promesses. De plus, comme le montrent de nombreuses initiatives dans le monde, il est important de développer les sources locales de financement et de préserver l’intégrité des entreprises technologiques, sur le plan de la propriété intellectuelle et de la résilience du capital.

      On distingue souvent les data centers d’inférence, qui exécutent les requêtes, et les data centers d’entraînement des LLM, où sont développés les grands modèles d’IA. Sommes-nous en train d’accueillir en France les infrastructures les plus stratégiques de la chaîne de valeur ou principalement des data centers qui profitent de notre avantage énergétique ?

      Dans l’ensemble, les projets concernent les deux types mais sans distinction toujours très claire sur la répartition. Le cas qui semble tendre le plus vers l’entraînement est « l’AI gigafactory » Ardian/Verne combinant calcul intensif et activités de recherche. L’entraînement est plus stratégique sur le plan géopolitique et industriel. Ces centres nécessitent des ressources colossales (énergie, refroidissement, GPU) et sont difficiles à délocaliser.

      Les data centers d’inférence sont moins stratégiques, car ils reposent sur des modèles déjà entraînés et des puces plus limitées, optimisées pour cet usage. Cependant, ils complètent l’offre française en permettant de déployer des services d’IA à grande échelle, avec une latence réduite pour les utilisateurs européens. Leur valeur réside dans leur proximité avec les marchés finaux.

      L’enjeu consiste à ne pas être un simple hébergeur. La France doit capitaliser sur ces infrastructures pour développer des partenariats technologiques, attirer des centres de R&D (en conditionnant son soutien à des engagements en matière de transfert de technologie), créer des liens avec l’industrie locale (pour des modèles dédiés à des secteurs stratégiques), pour ne pas être un simple fournisseur d’électricité et de terrain.

      Arthur Mensch a expliqué devant l’Assemblée que l’IA est avant tout une industrie énergétique lourde. Est-ce que la France réalise vraiment que la bataille de l’IA ne se jouera pas seulement sur les talents ou les logiciels, mais d’abord sur la capacité à produire et acheminer de l’électricité ? La France peut-elle relever le défi de l’électrification face à la demande et aux besoins de l’IA ? 

      Mensch a rappelé à juste titre aux responsables politiques que l’IA n’est pas qu’une question de modèles mais aussi d’infrastructure matérielle et énergétique. Derrière chaque modèle, il y a des centres de données, des semi-conducteurs, du refroidissement, des réseaux électriques. En plus de mieux capitaliser sur nos ingénieurs et chercheurs polyvalents suivant la tradition de créativité mathématique, il s’agit aussi de tirer profit d’une électricité abondante, stable et compétitive. Sur ce point, la France conserve un avantage avec le nucléaire, bien que le parc ait été fragilisé par des hésitations stratégiques et que sa mise à contribution souffre d’un cadre européen de tarification aberrant.

      Pourquoi la France est-elle confrontée à une fenêtre de tir décisive de deux ans dans le domaine de l’IA ? Est-on en train de vivre l’équivalent d’une révolution industrielle où les positions prises aujourd’hui détermineront les rapports de puissance pour plusieurs décennies ?
      Nous entrons dans une phase de consolidation. Les premières années de l’IA générative étaient encore relativement expérimentales, en termes de développement de modèles ou de tarification. Désormais, les acteurs qui contrôlent le calcul, les données, les talents et l’énergie commencent à verrouiller les positions. On peut faire le parallèle avec les révolutions industrielles. Ceux qui maîtrisent les infrastructures structurantes imposent ensuite leurs standards technologiques, financiers et géopolitiques.

      Mais il faut aussi garder une certaine prudence face au discours dominant. Nous sommes dans une phase de valorisations excessives, avec des mécanismes de financement circulaires entre entreprises de semi-conducteurs, « hyperscalers » et fournisseurs de modèles. Une partie des usages reste encore peu rationalisée. Les marchés anticipent des revenus futurs gigantesques alors que des modèles sont appelés à rester déficitaires.

      Ne copions pas mécaniquement la stratégie américaine, centrée sur une logique d’hypercroissance financée par des marchés de capitaux très profonds. L’Europe n’aura ni les mêmes volumes financiers ni la même tolérance au déficit. Elle doit donc chercher des trajectoires plus sélectives, plus industrielles et efficaces.

      L’open source constitue un levier stratégique important : mutualisation des coûts, diffusion des capacités, moindre dépendance aux plateformes américaines et possibilité de développement de modèles spécialisés sans engager des dizaines de milliards de capital. Comme le rappelle Yann LeCun, les premiers développements de Llama chez Meta ont été largement réalisés depuis Paris. Le problème réside surtout dans l’incapacité à transformer cette capacité conceptuelle en puissance industrielle.

      Selon les estimations citées, l’IA pourrait nécessiter jusqu’à 40 gigawatts supplémentaires en France. Faut-il considérer le nucléaire comme la condition absolue de notre souveraineté numérique, ou bien un mix plus pragmatique – nucléaire, solaire, renouvelables et réseaux – devient-il incontournable ?

      Le nucléaire est essentiel si la France veut conserver une électricité pilotable, décarbonée et compétitive à grande échelle. Une IA industrialisée ne peut pas dépendre excessivement d’énergies intermittentes. Pour autant, l’enjeu concerne l’ensemble du système énergétique : réseaux, stockage, hydraulique, efficacité énergétique, capacités de refroidissement…

      Dans le même temps, la Chine développe des approches souvent plus pragmatiques : infrastructures moins coûteuses, modèles plus économes en calcul, optimisation matérielle agressive. De plus, Pékin cherche à reproduire les capacités de Nvidia face aux restrictions américaines à l’exportation.

      La compétition mondiale sur l’IA se joue désormais à des vitesses incompatibles avec notre montagne bureaucratique, sur le plan énergétique et au-delà. Il faudrait redévelopper des zones franches industrielles et technologiques : simplification réglementaire et fiscalité adaptée pour l’innovation et les infrastructures critiques. Le paradoxe français est d’avoir longtemps disposé d’un des systèmes énergétiques et scientifiques les plus compétitifs puis d’avoir organisé sa propre désindustrialisation.

      Est-ce que la France est en train de rater la montée en gamme de la chaîne de valeur de l’IA, en laissant les logiciels et les modèles partir aux États-Unis pendant que nous fournissons seulement l’énergie ?

      Le risque est effectivement de rester cantonné à une partie limitée de la chaîne de valeur : fournir l’énergie, les infrastructures ou les talents expatriés pendant que la captation de valeur se concentre aux États-Unis. Mais il est essentiel pour se repositionner de comprendre l’état actuel du secteur, avec ses failles et les nouvelles opportunités qui émergent.

      En plus des limites intrinsèques aux LLM, une partie du secteur fonctionne aujourd’hui sur des anticipations financières extrêmement spéculatives. Beaucoup d’usages restent difficiles à monétiser, alors même que les besoins en calcul et en capital explosent à l’ère de l’IA agentique. Une partie importante de la prochaine vague pourrait venir d’IA davantage intégrées aux systèmes industriels réels : robotique, automatisation, maintenance, défense, logistique, simulation industrielle, santé. Il ne s’agit pas seulement d’imiter OpenAI mais aussi d’orienter le développement pour augmenter la productivité industrielle, avec une intégration aux chaînes de production et aux systèmes physiques.

      Les futures introductions en bourse d’OpenAI à 850 milliards, Anthropic à 900 milliards, SpaceX à 2 000 milliards vont permettre aux géants américains d’investir et de verrouiller les capacités de calcul et les ressources énergétiques. Est-ce qu’il existe encore une possibilité réaliste pour la France et l’Europe de combler une partie du retard dans le domaine de l’IA face aux Etats-Unis et à la Chine dans cette fenêtre de tir de deux ans ? La robotique peut-elle être une des solutions pour la France ?

      Les valorisations évoquées montrent surtout la puissance financière américaine. Ces entreprises peuvent lever des montants capables de sécuriser des semi-conducteurs, des centres de données et des contrats énergétiques à une échelle inaccessible pour l’Europe.

      L’Europe s’est aussi enfermée dans une approche réglementaire labyrinthique, notamment avec l’AI Act. Plusieurs États et entreprises européennes ont demandé en vain des ajustements pour préserver la compétitivité industrielle. Donald Trump pour sa part n’a eu qu’à exiger, pour qu’Ursula von der Leyen s’exécute, dans le sens des intérêts américains.

      La France et l’Europe peuvent encore construire des positions fortes dans des domaines où elles disposent d’avantages industriels, scientifiques ou même énergétiques. La robotique combine logiciels, capteurs, mécanique, électronique de puissance et industrie, même sans nécessairement couvrir tous ces domaines.

      L’IA physique offre un angle alternatif aux usages très orientés vers la consommation et les chatbots. Une robotique industrielle avancée produit des gains directs de compétitivité, de productivité et de réindustrialisation. C’est probablement là que nous avons le plus de chances de créer des synergies avec notre tissu industriel.

      Retrouvez l’entretien complet sur Atlantico.

    • Bourbier iranien : stratégies face aux coûts durables

      Bourbier iranien : stratégies face aux coûts durables

      Cliquez sur l’image pour accéder à l’émission

      Donald Trump cherche une porte de sortie au bourbier que constitue la guerre avec l’Iran. Tout en brandissant la menace d’une escalade majeure qui rendrait des pans entiers de la région inhabitables, il assure que des négociations sont en cours.

      Si de véritables négociations de paix sont désormais hors de portée, en raison d’un écart de positions impossible à combler, une désescalade reste accessible.

      Les pays dépendants des importations d’énergie en provenance du Golfe se préparent toutefois à des conséquences durables, même en cas d’arrêt du conflit. Les capacités de production sont désormais atteintes, et l’Iran est susceptible de maintenir un niveau élevé de contrôle sur le détroit.

      L’Europe est moins exposée que l’Asie à une crise d’approvisionnement, mais la flambée des prix de l’énergie aggrave sensiblement ses fragilités multiples, de l’appareil manufacturier à la gestion de la dette. La marginalisation de l’énergie nucléaire laisse le continent particulièrement vulnérable à cette succession de chocs géopolitiques, les gouvernements passant sans cesse d’une dépendance extérieure à une autre au gré des secousses.

      Je suis intervenu dans l’émission Counting the Cost d’Al Jazeera. Extraits de mes interventions disponible ici.

    • Après la bulle : l’IA peut servir la puissance industrielle au lieu de l’assécher

      Après la bulle : l’IA peut servir la puissance industrielle au lieu de l’assécher

      Cette tribune a été initialement publiée par Les Echos.

      La bulle de l’IA générative repose sur des financements circulaires entre acteurs du secteur, des valorisations déconnectées des réalités économiques, et une concentration extrême des ressources sur les modèles de langage (LLM). Ce qui devrait alarmer n’est pas tant l’ampleur de ces investissements que leur contraste saisissant avec la désintégration des capacités industrielles occidentales. La guerre d’Ukraine a révélé cette faille structurelle, avec l’incapacité à produire en quantité suffisante des équipements militaires essentiels, résultat de décennies de désindustrialisation et d’une allocation déséquilibrée des capitaux. En plus de sa dimension stratégique, ce paradoxe interroge la façon dont nous mesurons la puissance économique.

      Sur le front même de l’IA, les succès d’acteurs comme Mistral ou DeepSeek, plus économes que celles les géants de l’IA, démontrent que l’innovation ne dépend pas que d’une course effrénée à la taille des modèles. Les milliards continuent d’affluer vers des infrastructures matérielles colossales – data centers énergivores, puces spécialisées, réseaux de calcul – sans questionner les limites fondamentales des LLM. Ces investissements massifs contrastent avec le sous-financement chronique de l’industrie, et paradoxalement de l’automatisation.

      Au-delà du fantasme d’un monde numérique dématérialisé, les data centers sont des infrastructures extrêmement gourmandes en ressources matérielles : énergie, métaux rares, composants électroniques. Leur prolifération illustre le paradoxe actuel : on décuple les capacités de calcul, tandis que les filières productives qui pourraient tirer parti de ces technologies manquent de financements et de commandes. Celles-ci se lancent souvent dans des projets d’IA pour cocher une case et tenter des effets d’annonce auprès des investisseurs. Dans le domaine militaire, les drones autonomes, les systèmes de combat intelligents ou la maintenance prédictive représentent des applications concrètes où l’IA feront la différence, mais à condition d’être intégrée à une base industrielle solide et de ne pas tout parier sur des modèles peu fiables.

      Les chaînes de production de munitions, de véhicules blindés ou de composants électroniques, atrophiées par des années de désinvestissement, peinent à répondre aux besoins. Les usines ont fermé, les compétences se sont raréfiées, et les tentatives de relance se heurtent à l’absence de planification stratégique à long terme. Les États-Unis, malgré leurs propres contradictions, tentent de corriger ce déséquilibre en relocalisant certaines productions stratégiques. L’Europe, en revanche, reste en retrait, s’enfermant dans une dépendance technologique extrême, qui hypothèque son intégrité.

      Le cœur du problème réside dans cette allocation déséquilibrée des ressources. Les capitaux et les talents se concentrent sur des technologies spéculatives. Et les applications industrielles de l’IA (robotique avancée, systèmes autonomes, optimisation des processus de production) restent sous-financées. Surtout, elles manquent de garanties commerciales sous la forme de commandes. Cette situation crée un cercle vicieux : plus les investissements se dirigent vers les LLM et leurs infrastructures, moins il reste de ressources pour moderniser l’appareil productif réel.

      Pourtant, l’IA pourrait être un important levier de réindustrialisation si elle était pensée différemment. Une approche plus équilibrée consisterait à réorienter une partie des investissements vers l’automatisation industrielle, développer des applications concrètes intégrées aux processus de production et enfin encourager les compétences hybrides alliant expertise numérique et connaissance des métiers industriels, plutôt que de chercher des effets d’annonce.

      Sans cette réorientation stratégique, on verra se creuser l’écart entre un secteur numérique surdimensionné et une base industrielle incapable de répondre aux défis matériels. La guerre en Ukraine a servi de révélateur. La puissance ne se mesure pas seulement à la capacité à développer des algorithmes sophistiqués, mais aussi à celle de produire des équipements essentiels. L’enjeu n’est pas de rejeter l’IA, mais de la réintégrer dans une logique industrielle, où l’innovation numérique servirait enfin la production matérielle plutôt que de s’y substituer. Sans ce rééquilibrage, l’Occident risque de se retrouver avec une économie où les capacités de calcul explosent, mais où les usines, elles, continuent de fermer.

    • Entre bulle de l’IA et pénurie militaire : une crise systémique

      Entre bulle de l’IA et pénurie militaire : une crise systémique

      La montagne financière construite sur les promesses révolutionnaires de l’IA générative est vertigineuse. Les financements circulaires entre entreprises du secteur se sont multipliés, alors que des limites structurelles apparaissent en termes de fiabilité des modèles de langage (LLM) et de leur valeur économique. De bulle en bulle, cette nouvelle fuite en avant renvoie à une désorganisation plus profonde des économies occidentales, en matière de mobilisation des capitaux et des compétences. A cet égard, les failles simultanées que présentent les soutiens de l’Ukraine dans leur capacité industrielle sont le symptôme d’une crise de système.

      L’analyse de Rémi Bourgeot, économiste et ingénieur, chercheur associé à l’IRIS.

      Alors que le monde prenait conscience du potentiel concret de l’intelligence artificielle avec ChatGPT, la faillite de la Silicon Valley Bank, début 2023, provoquait un début de crise financière. Les valeurs technologiques se voyaient fortement chahuter. On pointait alors du doigt les constructions financières hasardeuses centrées sur les fonds de capital-risque, notamment dans l’univers des cryptomonnaies, touché par une série de scandales.

      Ces scrupules allaient vite être balayés par une nouvelle phase d’euphorie financière, centrée cette fois sur l’IA, mais suivant des ressorts comparables. Nvidia émergeait alors comme la grande gagnante, avec ses cartes graphiques adaptées aux exigences du développement de réseaux de neurones géants. A l’occasion, elle verrouillait le marché avec sa plateforme propriétaire, Cuda. La notion même de ratio de valorisation semblait alors ensevelie par des perspectives de bouleversement de l’activité humaine.

      Il n’est pas choquant que la question des limites inhérentes aux modèles de langage aient été ignorées dans la première phase d’euphorie. Derrière les réactions à l’emporte pièce des apôtres comme des détracteurs absolus de l’IA, les précautions mesurées venaient plutôt de commentateurs discrets, mêlant compréhension technique des réseaux de neurones et intuition philologique (sur la puissance et les limites de la logique syntaxique que captent les LLM).

      OpenAI avait débuté en développant des modèles ouverts, à but non lucratif, et son statut est longtemps resté hybride. L’idée dominait selon laquelle les LLM atteindraient un point de rupture qualitative, grâce une explosion de leur taille et donc des capacités de calcul. La notion confuse d’AGI (intelligence artificielle générale) a alors servi d’horizon aux financements les plus démesurées.

      Dès 2024, les succès techniques d’entreprises comme Mistral en France et DeepSeek en Chine, avec des moyens incomparablement plus limités, ont pourtant commencé à semer le doute sur l’idée que le développement des LLM nécessitait les milliers de milliards de dollars dont parlait Sam Altman, chez OpenAI.

      Les entreprises qui développent les modèles d’IA fondamentaux ne présentent pas de modèle économique véritable, au-delà de l’utilisation des fonds des investisseurs pour couvrir leurs dépenses, notamment pour l’achat de puces. Mais au-delà même de la question de la stabilité financière, il faut se poser celle de l’allocation de ressources à une technologique particulière. Le pionnier Yann Le Cun n’a eu de cesse d’insister sur les limites des LLM et appelé à un effort sur d’autres types de modèles, ignorés par la masse des investisseurs. A la place, la bulle a pris une nouvelle dimension, avec des financements massifs des entreprises de semi-conducteurs, comme Nvidia, à destination de leurs propres clients, comme OpenAI.

      Cette dernière bulle interroge non seulement l’état de ce secteur mais plus généralement le mode de financement de l’économie. Il semble de plus en plus difficile aux pays développés de piloter une dynamique de développement, hors de vagues d’investissements et d’engouement institutionnel qui évoquent une forme de croyance magique ou, parfois même, d’hystérie collective.

      Pendant ce temps, la guerre d’Ukraine met en évidence les limites de l’industrie occidentale dans la production de matériels. Les capacités de production de munitions, de véhicules blindés ou de composants électroniques se sont avérés chroniquement inadaptés à une demande soutenue et prolongée. De nombreuses usines capables de fabriquer des composants critiques ont été fermées au cours des dernières décennies. Les chaînes d’approvisionnement sont limitées, souvent dépendantes de fournisseurs rares ou à l’étranger.

      Cette situation révèle un problème systémique centré sur l’insuffisance productive, au-delà de l’industrie de défense. Elle résulte d’un manque de planification stratégique, notamment dans le financement, l’approvisionnement énergétique, et la mobilisation des compétences. La relance de la production exige de restaurer des chaînes industrielles complexes et des modèles de rentabilité dans la durée. Sans cela, même des investissements massifs resteront sans effet.

      La puissance industrielle ne procède pas de bulles boursières gonflées par l’extase d’un nirvana numérique post-corporel. Elle nécessite une interaction délicate entre entreprises, institutions de recherche et agences publiques, fondée sur des stratégies longues et les compétences humaines. Derrière les ressources intellectuelles de pointe affectées aux LLM, la bulle renvoie à la faiblesse structurelle des stratégies de développement industriel, dans un contexte d’affaissement éducatif et de relégation des compétences scientifiques.

      Pour autant, au vu de la déroute symbolisée par Boeing, le pari des Etats-Unis, centré sur le redéploiement de certaines productions et la maîtrise des coûts énergétiques, montrent des débuts de succès, certes timides, jusque dans les semi-conducteurs, avec l’implantation de TSMC. Bien que les chocs financiers nuisent à la réindustrialisation de fond, le pays parvient, au final, à imposer sa domination dans le numérique.

      En ce qui concerne l’Union européenne, son retrait des enjeux technologiques et le chaos énergétique, lié à la sortie allemande du nucléaire, la place dans une situation plus précaire. Avec son positionnement comme utilisatrice dévouée des technologies américaines, elle saborde son potentiel industriel. Lors de la bulle internet de la fin des années 1990, l’Europe s’est laissée distancer pendant la phase d’ascension, a tout de même subi les effets de l’éclatement, puis abandonné l’ambition d’un rattrapage. A ce titre, la détermination qu’affiche Ursula von der Leyen, consistant à assurer à l’UE le statut de vassal numérique et militaire des Etats-Unis pour les décennies à venir, pointe l’horizon d’une baisse du niveau de vie des Européens et d’une dislocation politique.

    • Derrière DeepSeek, la voie de l’excellence française dans l’IA

      Derrière DeepSeek, la voie de l’excellence française dans l’IA

      En s’appuyant sur ses compétences mathématiques et l’open source, l’Europe peut concurrencer les États-Unis et la Chine, avec des investissements importants, mais surtout en remettant la culture scientifique au cœur de sa réflexion stratégique.

      Alors que l’IA chinoise DeepSeek rebat les cartes de la concurrence mondiale, la France cherche aussi à mettre en valeur ses compétences de pointe, par l’annonce de projets d’investissements massifs dans les infrastructures numériques, à l’occasion du sommet mondial de Paris. Les succès fulgurants de Mistral AI ont démontré le potentiel français, le talent mathématique de nos chercheurs et ingénieurs défiant la crise éducative. Cependant, un fossé apparaît entre cette excellence scientifique et l’action publique au détour de couacs, dont le lancement prématuré de l’IA open source Lucie est la dernière anecdote en date. L’État doit redéployer ses compétences scientifiques s’il veut assurer la cohésion stratégique de cet effort d’investissements et éviter que l’écosystème numérique ne se laisse systématiquement préempter par la Silicon Valley.

      Le moment est d’autant plus crucial que s’éloigne l’idée selon laquelle l’IA de pointe ne pourrait être qu’américaine, au vu de la compétence d’autres pays, comme la Chine mais aussi la France, avec une tradition mathématique en parfaite adéquation avec les défis des réseaux de neurones. DeepSeek a démontré au monde, avec quelques millions de dollars et des cartes graphiques limitées, que l’on pouvait se contenter de moyens incomparables avec ceux des géants américains. Il y a à peine plus d’un an, Mistral proposait aussi un modèle qui rivalisait avec ceux d’OpenAI, après quelques mois de travail et avec quelques dizaines d’employés. La compétence française est indéniable en matière d’IA. Ce talent est aussi visible au sein des géants américains. Yann Le Cun, l’expert en chef de Meta en matière d’IA, entraîne derrière lui toute une génération. Le modèle open source de l’entreprise, LLaMa, a en premier lieu été développé par une équipe parisienne.

      Nous étions déjà nombreux en 2023 à pointer l’émergence d’une IA plus économe et fine que celle des géants californiens. Les cerveaux français trouvent souvent dans la Big Tech des débouchés à leur excellence mathématique. Plusieurs des initiateurs de Mistral sont d’ailleurs passés par ces entreprises. Cependant, si le sort de tout succès européen est d’être aspiré dans le giron de géants américains, comme l’a partiellement été Mistral, les bénéfices que nous en tirerons resteront négligeables. Au vu du bouleversement économique qu’amène l’IA, une telle tendance nous condamnerait à une dépendance redoutable. Les démiurges transhumanistes n’ont pas de projet pour l’Europe au-delà de ses beaux paysages.

      Le développement des infrastructures et des data centers en particulier, au moyen d’investissements massifs, est indispensable à notre autonomie. On ne peut que saluer l’effort dans ce sens, s’il se concrétise dans l’ensemble, d’autant plus qu’il ne se réfugie pas derrière de labyrinthiques consortiums invoquant les mânes d’Airbus. On ne pourra, néanmoins, faire l’économie d’une réflexion sur la source des financements, l’équilibre décisionnel vis-à-vis des partenaires internationaux, et la pérennité des projets.

      Cela nécessite notamment de combler le déficit technologique des administrations, qui perdure malgré le retour en grâce de la notion de politique industrielle. Des financements éparpillés, sans analyse suffisante, dans le cadre de « France 2030 » à l’excès de communication événementielle, en passant par la « révolution de l’hydrogène » et les statistiques de réindustrialisation faussées par l’auto-entrepreneuriat, l’État doit faire un effort de fond. Cet effort est d’autant plus nécessaire alors que les remous de la politique mondiale risquent de secouer l’environnement open source, qui est au cœur de la dynamique de rattrapage dans l’IA.

      L’open source représente une opportunité remarquable de circulation du savoir technologique. Yann Le Cun en est un évangéliste et il semble sensible au rêve de voir son pays d’origine se refaire une place digne de sa tradition scientifique. Pour autant, au vu des fulminations des responsables américains contre DeepSeek, réclamant des restrictions plus fortes, on peut craindre que la brèche de l’open source dans l’empire de la Big Tech ne soit remise en cause. Cette situation conduirait à une domination plus implacable des États-Unis dans le secteur technologique, à laquelle peu de pays, à part la Chine justement, pourraient faire face. Les États vont devoir se pencher sur la question de la circulation des modèles et de l’open source en particulier, qui devrait désormais faire partie intégrante des négociations commerciales.

      L’Europe n’atteindra pas le gigantisme des investissements américains. Pour autant, DeepSeek, Mistral et d’autres dans le monde ont montré que nous pouvons nous redéployer dans le numérique, en tablant pour l’heure sur l’open source, mais surtout en remettant au centre des décisions notre culture d’ingénieur, avec l’éclectisme que cela implique. C’est cette voie, délaissée par l’Europe ces trois dernières décennies, que suivent ceux parmi les BRICS qui se positionnent efficacement dans la course technologique. Nous n’y parviendrons pas tant par une spécialisation sur les questions réglementaires qu’en remettant la culture scientifique au cœur de nos choix stratégiques.

      Ce texte a été initialement publié sur le site du jounal Les Echos.

    • Les semi-conducteurs sont le talon d’Achille des géants de l’IA

      Les semi-conducteurs sont le talon d’Achille des géants de l’IA

      L’ultraconcentration dans la conception et la production de semi-conducteurs pour l’IA, autour de Nvidia et TSMC, attise la convoitise des géants numériques, ultradépendants à cet égard. Pour autant, le rattrapage s’annonce difficile, malgré la mobilisation d’acteurs étatiques.

      L’explosion de l’intelligence artificielle repose sur deux piliers de natures différentes : d’un côté l’élaboration de modèles de langage géants façon GPT et, de l’autre, une puissance de calcul spectaculaire avec des processeurs dédiés. Ceux-ci sont conçus notamment par l’omniprésent géant Nvidia, et fabriqués par une poignée resserrée d’acteurs, avec le taïwanais TSMC en particulier. Modèles d’IA et semi-conducteurs nécessitent des investissements gigantesques et des compétences de pointe. Pour autant, il s’agit de deux mondes qui coopèrent étroitement certes, mais en répondant à des exigences très différentes.

      Sur le plan de l’élaboration des modèles, les géants numériques étatsuniens tels que Microsoft, Meta et Google disposent de toutes les ressources technologiques, économiques et politiques pour dominer le secteur, en interne et au moyen d’acquisitions/partenariats. Ce dernier aspect leur permet même de domestiquer la diversification que l’on observe avec l’explosion de l’open source, c’est-à-dire des modèles diffusés librement et réutilisables par tous. Bien que l’open source permette à tout un écosystème de l’IA d’exister, il n’est pas exactement à voir comme l’arme de David contre Goliath, car les géants eux-mêmes y sont très investis. Les modèles de langage LLaMa de Meta sont, par exemple, open source. De plus, le poids financier et l’emprise de la Big Tech sont tels que l’on voit les acteurs indépendants entrer dans leur orbite les uns après les autres. La pépite française Mistral a récemment annoncé entrer dans le giron de Microsoft, en lui confiant la diffusion de son modèle le plus avancé, qui sera donc fermé. Les géants ont ainsi largement les moyens de garder la main sur le développement de modèles.

      Pour autant, derrière la domination de ces mastodontes, l’importance des processeurs qui permettent la formation de ces modèles d’IA ne doit pas être sous-estimée. Elle est même le nerf de la guerre technologique actuelle et se trouve entre les mains de géants industriels d’un autre genre. Toute la scène de l’IA reste ultra-dépendante d’une chaîne de conception et de production de semi-conducteurs incroyablement concentrées, autour de Nvidia et de TSMC.

      Un boom de la demande de semi-conducteurs dédiés à l’IA, et très peu de fournisseurs

      Pour les géants numériques, l’autonomie en matière de semi-conducteurs reste un défi vis-à-vis duquel il reste délicat de se positionner. Après des années d’investissements, Nvidia a une position de quasi-monopole dans la conception de semi-conducteurs dédiés à l’IA. L’entreprise américaine a conçu l’année dernière 80 % de ce type de semi-conducteurs dans le monde.

      Une fois la conception réalisée, Nvidia sous-traite leur fabrication à la taïwanaise TSMC, une des dix sociétés capables de les produire dans le monde. Nvidia est dite « fabless ». Dans cette industrie, la fabrication d’un semi-conducteur nécessite une ligne de production avec des caractéristiques propres (équipement de fabrication, test et emballement). Ces nouvelles lignes de production sont extrêmement coûteuses. Une usine flambant neuve (ou fonderie dans la terminologie du secteur) nécessite entre 15 et 20 milliards de dollars et au minimum deux ans de construction. Très peu d’acteurs économiques peuvent investir ces sommes colossales et surmonter la barrière à l’entrée sur ce marché des fonderies (« Fabs »).

      Les États s’emparent du sujet au nom de la souveraineté technologique

      Malgré l’énormité des investissements, certains acteurs se lancent ou reviennent sur ce marché comme l’américain Intel ou la japonaise Rapidus. Les fabricants déjà dans la course comme TSMC ou la sud-coréenne Samsung poursuivent leurs investissements pour tenter de conserver leurs parts de marchés. À la sortie du Covid-19, après une pénurie dans les semi-conducteurs, des États ont décidé de relancer leur soutien financier au secteur. Les « Chip Acts » se sont multipliés pour augmenter la capacité nationale de fabrication de semiconducteurs, renforcer la sécurité économique et garantir même en cas de crise des approvisionnements pour des usages militaires. Parmi ces pays, on retrouve les États-Unis en 2022 avec le Chips and Science Act (39 milliards de dollars), l’Union européenne avec le Chip Act (43 milliards en 2023), le Japon avec la création du conglomérat Rapidus et un plan de soutien (100 milliards de dollars pour Rapidus et les nouvelles usines TSMC sur 2023-2027), la Chine avec en 2023, le lancement de la phase 3 du fonds de garantie du gouvernement chinois dédié aux semi-conducteurs (46 milliards de dollars pour la période 2023-2027), la Corée du Sud avec un plan du gouvernement de 7,3 milliards de dollars. Du côté des États-Unis, l’effet d’entraînement des subventions publiques dans le secteur est notable. Les 39 milliards de dollars du Chips and Science Act ont encouragé une vague d’investissements privés de 200 milliards de dollars dépensés par des entreprises américaines et étrangères sur le sol américain.

      De nouveaux entrants et une nouvelle échelle de financement

      Jusqu’à ce que de nouvelles usines produisent plus de puces, l’offre n’arrivera pas à suivre la demande mondiale de puces dédiées à l’IA. D’où une hausse sensible des prix. Une GPU de Nvidia (H100) peut aller jusqu’à 40 000 dollars l’unité. Sa disponibilité est limitée, car, même en augmentant le volume de production, l’entreprise ne répond toujours pas aux besoins du marché. Certains utilisateurs et acheteurs de puces Nvidia s’inquiètent de la dépendance à un seul fournisseur. C’est le cas de Sam Altman, le PDG d’OpenAI, car le manque de puces dédiées à l’IA risque de freiner le développement de sa propre entreprise. Pourquoi ne pas essayer de créer son propre outil industriel pour rétablir ce déséquilibre offre-demande ? C’est la logique de tout nouvel entrant dans un secteur en très forte croissance. Sam Altman a multiplié les rendez-vous auprès des fabricants et des fonds d’investissement depuis plusieurs mois. Dans ses premières estimations, il évoquait une recherche d’investissement (extravagante) de 7 000 milliards de dollars pour construire un nouveau pan de l’industrie des semi-conducteurs. Le projet est toujours en cours. Et Altman n’est pas le seul. Les initiatives fleurissent. Apple travaille avec TSMC pour fabriquer des puces d’IA. Le patron du groupe japonais, SoftBank, Masasyoshi Son, veut transformer son groupe en une puissance de l’IA. Son tout dernier projet est de permettre à sa filiale ARM de créer une nouvelle division de puces IA. Un prototype sera testé au printemps 2025 et la production de masse devrait démarrer à l’automne 2025. De son côté, Nvidia maintient son avance technologique sur un marché en croissance accélérée. Selon le centre de recherche Precedence Research of Canada, le marché mondial devrait atteindre 100 milliards de dollars en 2029 et 200 milliards de dollars en 2032.

      Cette pénurie d’un nouveau genre invite les géants numériques à se positionner sur le créneau, suivant des styles différents. Face à ces ambitions, Nvidia continue inlassablement à se positionner pour faire toujours mieux, et notamment mieux que ce que les géants pourront probablement faire en matière de conception de processeurs dédiés à l’IA. Les géants numériques se retrouvent pris dans un étau industriel qui leur sera difficile de surmonter. L’horizon d’une concurrence mondiale équilibrée où toutes les grandes zones parviendraient à se positionner reste encore plus lointain et incertain. Au-delà de leurs intérêts propres, l’ultraconcentration des semi-conducteurs dédiés à l’IA pointe un risque de résilience industrielle très concret pour toute la chaîne jusqu’aux utilisateurs finaux. En cela, la diversification est un enjeu politique majeur.

      Cette analyse a été écrite avec Estelle Prin et initialement publiée par l’IRIS.

    • Mistral dans le giron de Microsoft 

      Mistral dans le giron de Microsoft 

      L’entrée de la startup française Mistral AI dans le giron de Microsoft suscite des critiques politiques en Europe. En championne de l’open source, l’entreprise avait récemment milité pour un assouplissement de l’AI Act, avant d’annoncer son revirement vers un modèle fermé. Pour autant, son succès technique dans le développement de modèles fondamentaux, avec des moyens limités, démontre le potentiel de rattrapage de l’Europe, et de divers acteurs mondiaux. Pour atteindre une certaine autonomie, il resterait cependant à surmonter une difficile équation économique, qui pousse les startups les plus prometteuses dans les bras de la Big Tech.

      Le succès de Mistral AI pointe la capacité de rattrapage technique dans la course à l’intelligence artificielle (IA)

      De nombreux observateurs avaient tendance à penser que l’Europe devait se cantonner à un rôle d’utilisateurs des modèles d’IA américains pour développer divers types d’usage et d’applications. Sur le plan technique, le succès de Mistral confirme l’opportunité d’une IA relativement économe au regard de ce que fait la Big Tech en termes d’utilisation de données, de moyens financiers et humains.

      Mistral AI est parvenu en quelques mois à développer des modèles d’IA qui talonnent en performance ceux d’OpenAI, Google et Meta, avec des moyens certes conséquents, mais incroyablement plus limités que ceux des géants américains. Cela est particulièrement marquant sur le plan des effectifs, avec sa trentaine d’employés. Il s’agit d’une prouesse de la part de cette équipe, mais cela éclaire aussi la nature de la technologie qui sous-tend l’explosion de l’IA générative.

      En plus de nouvelles architectures de réseaux de neurones (transformers), les progrès spectaculaires de l’IA depuis une petite décennie sont surtout liés à l’utilisation d’une quantité de données et d’une capacité de calcul phénoménales. Tout en prenant cette vague d’explosion quantitative, Mistral creuse aussi le sillon d’une ingénierie d’IA plus fine, qui lui a permis de s’établir sur la scène mondiale en un temps record.

      Dans un contexte de crise éducative et de désindustrialisation aiguë, il reste possible de mobiliser des compétences issues des meilleures formations, pour rivaliser avec les géants technologiques mondiaux. Au-delà même de l’enjeu de l’autonomie européenne, ce constat technique est riche d’enseignements sur la course mondiale dans le domaine. Le rattrapage et la concurrence dans l’IA sont possibles, à condition d’offrir les capacités de financement, mais aussi de débouchés, dans la durée.

      L’entrée de Mistral dans le giron de Microsoft illustre la difficile équation économique d’une IA indépendante et ouverte

      Après s’être présentés en champions des modèles ouverts, open source, réutilisables par tous, les dirigeants de Mistral ont décidé que leur nouveau modèle le plus performant serait fermé, qui plus est suivant un accord de distribution avec Microsoft, qui prend au passage une participation dans l’entreprise. La voie de l’open source avait propulsé la probabilité de l’entreprise auprès des développeurs, en parallèle d’autres modèles ouverts comme LLaMa de Meta, face au modèle désormais radicalement fermé de la malnommée OpenAI.

      D’ailleurs, c’est précisément sur la base de cette évolution qu’Elon Musk, qui avait participé au lancement d’OpenAI, a récemment annoncé poursuivre l’entreprise de Sam Altman en justice. Derrière l’ironie des attaques de l’exubérant milliardaire, il est vrai que, comme en témoigne sa structure labyrinthique, OpenAI présente un fossé entre sa vocation initiale, fondée sur l’open source et la recherche, et sa finalité actuelle, purement commerciale. La question de l’emprise de la Big Tech sur l’IA est particulièrement sensible pour l’Europe mais se pose évidemment aussi aux États-Unis.

      Comme pour OpenAI, l’accord de Mistral avec Microsoft entérine son succès technique et sa popularité. L’entreprise française lance d’ailleurs un chabtbot, nommé « Le Chat », sur le modèle de ChatGPT. Cependant, ce partenariat enterre, pour l’heure, le rêve d’une IA européenne open source et indépendante.

      Au-delà des attaques virulentes des derniers jours contre les dirigeants de l’entreprise, il convient de s’interroger sur l’environnement économique européen. Le problème reste celui des perspectives de développement, de financement et de débouchés commerciaux nécessaires à un positionnement de pointe dans le numérique. Ces difficultés et la puissance de frappe des géants numériques amènent irrémédiablement les startups qui réussissent à entrer dans leur orbite. C’est cet aspect économique qui a transformé la prouesse technique de Mistral, qui aurait pu marquer un tournant vers l’autonomie, en déconvenue stratégique pour l’Europe.

      Au-delà de la défiance face au lobbying, une approche flexible de la réglementation de l’IA reste indispensable

      L’AI Act répond à un besoin évident de réglementation et d’encadrement des risques liés à l’IA. Pour autant, sa genèse compliquée a rendu les éléments de l’accord particulièrement tortueux. Ses auteurs avaient manqué la révolution de l’IA générative et se sont lancés dans un travail titanesque d’adaptation l’an dernier.

      L’idée de se positionner en gendarme numérique du monde, en se souciant trop peu de l’offre technologique du continent, pose en elle-même un risque existentiel à l’économie européenne et à son autonomie compétitive. Surtout, avec sa difficile application aux évolutions techniques futures, l’AI Act risque plutôt de servir les intérêts de la Big Tech, qui a les moyens d’aborder ces labyrinthes réglementaires. L’entrée de Mistral dans l’orbite de Microsoft semble en fait plutôt le confirmer.

      Mistral avait milité fermement, à la fin de l’année passée, pour l’assouplissement de l’AI Act, en particulier en ce qui concerne les modèles fondamentaux d’IA générative open source. On peut naturellement penser que l’entreprise avait alors déjà envisagé son virage vers un modèle fermé, en partenariat avec Microsoft. Pour autant les concessions consenties en réponse aux objections des gouvernements français et allemand, défendant leurs entreprises nationales comme Mistral et Aleph Alpha, concernaient surtout l’open source, qui bénéficiera ainsi d’une plus grande latitude. Bien que l’on puisse déplorer le revirement de Mistral, son lobbying a surtout débouché sur un assouplissement de l’AI Act qui pourrait, à certaines conditions économiques, encourager l’émergence future de ses propres concurrents open source.

      Ce texte a été initialement publié par l’IRIS.

    • AI Act : quel compromis pour permettre l’essor de l’intelligence artificielle européenne ?

      AI Act : quel compromis pour permettre l’essor de l’intelligence artificielle européenne ?

      Le 8 décembre 2023, un accord politique a été trouvé au sein de l’Union européenne pour encadrer le développement de l’intelligence artificielle (IA). En quoi consiste cet accord, inédit au niveau mondial, et quelles sont ses implications pour les États membres et les lobbies du secteur technologique ? Quels ont été les principaux points d’achoppement des négociations entre les institutions européennes et certains États membres ? Que disent ces différends quant à la solidité de l’accord trouvé ? En quoi l’IA est-elle un enjeu majeur pour l’Europe ? Quelles seraient les conséquences pour l’économie européenne ? Qu’en est-il de la France ? Le point avec Rémi Bourgeot, économiste et chercheur associé à l’IRIS.

      En quoi consiste cet accord, inédit au niveau mondial, et quelles sont ses implications pour les États membres et les lobbies du secteur technologique ?

      L’AI Act, en gestation depuis 2021, a fait face à de nombreux défis cette année. L’explosion de l’IA générative en particulier a bouleversé son approche. Celle-ci est fondée sur les niveaux de risque associés à divers types d’application, d’un inoffensif filtre de spams à l’usage inacceptable de la reconnaissance faciale dans la vie de tous les jours. Les concepteurs de cette réglementation, essentiellement au Parlement européen, n’avaient pas envisagé le potentiel de l’IA générative et ont dû revoir leur copie, en y ajoutant des provisions spécifiques. Le besoin de régulation ne fait guère de doute en tant que tel. Ces ajouts dans l’urgence ont pour autant fait planer le spectre d’un écrasement des startups européennes, en plein début de rattrapage, sous le poids d’une réglementation labyrinthique, qui serait paradoxalement plus gérable pour les géants américains, bien plus avancés.

      Les progrès spectaculaires des modèles de langage reposent sur des réseaux de neurones utilisant des milliards de paramètres calculés sur des données de nature peu transparentes. Cela soulève des questions allant du respect de la vie privée à celui du droit d’auteur en passant par de multiples risques sécuritaires liés à leur usage et à leur fonctionnement erratique. Ces évolutions très rapides appellent une réglementation flexible, adaptative même. À l’inverse, l’approche reposant sur des centaines de pages de considérations autoréférentielles, appelées à être inscrites dans le marbre législatif, court le risque d’une rapide obsolescence.

      Au-delà de simples exemptions, une certaine flexibilité est rendue d’autant plus nécessaire par le rôle de plus en plus central de l’Open source dans l’IA, opportunité dont s’emparent les startups européennes. La plupart se réapproprient certains grands modèles de langage développés par les géants du secteur alors que certaines commencent aussi désormais à développer leurs propres modèles sous-jacents.

      Ainsi, une approche réglementaire ouverte serait nécessaire autant pour faire face aux nouveaux risques qui ne manqueront pas d’émerger que pour permettre l’épanouissement d’une l’IA européenne inventive et originale, face aux mastodontes américains et chinois.

      Quels ont été les principaux points d’achoppement des négociations entre les institutions européennes et certains États membres ? Que disent ces différends quant à la solidité de l’accord trouvé ?

      Les législateurs ont pensé répliquer la démarche de la RGPD, qui s’est imposée comme une sorte d’étalon or de la réglementation des données dans le monde, face aux plateformes de réseaux sociaux. L’enjeu technologique est pourtant différent avec l’IA. L’Europe souffre d’un retard chronique face aux géants numériques américains. L’AI Act ajoute de l’incertitude aux débuts de succès, au moins en termes de financement, que l’on a vu en France avec la startup Mistral et Aleph Alpha en Allemagne.

      Ces préoccupations ont conduit, ces dernières semaines, les gouvernements français, allemand et italien à tenter de renverser la table. Une certaine cacophonie s’est développée, entre deux sujets distincts : d’un côté les débats sur l’utilisation étatique de la reconnaissance faciale (à laquelle certains États membres refusent de renoncer intégralement), et de l’autre, l’enjeu consistant à préserver le potentiel des startups qui travaillent à des modèles de fondation, qui sous-tendent l’IA générative. Le trio des trois plus grands États a usé de termes qui prêtaient à confusion, en proposant une forme d’autorégulation et de code de conduite pour ces modèles.

      Face à cette résistance, les institutions européennes ont cherché à maintenir le cap dans l’urgence, à renfort d’ONG exprimant une vision souvent générale, en faveur de l’adoption de l’AI Act en l’état. Il en est ressorti une forme de compromis prévoyant notamment une assez large exemption pour les milieux de l’open source, qui sont au cœur des initiatives européennes sur les modèles de fondation.

      Alors que le ministre français du numérique Jean-Noël Barrot a déclaré que cet accord permettrait de préserver la capacité de l’Europe à développer ses propres technologiques d’intelligence artificielle et à préserver son autonomie stratégique, en quoi l’IA est-elle un enjeu majeur pour l’Europe ? Quelles seraient les conséquences pour l’économie européenne ? Qu’en est-il de la France ?

      L’Europe affiche un retard préoccupant, face aux géants américains, mais aussi face à la Chine. Cela n’était pas une fatalité. Les réseaux de neurones ont bénéficié, ces dernières décennies, du travail acharné de visionnaires européens, qu’ils soient restés sur le continent ou partis aux États-Unis. Ceux-ci ont poussé les réseaux de neurones à une époque où d’autres types de modèles dominaient la scène de l’IA.

      On pense bien sûr à Geoffrey Hinton, le « parrain de l’IA », britannique qui a rapidement quitté la Silicon Valley pour s’implanter à Toronto et ainsi garder quelques distances face au complexe militaire américain. Notons que ce pionnier, grand pédagogue, s’exprime dans un anglais admirable de clarté technique et philosophique, qui pourrait inspirer nos rédacteurs réglementaires. Le français Yann Le Cun œuvre également comme pionnier des réseaux de neurones depuis ses études d’ingénieur dans les années 1980. Il est aujourd’hui « Chief AI Scientist » de Meta, où il promeut notamment l’open source. Dès 1991, l’allemand Sepp Hochreiter avançait la notion de mémoire longue dans les réseaux de neurones, dans son mémoire de master… Cela aboutira dès 1995 à la fameuse architecture LSTM (long short term memory), encore utilisée et dont les avancées ont ouvert la voie aux modèles de langage à base de « transformers », au cœur de la révolution de l’IA générative depuis 2017. Les exemples européens sont légion dans la genèse des réseaux de neurones.

      Malgré la crise éducative et du niveau de mathématiques en particulier, l’Europe et la France notamment gardent des poches d’excellence qu’il convient d’encourager à déployer leur talent au profit d’une IA différente. L’idée selon laquelle l’Europe s’épanouirait dans un rôle administratif de régulateur mondial, dans une dépendance généralisée vis-à-vis des États-Unis et de la Chine, semble suicidaire sur le plan économique et stratégique, au vu de l’importance de l’IA dans tous les aspects du développement technologique. L’appropriation des technologies de pointe a toujours été au cœur des mécanismes de rattrapage, de développement et de puissance. L’Europe s’était focalisée, ces dernières décennies, sur la politique de la concurrence aux dépens des enjeux industriels. Le citoyen européen a ainsi été vu plus comme un consommateur qu’un producteur et, aujourd’hui encore avec l’AI Act, davantage comme un utilisateur qu’un développeur. On a vu un début important de correction de cette tendance, notamment depuis la nomination de Thierry Breton, mais le chantier reste manifestement de taille.

      Cette analyse a initialement été publiée par l’IRIS.

    • Crypto-bulles et eldorado décentralisé

      Les montagnes russes des cryptos ont des conséquences qui dépassent le cadre de la spéculation de masse. Il façonne des discussions clés sur l’avenir de la monnaie et d’internet, qui portent sur les notions de décentralisation et de pouvoir économique.

      Web3 : La quête de décentralisation, et la bulle

      L’idée du Web3, avec la blockchain comme noyau, est conçue comme une promesse de décentralisation, un retour à l’esprit du Web1 (dont les premiers protocoles sous-tendent encore internet). Elle vise à supplanter le Web2, marqué par l’essor des géants des médias sociaux. Ceux-ci ont comblé le vide laissé par l’absence de protocole d’identification dans l’internet primitif, afin d’étendre leur contrôle sur les données personnelles, à des fins publicitaires. Redonner aux utilisateurs le contrôle de leurs données, par le biais de la blockchain, et assurer l’interopérabilité entre les services est la principale raison d’être du web3. L’idée que les artistes puissent utiliser les NFT – généralement définis comme des certificats de propriété numérique – pour commercialiser directement leurs créations et se passer des intermédiaires est indéniablement séduisante. De même, les blockchains programmables comme Ethereum, avec leurs applications décentralisées (dApps), pourraient offrir une perspective pour surmonter le privilège exorbitant exercé par les app stores.

      Cependant, la principale promesse du web3 se heurte à la réalité des blockchains, prises dans la centralisation des grandes plateformes d’échange et des principales sociétés de capital-risque. En outre, les bulles cryptographiques massives – alimentées par le comportement grégaire, des constructions numériques bancales et la politique monétaire (centrale) – ne correspondent pas tout à fait à la vision commune de la décentralisation financière et numérique… Une bulle est généralement définie comme un décalage entre la tendance du prix d’un actif et une certaine valeur sous-jacente. Dans la bulle crypto, l’idée même d’un actif sous-jacent – ou de réalité – a été tournée en dérision. Certains NFT ont poussé cette logique avec un humour indéniable, comme ceux basés sur des dessins d’adorables singes et leur ApeCoin…. la monnaie de singe

      Le paysage financier mondial – avec le resserrement monétaire dû à l’inflation – met en difficulté de nombreuses classes d’actifs, asséchant les flux de liquidités qui ont alimenté la flambée. L’extrême volatilité est une caractéristique des cryptomonnaies depuis leur création, mais ces dernières années ont vu une dérive considérable, basée sur d’authentiques pyramides de Ponzi, avec des concepts aussi farfelus que celui de terre virtuelle. Les projets les plus récents font rarement preuve du type de réflexion monétaire qui a sous-tendu la création (très expérimentale) du bitcoin en 2008, en utilisant le concept cryptographique d’arbre de Merkle, développé dès les années 1970.

      La confusion vient cette fois-ci des stablecoins, qui aspirent à être les enfants modèles des cryptos en offrant un taux de change fixe avec une monnaie, comme le dollar. Certaines, cependant, fonctionnent sans collatéral… C’est le cas de TerraUSD, qui s’appuie sur un système de rééquilibrage très vulnérable, utilisant une crypto flottante nommée Luna. TerraUSD a vu son ancrage au dollar s’effondrer à la suite de sorties massives de capitaux. Les monnaies stables centralisées et basées sur du collatéral, comme Tether, sont déjà plus résistantes. Au-delà des rapports faisant état de mouvements déstabilisants de la part de grands fonds d’investissement pariant à la baisse, la déroute s’est, quoi qu’il en soit, produite dans un contexte de grande fragilité.

      La Blockchain reste une expérimentation, bien que fascinante

      Le concept de décentralisation monétaire, au moyen d’une architecture cryptographique, reste passionnant. Il s’agit d’une contribution tout à fait substantielle au débat sur la nature de notre système monétaire et bancaire, et sa nécessaire réforme. Celui-ci est dit centralisé dans le sens où il repose sur les banques centrales, certes, mais surtout sur le privilège de création monétaire massive par les banques commerciales (par leur délivrance de prêts ex-nihilo), institutions centralisées s’il en est. Par ailleurs, malgré la centralisation inhérente à l’émergence de grandes plateformes crypto et de financeurs puissants, le concept de décentralisation présente également un intérêt face à la concentration de la Big Tech dans le secteur numérique et leur contrôle des données des utilisateurs. Ce contrôle risque de s’accroitre avec le niveau d’immersion sensorielle, comme ce sera le cas avec les métavers.

      Dans l’ensemble, l’univers crypto doit se poser davantage la question de la finalité, de la stabilité et du statut légal des constructions qu’il promeut. Les cryptomonnaies et cryptoactifs qui ne se sont constitués que sur la base de la bulle des dernières années ne sont probablement pas appelés à survivre. Il faut garder à l’esprit le caractère expérimental des cryptos, ce que répètent inlassablement les (quelques) véritables précurseurs de la blockchain. Par exemple, un grand débat se concentre aujourd’hui sur le dépassement du « proof of work », mécanisme de « minage » reposant sur un concours cryptographique entre nœuds de la blockchain, dont le coût énergétique est exorbitant. Un travail important est fait dans ce sens sur l’Ethereum par exemple, pour aller vers le concept plus raisonnable de « proof of stake », qui accrédite les nœuds de la blockchain en fonction de leur participation avérée, comme une détention substantielle de la cryptomonnaie. On voit difficilement comment le bitcoin pourrait se réformer dans ce sens. Le Web3, si la notion doit porter ses fruits en faveur d’une quelconque décentralisation, passera par un prudent écumage de l’univers crypto qui le sous-tend.

      La réglementation et les monnaies digitales de banque centrale redéfiniront le paysage des cryptos

      Les réglementations émergentes et actualisées – comme MiCA et TFR dans l’Union européenne – se concentrent principalement sur la question de l’anonymat et du trafic. Ce type de règles peut en effet perturber le modèle des plateformes de crypto-monnaies et on peut s’attendre à ce qu’elles se répandent à travers le monde. Parallèlement, d’autres textes réglementaires importants visent la Big Tech, comme les lois jumelles sur les services numériques et les marchés numériques, que l’UE est en train de ratifier. La politique de concurrence commence à s’éveiller aux défis de l’ère numérique. Toutefois, les gouvernements devront trouver un équilibre entre la lutte contre les monopoles des grandes entreprises technologiques et la réglementation des acteurs décentralisés, qui présentent des risques majeurs mais aussi des possibilités de rétablir un niveau de concurrence plus sain.

      Quant aux projets de monnaies digitales de banque centrale, il ne s’agit pas de cryptomonnaies en tant que telles mais de monnaies officielles à part entière. Elles sont adossées à leur banque centrale respective (plutôt que sur un mécanisme de création cryptographique) et bénéficient d’une équivalence totale avec les autres formes (numériques ou physiques) de la monnaie en question. La mise au point de ces monnaies numériques par les banques centrales doit se poursuivre de façon plus ambitieuse qu’aujourd’hui pour redonner du sens et surtout de la stabilité à la monnaie, avec un lien plus direct entre autorités monétaires et acteurs économiques. Cela renvoie à des débats qui survivent de façon souterraine depuis la crise de 1929 (sur le système de réserves fractionnaires des banques). Il faut reconnaître que c’est l’émergence des cryptomonnaies qui les ont relancés. La crise que connaissent ces dernières pourrait conduire à un désintérêt pour les monnaies digitales dans leur ensemble. Il faudrait pourtant, au contraire, engager une large réflexion politique sur la mise à profit des innovations numériques en faveur d’une véritable réforme de notre architecture monétaire.