Souveraineté numérique : mille petits modèles plutôt qu’une grande cathédrale

L’Europe 5 % de la puissance de calcul mondiale consacrée à l’intelligence artificielle, quand les États-Unis en concentrent soixante-quinze. Elle répond à ce déséquilibre en bâtissant des cathédrales : gigafactories, centres de données d’un gigawatt, appels à candidatures. La puissance dont elle aurait besoin existe pourtant déjà, dispersée dans des dizaines de millions de machines qui dorment chaque nuit. La souveraineté n’est pas un monument, c’est une architecture.

La dépendance, chiffrée

Commençons par le rapport de force tel qu’il est mesuré, et non tel qu’il est ressenti. Sur la performance mondiale des grappes de calcul dédiées à l’intelligence artificielle, les États-Unis concentraient en mai 2025 75 % du total, 15 %, et le reste 10 %, dont l’Union européenne pour moins de cinq. L’Europe domine une seule couche de la pile, celle des normes, et détient un maillon amont solide avec la lithographie d’ASML. Sur le calcul, elle est marginale, et aucun accélérateur d’entraînement conçu en Europe n’est en production. rapport Intelligence artificielle et souveraineté, Nexus, octobre 2026 et Journal du Net, octobre 2026.

La facture suit le même chemin que le calcul. Les organisations européennes consacrent environ quatre cents milliards d’euros par an aux services de cloud et de logiciels, dont deux cent soixante-quatre milliards bénéficient à l’économie américaine, 83 % du marché. Ce montant soutient près de un million neuf cent mille emplois aux États-Unis et représente un ordre de grandeur comparable à la facture énergétique du continent. Les tarifs du cloud augmentent par ailleurs 10 % par an, portés par la difficulté à changer de fournisseur. Caisse des dépôts, à partir de l’étude Asterès pour le Cigref, avril 2025 et déclaration au Sénat du 10 juin 2025.

Dans les administrations, la dépendance est encore plus concentrée. Nos services publics travaillent sur trois fournisseurs, Microsoft, VMware et Oracle. Parmi les cinquante plus gros fournisseurs de logiciels aux administrations, les acteurs états-uniens représentent 80 % des achats. Les dépenses publiques, collectivités comprises, dirigées vers des acteurs extra-européens sont estimées à un milliard et demi d’euros, dont un milliard serait directement substituable, selon la commission d’enquête de l’Assemblée nationale sur les dépendances numériques. compte rendu de la commission d’enquête, 8 juillet 2026.

Reste le nerf de la guerre, l’électricité. RTE a réservé quinze gigawatts de capacité de raccordement aux projets de centres de données, 24 % de la puissance du parc nucléaire français. La commission d’enquête a établi à qui cela profite : deux gigawatts aux hyperscalers, autrement dit à des opérateurs américains, deux et demi à d’autres acteurs extra-européens, neuf à des investisseurs non spécialisés dont tout indique qu’ils loueront à des hyperscalers, et un virgule quatre gigawatt seulement à des acteurs européens. La puissance électrique réservée est donc captée dans une très large proportion par des acteurs extra-européens. C’est la même commission qui le formule ainsi : nous devons nous mobiliser si nous voulons éviter de créer de nouvelles dépendances.

La cathédrale, et ce qu’elle coûte

La réponse européenne est connue : construire plus grand. Le programme InvestAI de la Commission prévoit de mobiliser jusqu’à deux cents milliards d’euros sur cinq ans, dont un fonds de vingt milliards destiné à déployer quatre à cinq gigafactories équipées chacune de plus de cent mille puces. La France a annoncé plus de cent neuf milliards d’euros de projets d’infrastructures liées à l’intelligence artificielle lors du sommet de 2025, et le projet de SoftBank porte sur jusqu’à cinq gigawatts de capacité en France, pour un investissement pouvant atteindre soixante-quinze milliards d’euros. L’Europe partait de loin : environ huit gigawatts de capacité installée en centres de données à la fin de 2025. rapport du Sénat sur l’entreprise 5.0, 2026 et analyse des infrastructures, juin 2026.

Il faut mesurer ce que ces monuments laissent sur place. Un centre de données d’intelligence artificielle d’un gigawatt coûte environ soixante milliards de dollars, dont quarante et un en matériel informatique et dix-neuf en infrastructure. Et quand un acteur étranger construit en France, 75 % de l’investissement initial va aux serveurs, au stockage, aux réseaux et aux puces, c’est-à-dire à des fournisseurs qui ne sont pas sur le territoire. On peut donc dépenser cent neuf milliards d’euros sur le sol national et n’y fixer qu’une fraction de la valeur.

La question du contrôle se pose au même moment, et elle est plus politique que technique. Le rapport Nexus relève que trois investisseurs stratégiques de Mistral AI sont ou peuvent devenir ses fournisseurs : ASML pour la lithographie, Nvidia pour les accélérateurs, Samsung pour la mémoire. La commission d’enquête a recommandé, le 15 juillet 2026, la création d’une action spécifique de l’5 %, qui permettrait de bloquer l’entrée d’actionnaires étrangers sans gêner les levées de fonds. Cette recommandation n’a été ni mise en oeuvre ni publiquement instruite.

Une cathédrale, enfin, est fragile par construction. Elle concentre ce qu’elle protège : un lieu, un opérateur, une chaîne d’approvisionnement, un fournisseur d’électricité, une autorisation administrative. Interrompre une seule de ces lignes suffit à tout arrêter, et l’Europe a eu la démonstration de ce que cela signifie en juin 2026, lorsqu’une décision américaine a coupé l’accès de certains utilisateurs européens aux modèles les plus avancés d’un laboratoire américain. Une dépendance ne se révèle jamais quand tout va bien, elle se révèle le jour où le fournisseur décide.

Ce que le partage de puissance sait déjà faire

Il existe pourtant une démonstration, et elle a six ans. Au printemps 2020, un projet de calcul distribué sur les protéines, Folding@home, a atteint une puissance de pointe d’environ deux virgule quatre exaflops, soit davantage que les cinq cents plus gros supercalculateurs de la planète réunis. Il n’a rien construit. Il a demandé à des volontaires d’installer un logiciel qui utilise la puissance inutilisée de leur ordinateur, et environ un million de personnes l’ont fait. Au moment de la barre du premier exaflop, on comptait environ deux cent quatre-vingt mille cartes graphiques et quatre virgule huit millions de coeurs de processeurs engagés dans le calcul, la publication scientifique estimant prudemment à un exaflop la performance atteinte à cette étape. The Guardian, 15 avril 2020 et publication des équipes Folding@home, 2020.

Le raisonnement politique tient en une phrase : ce que l’on possède déjà vaut mieux que ce que l’on doit construire. Un pays compte des dizaines de millions d’ordinateurs personnels, dont la puissance est mobilisée quelques heures par jour et dort le reste du temps. Nuit après nuit, cette réserve représente une capacité considérable, et elle n’exige ni terrain, ni raccordement, ni autorisation.

Il faut être honnête sur la limite, car elle commande la suite. Tout ne se distribue pas. L’entraînement d’un très grand modèle exige des liaisons extrêmement rapides entre les processeurs, et disperser géographiquement ces machines revient à payer en lenteur ce qu’on gagne en volume. En revanche, l’inférence, l’affinage de modèles plus petits, la vérification, la classification, et une longue liste de tâches spécialisées se répartissent très bien. Autrement dit, la décentralisation ne sauve pas la cathédrale : elle rend la cathédrale inutile. C’est là que la question change de nature.

Le petit modèle n’est pas le modèle du pauvre

L’idée reçue veut qu’un modèle soit jugé à sa taille, et qu’un petit modèle soit une version au rabais. Les mesures publiées disent l’inverse. En 2023, des chercheurs de Stanford ont montré qu’en enchaînant plusieurs modèles de tailles différentes, un système peut égaler la performance du meilleur modèle individuel, ici GPT-4, en réduisant le coût jusqu’à 98 %. La même équipe obtient même, à coût égal, une précision supérieure de quatre points. FrugalGPT, arXiv, 2023.

En 2024, une autre équipe a poussé la démonstration plus loin. Son architecture en couches fait travailler plusieurs modèles, chacun prenant connaissance des réponses de l’étage précédent avant de produire la sienne. Résultat : cette composition de modèles ouverts arrive en tête du classement AlpacaEval 2.0 avec 1 %, contre 5 % pour GPT-4 Omni. Mixture-of-Agents, arXiv, 2024.

Ce que ces travaux décrivent n’est pas une astuce de laboratoire, c’est une architecture : un routeur qui analyse la demande et l’envoie au bon modèle, une série de modèles spécialisés, chacun entraîné pour une tâche précise, et un petit modèle chargé de reformuler la question pour la rendre traitable. On ne cherche plus un génie unique, on organise une équipe. Un pays qui maîtriserait cette organisation n’aurait pas besoin d’une gigafactory pour exister dans l’intelligence artificielle : il lui faudrait un parc modeste de très bonnes machines pour entraîner ces petits modèles, et la compétence d’assembler le reste. Quelques centaines ou quelques milliers de modèles bien entraînés, correctement orchestrés, peuvent dépasser un modèle généraliste unique, à condition que l’architecture soit cohérente et que les modèles répartiteurs soient eux-mêmes performants.

La différence politique est décisive. Un modèle géant unique est un monopole par nature : une seule entreprise, un seul pays, un seul point de contrôle, et tout le monde en location. Un écosystème de modèles spécialisés est un marché, avec des entrants, des prix qui baissent, et une capacité répartie. Ce n’est pas un hasard si le débat sur la souveraineté se porte sur les modèles d’entraînement plutôt que sur l’orchestration : le premier sujet se photographie, le second se pratique.

Ce qui est simple et sûr est centralisé

Il faut nommer la cause, car elle n’est pas technique. Un système simple à utiliser est presque toujours un système centralisé, et un système centralisé est un système où l’utilisateur devient le produit. Le réseau social le plus simple d’emploi est aussi celui qui monétise chaque geste de ses membres. La centralisation n’est pas vendue comme une contrainte, elle est vendue comme une commodité, et la commodité est le meilleur argument qui existe pour abandonner sa prise sur quelque chose.

L’identité numérique en préparation suit exactement ce chemin. Le règlement européen impose à chaque État membre de proposer au moins un portefeuille d’identité numérique d’ici la fin 2026, et impose aux services réglementés, notamment bancaires et de télécommunications, de l’accepter à partir de 2027. L’objectif affiché 80 % des citoyens en disposent en 2030, soit environ trois cent soixante millions de personnes. En France, l’application France Identité réunit déjà la carte d’identité électronique, le permis de conduire et la carte Vitale, et doit accueillir la carte grise. Commission européenne, règlement sur l’identité numérique, ANSSI, portefeuille européen d’identité numérique et analyse du déploiement, 2026.

Prenons l’argument pour ce qu’il vaut. Photographier sa carte d’identité au lieu de remplir un formulaire est plus pratique, personne ne le conteste. Mais réunir dans un même instrument, selon un même standard, et sous un même contrôle, la preuve de qui vous êtes, votre droit à conduire, votre droit à être soigné et la propriété de votre véhicule, c’est construire un point unique de défaillance et un point unique de pouvoir. Le même objet qui vous évite trois démarches devient l’objet qu’il faut falsifier, voler ou couper pour vous atteindre entièrement. Ce n’est pas un raisonnement de principe, c’est la leçon de toutes les infrastructures concentrées, de l’électricité aux télécommunications.

Une identité décentralisée produirait un résultat moins spectaculaire et plus résistant : chaque preuve détenue par la personne, vérifiable sans passer par un registre unique, recoupable sans être rassemblée. Le coût serait une petite gêne, l’usage de plusieurs instruments. Le bénéfice serait qu’aucune panne, aucune décision administrative et aucune attaque ne pourrait tout éteindre d’un coup.

Choisir une architecture, pas une technologie

Il serait absurde de conclure que la France devrait refuser les centres de données, abandonner les modèles de frontière ou se passer d’identité numérique. La question n’est pas d’être pour ou contre l’outil, elle est de choisir la forme qu’on lui donne. Une puissance publique peut mettre la commande publique au service d’un partage de puissance entre les machines de ses administrations et de ses universités, financer des modèles spécialisés plutôt que des cathédrales, imposer que l’orchestration reste sur son sol, et construire l’identité numérique comme un jeu de preuves plutôt que comme un registre central.

Le reste n’est pas une affaire de technique. Mettre en commun la puissance de machines qui existent déjà, entraîner des modèles modestes et précis, organiser leur coopération, répartir les preuves plutôt que les concentrer, tout cela est algorithmiquement possible aujourd’hui, et quelques équipes le font avec des moyens dérisoires. Ce qui manque n’est pas la compétence, c’est la préférence donnée à la démonstration sur la résilience. On préfère inaugurer une cathédrale que faire fonctionner mille ateliers, parce que la cathédrale se voit, se coupe un ruban et se cite dans un discours, tandis qu’un atelier ne se voit pas et ne se raconte pas.

Il y a une ironie à cela. Le pays qui a inventé la devise de la division des pouvoirs, et qui a bâti sa République sur l’idée qu’aucune autorité ne doit détenir seule ce qui engage tous les autres, reproduit dans le numérique exactement ce qu’il refuse dans les institutions. Nous confions à trois entreprises ce que nous n’avons jamais voulu confier à un seul homme, et nous appelons cela de la modernité.

Et vous, combien de puissance de calcul possédez-vous sans le savoir dans vos propres machines, et savez-vous à quoi elle travaille quand elle dort ?