IA Souveraine
L'IA souveraine désigne les efforts nationaux ou régionaux de développer, posséder et contrôler l'infrastructure IA, les modèles et les pipelines de données en interne — plutôt que de dépendre de fournisseurs commerciaux étrangers — pour préserver l'indépendance stratégique, économique et réglementaire.
L'IA souveraine décrit la stratégie politique et industrielle des gouvernements et des blocs multilatéraux qui souhaitent que les capacités critiques d'IA — l'infrastructure de calcul, les modèles de base, les données d'entraînement et les plateformes de déploiement — soient développées dans des juridictions domestiques ou alliées de confiance. Le concept s'apparente à des notions antérieures de souveraineté énergétique : une dépendance excessive à l'égard de ressources contrôlées par l'étranger crée un risque stratégique que les États jugent inacceptable pour des systèmes de plus en plus intégrés à la défense, aux soins de santé, à l'administration publique et à la gestion économique.
En pratique, les programmes d'IA souveraine combinent plusieurs éléments : des centres de supercalcul nationaux avec des clusters importants de GPU (les expansions du Jean Zay en France, les nœuds de l'EuroHPC Joint Undertaking répartis en Allemagne, Finlande et Espagne), des modèles de base développés en interne (Mistral AI en France avec un soutien stratégique partiel, la série Falcon des Émirats arabes unis du Technology Innovation Institute, ALLaM d'Arabie saoudite, Sarvam-1 de l'Inde, EXAONE de la Corée du Sud), des cadres de gouvernance des données qui maintiennent les données d'entraînement dans les systèmes juridiques nationaux, et des politiques industrielles subventionnant la conception ou la fabrication de puces nationales. Le PDG de NVIDIA, Jensen Huang, a utilisé de manière notable l'expression « IA souveraine » en 2024 pour encadrer les ventes de GPU aux États-nations comme un nouveau segment de marché.
La justification opère sur trois niveaux. Premièrement, la sécurité nationale : les gouvernements hésitent à faire traiter les données classifiées ou sensibles du secteur public sur une infrastructure contrôlée par une puissance étrangère, en particulier une soumise à des régimes différents de contrôle des exportations ou de partage du renseignement. Deuxièmement, la capture de valeur économique : les pays qui dépendent entièrement des plateformes d'IA américaines ou chinoises exportent des revenus, des talents et de l'influence économique. Troisièmement, le contrôle réglementaire : il est considérablement plus facile d'auditer les systèmes d'IA et de faire respecter la conformité lorsque le développeur et l'opérateur sont soumis à la loi domestique. Ces préoccupations sont plus aigues dans l'UE, les États du Golfe, l'Inde et l'Asie du Sud-Est.
À 2026, l'IA souveraine est passée de l'aspiration à un investissement substantiel. Le programme EU AI Factories de l'UE a alloué plusieurs milliards d'euros aux nœuds de supercalcul répartis dans les États membres. Les États du Golfe ont signé des accords totalisant des dizaines de milliards de dollars pour l'infrastructure GPU de NVIDIA. La Mission IndiaAI de l'Inde cible une capacité de calcul GPU publique de dizaines de milliers de cartes. Cependant, la plupart des programmes restent dépendants des puces conçues par les États-Unis (l'approvisionnement étant soumis aux contrôles d'exportation américains), des architectures de modèles open-weight originaires des États-Unis ou de Chine, et des talents en IA importés. La tension entre une véritable indépendance et une dépendance pratique à l'égard de l'écosystème américain des semi-conducteurs et des modèles d'IA est le défi définissant des programmes d'IA souveraine au cours de cette période.