L’Union européenne joue son va-tout sur l’infrastructure d’IA. 20 milliards d’euros, cinq gigafactories, plus de 100 000 processeurs avancés par installation : le plan AI Continent est présenté comme la réponse européenne à la domination américaine et chinoise. La légitimité politique est réelle. Sans capacité de calcul propre, la souveraineté technologique reste un mot creux, et sans infrastructure locale, l’IA européenne continuera de tourner sur des clouds, des puces et des plateformes contrôlés depuis l’extérieur.

Sauf que la vraie question n’est pas de savoir si l’Europe a besoin de plus de capacité de calcul — elle en a besoin. C’est de savoir si concentrer des milliards dans des centres d’entraînement géants est vraiment la meilleure façon d’aider les entreprises, les administrations, les chercheurs et les secteurs industriels du continent.

Un plan ambitieux, mais une demande incertaine

La Commission européenne prend soin de distinguer ses gigafactories des simples centres de données. Ces installations sont dédiées au développement et à l’entraînement de modèles de nouvelle génération, avec énergie dédiée, réseaux avancés et automatisation. Le tout s’inscrit dans un ensemble plus large : 19 AI Factories déjà planifiées, une initiative InvestAI, et une future loi sur le cloud censée tripler la capacité des data centers de l’UE d’ici 2030-2031.

Bruxelles a reçu 76 expressions d’intérêt pour 60 sites potentiels dans 16 États membres. L’appétit industriel est indéniable. Mais cette liste d’intentions ne répond pas à la question fondamentale : quelles entreprises européennes occuperont ces gigafactories, avec quelle charge de travail, quels modèles économiques, et quel retour sur investissement ?

L’exemple de Mistral AI est éloquent. La start-up française, principale représentante européenne des modèles fondamentaux, n’attend pas l’infrastructure communautaire. Elle a annoncé 1,2 milliard d’euros d’investissement dans des centres de données en Suède, en partenariat avec EcoDataCenter, et renforce ses capacités en France. Son PDG Arthur Mensch vise 200 MW de capacité à fin 2027 et 1 GW en 2030. Ce mouvement soulève une question directe : si le champion IA le plus visible d’Europe construit sa propre voie, à qui sont réellement destinées ces gigafactories publiques ?

Les universités et start-ups peuvent en bénéficier. Mais l’entraînement de modèles avancés n’est pas une activité qu’on improvise. Elle réclame des talents, des données, des logiciels, des clients, un financement long terme et la capacité à renouveler le matériel au rythme du secteur.

La dépendance NVIDIA ne disparaît pas avec un bâtiment européen

20 milliards paraissent énormes. Ils ne le sont pas face aux investissements privés américains. Les grands hyperscaleurs et laboratoires d’IA annoncent des centaines de milliards dans l’infrastructure, l’énergie, les puces et les centres de données IA. L’Europe ne peut pas rivaliser simplement en cherchant à égaler ces chiffres. Elle n’a ni le même marché financier, ni la concentration de plateformes cloud, ni la profondeur dans les puces avancées.

Plus fondamentalement, construire des gigafactories quasi exclusivement autour de GPU NVIDIA, de ses réseaux et de ses logiciels ne réduit pas la dépendance technologique. L’infrastructure sera sur sol européen, mais une part critique de la technologie proviendra toujours de l’extérieur. Ce n’est pas un argument contre NVIDIA — ses GPU dominent l’IA avancée. C’est un argument contre la confusion entre localisation géographique et souveraineté réelle.

La souveraineté implique aussi de maîtriser les données, les logiciels, les modèles, l’énergie, la maintenance et la capacité à remplacer ces technologies si nécessaire.

Le marché du calcul évolue. L’entraînement de grands modèles reste important, mais l’inférence — exécuter des modèles déjà entraînés pour des millions d’utilisateurs et de processus — gagne du terrain. Elle ne réclame pas les mêmes puces ou configurations que l’entraînement massif. Elle peut tirer parti d’une infrastructure distribuée, d’accélérateurs spécialisés, de chips à faible consommation, de centres de données régionaux ou de cloud privé.

C’est là que l’Europe a une opportunité plus concrète : construire un réseau de calcul souverain orienté vers des usages industriels, sanitaires, scientifiques, énergétiques et de défense, plutôt que de chercher à produire le prochain grand modèle généraliste.

Ce que l’industrie demande vraiment

Avoir 100 000 GPU est impressionnant. Ça ne garantit pas la compétitivité. La force réelle de l’Europe est ailleurs : dans l’automobile, la santé, la robotique, la chimie, l’énergie, la manufacture avancée, les télécoms, le secteur public, la défense, la logistique. Dans ces secteurs, l’Europe possède des entreprises, des données, des savoir-faire et des clients.

Ce qui manque souvent, ce n’est pas la puissance de calcul brute. C’est la capacité à mettre des modèles en production, à partager des données en toute sécurité, à respecter la réglementation, à intégrer l’IA dans des systèmes existants et à mesurer les résultats. Une gigafactory réellement utile doit offrir des environnements sécurisés, des outils de déploiement, des services d’inférence, un accès pour les PME et des modèles spécialisés par secteur.

La Commission tente de répondre en partie à ces besoins via le réseau d’AI Factories. Mais si la contribution concrète des gigafactories n’est pas clairement définie, elles risquent d’absorber toute l’attention politique sans créer de valeur industrielle réelle. Le risque n’est pas de dépenser en calcul — c’est de le faire sans architecture cohérente.

Il y a aussi des goulots d’étranglement physiques que Bruxelles ne peut pas résoudre avec des fonds seuls. L’Europe fait face depuis des années à une demande en centres de données supérieure à l’offre. Électricité, permis, connexion au réseau, foncier, refroidissement : construire des gigafactories réclame une planification coordonnée avec les objectifs environnementaux et les communautés locales. À cela s’ajoute la tension sur la chaîne d’approvisionnement en mémoire pour l’IA, qui signale que la compétition pour le matériel sera rude sur toute la décennie.

La souveraineté, ce n’est pas être les États-Unis en plus petit

La réponse européenne devrait partir d’une idée claire : la souveraineté, ce n’est pas avoir ce que font les États-Unis, mais en retard et en plus petit. C’est identifier les capacités stratégiques pour le continent et les financer de façon cohérente.

Construire une ou plusieurs gigafactories peut être pertinent, à condition de les lier à des objectifs précis : modèles scientifiques, défense, santé, industrie, langues européennes, administration publique, sécurité, recherche climatique. Une partie de la capacité devrait être accessible aux start-ups et universités. Mais si le projet se résume à une copie tardive de Stargate, il risque d’arriver juste au moment où le marché bascule vers l’inférence distribuée et des chaînes de valeur plus spécialisées.

L’Europe a besoin de calcul. Elle a aussi besoin de clients forts, de fournisseurs cloud européens, de puces alternatives, de modèles en open source, de talents techniques et d’une réglementation qui ne pousse pas ses entreprises à déployer ailleurs. Si une entreprise européenne trouve plus simple d’entraîner et de vendre de l’IA aux États-Unis qu’au sein de l’UE, aucune gigafactory ne règle le vrai problème.

Les 20 milliards peuvent devenir une opportunité durable si les fonds servent à construire une base industrielle solide. Pour cela, Bruxelles doit éviter la tentation des symboles faciles. Inaugurer des bâtiments remplis de GPU n’est pas un objectif. L’objectif, c’est que cette capacité soit réellement utilisée, accessible, réponde à de vrais besoins, et réduise plutôt qu’elle n’entretienne les dépendances.

FAQ — Gigafactories d’IA en Europe

Que sont exactement les gigafactories d’IA prévues par l’UE ?

Ce sont de grandes infrastructures de calcul destinées à entraîner et développer des modèles d’IA avancés. Chaque installation sera équipée de plus de 100 000 processeurs, dans le cadre d’un investissement total pouvant atteindre 20 milliards d’euros.

Pourquoi ce plan suscite-t-il des critiques ?

Trois points reviennent : l’absence de demande clairement identifiée, le risque de continuer à dépendre de technologies non européennes (NVIDIA en tête), et le décalage entre l’entraînement massif de modèles et l’évolution du marché vers l’inférence.

Quelle différence entre AI Factories et AI Gigafactories ?

Les AI Factories sont des centres de supercalcul accessibles aux start-ups, à la recherche et à l’industrie. Les Gigafactories sont des installations bien plus vastes, conçues pour des modèles de nouvelle génération et des charges de calcul beaucoup plus intensives.

Comment Mistral AI illustre-t-elle les limites du plan communautaire ?

La start-up française construit sa propre infrastructure sans attendre les gigafactories de l’UE. Elle a annoncé 1,2 milliard d’euros d’investissement en Suède et vise 1 GW de capacité d’ici 2030, ce qui interroge sur l’utilité réelle des installations publiques prévues.

Quelle stratégie serait plus efficace pour l’Europe ?

Coupler la capacité de calcul à des objectifs sectoriels précis, développer l’infrastructure d’inférence, soutenir des fournisseurs cloud européens, promouvoir l’open source, ouvrir l’accès aux PME et créer des applications concrètes dans l’industrie, la santé, l’énergie, la défense et la gouvernance publique.

Source : techzine.eu