L’Union européenne souhaite répondre à la domination des États-Unis et de la Chine en matière d’intelligence artificielle par une initiative d’envergure : mobiliser 20 milliards d’euros pour construire jusqu’à cinq gigafactories d’IA, chacune équipée de plus de 100 000 processeurs avancés. Sur le papier, ce plan possède une forte légitimité politique et une logique claire. Sans capacité de calcul propre, il n’existe pas de souveraineté technologique réelle, et sans infrastructure européenne, l’IA continuera de dépendre de clouds, de puces et de plateformes contrôlées depuis l’extérieur.

Le problème, c’est que cette initiative suscite déjà des doutes. Plusieurs experts, législateurs et acteurs du secteur remettent en question si Bruxelles élabore la réponse appropriée ou si elle tente tardivement de copier un modèle qui évolue déjà. La question n’est pas de savoir si l’Europe a besoin de plus de capacité en IA — elle en a assurément besoin. Mais si concentrer des milliards dans de grands centres de formation de modèles gigantesques est la meilleure façon d’aider les entreprises, les administrations, les chercheurs et les secteurs industriels européens.

La Commission européenne insiste sur le fait que ces gigafactories ne sont pas de simples centres de données. Elles sont présentées comme des installations de grande envergure dédiées au développement et à l’entraînement de modèles de nouvelle génération, équipées de plus de 100 000 puces d’IA, intégrant capacité énergétique, réseaux avancés, efficacité et automatisation. De plus, elles s’inscrivent dans une stratégie plus large : le plan AI Continent, l’initiative InvestAI, les 19 AI Factories déjà planifiées et une future loi sur le cloud et le développement de l’IA, visant à tripler la capacité des centres de données de l’UE dans les cinq à sept prochaines années.

Le risque de constituer une capacité sans claire vision de son usage

La critique la plus aiguë concerne la demande. Bruxelles a reçu 76 expressions d’intérêt pour bâtir des gigafactories dans 60 sites potentiels répartis dans 16 États membres. Bien que cela témoigne d’un fort appétit industriel, cela ne répond pas à une question cruciale : quelles entreprises européennes occuperont ces installations, avec quelle charge de travail, quels modèles économiques, et quel retour sur investissement ?

Mistral AI, la société européenne la plus visible dans le domaine des modèles fondamentaux, ne semble pas attendre l’infrastructure communautaire. La société française a annoncé un investissement de 1,2 milliard d’euros dans des centres de données en Suède, en partenariat avec EcoDataCenter, et a renforcé ses capacités en France. En mai 2026, son PDG, Arthur Mensch, a défendu une stratégie d’intégration verticale englobant infrastructure, modèles et applications, visant 200 MW de capacité à fin 2027 et 1 GW en 2030.

Ce mouvement soulève une question fondamentale : si le principal champion européen de l’IA construit sa propre voie, à qui seront réellement destinées ces gigafactories de l’UE ? Elles peuvent servir aux startups, aux universités, aux centres de recherche et aux industriels, mais la formation de modèles avancés n’est pas une activité que l’on peut improviser. Elle requiert talent, données, logiciels, clients, financement continu et une capacité à suivre le rythme de renouvellement du matériel.

Une autre incertitude concerne la taille. 20 milliards d’euros paraissent énormes, mais cela représente peu face aux dépenses privées américaines. Les grands hyperscalaires et laboratoires d’IA annoncent des investissements de centaines de milliards dans l’infrastructure, l’énergie, les puces et les centres de données. L’Europe ne peut rivaliser simplement en égalant ces chiffres, car elle ne dispose pas du même marché financier, ni de la concentration de plateformes cloud, ni de la profondeur dans l’industrie des puces avancées.

La dépendance vis-à-vis de NVIDIA ne disparaît pas en construisant en Europe

Un autre point sensible est la dépendance technologique. Si les gigafactories européennes aspirent à renforcer la souveraineté, bâtir quasi exclusivement autour de GPU NVIDIA, ses réseaux, ses logiciels et une chaîne d’approvisionnement dominée par des fabricants non européens limite l’autonomie. L’infrastructure sera en Europe, mais une grande part de la technologie critique proviendra toujours de l’extérieur.

Cela ne veut pas dire qu’il faut rejeter NVIDIA. Ce serait irréaliste. Ses GPU et ses systèmes constituent aujourd’hui la base de la majorité de l’IA avancée. Cependant, la souveraineté ne peut se réduire à l’achat de nombreux accélérateurs et à leur hébergement dans des centres européens. Elle implique aussi de maîtriser les données, les logiciels, les modèles, l’énergie, l’exploitation, la sécurité, la maintenance, le financement et la capacité à remplacer rapidement ces technologies si nécessaire.

Le marché du calcul évolue également. Si l’entraînement de grands modèles reste pertinent, la mise en œuvre (l’inférence) gagne en importance : exécuter des modèles préalablement entraînés pour des millions d’utilisateurs, d’entreprises ou de processus. L’inférence ne nécessite pas toujours les mêmes puces, architectures ou configurations physiques que l’entraînement massif. Dans de nombreux cas, elle peut bénéficier d’une infrastructure distribuée, d’accélérateurs spécialisés, de CPUs, de chips européens à faible consommation, de edge computing ou de cloud privé.

C’est ici que l’Europe pourrait avoir une opportunité plus concrète : ne pas tenter de copier la taille américaine pour l’entraînement de modèles gigantesques, mais construire un réseau de calcul souverain dédié à des usages industriels, sanitaires, scientifiques, énergétiques, administratifs et de défense. Moins obsédée par l’idée de créer « le prochain GPT européen », cette approche se concentrerait sur la résolution de problématiques concrètes avec des données européennes, selon des règles européennes, à l’aide d’une infrastructure contrôlée.

L’industrie demande des objectifs concrets, pas seulement plus de GPUs

Le plan des gigafactories risque d’être insuffisant s’il devient un simple coup de projecteur. Posséder 100 000 GPU est impressionnant, mais ne garantit pas la compétitivité. La vraie force de l’Europe pourrait résider ailleurs : dans les secteurs de l’automobile, la santé, la robotique, la chimie, l’énergie, la manufacture avancée, les télécommunications, le secteur public, la défense, l’agro-industrie, la logistique ou la science.

Dans ces domaines, l’Europe dispose déjà d’entreprises, de données, de savoir-faire, de processus et de clients. Ce qui manque souvent, ce n’est pas seulement la puissance de calcul brute, mais la capacité à mettre des modèles en production, partager des données en toute sécurité, respecter la réglementation, intégrer l’IA dans des systèmes hérités, et mesurer les résultats. Une usine d’IA réellement utile pour l’Europe doit offrir bien plus que des cartes graphiques : des environnements sécurisés, des outils de déploiement, des services d’inférence, du support technique, des cadres de gouvernance, un accès pour les PME, et des modèles spécialisés selon les secteurs.

La Commission tente de répondre en partie à ces besoins via le réseau d’AI Factories, ciblant startups, industrie et recherche. Mais la grandeur des gigafactories pourrait absorber toute l’attention politique et le capital privé si leur contribution concrète à ces objectifs n’est pas clairement définie. Le risque n’est pas de dépenser en calcul, mais de le faire sans une architecture industrielle cohérente.

Il existe également un goulot d’étranglement physique. L’Europe fait face depuis des années à une demande en centres de données supérieur à l’offre. La disponibilité en électricité, les permis, la connexion au réseau, le foncier, la refroidissement et l’acceptation sociale conditionnent tout déploiement. Construire des gigafactories ne dépend pas uniquement de l’octroi de fonds ; cela requiert une énergie stable, des accords locaux, des réseaux de fibre optique, des opérateurs qualifiés et une planification alignée avec des objectifs environnementaux et le soutien communautaire.

La souveraineté ne consiste pas à copier les États-Unis

La réponse européenne devrait reposer sur une idée simple : la souveraineté ne consiste pas à avoir ce que font les États-Unis, mais en plus petit et plus lent. Elle consiste à déterminer quelles capacités sont stratégiques pour le continent et à les financer de manière cohérente.

Il peut être pertinent de bâtir une ou plusieurs gigafactories si elles sont clairement liées à des objectifs précis : modèles scientifiques, défense, santé, industrie, langues européennes, administration publique, sécurité, recherche climatique ou simulation avancée. Il peut aussi être judicieux de réserver une partie de la capacité aux startups et universités. Mais si le projet se limite à une copie tardive de Stargate, il risque d’arriver après que le marché ait déjà évolué vers l’inférence distribuée, des agents économiques plus efficients, et des chaînes de valeur plus spécialisées.

L’Europe a besoin de calcul, mais aussi de clients européens forts, de fournisseurs cloud européens, de puces alternatives, de logiciels libres, de modèles propres, de talents techniques, et d’une régulation qui n’incite pas ses entreprises à déployer à l’étranger. Si une entreprise européenne trouve plus facile d’entraîner, de servir et de vendre de l’IA aux États-Unis que dans l’UE, alors aucune gigafactory ne résoudra le vrai problème.

Le plan de 20 milliards peut devenir une opportunité durable si ses fonds sont utilisés pour bâtir une base industrielle solide. Pour cela, Bruxelles doit éviter la tentation des symboles faciles. Il ne suffit pas d’inaugurer des bâtiments remplis de GPU. Il faut s’assurer que cette capacité soit réellement utilisée, qu’elle soit accessible, qu’elle réponde à de véritables besoins, et qu’elle réduise plutôt qu’elle n’entretienne les dépendances.

L’IA européenne ne se gagnera pas uniquement par la taille. Elle se bâtira par la focalisation, l’intégration et une politique claire de l’offre. Moins de courses pour posséder la plus grande installation, et plus de questions concrètes : quels modèles entrainer, qui les utilisera, quelles données alimenter, quels secteurs en bénéficier, quels fournisseurs participer, et comment éviter que l’argent public ne renforce la dépendance que l’on cherche à dépasser.

Foire aux questions

Quelles sont les gigafactories d’IA que souhaite construire l’UE ?
Ce sont de grandes infrastructures de calcul destinées à entraîner et développer des modèles d’intelligence artificielle avancés, équipées de plus de 100 000 processeurs par centre, avec un investissement prévu pouvant atteindre 20 milliards d’euros.

Pourquoi suscitent-elles des critiques ?
Parce qu’il n’est pas clair qui utilisera toute cette capacité, si l’entraînement massif est la meilleure approche, ni si l’Europe réduira réellement sa dépendance technologique si les centres s’appuient sur des chips et logiciels non européens.

Quelle différence existe-t-il entre AI Factories et AI Gigafactories ?
Les AI Factories sont des centres de supercalcul, destinés aux startups, à la recherche et à l’industrie. Les AI Gigafactories sont des installations bien plus vastes, conçues pour des modèles d’IA de nouvelle génération et des charges de calcul beaucoup plus intensives.

Quelle serait une stratégie plus pertinente pour l’Europe ?
Allier davantage de capacité de calcul à des objectifs sectoriels précis, développer une infrastructure d’inférence, soutenir des fournisseurs européens, promouvoir l’open source, ouvrir l’accès pour les PME, instaurer une gouvernance efficace des données, et créer des applications concrètes dans l’industrie, la santé, l’énergie, la défense et la gouvernance publique.

vía : techzine