La décision potentielle de la Chine de limiter l’accès des acteurs étrangers à ses modèles d’intelligence artificielle les plus avancés n’est pas une simple anecdote commerciale. C’est un signal clair que les modèles fondamentaux ont cessé d’être de simples produits numériques pour devenir une infrastructure stratégique.

Au cours des dernières années, de nombreuses entreprises européennes ont élaboré leurs premiers projets d’IA en se basant sur une hypothèse confortable : il y aura toujours une API américaine disponible, des modèles chinois ouverts ou à faible coût à tester, et il sera toujours possible de choisir le meilleur modèle du moment sans trop de répercussions géopolitiques. Cette étape est en train de se refermer.

Les États-Unis ont déjà démontré leur capacité à restreindre l’accès aux puces, accélérateurs, modèles ou fonctionnalités avancées pour des raisons de sécurité nationale. Si la Chine progresse dans cette direction, elle appliquera une logique similaire : protéger ses modèles les plus performants, réduire son exposition internationale, et réserver certaines capacités à son propre tissu économique. Pour l’Europe, le message est inconfortable mais utile : réguler l’IA ne suffit pas si l’on ne contrôle pas une partie essentielle de la chaîne technologique.

Le modèle est aussi une infrastructure

Dans le cloud, la cybersécurité ou les télécommunications, l’Europe parle depuis des années de souveraineté numérique. Dans l’IA, ce débat est arrivé plus tard, car le marché évoluait trop rapidement et les APIs des grands laboratoires offraient des résultats difficiles à égaler. Mais à mesure que les modèles s’intègrent dans des processus critiques, l’accès n’est plus une commodité, il devient une dépendance.

Un modèle fondamental ne se limite pas à un chatbot. C’est la couche de raisonnement qui peut finir connectée à la documentation interne, au code, aux tickets, aux données clients, aux processus administratifs, à l’analyse financière, au support, aux opérations industrielles, à l’éducation, à la santé ou à la défense. Si cette couche dépend entièrement de fournisseurs soumis à des décisions politiques de pays tiers, l’entreprise ou l’administration qui l’utilise ne détient pas le contrôle réel de son architecture.

Le problème n’est pas d’utiliser des modèles américains ou chinois. C’est d’en être sans alternative.

Sur le plan technique, l’IA d’entreprise doit commencer à être conçue selon les mêmes critères que toute autre infrastructure critique : portabilité, redondance, observabilité, maîtrise des coûts, sécurité, réversibilité et gouvernance. Le choix du modèle ne peut pas être une décision informelle de chaque équipe ou développeur. Il doit faire partie intégrante de l’architecture.

L’open source ne garantit pas automatiquement la souveraineté

L’émergence de modèles open source a été une des meilleures nouvelles pour le secteur. Qwen, DeepSeek, GLM, Llama, Mistral et d’autres ont prouvé que toute la valeur n’est pas enfermée dans des API fermées. Mais il faut distinguer ouverture et souveraineté.

Un modèle avec des poids open source peut être téléchargé, ajusté et déployé sur une infrastructure interne, offrant bien plus de marge qu’une API fermée. Cependant, cela ne dispense pas d’une chaîne complète : hardware, centres de données, inference efficace, outils, MLOps, évaluation, sécurité, support, mises à jour, documentation, talents et capacité à le faire fonctionner à l’échelle.

Si le modèle vient de Chine et que demain l’accès à ses versions, entraînements, documentations ou services associés est restreint, la dépendance n’est pas totalement éliminée. De même, si le modèle provient des États-Unis et que ses licences, API ou disponibilité changent, le problème reste entier. C’est pour cela que l’Europe a besoin de faire plus que simplement « utiliser open source ». Elle doit développer, entraîner, déployer et maintenir ses propres modèles ou du moins des modèles alignés avec ses intérêts.

Mistral AI est le projet européen le plus visible, mais il ne peut pas porter seul toute la souveraineté en IA du continent. Il faut davantage d’acteurs, plus de spécialisation, plus d’investissement, une adoption plus large par les entreprises, et une infrastructure de calcul suffisante pour entraîner et servir ces modèles.

L’architecture européenne doit être hybride

La réponse ne consiste pas à créer une bulle européenne ou à interdire les modèles étrangers. Ce serait absurde d’un point de vue technique. Les meilleurs modèles de pointe resteront indispensables pour de nombreuses missions : raisonnement complexe, recherche, programmation avancée, analyse multimodale, planification ou agents autonomes.

Mais tout ne nécessite pas un modèle de pointe. De nombreuses charges d’entreprise sont plus répétitives, délimitées et sensibles au coût ou à la confidentialité : classification de documents, extraction de champs, recherche interne, résumé de rapports, assistance aux employés, analyse de tickets, RAG sur la connaissance d’entreprise, revue de configurations, traduction interne ou génération de brouillons.

Une architecture hybride a alors tout son sens :

Cette architecture nécessite une étape que beaucoup d’entreprises n’ont pas encore : une couche de gouvernance sur le choix des modèles. Il ne s’agit pas simplement d’appeler une API. Il faut décider automatiquement quel modèle utiliser pour chaque tâche, en fonction du budget, du contexte, des données et du niveau d’audit requis.

Concrètement, cela implique de construire ou d’adopter des gateways IA, des catalogues internes de modèles, des systèmes d’évaluation, des métriques de coût par tâche, des mécanismes de fallback, des politiques de gestion des données, et des déploiements privés lorsque nécessaire.

L’Europe doit déplacer ses modèles, pas seulement les réguler

L’Europe a prouvé qu’elle pouvait mettre en place des cadres réglementaires solides. L’AI Act en est la preuve la plus évidente. Mais la souveraineté ne s’acquiert pas uniquement en imposant des obligations à ceux qui développent ou utilisent l’IA. Elle consiste aussi à disposer de la capacité réelle à déployer de l’IA sur son propre territoire, avec ses propres fournisseurs, des modèles compétitifs, et une industrie capable de les soutenir.

Cela implique des centres de données adaptés à l’IA, une énergie compétitive, un accès à des GPU et accélérateurs, des réseaux à faible latence, du cloud privé, des fournisseurs européens d’inférence, des talents pour l’entraînement et l’ajustement des modèles, et des cas d’usage concrets dans les entreprises et l’administration.

Cela comprend aussi des achats publics plus stratégiques. Si une administration européenne ne privilégie que des fournisseurs non européens, car ce sont les seuls à proposer des produits fermés, la souveraineté reste un slogan. En exigeant portabilité, déploiement européen, auditabilité, modèles ouverts lorsque c’est pertinent, et capacité de substitution, le marché commencera à évoluer.

De même, en entreprise. Une organisation qui intègre l’IA dans ses processus sans envisager la sortie ou la compatibilité reproduit les erreurs classiques du cloud, des logiciels d’entreprise ou de la virtualisation : dépendre excessivement d’une couche critique, et découvrir la difficulté de s’en défaire quand il est déjà trop tard.

Une chaîne technologique pour une IA moins dépendante

Une stratégie européenne crédible doit couvrir toute la chaîne, et pas uniquement le modèle :

L’avantage européen ne réside peut-être pas dans la course à la création du plus gros modèle généraliste. Il pourrait plutôt porter sur la construction de modèles fiables, auditables, multilingues, intégrables, spécialisés dans des secteurs où l’Europe possède une industrie forte : banque, énergie, santé, automobile, défense, juridique, administration, télécommunications, fabrication ou logistique.

Les modèles généralistes ont tendance à baisser de prix et à devenir des commodities. La véritable valeur réside dans les couches qui en font des systèmes utiles : données propres, flux verticaux, sécurité, intégration, déploiement et support.

L’impératif de l’initiative chinoise pour accélérer la prise de décision

La possible restriction chinoise ne doit pas être vue uniquement comme une nouvelle restriction à Pékin. C’est une alerte sur la nouvelle configuration géopolitique de l’IA. Les modèles avancés représentent un pouvoir économique, militaire, industriel et culturel. Les pays qui les développent veillent à leur protection quand ils estiment que c’est nécessaire.

L’Europe dispose de deux options. Elle peut continuer à se positionner comme un grand marché consommateur d’IA étrangère, avec une réglementation solide mais peu de capacité propre. Ou elle peut profiter de cette période pour accélérer le déploiement de ses propres modèles, infrastructures et architectures moins dépendantes.

Il ne s’agit pas de renoncer à OpenAI, Anthropic, Google, Qwen, DeepSeek ou GLM. Mais il faut que aucune de ces options ne devienne incontournable. Une infrastructure technologique mature doit permettre qu’une pièce critique puisse être remplacée sans tout reconstruire.

L’IA doit suivre ce même chemin : portabilité, modèles européens, cloud privé, open source européen, évaluation continue, et une politique claire sur le stockage des données — ce qui peut sortir ou doit rester en Europe.

Si les États-Unis et la Chine restreignent l’accès à certains modèles, l’Europe ne peut pas rester passive. Elle doit développer ses propres solutions.

Questions fréquentes

Que cherche la Chine avec ses modèles IA ?
Selon des informations de Reuters, Pékin envisagerait de restreindre l’accès extérieur à certains de ses modèles d’IA les plus avancés, actuels et futurs.

Pourquoi cela concerne-t-il l’Europe ?
Parce que de nombreuses entreprises européennes dépendent de modèles américain ou testent des modèles chinois ouverts ou peu coûteux. Si les deux blocs limitent l’accès, l’Europe perdra du terrain technologique.

Le open source résout-il le problème ?
C’est d’un grand secours, mais cela ne suffit pas. Il faut aussi une infrastructure, un support, une évaluation, une sécurité, un déploiement et une capacité à faire fonctionner ces modèles en production.

L’Europe devrait-elle n’utiliser que des modèles européens ?
Pas nécessairement. La stratégie raisonnable est une architecture hybride : utiliser des modèles globaux quand cela est pertinent, tout en conservant des alternatives européennes ou internes pour les charges sensibles et stratégiques.

Quelle est la première étape technique pour les entreprises ?
Recenser les cas d’usage, mesurer la dépense par tâche, classer les données sensibles, tester différents modèles, et créer une couche d’abstraction permettant de changer de fournisseur sans tout refaire.