GPU, cloud, données, modèles : pourquoi les États veulent reprendre le contrôle de leur IA

La souveraineté IA ne signifie pas fabriquer toute la technologie chez soi

Le mot « souveraineté » donne facilement l’image d’un pays qui voudrait posséder sa propre puce, son propre cloud, son propre modèle et ses propres applications. Les politiques publiques observées en Europe, en Corée du Sud, en Inde ou au Royaume-Uni racontent quelque chose de plus nuancé : elles cherchent surtout à réduire les dépendances jugées critiques et à conserver des options lorsque la technologie devient stratégique.

La comparaison de ces stratégies fait apparaître une même chaîne de dépendance : calcul, cloud, données, modèles, compétences et déploiement. Aucun État ne maîtrise nécessairement les six couches seul. Mais plus un pays dépend d’un petit nombre de fournisseurs étrangers sur plusieurs couches à la fois, moins il dispose de marge de manœuvre sur les coûts, l’accès, la sécurité, les règles d’usage ou la continuité de service.

1. Le calcul : sans GPU, la souveraineté reste théorique

L’IA moderne dépend d’une ressource physique : la puissance de calcul. En 2026, l’Union européenne indique disposer de 19 AI Factories et de 13 antennes régionales, tandis qu’un appel lancé en juillet prévoit jusqu’à sept AI Gigafactories. L’Inde annonce de son côté une infrastructure IndiaAI dépassant 38 000 GPU auprès de 14 partenaires cloud. Le Royaume-Uni finance l’expansion de son AI Research Resource avec un investissement de 750 millions de livres pour renforcer une capacité nationale de calcul.

Ces programmes ne rendent pas automatiquement leurs promoteurs indépendants : une grande partie des accélérateurs les plus performants reste issue de chaînes d’approvisionnement mondiales. Mais ils donnent aux chercheurs, start-up, industriels et administrations un accès que le marché seul ne garantit pas toujours, et permettent aux pouvoirs publics de décider à qui cette ressource stratégique est ouverte.

2. Le cloud : la question n’est plus seulement où sont les serveurs

Le cloud est la couche qui transforme le calcul en service utilisable. Selon le Digital Government Outlook 2026 de l’OCDE, 26 des 36 pays étudiés disposent d’une capacité cloud permettant de soutenir des usages d’IA dans l’administration. La présence d’un cloud ne suffit pourtant pas à définir sa souveraineté : les questions portent aussi sur la juridiction, la sécurité, la portabilité, l’accès aux données, la réversibilité et la capacité à continuer le service en cas de rupture commerciale ou géopolitique.

C’est pourquoi la Commission européenne relie désormais explicitement cloud, IA et réduction des dépendances stratégiques. Son paquet de souveraineté technologique présenté en juin 2026 couvre une chaîne allant des semi-conducteurs aux infrastructures, au logiciel, au cloud et à l’IA.

3. Les données : posséder un modèle ne suffit pas si l’on ne contrôle pas ce qui l’alimente

Les données publiques, industrielles, scientifiques ou linguistiques deviennent un autre actif stratégique. L’IndiaAI Mission illustre cette logique : le ministère indien de l’Électronique et des Technologies de l’information indique qu’AIKosh regroupait 3 011 jeux de données et 243 modèles issus de 39 organisations et de 20 secteurs dans son rapport 2025-2026.

La souveraineté des données ne signifie pas nécessairement tout enfermer à l’intérieur des frontières. Elle consiste plutôt à savoir quelles données peuvent circuler, sous quelles règles, avec quelles garanties et dans quelles conditions elles restent accessibles aux acteurs publics, académiques ou industriels qui en ont besoin.

4. Les modèles : la Corée du Sud pousse la définition très loin

La Corée du Sud fournit l’un des exemples les plus explicites. Dans son programme Sovereign AI Foundation Model, le ministère des Sciences et des TIC exige qu’un modèle qualifié de souverain ne soit pas soumis à un contrôle ou à une interférence externe. Les équipes sélectionnées reçoivent notamment du soutien sous forme de GPU et de données pour développer leurs propres modèles fondamentaux.

Cette doctrine montre que la souveraineté ne se réduit pas à la nationalité de l’entreprise qui commercialise l’IA. Elle concerne aussi l’architecture du modèle, les poids, les licences, les données d’entraînement, la capacité à le modifier et le droit de continuer à l’exploiter sans dépendre d’une décision prise ailleurs.

5. Compétences et capital : garder les cerveaux ne suffit pas si les entreprises partent

Une infrastructure nationale peut rester vide si les chercheurs, entrepreneurs et capitaux se concentrent ailleurs. Le Royaume-Uni a donc ajouté une couche financière à sa stratégie : son dispositif Sovereign AI est doté de 500 millions de livres pour soutenir des entreprises britanniques considérées comme stratégiques, avec accès au calcul national, aux données, aux partenariats publics et aux talents.

Cette dimension rappelle que l’autonomie technologique dépend aussi de la capacité à transformer la recherche en entreprises, puis à permettre à ces entreprises de grandir sans devoir déplacer immédiatement leur propriété intellectuelle, leurs équipes ou leurs centres de décision.

6. Déploiement : la souveraineté n’a de valeur que si l’IA sert réellement

La dernière couche est celle des usages. Les stratégies nationales mettent en avant la santé, l’industrie, la recherche, l’administration, la sécurité, la mobilité ou l’environnement. L’objectif déclaré n’est pas seulement de posséder des infrastructures, mais de pouvoir déployer des systèmes dans des secteurs sensibles selon des règles décidées localement.

C’est aussi là que les arbitrages deviennent les plus concrets. Une solution souveraine peut améliorer la maîtrise juridique ou la résilience, mais elle n’est pas automatiquement meilleure, moins chère ou plus performante. À l’inverse, acheter systématiquement la meilleure technologie étrangère peut maximiser la performance immédiate tout en augmentant la dépendance à long terme.

Le paradoxe : aucun pays ne peut réellement être autonome sur toute la chaîne

Les semi-conducteurs combinent conception, logiciels spécialisés, équipements de lithographie, mémoire, fabrication et matériaux provenant de plusieurs pays. Les grands modèles utilisent des bibliothèques open source, des données internationales et des infrastructures mondialisées. Même les politiques les plus volontaristes restent donc insérées dans des chaînes d’approvisionnement transnationales.

La souveraineté IA ressemble moins à l’autarcie qu’à une stratégie de diversification : disposer de plusieurs fournisseurs, conserver certaines capacités critiques sur son territoire, maîtriser ses données sensibles, pouvoir changer de prestataire, soutenir des acteurs locaux et éviter qu’une seule dépendance bloque tout le système.

Le vrai enjeu n’est pas d’avoir un chatbot avec un drapeau

Comparer les politiques européenne, coréenne, indienne et britannique montre que l’expression « IA souveraine » recouvre des priorités différentes. L’Europe insiste sur les infrastructures, la résilience et la réduction des dépendances ; la Corée sur les modèles fondamentaux et le calcul ; l’Inde sur l’accès au GPU, les données et les capacités domestiques ; le Royaume-Uni sur le calcul, le capital et l’ancrage des entreprises.

Le point commun est ailleurs : l’IA est devenue suffisamment importante pour que les gouvernements ne veuillent plus la traiter comme un simple logiciel acheté sur étagère. Ils cherchent à identifier les couches qu’ils ne peuvent pas se permettre de perdre, puis à reconstruire autour d’elles une marge de choix.