La seule question qui vaille
L’administration américaine a récemment imposé des contrôles à l’exportation sur les grands modèles de langage les plus avancés d’Anthropic, Mythos et Fable 5. La décision de rétablissement d’accès prise le 30 juin 2026 marque l’entrée dans un nouveau régime : aucune administration ne voudra s’enfermer dans des critères rigides de transparence pour accorder la mise sur le marché des meilleurs modèles d’intelligence artificielle. Une sorte d’ambiguïté stratégique sera la règle. Le gouvernement américain cherchera à conserver une marge de manœuvre maximale, y compris la possibilité de retirer l’accès à un modèle sans préavis et de manière discrétionnaire, ou de limiter ses cas d’usage.
Cette décision a rappelé à tous l’urgence de la situation : l’intelligence artificielle est en train de devenir une ressource aussi importante que l’électricité ou le pétrole dans notre économie. Assurer son approvisionnement est désormais une question stratégique décisive. Dans une économie désormais durablement irriguée par les grands modèles de langage (LLM), ne pas avoir accès de façon autonome aux meilleurs modèles, ceux qu’on appelle les modèles de frontière, c’est dépendre des autres pour une partie croissante de notre productivité, de notre puissance industrielle et de notre sécurité nationale. Si certaines capacités des modèles franchissent un seuil (autonomie sur des tâches longues, fiabilité accrue, baisse du coût d’inférence), l’adoption pourrait connaître une rupture brutale, susceptible d’entraîner un décrochage économique rapide des pays n’en disposant pas. En fait, aucune question économique, et probablement stratégique, n’est aujourd’hui plus importante que celle-ci : serons-nous soumis au bon vouloir de puissances étrangères pour alimenter notre société en intelligence mécanique, ou serons-nous capables de la produire nous-mêmes ?
En matière d’intelligence artificielle, la France a certes de nombreux avantages, en premier lieu son parc nucléaire et l’excellence de ses chercheurs et ingénieurs. Elle dispose du seul laboratoire européen capable de produire de grands modèles de langage de taille raisonnable, Mistral. Mais il y a loin de là à disposer d'un laboratoire capable de fournir une intelligence artificielle de premier niveau, et de suivre voire mener les avancées de la frontière. En la matière, nous partons en fait presque de zéro.
Si la France et l'Europe n'ont pas réussi à faire émerger des champions aussi puissants qu’Anthropic ou OpenAI, c'est pour des raisons structurelles liées à la dispersion des capitaux, à l'environnement réglementaire, et probablement à des comportements culturels. Il est difficile d'imaginer modifier rapidement ces paramètres : l’unification du marché des capitaux européens est un serpent de mer, la simplification du droit national et européen aussi. On peut dire sans risque de se tromper qu’un laboratoire d’intelligence artificielle de pointe ne s’y développera pas de manière organique. Toute volonté politique de remettre la France dans la course à l’intelligence artificielle ne pourra donc passer que par un effort délibéré de l’Etat.
Mais de quel effort parle-t-on, et de quelle ampleur ? La plupart de ceux qui appellent aujourd’hui à une intelligence artificielle souveraine le font sans en mesurer le prix. Or l’équation politique varie du tout au tout selon l’ordre de grandeur. Est-il équivalent au coût d’un nouveau porte-avions, par exemple ? S’agit-il plutôt d’un effort comparable au plan Messmer, qui a mobilisé pendant un temps plus de 1 % du PIB français pour bâtir la flotte de réacteurs nucléaires qui sont encore notre assise énergétique ? Cela va-t-il plus loin encore ?
Nous proposons dans cette note une “opération Prométhée” : nous calculons les montants à investir pour créer et maintenir un laboratoire de frontière en France d’ici trois ans, avant de déterminer par quels moyens y parvenir et d’en tirer les conclusions stratégiques qui s’imposent.
Créer un laboratoire de frontière pour la France
Nous raisonnons délibérément sur un laboratoire dédié aux grands modèles de langage, parce que c'est aujourd’hui la technologie d’intelligence artificielle généraliste la plus mature et donc la plus reproductible. Parier sur des paradigmes encore non éprouvés, comme les world models, reste utile et souhaitable, mais en complément d’un projet industriel de ce genre, tout comme il était nécessaire dans les années 1970 de copier et déployer en France le modèle américain des réacteurs nucléaires à eau légère, indépendamment des recherches françaises sur des modèles alternatifs de réacteurs.
Qu’est-ce qu’un laboratoire de frontière ?
Le terme de “frontière”, en IA, désigne davantage une dynamique qui se déploie dans le temps que la performance d'un modèle à un instant donné : la durée, mesurée en temps humain expert, des tâches qu’un agent peut réussir avec un certain niveau de fiabilité a doublé environ tous les 7 mois. La plupart des benchmarks, rapidement saturés, deviennent moins des instruments de mesure fine des performances des modèles que des conditions minimales d’entrée à la frontière. L’accès à la frontière ne peut pas être pensé comme l’achat ponctuel d’un modèle. Il suppose une capacité durable à suivre et absorber la dynamique. A la frontière, les capacités de calcul nécessaires à l'entraînement d’un modèle doublent tous les 5,2 mois depuis 2020. Sur la même période, le coût d’entraînement des modèles de frontière double tous les 7 mois. Les gains d’efficacité matérielle et algorithmique sont également rapides mais ne compensent pas la montée de l’ambition : ils permettent surtout de viser des modèles plus capables, plus longs à entraîner, plus agentiques et plus intensifs en inférence.
Les laboratoires à la frontière de l’IA reposent sur la maîtrise d’un ensemble intégré de ressources pour financer les itérations suivantes de développement des modèles, et assurer leur déploiement à grande échelle. Leur avantage tient autant à la qualité scientifique des équipes techniques qu’à l’accès continu au capital, aux données, et aux infrastructures de calcul nécessaires pour repousser la frontière. De plus en plus, ils reposent en outre sur l’accès aux modèles d’IA eux-mêmes, qui assistent les développeurs dans la production des futurs modèles, voire mènent leurs propres expérimentations pour accélérer automatiquement la R&D ; c’est le processus qu’on nomme recursive self-improvement, et qui pourrait conduire à un accroissement rapide de l’écart entre les laboratoires bénéficiant des meilleurs modèles (les leurs) et leurs concurrents.
Le calcul, nerf de la guerre
Le principe fondamental de l’IA aujourd’hui, et l’unique raison pour laquelle les entreprises d’IA se lancent dans une course démesurée aux investissements, s’appelle les lois d’échelle. Il s’agit de lois empiriques selon lesquelles l’intelligence du modèle croît linéairement en fonction du logarithme de la puissance de calcul employée, que ce soit dans l’entraînement du modèle ou plus tard à l’utilisation.
Les lois d’échelle - Graphe publié par OpenAI dans le rapport technique de leur modèle o1 en décembre 2024
Certes, cette formule se fait de plus en plus coûteuse à mesure qu’on démultiplie la puissance investie, mais la promesse est fabuleuse : atteindre une intelligence illimitée, plus vaste que celle de nos plus grands polymathes, capable de contribuer au progrès scientifique et technique davantage que tous nos prix Nobel. Bien sûr, rien ne garantit que ces lois continuent de tenir à long terme. Mais elles tiennent jusqu’ici, ce qui suggère d’ailleurs que l’intelligence est une affaire de quantité. C’est cette promesse qui rend l’investissement si important : l’IA devenant une entité supérieurement intelligente capable de faire des bonds de géant dans tous les domaines scientifiques et techniques, donc aussi dans les armements, la souveraineté d’un Etat ne pourra se maintenir sans maîtrise de l’IA.
Gagner la course est donc principalement affaire de calcul, ce que confirme l’état actuel de la course mondiale. Les deux laboratoires aujourd’hui à la frontière, Anthropic et OpenAI, sont aussi ceux qui disposent de la plus importante réserve de puissance de calcul (compute). On la mesure aujourd’hui le plus souvent en énergie utilisée : chacun de ces laboratoires contrôle l’équivalent de plusieurs GW. Et c’est bien la puissance de calcul qui fait la différence :
Puissance de calcul mobilisée et retard sur la frontière (1er trim. 2026)
La mesure de performance repose ici sur l’indice d’Artificial Analysis qui est un indicateur utile, quoique très incomplet, de la frontière. L’écart réel entre Fable 5 et les laboratoires chinois est certainement supérieur à l’écart d’environ 4 mois ici observé. D'abord l’indice sature par le haut : il compresse les écarts entre les meilleurs modèles. Cette compression peut donner l’impression d’un retard modéré, alors même que les différences restent beaucoup plus nettes sur les tâches les plus difficiles (sur ARC-AGI-2, par exemple, les modèles chinois ont encore ~8 mois de retard). D’autre part, une moyenne agrégée masque la forme réelle de la frontière. Avoir « quatre mois de retard » ne dit pas quelles capacités restent inaccessibles aujourd’hui, ni quelles classes de tâches ne sont débloquées que par le meilleur modèle disponible. A la frontière, l'avance n'est pas linéaire mais cumulative : le meilleur modèle sert à entraîner, distiller et accélérer le suivant, capte les usages les plus rentables et les meilleurs talents, et fixe le standard que les autres rattrapent.
Au vu des performances de modèles développés par des “pure players” chinois, aux ressources en principe plus limitées que les grands laboratoires américains, certains jugent aujourd’hui qu’il est possible d’entraîner des modèles de frontière avec une puissance de calcul, et donc un coût, beaucoup moins important que la norme américaine. GLM 5.2, publié le 16 juin 2026 par Zhipu, rivalise avec Claude Opus 4.8 sur certains benchmarks, alors que Zhipu ne disposerait que d’une fraction des capacités de calcul d’Anthropic (qui plus est sous forme d’allocation et non d’un compute à sa main). Mais d’une part, les véritables capacités financières et de calcul des firmes chinoises sont difficiles à évaluer. D’autre part, il est clair qu’une partie des performances de leurs modèles vient de la distillation des modèles commerciaux américains, c’est-à-dire de l’usage de ces modèles pour générer des données et environnements d’entraînement. Prendre l’exemple d’un DeepSeek ou d’un Zhipu pour en tirer la conclusion qu’il est possible d’avoir en Europe un laboratoire de frontière à bas coût serait une erreur. En un sens, la distillation est un accès à de la puissance de calcul par procuration, où le coût de la frontière a d’abord été payé ailleurs. Enfin, un modèle comme GLM 5.2 n’est pas à la hauteur des modèles d’Anthropic et OpenAI sur d’autres séries de benchmarks, et semble globalement moins polyvalent et performant.
Il est vrai aussi qu’une large partie du compute disponible chez OpenAI et Anthropic est destinée à l’inférence, c’est-à-dire à l’usage des modèles par les utilisateurs, et non à l’entraînement de ces modèles. En soi, il pourrait être tentant de penser que l’entraînement est possible avec beaucoup moins de puissance de calcul, mais là encore, le raisonnement serait fallacieux, puisque ce sont notamment les données résultant de l’usage massif de leurs modèles par les utilisateurs qui facilitent l’entraînement des modèles suivants. Il faut donc distinguer training et inférence sur le plan de l’architecture, mais non les opposer sur le plan stratégique. Pour un laboratoire à la frontière, le calcul forme un portefeuille stratégique à arbitrer entre entraînement, R&D, inférence interne (RL, données synthétiques, automatisation de la recherche), inférence client. Les effets d’échelle jouent sur chacun de ces maillons : plus un laboratoire sert d’utilisateurs, plus il apprend à réduire son coût par token, à améliorer ses kernels, son routage, son batching ou le taux d'utilisation des accélérateurs ; plus son inférence devient efficace, plus il peut vendre d’intelligence, générer de revenus, capter de données et de signaux d’usage et réinvestir dans le cycle suivant. Enfin, l’inférence permet aussi le test-time scaling, c’est-à-dire l’amélioration des performances par davantage de calcul au moment de la résolution des tâches (voir le graphe Les lois d’échelle au-dessus). L’inférence est donc un moteur économique et technique essentiel de la frontière.
Nous en concluons que, si la France souhaite disposer de son propre laboratoire capable de la fournir en IA de frontière sur le long terme, il faut une organisation dont l’ampleur et les moyens soient proches de ceux des grands laboratoires américains.
Quel serait le prix d’un tel projet ?
Par simplicité, faisons abstraction à ce stade des véhicules existants capables d’héberger et de conduire ce projet, et raisonnons à partir des premiers principes : combien de GPU, d’énergie et de chercheurs faudrait-il pour créer ce laboratoire ?
Puissance de calcul
Fin 2025, OpenAI disposait d'environ 1,9 GW et Anthropic de 1,4 GW ; les deux laboratoires sont attendus autour de 5 à 6 GW chacun dès fin 2026. Nous proposons de retenir pour objectif un dimensionnement de l'ordre de 12 GW de charge IT en 2029. Cela équivaut à rejoindre le niveau prévisionnel des acteurs à la frontière, en avançant rapidement : 2 GW en première année, 7 GW en 2028, 12 GW en 2029. A titre de comparaison, rappelons que le programme Stargate prévoit 500 Md$ pour 10 GW et qu’Anthropic a réservé quelque 10 GW auprès d'Amazon, de Google et de Broadcom.
Le premier coût comprend uniquement le socle de calcul : l’achat et la construction des capacités possédées en propre, la location temporaire de capacité pour combler l’écart au démarrage, puis l’exploitation annuelle des capacités détenues. En reprenant par simplicité les ordres de grandeur d’Epoch AI, nous comptons environ 38 Md$ par GW acheté, 8,5 Md$ par GW loué et par an, et 0,9 Md$ par GW détenu et par an d’OpEx. Le besoin de financement du compute serait alors d’environ 161 Md$ en 2027, 219 Md$ en 2028, puis 299 Md$ en 2029, soit environ 678 Md$ cumulés sur trois ans. Sur ce total, l’essentiel correspond au CapEx de construction et d’équipement, soit environ 606 Md$, le reste couvrant les locations (60 Md$) et l’OpEx des capacités détenues (13 Md$).
La consommation électrique associée en 2027 est d’environ 20 TWh par an, PUE inclus, pour 2 GW de charge IT disponible. Avec la montée en puissance retenue, la consommation atteindrait environ 71 TWh en 2028, puis 121 TWh en 2029, pour 12 GW disponibles.
Nous modélisons en outre une location de compute transitoire de 1 à 3 GW par an sur la période, au coût de 8,5 Md$ par an et par GW. Cette capacité louée permet de compléter les capacités détenues en propre pendant la montée en charge, et notamment de commencer plus rapidement le travail des chercheurs dès la première année.
Capacité disponible et consommation électrique
En France, cinq sites sont prévus pour accueillir plus de 700 MW chacun d’ici à 2030-2032. Ce délai s’explique notamment par des temps de raccordement de 4-5 ans sur les grands sites, y compris ceux qui font l'objet d'un portage public. Sécuriser 1 GW agrégé sur ces sites la première année serait possible en allant au-delà du fast-track actuel et en imposant une logique de premières tranches, site par site, sur les projets les plus avancés. Des exemples comme Colossus montrent qu’il est possible sur un unique site d’ajouter 300 MW en environ 7 mois en combinant un site industriel réutilisable, des fournisseurs mobilisés, un raccordement accéléré et une large tolérance réglementaire. L’objectif de 12 GW à l’horizon 2029 est une trajectoire de rattrapage exceptionnelle ; les cinq sites fast-track devraient être poussés quasiment à leur régime cible dès 2029. En outre, cette trajectoire suppose d’élargir le portefeuille au-delà des seuls grands sites existants en combinant extensions de sites, reconversions industrielles et éventuellement quelques capacités européennes contrôlées par des acteurs français ou européens. Elle suppose aussi de réduire le time-to-market en accélérant au maximum les travaux de raccordement, ou en nettoyant les files d'attente de PTF (Propositions Techniques et Financières), les engagements de raccordement conclus avec RTE. En réduisant le time-to-market, l’État rend ces sites beaucoup plus attractifs pour les investisseurs et les développeurs.
Recrutement
La puissance de calcul est une base indispensable, mais elle ne suffit pas à atteindre la frontière ; l’incapacité de Meta et xAI à rivaliser jusqu’ici avec Anthropic et OpenAI, en dépit de capacités importantes de l’ordre respectivement de 4 et 1,5 GW, montre l’importance de la qualité des chercheurs et de la culture du laboratoire.
Si l’on vante souvent, à raison, les compétences des chercheurs et ingénieurs français, l’Europe manque cependant d’expérience et donc d’expertise dans l’entraînement actuel des modèles de frontière. Si l’on veut y prétendre, il faut payer le prix pour attirer les chercheurs des grands laboratoires américains (ce qui, dans certains cas, consistera d’ailleurs à faire revenir des talents européens).
Il n’y a pas besoin d’un nombre énorme d’employés : nous retenons une équipe resserrée d’environ 1 700 personnes, Anthropic ayant 3 000 employés et OpenAI 5 000 (avec des dimensions de produit et de marketing que nous laissons pour l’instant au second plan). En revanche, les rémunérations sont élevées, surtout au sommet : il est indispensable de mobiliser une cinquantaine de chercheurs d’élite, venus des meilleurs concurrents, pour lesquels nous comptons 3 Md$ de rémunération annuelle : 100 M$ par fondateur (même si cela pourrait prendre la forme de participations) et 45 M$ par chercheur de classe mondiale. C’est le prix de marché : les rémunérations à neuf chiffres sont devenues ordinaires pour les débauchages entre laboratoires. Notons au passage, même si nous nous concentrons ici sur les moyens financiers, que l’argent ne suffit pas : les difficultés rencontrées par xAI montrent qu’au-delà du niveau de rémunération, la capacité à attirer durablement les meilleurs chercheurs dépend aussi de la culture scientifique ou de la gouvernance.
Une organisation resserrée : ~1 760 personnes, 7 Md$ de masse salariale (2027)
La base de l'organisation rassemble à titre indicatif 300 chercheurs et ingénieurs seniors (autour de 4 M$ chacun), 400 spécialistes de l’entraînement distribué, des systèmes et de l'infrastructure ainsi que 300 personnes dédiées aux données, au post-training et aux évaluations (environ 2 M$ chacun), auxquels s'ajoutent 150 personnes sur le tooling de R&D, 150 sur la sécurité et la cyberdéfense, 250 sur le produit et 150 sur les fonctions juridiques, RP, RH et support.
Au total, la masse salariale s’établit autour de 7 Md$ en 2027, puis progresse à environ 8 Md$ en 2028 et 9 Md$ en 2029, soit 24 Md$ cumulés sur trois ans. Elle reste très inférieure au coût du calcul : environ 3,5 % du compute cumulé. Les talents sont donc beaucoup moins coûteux que les GPU, ce qui justifie d’autant plus de les payer extrêmement bien. La masse salariale progresse plus modérément que le calcul dans la phase de construction, autour de 15 % par an : l’équipe reste resserrée, mais les rémunérations continuent de grimper sous l’effet de la concurrence.
Total
Sur cette base, le coût annuel total s’établit à environ 170 Md$ en 2027, 229 Md$ en 2028, puis 311 Md$ en 2029, soit un cumul de l’ordre de 710 Md$ sur trois ans. Le calcul en représente l’écrasante majorité : à lui seul, il pèse environ 678 Md$ cumulés, soit 95 % du total, le reste couvrant la masse salariale et divers frais de fonctionnement (respectivement 24 et 7 Md$ cumulés).
Coût annuel total : de 170 Md$ (2027) à 311 Md$ (2029)
L’investissement est donc plus que massif : l’effort représente environ 4,5 % du PIB français en 2027, 6 % en 2028, puis 8 % en 2029.
Amorçage, trajectoire autoporteuse et bénéfices financiers
S’il est donc massif, l’effort nécessaire pour une telle course vers la frontière serait cependant borné et limité dans le temps, tout particulièrement du point de vue des pouvoirs publics. Si atteindre la frontière est extrêmement difficile pour un laboratoire d’IA au point qu'y parvenir en France exigerait un soutien massif et multiforme de l'Etat pendant plusieurs années, cette phase d'amorçage serait brève. En cas de succès, une fois la frontière atteinte, la demande privée serait telle pour les services offerts par le labo, et son attrait si grand pour les investisseurs internationaux, qu'il se trouverait naturellement placé sur une trajectoire autoporteuse et soutenable. La massification de la demande privée et l’attractivité du projet pour les investisseurs étrangers seraient d’autant plus importantes qu’il bénéficierait pleinement de l’intérêt des acteurs européens - et d’autres pays - désireux de se dérisquer de la dépendance au contrôle export américain et chinois. Une fois la phase d’amorçage passée, on peut donc raisonnablement postuler qu’un laboratoire de frontière européen, s'il demeure efficacement géré par ses dirigeants, devrait être capable de se maintenir durablement à la frontière et probablement de creuser l'écart avec les concurrents n'ayant pas atteint celle-ci, sans plus nécessiter pour cela aucun financement public.
Les investissements, tant publics que privés, consentis dans le cadre d’un tel effort auraient en outre vocation à être particulièrement rentables financièrement. Avant même d’évoquer la valeur économique, politique et stratégique d'un tel projet, il faut rappeler qu'un laboratoire de frontière est aussi un actif productif de premier ordre. L'effort consenti n'est pas à perte : il peut engendrer des revenus s'il réussit, et conserver une valeur substantielle même s'il échoue.
La majeure partie du compute des grands laboratoires est destinée à l'inférence, qui se monétise par l'accès facturé à l'API (au token), par les abonnements grand public et entreprises, et de plus en plus par des produits agentiques qui automatisent des pans entiers du travail intellectuel. Les revenus des laboratoires de tête croissent à des rythmes de doublement annuel ou davantage, pour atteindre plusieurs dizaines de milliards de dollars par an. Un laboratoire français disposerait en outre d'un avantage structurel, un marché souverain en partie captif. À terme, en cas de succès, la majeure partie des coûts annuels pourrait ainsi être autofinancée par les recettes et le reste par des investissements privés.
Par ailleurs, même si le laboratoire échouait à rejoindre la frontière, la France resterait propriétaire de multiples GW de centres de données. Ce sont des actifs durables et précieux. Ce compute pourrait être loué (inférence à la demande, cloud souverain), mis au service de l'écosystème européen de recherche et de startups, ou redéployé vers d'autres charges intensives. Notons toutefois que les GPU eux-mêmes se déprécient brutalement, avec une durée de vie utile de quelques années seulement, ce qui justifie l'amortissement intégré à notre modèle. Le socle patrimonial réside surtout dans l'enveloppe, l'énergie et le foncier. Mais ce n'est pas la part la moins difficile à obtenir ni la moins valorisable.
Alternatives stratégiques
Les autres voies sont aussi risquées
Un coût aussi massif et un effort aussi dimensionnant pourraient décourager les responsables politiques français et européens, qui se jugeraient incapables de le financer et de le conduire. Quelles seraient alors les alternatives de la France ?
La première option est un pari sur l’open source : jusqu’ici les modèles ouverts ont suivi de quelques mois les performances des modèles commerciaux, et l’économie européenne peut donc, en dernier ressort, recourir aux premiers pour assurer son alimentation en intelligence artificielle, sans dépendre de quiconque. Le pari est risqué et, au demeurant, implique un coût non négligeable. Pour faire tourner ces modèles, il faut l’énergie et les infrastructures suffisantes, ce qui implique en soi d’énormes investissements. Surtout, rien ne garantit que le flux de modèles ouverts ne se tarira pas. Leurs développeurs, aujourd’hui principalement chinois, peuvent soudainement décider de les rendre commerciaux. Dans ce cas, l’Europe se trouverait tout aussi dépendante de la Chine que des Etats-Unis. Ces modèles pourraient aussi subir les mêmes restrictions d'accès que les modèles américains, fermés par exemple au-delà d’un seuil de capacité de type « Mythos ». Si ces modèles venaient à rattraper la frontière, ils pourraient être qualifiés de risques pour la chaîne d’approvisionnement (supply-chain risk) par l’administration américaine, entraînant des restrictions, voire des interdictions, sur leur achat, leur utilisation ou leur hébergement par les entreprises américaines. Par effet d’extraterritorialité, de conformité ou de pression réglementaire, leur adoption deviendrait également plus difficile pour les entreprises européennes.
La deuxième voie envisageable est celle d’une dépendance négociée envers les Américains. Les Etats-Unis construisent des modèles et l’Europe les utilise. Pour éviter une soumission totale, certains font valoir que l’Europe a des leviers dans la chaîne de valeur qu’elle peut utiliser à son tour pour faire pression sur les Etats-Unis ; en d’autres termes, la souveraineté devrait se trouver dans la dépendance mutuelle plutôt que dans l’indépendance. Il est vrai que les chaînes de production sont dispersées à travers le monde et que personne ne maîtrise unilatéralement l’intégralité des composants nécessaires au développement et à la diffusion de grands modèles de langage. Mais il ne faut pas se faire d’illusions : la principale brique que maîtrisent les Européens, celle de la production des machines de photolithographie pour l'industrie des semi-conducteurs (à travers ASML), n’est pas un levier si efficace dans une interdépendance de long terme. C’est un maillon indispensable de la chaîne, mais avec une forte latence : si l’Europe bloquait les exportations d’ASML, les effets de ce blocage ne se feraient sentir qu’après de nombreux mois, puisque les autres acteurs pourraient utiliser leurs stocks existants. A l’inverse, bloquer un modèle de frontière est instantané pour les Etats-Unis, comme l’exemple de Fable 5 l’a montré. L’arme ASML peut éventuellement servir dans un bras de fer focalisé sur l’infrastructure, comme on l’a dit plus haut, mais elle est moins efficace s’agissant du produit final et en rythme de croisière. Dans un monde où l’économie européenne repose intégralement sur l’usage de modèles américains, l’Europe pourrait-elle se permettre de passer seulement quelques jours sans eux ? Rien n’est moins sûr.
Au mieux, les Etats européens peuvent essayer de pallier ce désavantage en subordonnant l’accès des fournisseurs américains au marché européen à la présence physique des modèles sur des centres de données situés en Europe et juridiquement maîtrisés par eux. La Corée du Sud a par exemple formalisé un partenariat entre Shinsegae, conglomérat national prenant en charge l’infrastructure physique, et la startup américaine Reflection AI, apportant les modèles open weights et l’ingénierie, pour bâtir un site de 250 MW présenté comme une grande “AI factory” souveraine destinée aux entreprises et administrations coréennes. Cela éviterait de donner aux Etats-Unis un “kill switch” instantané, comme ils l’ont aujourd’hui ; mais cela n’empêcherait pas Washington de décider, à loisir, d’arrêter le déploiement de futurs modèles en Europe. Au surplus, l’Union européenne n’a pas fait la preuve de sa capacité à se coordonner pour répondre unanimement et vigoureusement à des pressions de ce type, puisque sa structure invite aux comportements de passager clandestin.
Peut-on, enfin, espérer jouer de la rivalité entre Etats-Unis et Chine pour ne dépendre ni de l’un ni de l’autre en les mettant en concurrence ? Ce serait un jeu risqué : les Etats-Unis seraient bien conscients qu’une Europe les menaçant de passer aux modèles chinois se mettrait immédiatement dans la main de la Chine, et inversement, de sorte que nous aurions peu de marge de négociation.
Peut-être ces solutions seront-elles celles que la France et l’Europe adopteront. Dans ce cas, il faudra au moins cesser de se prévaloir du concept de souveraineté et d’indépendance européenne, et admettre qu’il s’agira de gérer au mieux notre dépendance. Beaucoup de pays européens y sont déjà habitués en ce qui concerne leur approvisionnement énergétique, et ce sera donc pour eux la pente naturelle.
En fin de compte, il nous semble que le pari majeur que constituerait le projet Prométhée s’impose parce que ses risques sont à la mesure du moment de bascule technologique et stratégique que l’IA est en train de produire sous nos yeux. En regard des coûts et des risques de cet effort, à même de mobiliser les forces vives de la nation comme jamais depuis un demi-siècle, il faut en effet mettre ceux de l’inaction. Car nous connaissons cette route du moindre effort et nous savons où elle risque de conduire, c’est-à-dire à l’insignifiance stratégique de la France dans un monde durablement dominé par les maîtres de l’intelligence en silicium.
Pourquoi agir maintenant
Contrairement à ce qu’on peut parfois lire, la frontière de l’IA n’est pas destinée à se banaliser à horizon de quelques années au sens où l’on pourrait simplement attendre que les capacités les plus avancées deviennent accessibles à tous, à bas coût, sans perte stratégique pour une nation. Pour certains usages courants (résumé, traduction, assistance bureautique par exemple), être en retard d’une génération peut suffire : les modèles ouverts ou semi-ouverts fournissent déjà des capacités abondantes et peu coûteuses. Mais les capacités qui comptent pour la puissance (cyberdéfense, agents autonomes capables d’exécuter des tâches longues, accélération de la R&D, applications biologiques ou militaires) se situent précisément à la frontière. Ce sont aussi celles dont l’accès sera de plus en plus contrôlé.
Développer une expertise à la frontière produit en outre des rendements qui dépassent le seul modèle entraîné. Les dirigeants des principaux laboratoires actuels étaient, hier, des chercheurs ou ingénieurs placés au plus près de cette frontière : Dario Amodei, Demis Hassabis, Ilya Sutskever, Arthur Mensch, parmi d’autres. Un laboratoire français à la frontière construirait la base humaine, organisationnelle et industrielle permettant à la France de rester dans la course en 2028, 2030 et bien au-delà.
Sans programme national à la frontière, un pays devient progressivement dépendant d’évaluations produites par d’autres. Il perd la capacité de mesurer de manière autonome les performances réelles des modèles les plus avancés, d’en identifier les vulnérabilités et d’apprécier les risques systémiques qu’ils pourraient faire peser sur ses infrastructures critiques, sa sécurité nationale ou ses intérêts stratégiques.
Les laboratoires de frontière cherchent désormais explicitement à automatiser une partie de leur propre R&D : l’automatisation rapide de la recherche en IA et de son cycle de développement soutient l’amélioration continue des modèles à la frontière. Les générations précédentes de modèles sont utilisées pour entraîner les modèles suivants. Dans ce scénario, être absent de la frontière ne coûte pas linéairement plus cher : cela fait perdre l’accès au moteur même de l’accélération.
Enfin, l’inaction accroît une dépendance industrielle déjà massive. Les États-Unis concentrent aujourd’hui l’essentiel de la performance des grands clusters de calcul IA, ainsi que l’accès prioritaire aux chaînes d’approvisionnement qui les alimentent. Plus la France attend, plus ces ressources, base de calcul, talents et infrastructures, se consolident ailleurs.
La fenêtre rendue possible par la position de la France et l’état du domaine existe pour un bref instant. Dans cinq ans elle sera refermée pour de bon : c’est aujourd’hui que l’histoire frappe à la porte.
Nos conclusions
Le général de Gaulle rapportait ainsi la réaction de Khrouchtchev en 1960 quand, à Rambouillet, il lui apprenait le succès de la bombe atomique française : « Je comprends votre joie. (...) Mais, vous savez, c'est très cher. » Le président français commentait : « Mon récit n'a provoqué aucune réaction de la part de mes interlocuteurs, sauf celle-ci : “Ah oui ! C'est très cher !” “C'est très cher”, même pour les Américains, même pour les Russes. (...) Mais pour nous, face à ces visées impériales, c'est le prix de l'indépendance. »
Nous pensons qu’il en va de même de l’accès à l’intelligence artificielle. L’état actuel de nos économies ne reflète que faiblement la place qu’elle prendra partout dans les années à venir. Bien sûr, la plupart des pays du monde ne pourront pas prétendre produire leurs propres modèles ni leur propre inférence, tout comme la plupart des pays du monde ne peuvent produire leur propre énergie. Ils devront se contenter de négocier, bon gré mal gré, avec des puissances étrangères pour alimenter leurs besoins. Mais on voit où mène déjà la dépendance énergétique ; il suffit de penser aux difficultés de beaucoup d'États européens lors de l’invasion de l’Ukraine. La dépendance à l’intelligence mécanique sera au moins aussi profonde.
Depuis 1945, la France a fait le choix de développer sa propre source d’énergie, à travers la filière nucléaire. C’était un investissement massif et risqué, mais qui assure aujourd’hui notre autonomie énergétique, fait de nous un exportateur net, et contribue à notre place dans le jeu des puissances mondiales. Maintenant que tout se joue dans l’accès à l’intelligence artificielle, un défi du même ordre se représente.
En fait, peut-être est-ce le même défi ; puisque l’essentiel des coûts d’un laboratoire de frontière réside dans le calcul, et que ce dernier, in fine, demande d’abord de l’énergie, on peut voir la montée en puissance d’une IA française comme la continuation logique de notre effort nucléaire. Même la méthode du programme nucléaire peut servir d’inspiration. L’ordonnance de création du Commissariat à l'énergie atomique indiquait en 1945 : “Il est apparu que cet organisme devait être à la fois très près du Gouvernement, et pour ainsi dire être mêlé à lui, et cependant doté d'une grande liberté d'action. Il doit être très près du Gouvernement parce que le sort ou le rôle du pays peuvent se trouver affectés par les développements de la branche de la science à laquelle il se consacre, et qu'il est par conséquent indispensable que le Gouvernement l'ait sous son autorité. Il doit, d'autre part, être doté d'une grande liberté d'action, parce que c'est la condition sine qua non de son efficacité.” C’est aussi la philosophie que nous privilégions pour construire un laboratoire de frontière.
A l’époque où la France fit le choix, à la fin des années 1950, de se lancer seule dans un immense effort pour acquérir l’arme atomique et plus largement une force de dissuasion nucléaire complète de façon indépendante, beaucoup de Français et nos principaux alliés étaient convaincus qu’elle n’en avait pas les moyens et qu’elle était vouée à échouer. Les “raisonnables” de l’heure appelaient comme ceux d’aujourd’hui la France à “gérer sa dépendance” en s’entendant avec les Etats-Unis sur le modèle fourni par les accords de Nassau avec la Grande-Bretagne. Si elle avait suivi cette voie, la France aurait probablement eu sa bombe mais le maintien de la dissuasion, jusqu’à ce jour, dépendrait de la bonne volonté des Etats-Unis. Il fallut la volonté de fer du général de Gaulle pour discerner que l’arme nucléaire était devenue si essentielle à la souveraineté nationale que sa maîtrise autonome justifiait des sacrifices considérables. Aujourd’hui, l’IA nous place face à un pareil choix.
Oui, “c’est très cher.” C’est extrêmement cher, et rempli d’obstacles intérieurs et extérieurs. Mais c’est aussi un grand projet apte à susciter l’enthousiasme, à emporter avec nous d’autres partenaires, à mobiliser nos meilleures forces. Enfin, lancer l’opération Prométhée, c’est prendre au sérieux la vocation que la France s’est fixée, de longue date, d’être le fer de lance de l’autonomie stratégique européenne, en s’en donnant réellement les moyens. Et si nous renonçons à entreprendre des travaux de cet ordre, nous pouvons aussi renoncer à parler de souveraineté et d’autonomie stratégique européenne.
A cette aune, lancer ou non l’opération Prométhée constituera très probablement la décision la plus importante que sera amené à prendre le prochain président de la République élu l’année prochaine. Elle pourrait bien faire la différence entre le maintien du rôle que la France entend jouer dans le monde et son glissement, à terme, vers l’insignifiance stratégique.
Comment mener cette opération ?
Vu l’énormité des moyens à consacrer au projet, l’architecture retenue pour le mettre en œuvre est décisive. Comment organiser les ressources investies dans cet effort herculéen ? Faut-il mettre en concurrence plusieurs entreprises ? Ou concentrer les moyens dans une seule, et si oui, laquelle ? Et quel rôle doit y jouer l’Etat ?
Véhicule
S’il s’agissait de réduire à une équation la performance des modèles sortis d’un laboratoire, on pourrait écrire, à partir des observations faites plus haut :
performance = compute × data × organisation × cerveaux
OpenAI, Anthropic, Meta ou xAI sont notablement en avance sur le compute. Le facteur d’organisation est peut-être le réactif limitant pour certaines entreprises, comme la hiérarchie trop pesante chez Meta et dans une moindre mesure chez Google. Au contraire, les entreprises chinoises plus limitées par le compute se défendent sur le facteur des cerveaux, avec des chercheurs brillants et une ingénierie de première classe.
Mais une fois cette équation posée, comment maximiser le produit ? Faut-il investir dans un champion, ou plusieurs ? Il existe naturellement une tension entre la concurrence et la concentration des moyens. Aux Etats-Unis, la concurrence a laissé émerger des acteurs multiples qui ont tous joué leur part dans le progrès du pays : c’est Google qui a découvert Transformers, OpenAI qui a découvert les scaling laws sur l’inférence avec o1, Anthropic qui a publié les agents de code ouvrant un chemin vers le self-improvement. L’exemple chinois est d’ailleurs singulier : le gouvernement entretient une flotte de centres de données qui monte progressivement en puissance. Les neo-labs comme Zhipu, Moonshot, ou MiniMax sont ensuite en compétition pour obtenir des grants, des autorisations d’utilisation à durée limitée ; l’obtention d’un grant est bien sûr conditionnée à la puissance passée, ce qui permet de laisser jouer la concurrence pour faire émerger de nouvelles idées, mais disperse d’autant les efforts.
En revanche, pour un Etat limité dans ses moyens, les lois d’échelle restreignent les options : toute organisation qui voudrait prétendre à une IA de classe mondiale aura besoin d’environ autant de compute qu’un des leaders américains, ce qui nécessite directement plusieurs gigawatts, donc des centaines de milliards d’euros. Cela exclut d’emblée que la France, seule ou même en coalition, puisse financer d’un coup plusieurs champions. Cet investissement devra donc inévitablement être focalisé sur un seul véhicule. Cette logique de champion national, incontournable, exigerait cependant une gouvernance particulièrement bien conçue pour éviter de stériliser son potentiel d’innovation.
Il s’agira alors de choisir entre deux voies : s’appuyer sur un laboratoire existant, Mistral apparaissant naturellement comme le seul candidat européen crédible, ou créer un véhicule entièrement nouveau. La première option ferait de Mistral le point d’ancrage du projet, en lui faisant absorber tous les moyens mis à disposition du projet Prométhée et adopter la feuille de route de course à la frontière. La seconde consisterait à créer une structure dédiée, éventuellement à racheter les chercheurs et actifs de Mistral, si cette forme permettait une exécution plus rapide, une gouvernance plus resserrée ou une meilleure adéquation avec les objectifs du programme. Mistral est aujourd’hui valorisé à environ vingt milliards d’euros, ce qui ne représenterait qu’un huitième du coût annuel du présent projet.
Vient la question du rôle de l'État. Deux conditions se dégagent clairement. La première est que le projet ne réussira jamais sans un engagement massif de la puissance publique, financier d'abord, mais aussi politique, diplomatique et réglementaire. Seul l’Etat, déployant toute sa puissance et sa capacité à concentrer les moyens, peut en effet faire de l’opération Prométhée un effort national prioritaire de l’ordre de ce que fut la construction de la dissuasion nucléaire française dans les années 1960 et 1970. Notons, pour ceux qui douteraient de la pertinence d’une implication de l’Etat dans un laboratoire de frontière, qu’OpenAI vient de proposer à l’administration américaine une participation de 5 %. La seconde est que l'État n'apporte en revanche aucune valeur ajoutée à la conduite du laboratoire lui-même, et qu'il y serait même très certainement nuisible. Or il serait difficile de défendre politiquement un financement de cette ampleur sans aucun droit de regard public.
Le cœur du montage consisterait donc à scinder le projet en deux. D'un côté, le laboratoire proprement dit : les chercheurs avec leur propre culture et libres de leurs choix scientifiques, entièrement consacrés à l'entraînement des modèles et ayant pour seul cadre une feuille de route générale vers la frontière. De l'autre, tout le reste, c'est-à-dire en réalité un immense projet d'infrastructures visant à livrer, dans les quantités, les coûts et les délais souhaités, du compute au laboratoire ; c’est quelque chose que l'État sait mener.
À la tête de la partie publique, une direction de programme étatique assurerait la maîtrise d'ouvrage pour le compte de l'État. Son rôle serait entièrement tourné vers la facilitation du projet : accélération des procédures administratives et mise en place des nombreux régimes dérogatoires indispensables. Une “loi Prométhée” équivalente à la "loi Notre-Dame" devrait être adoptée en matière de foncier, de raccordement électrique, d'environnement et de droit du travail.
La “loi Prométhée” inclurait également un volet de programmation financière fixant un investissement public massif dans le projet durant 3 ans à hauteur de 1,5 % du PIB par an. Les précédents des grands projets techno-industriels nationaux français et américains (dissuasion nucléaire française, projet Manhattan, programme Apollo) tendent à montrer qu’il s’agit de l’ordre de grandeur maximal crédible pour un programme très ambitieux désigné par l’Etat comme une priorité absolue de sécurité nationale. Essentiels pour crédibiliser le projet et attirer les investissements privés français et étrangers destinés à les relayer, ces fonds publics, loin d’être brûlés sans contrepartie, seraient des investissements susceptibles de générer de considérables rendements en cas de succès. En cas de réussite, la France se trouverait dotée d’un actif stratégique inestimable au sein d’un club ultra-restreint de puissances de la frontière (Etats-Unis, Chine et France) et d’un moyen lui permettant de jouer un rôle de catalyseur essentiel de l’autonomie stratégique européenne. Investir 1,5 % du PIB d’argent public dans un tel projet apparaît, dans ces conditions, plus que justifié. C’est d’autant plus vrai que dès le pari réussi, le cas échéant, le projet ne nécessiterait plus aucun financement public supplémentaire. En termes de procédure, faire investir de tels montants par l’Etat dans l’opération Prométhée supposerait en revanche de bien jouer du droit européen des aides d'État : la carte de la sécurité nationale devrait être utilisée sans réserve pour maintenir la Commission à l'écart, quitte à engager avec elle une épreuve de force juridique.
Le laboratoire prendrait la forme juridique d'une holding dont la mission unique serait de déployer des modèles de frontière, sans aucune interférence dans sa gestion. L'État y détiendrait une part minoritaire significative, de l'ordre de 25 %, l’intéressant à son succès, le reste demeurant majoritairement privé. L'idéal serait de multiplier les participations de fonds et de grands groupes industriels européens : pour ces derniers, non pas tant pour leurs capitaux que pour leur intérêt direct à disposer d'un modèle de frontière souverain et non débranchable. Les fondateurs et dirigeants du laboratoire n'auraient pas vocation à être forcément français ; il suffit qu'ils soient de première classe et qu'ils aient l'expérience de l'entraînement des modèles de frontière. En revanche, l'État serait le garant du contrôle national du projet, avec des instruments classiques du droit des sociétés : action spécifique donnant à l’Etat un droit de veto ciblé sur les opérations sensibles en s'appuyant sur les impératifs de sécurité nationale, clauses de localisation du siège et de non-délocalisation des actifs critiques, garantie de non-débranchabilité du modèle, etc. Les droits de vote multiples, permis en France depuis la loi Attractivité de juin 2024, permettraient de dissocier l’économique du stratégique au sein du laboratoire, l’Etat, la BPI et les fondateurs détenant les actions à vote renforcé tandis que le capital étranger entrerait en actions à fort rendement économique mais à vote faible ou nul.
Le calcul, lui, serait logé dans des structures distinctes, filiales ou joint ventures dédiées, qui auraient pour seul objet de livrer au laboratoire la puissance prévue. Elles réuniraient des investisseurs privés de toutes origines et des investisseurs publics des pays volontaires, avec une rémunération calibrée pour être franchement attractive : comme ces véhicules sont gourmands en capital, le rendement offert doit être à la hauteur pour drainer l'argent nécessaire. Les précédents existent. L'américain Poolside a séparé son laboratoire de sa société d'infrastructure, dont la direction réunit des profils ayant dix à vingt ans d'expérience dans la construction et l'exploitation de centres de données chez les grands acteurs du cloud. Mistral structure son accès au calcul par des joint ventures avec la BPI, MGX ou Nvidia.
Une dernière structure publique, distincte, aurait pour mission de mettre le nouveau nucléaire « sous stéroïdes » afin que l'énergie ne devienne pas le goulet d'étranglement de l'après-2030. Ce n'est pas l'objet de cette note que de développer cette dimension, mais elle n'en est pas moins essentielle.
Adossée à l’investissement public qui crédibilise le projet, l’épargne nationale serait massivement mobilisée au service de Prométhée par allocations minimales obligatoires dans les PER et les assurances-vie, mécanisme de type Tibi permettant d’orienter les investissements des assureurs et institutionnels, véhicule coté détenu en PEA pour le grand public. Le tranchage du risque qui verrait l’Etat prendre la tranche de première perte le cas échéant permettrait, en assumant le risque non assurable lié au pari de souveraineté, d’attirer du capital privé en grande quantité. A l’échelle du plan, la réallocation de 2 % par an du stock d’assurance-vie national en faveur de Prométhée suffirait à égaler un investissement public de 1,5 % du PIB mais nécessiterait un montage financier complet, ambitieux et bien pensé.
Eu égard à la masse de capitaux privés qu’il serait nécessaire d’attirer, le succès du projet dépendrait de façon critique de sa capacité à crédibiliser au plus vite son ambition aux yeux des acteurs privés et internationaux. L’ampleur des moyens, à la fois publics et privés, consentis par la France, mais également son volontarisme dans la mise en place de dérogations juridiques majeures au service du projet et la capacité à recruter des talents internationaux de premier ordre pour le diriger seraient essentiels. L’obtention de premiers résultats rapides sur les modèles serait ensuite impérative pour générer un cercle vertueux.
Quelle coalition autour de la France ?
Dans ce genre de projets, un réflexe récurrent est de partir d’une logique européenne sans en démontrer la nécessité. Cela mène trop souvent à la recherche d’un retour géographique immédiat (comme dans le spatial ou la défense), donc à la fragmentation de l’effort et, in fine, à un échec à passer à l’échelle. C’est pourquoi nous partons des capacités françaises, d’autres pays convergents, y compris non européens le cas échéant, pouvant s’y joindre en fonction des besoins et de leurs intérêts.
La France est en effet aujourd’hui structurellement la mieux placée pour tenter de devenir le 3ᵉ pays à la frontière de l’IA car, excepté les Etats-Unis et la Chine, elle est la seule puissance combinant les quatre conditions suivantes :
A ceci vient s'ajouter la tradition française des grands projets technologiques de rattrapage, à travers le nucléaire civil et militaire en particulier, qui fournirait une expérience et une inspiration précieuses à un tel effort.
Son succès nécessiterait une gouvernance claire assise sur un leadership français clairement assumé, et crédibilisé par l’engagement financier massif et durable de la France, à la fois public (à travers sa loi de programmation dédiée) et privé. Les autres pays participants bénéficieraient du projet par des droits d’accès au compute, des crédits d’usage pour leurs chercheurs et entreprises, des standards partagés et l’intégration progressive de leurs industriels dans la chaîne de valeur. Au-delà, ils bénéficieraient de la part de la France d’une garantie de disposer en cas de succès d’un accès permanent à un modèle de frontière pour leurs besoins et ceux de leurs entreprises, dans des conditions équivalentes à celles des entreprises françaises. A travers un traité multilatéral auquel ils seraient conviés à devenir parties, les partenaires bénéficieraient d’un tel engagement de la part de la France, en échange d’un engagement significatif à financer des capacités de calcul dédiées au projet. Outre la contribution des pays partenaires au financement du projet via un ticket d’entrée (par ex. 0,3 % de leur PIB par an durant 3 ans), ils joueraient probablement un rôle essentiel dans les premières années du projet pour favoriser l’accès du laboratoire à de la puissance de calcul située sur leur territoire, l’ampleur des capacités de calcul pouvant être construites en France étant limitée à court terme par la disponibilité de l’électricité, le temps que l’effort d’accélération du nouveau nucléaire porte ses fruits et permette de prendre le relais.
Ce n’est pas l’objet de cet article que de déterminer précisément les partenaires qui pourraient être intéressés, sujet qui devrait faire l’objet d’une manœuvre diplomatique méticuleusement conçue. On peut cependant souligner que, pour peu que le projet français apparaisse crédible, un certain nombre de puissances moyennes pourraient voir un grand intérêt à faire, en participant à ce projet, une forme de hedging limitant leur dépendance aux modèles américains et/ou chinois. Le Japon et surtout la Corée du Sud et Taïwan apparaissent comme des cibles prioritaires étant donné leur maîtrise de la filière des semi-conducteurs, mais leur dépendance stratégique aux Etats-Unis pourrait les faire hésiter. C’est également le cas pour le Royaume-Uni, particulièrement intéressant pour son écosystème IA. Tous nos partenaires européens devraient également se voir proposer de rejoindre le projet. Au-delà du E5 (France, Allemagne, Italie, Pologne et Royaume-Uni), étant donné leur positionnement, les Pays-Bas, les pays scandinaves et la Belgique apparaissent particulièrement susceptibles d’être intéressés. Au-delà de l’Europe et de l’Asie orientale, les Emirats arabes unis, le Canada et l’Australie pourraient également constituer des candidats sérieux.
Les trois premières années
Comment se déroulerait en pratique la conduite du projet ? Nous proposons le calendrier suivant pour ses trois premières années.
Créer le véhicule avec ses différentes structures, nommer une direction exécutive et scientifique, voter la loi Prométhée
Ces prévisions s’appuient sur les durées observées dans les grands laboratoires les plus récents :
Oppositions internationales
L’une des grandes difficultés serait, outre la conduite administrative de ce sprint, de sécuriser l’approvisionnement en GPU. La construction des centres de données eux-mêmes, la structuration juridique du projet, les dérogations réglementaires sont à notre main, mais pas l’accès aux puces. Aucun laboratoire n’entraîne aujourd’hui de modèles sans puces Nvidia, à l’exception de Google, qui repose sur ses propres Tensor Processing Units, construits expressément pour ses besoins internes. Même les modèles chinois récents sont entraînés sur des GPU produits par Nvidia. A court terme, et tant que d’autres acteurs ne concurrencent pas ce quasi-monopole, notre projet serait donc dépendant de Nvidia, c’est-à-dire de l’administration américaine. Rien n’empêcherait en effet cette dernière d’imposer des contrôles à l’export des produits Nvidia vers la France (certains pays européens en ont déjà subi), et il est possible qu’elle soit tentée de le faire en voyant surgir un effort concurrent de cette taille. L’administration américaine actuelle, arc-boutée sur “l’AI dominance” et peu soucieuse de ménager ses alliés, pourrait recourir à de telles mesures.
Deux solutions s’offrent alors à nous. Soit nous tentons malgré tout d’acquérir des puces Nvidia en pariant sur le fait qu’un tel marché serait trop juteux pour l’entreprise, qui jouerait de son influence à Washington pour éviter des restrictions d’exportation ; dans le pire des cas, nous devrions convaincre les Pays-Bas de menacer Nvidia et le gouvernement américain de rétorsion par l’arrêt de l’exportation des machines de photolithographie d’ASML, indispensables à la production de GPU - ce qui rend d’autant plus essentielle la participation de La Haye au projet. Il y a là beaucoup d’incertitudes. Soit nous cherchons à bénéficier de nouveaux producteurs ailleurs dans le monde. Mais il est difficile, à ce jour, d’en trouver qui ne soient pas eux-mêmes tenus par les Américains, de manière plus ou moins directe, tout en ayant la surface requise. Même les puces de Huawei (Ascend) ne sont pas suffisantes pour la consommation des laboratoires chinois. Peut-être la situation changera-t-elle bientôt ; la Corée du Sud a par exemple annoncé un plan d’investissements de plus de 1 000 milliards de dollars pour des usines de semi-conducteurs.
En l’état, c’est l’un des risques les plus sérieux auxquels s’expose ce projet. Il n’est cependant pas rédhibitoire car le coût pour les Etats-Unis de l’usage ouvertement hégémonique de leur contrôle à l’export vis-à-vis d’un allié accélérerait probablement fortement l’émergence d’alternatives à Nvidia, en particulier en Asie. Dans l’intervalle, les États-Unis ne pourraient empêcher Prométhée de louer à des tiers des capacités de calcul pour entraîner ses modèles.