IA frontier et souveraineté : assumer une dépendance pour mieux s’en libérer

1. Le faux dilemme

Le débat européen sur l’IA s’est enfermé dans une alternative binaire. D’un côté, l’adoption sans conditions : les modèles américains sont les meilleurs, on s’y branche, on verra plus tard. De l’autre, le refus de principe : tout modèle extra-européen est une compromission, on attendra l’équivalent local. Les deux postures se présentent comme opposées. Elles partagent en réalité le même défaut : aucune ne raisonne en trajectoire.

L’adoption sans conditions installe la dépendance là où elle coûte le plus cher : dans l’exécution quotidienne des services, au contact des données de production, sans plan de sortie. Le jour où le fournisseur change ses prix, ses conditions ou ses priorités, c’est le service lui-même qui vacille. Cette dépendance-là est structurelle, et elle se découvre en général au pire moment.

Le refus de principe a un coût moins visible mais tout aussi réel : l’écart de productivité. Une équipe qui se prive des meilleurs outils de conception prend du retard sur chaque produit, chaque correctif, chaque audit. Ce retard se paie en parts de marché captées par des acteurs qui, eux, ne se sont rien interdit. Et il arrive que la posture cache mal ses propres contradictions : des absolus affichés en page d’accueil, des dépendances bien réelles dans l’infrastructure, et rien de documenté entre les deux.

2. Le label européen ne suffit pas

Première objection au refus de principe : le critère « européen » est plus flou qu’il n’y paraît. Prenons le champion le plus en vue. Mistral AI est une entreprise française, dirigée depuis Paris, et c’est une réussite dont l’écosystème peut être fier. Mais son capital raconte une histoire plus nuancée : l’amorçage a été mené par Lightspeed, la série A par Andreessen Horowitz, et l’on trouve à son tour de table General Catalyst, Nvidia ou DST Global, aux côtés de Bpifrance. Depuis sa série C de septembre 2025, son premier actionnaire est le néerlandais ASML, avec environ 11 % du capital. Un tour de table mondial est une force pour Mistral, pas un reproche. Mais il rappelle une évidence : la nationalité d’une cap table est un critère de souveraineté à peu près inutilisable.

Si le passeport du logo ne dit rien, qu’est-ce qui compte ? Quatre questions, toujours les mêmes :

Passé au filtre de ces quatre questions, le classement intuitif se renverse parfois. Un modèle frontier américain, utilisé uniquement en phase de conception, sur des données minimisées et pseudonymisées, avec non-rétention contractuelle et sans aucun rôle dans l’exécution du service, engage moins que bien des SaaS « européens » qui traitent des données de production entières sur une infrastructure dont l’exploitant relève d’une juridiction extra-européenne. La souveraineté se mesure aux flux réels, pas aux drapeaux.

3. L’économie de l’intelligence importée

Deuxième objection au refus de principe : son coût d’opportunité est énorme, et il est documenté. L’intelligence artificielle est probablement l’intrant dont le prix baisse le plus vite de l’histoire industrielle récente. Le Stanford AI Index 2025 mesure que le coût d’interrogation d’un modèle du niveau de GPT-3.5 est passé d’environ 20 dollars le million de tokens fin 2022 à 0,07 dollar fin 2024, une division par plus de 280 en dix-huit mois. Les mesures d’Epoch AI sur des tâches de niveau GPT-4 donnent un ordre de grandeur comparable : le prix d’une performance équivalente est divisé par environ 40 chaque année.

Cette déflation a une conséquence stratégique que l’on sous-estime : l’intelligence brute se déprécie très vite, mais ce qu’on en fait ne se déprécie pas. Le modèle que vous interrogez aujourd’hui vaudra dix fois moins cher dans dix-huit mois ; le produit que vous avez construit avec, le code que vous possédez, l’outillage que vous avez consolidé, eux, restent. Acheter de l’intelligence au sommet de sa capacité n’a donc de sens qu’à une condition : la convertir immédiatement en actifs durables dont vous détenez la propriété pleine et entière. C’est toute la différence entre consommer un modèle et capitaliser dessus.

4. La boucle qui convertit la dépendance en actif

Concrètement, cette conversion prend chez nous la forme d’une boucle. Les modèles frontier renforcent TITAN, notre plateforme d’ingénierie IA, qui est aussi notre propre atelier de développement. TITAN accélère la conception de chacun de nos produits : facturation électronique, signature qualifiée, archivage probant, cartographie, données d’entreprise. Ces produits sont notre propriété intégrale, hébergés en France, et fonctionnent sans aucun modèle frontier dans leur exécution. Le temps et la marge qu’ils dégagent financent l’itération suivante, y compris le travail d’internalisation qui réduira, à terme, la dépendance de départ.

C’est le contraire d’un cercle vicieux de dépendance : à chaque tour de boucle, la part souveraine du système augmente. L’intelligence importée est un flux, que l’on peut interrompre ; ce qu’elle a produit est un stock, que personne ne peut reprendre. Refuser le flux par principe, c’est renoncer au stock. L’accepter sans le convertir, c’est rester locataire de sa propre capacité. La discipline est dans la conversion.

5. La frontière qui compte : conception, jamais exécution

Tout ce qui précède repose sur une frontière stricte, et elle mérite d’être définie précisément. La phase de conception (le « build ») recouvre tout ce qui sert à fabriquer un logiciel : écrire et relire du code, concevoir une architecture, générer une maquette, rédiger une documentation. La phase d’exécution (le « runtime ») recouvre le fonctionnement du service en production : les requêtes des utilisateurs, les données réelles, la disponibilité au quotidien.

Une dépendance de conception est ponctuelle et substituable : si le fournisseur disparaît demain, le logiciel déjà construit continue de fonctionner, intégralement. Une dépendance d’exécution est structurelle : chaque requête de chaque utilisateur en dépend, et les données de production y transitent. Les deux n’appartiennent tout simplement pas à la même catégorie de risque, et c’est pourquoi les traiter d’un même « non » ou d’un même « oui » est une erreur d’analyse.

Notre règle en découle : les modèles frontier extra-européens interviennent en conception, jamais en exécution. Ni dans le fonctionnement de nos services, ni dans celui des sites et applications que nos clients construisent avec TITAN, qui tournent sans aucune dépendance à un modèle frontier. Dans TITAN, mobiliser un modèle frontier pour concevoir est d’ailleurs un choix explicite du client, signalé par le sélecteur de modèle, pas un réglage par défaut.

6. Les mesures d’atténuation, concrètement

Borner la dépendance à la conception ne suffit pas : la phase de conception elle-même doit être encadrée. Les mesures existent, elles sont pour la plupart contractuelles ou techniques, et le vrai sujet est de les activer systématiquement plutôt que de les découvrir après coup.

Aucune de ces mesures n’est exotique. Mises bout à bout, elles transforment la nature de l’exposition : ce qui atteint le fournisseur extra-européen n’est plus « vos données », mais un flux de travail minimisé, dépersonnalisé, non conservé et non réutilisé, cantonné à la fabrication.

7. Open weight : la trajectoire de sortie

Il reste la question de fond : une dépendance, même encadrée, n’est acceptable que si elle est transitoire. C’est ici que les modèles à poids ouverts (« open weight ») changent la donne. Un modèle dont les poids sont publiés se télécharge et s’exécute sur sa propre infrastructure, sous sa propre juridiction. Le fournisseur d’origine ne peut ni le retirer, ni en changer les conditions, ni observer ce qu’on en fait. Ce n’est plus un service que l’on consomme, c’est un artefact que l’on détient : la différence exacte entre un flux et un stock.

Or l’écosystème open weight progresse vite. Les familles DeepSeek, publiées sous licence MIT, et Qwen, sous licence Apache 2.0, rivalisent désormais avec les modèles fermés de pointe sur plusieurs benchmarks de code et de raisonnement, et l’écart global se mesure en points de pourcentage et en mois, plus en générations. Même les laboratoires américains les plus fermés s’y sont mis, OpenAI ayant publié en 2025 ses premiers modèles à poids ouverts depuis GPT-2. Rien ne garantit que cette convergence se poursuive au même rythme ; mais la direction, elle, est nette.

C’est ce qui distingue une dépendance transitoire d’une dépendance perpétuelle : la première a une porte de sortie déjà construite, dont le loyer baisse chaque année. La dépendance frontier est un pont ; l’open weight est la rive. On ne s’installe pas sur un pont.

8. Ce que nous appliquons

Cette analyse n’est pas théorique : c’est, mot pour mot, la doctrine que nous nous appliquons. Nos modèles frontier interviennent en conception, jamais dans l’exécution de nos services ni dans celle des projets de nos clients. Les données de production ne leur sont pas soumises ; ce qui l’est en conception est minimisé et pseudonymisé en amont par nos propres modèles souverains. Les garanties de non-rétention et de non-réentraînement sont activées. Et l’inventaire complet de nos dépendances extra-européennes est documenté publiquement, avec leur périmètre exact.

Nous aurions pu écrire « zéro dépendance » en page d’accueil. C’est un slogan qui se vend bien, jusqu’au jour où il se vérifie mal. Un acteur de la confiance numérique n’a pas ce luxe : un absolu faux détruit plus de confiance qu’un engagement précis n’en construit. Nous préférons des claims exacts, un inventaire public et une trajectoire de sortie mesurable. Assumer la dépendance d’aujourd’hui est très exactement ce qui nous donne les moyens de nous en libérer demain.