Operación Prometeo: Francia puede ganar la carrera por la IA. ¿Cuál sería el precio?

En resumen

Este informe propone, por primera vez, un plan trienal para que Francia y sus socios desarrollen un laboratorio de IA de vanguardia capaz de competir con los mejores laboratorios de Estados Unidos, con el fin de garantizar su independencia estratégica.

La IA será el principal motor de la economía de aquí a 2030

• El gasto en IA, como porcentaje de los salarios, ya supera el 10 % en las empresas más avanzadas, y no hará más que aumentar, hasta tal punto que, con el tiempo, podría superar la parte destinada a los salarios. La IA es ya hoy, y con diferencia, el principal motor del crecimiento estadounidense.

No ser autónomos en materia de IA equivaldría a someternos a los imperialismos

• Importar nuestros flujos de inteligencia artificial equivale a depender de terceros para una parte cada vez mayor de nuestra productividad, nuestro poder industrial y nuestra seguridad. 
• Francia no cuenta actualmente con ningún modelo de frontera (el nivel más alto de potencia), y los recientes controles estadounidenses a la exportación sobre los mejores modelos de Anthropic ilustran el peligro de esta situación. Sin embargo, ningún laboratorio de este nivel surgirá de forma espontánea sin un esfuerzo deliberado por parte del Estado. 
• Aparte de Estados Unidos y China, Francia es el único país que reúne hoy en día las condiciones necesarias para convertirse en la tercera potencia de la frontera, siempre y cuando lo convierta en una prioridad absoluta.

El objetivo técnico

• El objetivo es alcanzar los 12 gigavatios (GW) de potencia de cálculo en 2029 (trayectoria: 2 GW en 2027, 7 GW en 2028, 12 GW en 2029), es decir, el nivel de los grandes laboratorios estadounidenses.
• Atraer a los mejores investigadores del mundo para formar parte de un equipo reducido (1.700 personas).
• Ser capaces, en 2029, de entrenar modelos en la frontera. Demostramos que este objetivo es alcanzable.

El costo

• 170.000 millones de dólares (Md$) a partir de 2027, más de 300 Md$ en 2029, lo que supone un total de unos 700 Md$ en tres años. El cálculo concentra la mayor parte del coste (95 %).
• Esto representaría entre el 4,5 % y el 8 % del PIB francés, de los cuales el 1,5 % correspondería a inversión pública anual, lo que constituiría, por tanto, un esfuerzo de una magnitud histórica: sería una decisión presupuestaria fundamental durante el mandato del futuro presidente de la República.
• El resto de la financiación provendría de inversiones del sector privado, pero también de capital privado o público procedente de otras potencias medias interesadas en el proyecto (ya sea para obtener beneficios directos o para evitar su propia dependencia del duopolio chino-estadounidense, en un momento en el que estas dos potencias están cerrando el grifo de la IA a sus clientes).

La arquitectura propuesta

• Proponemos distinguir dos bloques: un laboratorio científico autónomo, en el que el Estado solo tendría una participación minoritaria (25 %), pero mantendría instrumentos de control estratégico; un amplio programa de infraestructuras (informática, energía, suelo), dirigido por las autoridades públicas, respaldado por una «ley Prometeo» excepcional para agilizar los trámites y por un componente de programación financiera.

Principales puntos de desacuerdo

• Más allá del enorme costo y de la aceptabilidad política, en una democracia, de un esfuerzo financiero de tal envergadura para respaldar una tecnología que se enfrenta a una fuerte oposición, la segunda dificultad radica en el suministro de chips y, por lo tanto, en la dependencia inicial de Nvidia y del gobierno estadounidense.

La conclusión estratégica

• Las alternativas menos costosas (apostar por el código abierto o negociar una interdependencia con Estados Unidos y China) no ofrecen ninguna garantía de autonomía real.
• La pregunta decisiva sigue siendo, pues: ¿están dispuestos los defensores de la soberanía francesa a pagar el precio?

La única pregunta que importa

El gobierno estadounidense ha impuesto recientemente controles a la exportación de los grandes modelos de lenguaje y más avanzados de Anthropic: Mythos y Fable 5. La decisión de restablecer el acceso, tomada el 30 de junio de 2026, marca el inicio de un nuevo régimen: ninguna administración querrá encerrarse en criterios rígidos de transparencia a la hora de autorizar la comercialización de los mejores modelos de inteligencia artificial. La norma será una especie de ambigüedad estratégica. El gobierno estadounidense tratará de conservar el máximo margen de maniobra, incluida la posibilidad de retirar el acceso a un modelo sin previo aviso y de forma discrecional, o de limitar sus casos de uso. 

Esta decisión ha recordado a todos la urgencia de la situación: la inteligencia artificial se está convirtiendo en un recurso tan importante como la electricidad o el petróleo en nuestra economía. Garantizar su suministro es ahora una cuestión estratégica decisiva. En una economía que ya se nutre de forma sostenible de los grandes modelos de lenguaje (LLM), no tener acceso de forma autónoma a los mejores modelos —los denominados «modelos de frontera»— supone depender de otros para una parte cada vez mayor de nuestra productividad, nuestro poderío industrial y nuestra seguridad nacional. Si determinadas capacidades de los modelos superan un umbral (autonomía en tareas prolongadas, mayor fiabilidad, reducción del costo de inferencia), su adopción podría experimentar un salto cualitativo, lo que podría provocar un rápido rezago económico de los países que no dispongan de ellos. Ninguna cuestión económica —y probablemente tampoco estratégica— es hoy más importante que esta: ¿estaremos sometidos a la voluntad de potencias extranjeras para abastecer a nuestra sociedad de inteligencia artificial, o seremos capaces de producirla nosotros mismos?

En materia de IA, Francia cuenta con numerosas ventajas, entre las que destacan su parque nuclear y la excelencia de sus investigadores e ingenieros. Dispone del único laboratorio europeo capaz de producir grandes modelos de lenguaje de un tamaño razonable: Mistral. Sin embargo, aún está lejos de contar con un laboratorio capaz de ofrecer inteligencia artificial de primer nivel, y de seguir o incluso liderar los avances en este campo. En este ámbito, el país parte, de hecho, casi de cero.

Si Francia y Europa no han logrado dar lugar a gigantes tan poderosos como Anthropic u OpenAI, es por razones estructurales relacionadas con la dispersión del capital, el entorno normativo y, probablemente, ciertos comportamientos culturales. Sin duda, es urgente reducir estas trabas, pero ello llevará seguramente mucho más tiempo que el breve plazo que nos queda para poner en marcha un laboratorio de inteligencia artificial de vanguardia: la unificación del mercado de capitales europeo es un tema recurrente, al igual que la simplificación de la legislación nacional y europea. Por lo tanto, cualquier voluntad política de volver a situar a Francia en la carrera por la inteligencia artificial solo podrá materializarse mediante un esfuerzo deliberado y concentrado por parte del Estado.

Pero, ¿de qué esfuerzo estamos hablando y de qué magnitud? La mayoría de quienes hoy reclaman una IA soberana lo hacen sin valorar su costo. Sin embargo, la ecuación política varía por completo según el orden de magnitud. ¿Es equivalente al costo de un nuevo portaaviones, por ejemplo? ¿Se trata más bien de un esfuerzo comparable al plan Messmer, que movilizó durante un tiempo más del 1 % del PIB francés para construir la flota de reactores nucleares que siguen siendo nuestra base energética? ¿Va aún más allá?

En esta nota proponemos una «operación Prometeo»: calculamos las cantidades que hay que invertir para crear y mantener un laboratorio de vanguardia en Francia de aquí a 2029 (tres años), antes de determinar con qué medios lograrlo y extraer las conclusiones estratégicas pertinentes. 

Crear un laboratorio de frontera para Francia

Nos centramos deliberadamente en un laboratorio dedicado a los grandes modelos de lenguaje, porque hoy en día es la tecnología de inteligencia artificial generalista más madura y, por lo tanto, la más reproducible. Explorar paradigmas aún no probados, como los «world models», sigue siendo útil y deseable, pero como complemento de un proyecto industrial de este tipo (al igual que en la década de 1970 era necesario copiar e implantar en Francia el modelo estadounidense de reactores nucleares de agua ligera, al margen de las investigaciones francesas sobre modelos alternativos de reactores).

¿Qué es un laboratorio de frontera?

El término «frontera», en IA, se refiere más a una dinámica que se desarrolla a lo largo del tiempo que al rendimiento de un modelo en un momento dado: la duración, medida en tiempo de un experto humano, de las tareas que un agente puede realizar con un cierto nivel de fiabilidad se ha duplicado aproximadamente cada siete meses. ¹ La mayoría de los benchmarks, que se saturan rápidamente, se convierten menos en instrumentos de medición precisa del rendimiento de los modelos que en condiciones mínimas de acceso a la frontera. El acceso a la frontera no puede concebirse como la compra puntual de un modelo. Supone una capacidad duradera para seguir y asimilar la dinámica. En la frontera, la capacidad de cálculo necesaria para entrenar un modelo se duplica cada 5,2 meses desde 2020. En el mismo periodo, el costo de entrenamiento de los modelos de vanguardia se duplica cada siete meses. Las mejoras en la eficiencia del hardware y los algoritmos también son rápidas, pero no compensan el aumento de las expectativas: permiten, sobre todo, aspirar a modelos más capaces, que requieren más tiempo de entrenamiento, más autónomos y que demandan una mayor intensidad en la inferencia.

Los laboratorios que se sitúan en la vanguardia de la IA se basan en el dominio de un conjunto integrado de recursos para financiar las siguientes iteraciones en el desarrollo de los modelos y garantizar su implementación a gran escala. Su ventaja radica tanto en la calidad científica de los equipos técnicos como en el acceso continuo al capital, a los datos y a las infraestructuras de cálculo necesarias para ampliar los límites. Además, cada vez dependen más del acceso a los propios modelos de IA, que ayudan a los desarrolladores a crear futuros modelos, o incluso llevan a cabo sus propios experimentos para acelerar automáticamente la I+D; este es el proceso que se denomina «mejora recursiva» y que podría conducir a un rápido aumento de la brecha entre los laboratorios que se benefician de los mejores modelos (los suyos) y sus competidores.

El cálculo: la clave del éxito

El principio fundamental de la IA en la actualidad, y la única razón por la que las empresas que desarrollan esta tecnología se lanzan a una carrera desmesurada por las inversiones, se conoce como «leyes de escala». 

Se trata de leyes empíricas según las cuales la inteligencia del modelo aumenta linealmente en función del logaritmo de la potencia de cálculo empleada, ya sea durante el entrenamiento del modelo o posteriormente, durante su uso.

Es cierto que esta fórmula resulta cada vez más costosa a medida que se multiplica la potencia invertida, pero la promesa es fabulosa: alcanzar una inteligencia ilimitada, más amplia que la de los mayores eruditos, capaz de contribuir al progreso científico y técnico más que todos nuestros premios Nobel. No hay nada que garantice que estas leyes sigan siendo válidas a largo plazo. Pero hasta ahora se han cumplido. Es esta promesa la que hace que la inversión sea tan importante: a medida que la IA se convierta en una entidad de inteligencia superior, capaz de dar pasos de gigante en todos los ámbitos científicos y técnicos —y, por tanto, también en el armamento—, la soberanía de un Estado no podrá mantenerse sin un control soberano sobre esta tecnología.

Ganar la carrera es, por tanto, principalmente una cuestión de cálculo, algo que confirma la situación actual de la geopolítica de la IA. Los dos laboratorios que hoy se sitúan a la vanguardia, Anthropic y OpenAI, son también los que disponen de la mayor reserva de potencia de cálculo (compute). Esta se mide, por lo general, en función de la energía consumida: cada uno de estos laboratorios controla el equivalente a varios gigavatios. Y es precisamente la potencia de cálculo lo que marca la diferencia:

Una forma habitual de medir el «retraso» de un laboratorio respecto a la frontera es elegir un conjunto de puntos de referencia con los que compararse. Ninguno de ellos, por sí solo, refleja lo que realmente es la frontera, y la cifra obtenida depende en gran medida de la medida elegida. Si utilizamos el índice de Artificial Analysis (un indicador útil, aunque muy incompleto, de la frontera), se observa una diferencia entre Fable 5 y los laboratorios chinos de aproximadamente cuatro meses. La diferencia real es sin duda mayor, como demuestra el mismo razonamiento aplicado a FrontierMath, un punto de referencia de problemas de investigación matemática. Las comparaciones como las de Artificial Analysis pueden saturarse en la parte alta: comprimen las diferencias entre los mejores modelos. Esta compresión puede dar la impresión de un retraso moderado, cuando en realidad las diferencias siguen siendo mucho más marcadas en las tareas más difíciles (en ARC-AGI-2, por ejemplo, los modelos chinos siguen estando unos ocho meses por detrás). Por otra parte, una media agregada oculta la forma real de la frontera. Tener «cuatro meses de retraso» no permite saber qué capacidades siguen siendo inaccesibles hoy en día, ni qué clases de tareas solo pueden resolverse con el mejor modelo disponible. En la frontera, la ventaja no es lineal, sino acumulativa: el mejor modelo sirve para entrenar, perfeccionar y acelerar al siguiente, capta los usos más rentables y a los mejores talentos, y establece el estándar que los demás deben alcanzar. Además, muchos puntos de referencia no tienen en cuenta el consumo de tokens utilizados para responder. Sin embargo, dedicar más recursos de cálculo a la inferencia suele permitir mejorar significativamente los resultados. Los modelos cerrados en la frontera también se someten a pruebas exhaustivas de seguridad (red teaming) o de fiabilidad antes de su despliegue, lo que puede retrasar su puesta a disposición del público en general, aunque la capacidad interna en el laboratorio ya esté disponible.

Teniendo en cuenta el rendimiento de los modelos desarrollados por empresas chinas especializadas exclusivamente en el sector digital —cuyos recursos son, en principio, más limitados que los de los grandes laboratorios estadounidenses—, hay quien considera hoy en día que sería posible entrenar modelos de vanguardia con una potencia de cálculo (y, por tanto, un costo) mucho menor que la habitual en Estados Unidos. GLM 5.2, publicado el 16 de junio de 2026 por Zhipu, compite con Claude Opus 4.8 en algunos puntos de referencia, a pesar de que Zhipu solo dispondría de una fracción de la capacidad de cálculo de Anthropic (y, además, en forma de asignación y no de recursos de cálculo propios). Pero, por un lado, resulta difícil evaluar las verdaderas capacidades financieras y de cálculo de las empresas chinas. Por otro lado, está claro que parte del rendimiento de sus modelos proviene de la destilación de los modelos comerciales estadounidenses, es decir, del uso de dichos modelos para generar datos y entornos de entrenamiento. ² Tomar el ejemplo de un DeepSeek o un Zhipu para llegar a la conclusión de que es posible desarrollar en Europa un laboratorio de vanguardia a bajo costo sería un error. En cierto sentido, la destilación es una forma de acceder a potencia de cálculo por poder, en la que el costo de la vanguardia ya se ha pagado en otro lugar. Por último, un modelo como el GLM 5.2 no está a la altura de los modelos de Anthropic y OpenAI en otras series de pruebas comparativas, y parece, en general, menos versátil y menos eficaz.

También es cierto que gran parte de la capacidad de cálculo disponible en OpenAI y Anthropic se destina a la inferencia, es decir, al uso de los modelos por parte de los usuarios, y no al entrenamiento de dichos modelos. En sí mismo, podría resultar tentador pensar que el entrenamiento es posible con mucha menos potencia de cálculo, pero, una vez más, ese razonamiento sería erróneo, ya que son precisamente los datos resultantes del uso masivo de sus modelos por parte de los usuarios los que facilitan el entrenamiento de los modelos posteriores. Por lo tanto, hay que distinguir entre entrenamiento e inferencia desde el punto de vista de la arquitectura, pero sin oponerlos desde el punto de vista estratégico: para un laboratorio en la frontera, el cálculo constituye una cartera estratégica que debe distribuirse entre entrenamiento, I+D, inferencia interna (RL, datos sintéticos, automatización de la investigación) e inferencia para el cliente. Los efectos de escala influyen en cada uno de estos eslabones: cuantos más usuarios atiende un laboratorio, más aprende a reducir su costo por token, a mejorar sus kernels, su enrutamiento, su batching o la tasa de utilización de los aceleradores; cuanto más eficaz se vuelve su inferencia, más inteligencia puede vender, generar ingresos, captar datos y señales de uso, y reinvertir en el siguiente ciclo. Por último, la inferencia también permite el «test-time scaling», es decir, la mejora del rendimiento mediante un mayor cálculo en el momento de la resolución de las tareas (véase el gráfico sobre las leyes de escala). La inferencia es, por tanto, un motor económico y técnico esencial de la frontera.

Si Francia desea contar con su propio laboratorio capaz de proporcionarle IA de vanguardia a largo plazo, necesita, por tanto, una organización cuya envergadura y recursos se acerquen a los de los grandes laboratorios estadounidenses.

¿Cuál sería el costo de un proyecto así?

Por simplicidad, dejemos de lado por ahora los vehículos existentes capaces de albergar y llevar a cabo este proyecto, y partamos de los principios básicos: ¿cuántas GPU, cuánta energía y cuántos investigadores se necesitarían para crear este laboratorio?

Potencia de cálculo

A finales de 2025, OpenAI disponía de aproximadamente 1,9 GW y Anthropic de 1,4 GW; se prevé que ambos laboratorios alcancen entre 5 y 6 GW cada uno a partir de finales de 2026. ³ Proponemos fijar como objetivo una capacidad del orden de 12 GW de carga informática en 2029. Esto equivale a alcanzar el nivel previsto de los actores pioneros, avanzando rápidamente: 2 GW en el primer año, 7 GW en 2028 y 12 GW en 2029. A modo de comparación, recordemos que el programa Stargate ⁴ prevé 500.000 millones de dólares para 10 GW y que Anthropic ha reservado unos 10 GW con Amazon, ⁵ de Google y de Broadcom. ⁶

El primer costo incluye únicamente la base de cálculo: la compra y la construcción de las capacidades propias, el alquiler temporal de capacidad para cubrir el déficit inicial y, posteriormente, la explotación anual de las capacidades en propiedad. Tomando, por simplicidad, las cifras de Epoch AI como referencia, calculamos unos 38 mil millones de dólares por GW adquirido, 8,5 mil millones de dólares por GW alquilado al año y 0,9 mil millones de dólares por GW en propiedad al año en concepto de gastos de explotación (OpEx). La necesidad de financiación de la capacidad de cálculo sería, por tanto, de unos 161 mil millones de dólares en 2027, 219 mil millones de dólares en 2028 y 299 mil millones de dólares en 2029, lo que supone unos 678 mil millones de dólares acumulados en tres años. De este total, la mayor parte corresponde a los gastos de inversión (CapEx) en construcción y equipamiento, es decir, unos 606 mil millones de dólares, mientras que el resto cubre los alquileres (60 mil millones de dólares) y los gastos operativos (OpEx) de las capacidades propias (13 mil millones de dólares).

El consumo eléctrico asociado en 2027 es de aproximadamente 20 TWh al año, incluido el PUE, para 2 GW de carga informática disponible. Con el aumento de potencia previsto, el consumo alcanzaría unos 71 TWh en 2028 y, posteriormente, 121 TWh en 2029, para 12 GW disponibles. Este consumo, de gran envergadura, podría, en principio, ser totalmente sostenible gracias al exceso de capacidad de generación eléctrica existente en Francia, incluso antes de la incorporación de nuevas capacidades nucleares (que, sin embargo, serán evidentemente necesarias a más largo plazo): de aquí a 2029, el simple aumento del factor de carga del parque existente (~71 % en 2024, frente al ~90 % de los mejores operadores mundiales, en parte debido a la modulación relacionada con las energías renovables) liberaría hasta 100 TWh al año, a lo que hay que sumar el margen de los ~90 TWh que se exportan actualmente.

Además, estimamos una contratación de capacidad informática transitoria de entre 1 y 3 GW al año durante ese periodo, a un costo de 8,5 mil millones de dólares al año por GW. Esta capacidad alquilada permite complementar la capacidad propia durante la fase de puesta en marcha y, en particular, que los investigadores puedan comenzar a trabajar más rápidamente desde el primer año.

En Francia, está previsto que cinco emplazamientos acojan más de 700 MW cada uno de aquí a 2030-2032. Este plazo se debe, en particular, a los plazos de conexión de entre cuatro y cinco años en los grandes emplazamientos, incluidos aquellos que cuentan con financiación pública. Sería posible garantizar 1 GW agregado en estas instalaciones durante el primer año si se fuera más allá de la vía rápida actual y se impusiera una estrategia de fases iniciales, instalación por instalación, en los proyectos más avanzados. Ejemplos como el de Colossus demuestran que es posible añadir 300 MW en un único emplazamiento en unos siete meses combinando un emplazamiento industrial reutilizable, proveedores movilizados, una conexión acelerada y una amplia tolerancia normativa. El objetivo de 12 GW para 2029 supone una trayectoria de recuperación excepcional; las cinco instalaciones de vía rápida deberían alcanzar prácticamente su nivel objetivo ya en 2029. Además, esta trayectoria supone ampliar la cartera más allá de los grandes emplazamientos existentes, combinando ampliaciones de emplazamientos, reconversiones industriales y, eventualmente, algunas capacidades europeas controladas por actores franceses o europeos. También supone reducir el tiempo de comercialización acelerando al máximo las obras de conexión o liquidando las colas de espera de las PTF (Propuestas Técnicas y Financieras), los compromisos de conexión acordados con RTE. Al reducir el tiempo de comercialización, el Estado haría que estas instalaciones resultaran mucho más atractivas para los inversores y los promotores. 

Contratación

La potencia de cálculo es una base indispensable, pero no basta para alcanzar la frontera. La incapacidad de Meta y xAI para competir hasta ahora con Anthropic y OpenAI, a pesar de contar con importantes capacidades de 4 y 1,5 GW, respectivamente, pone de manifiesto la importancia de la calidad de los investigadores y de la cultura del laboratorio.

Aunque a menudo se elogian, con razón, las competencias de los investigadores e ingenieros franceses, Europa carece, sin embargo, de experiencia y, por lo tanto, de conocimientos especializados en el entrenamiento actual de los modelos de frontera. Si queremos aspirar a ello, hay que pagar el precio necesario para atraer a investigadores de los grandes laboratorios estadounidenses (lo que, en algunos casos, supondrá, por otra parte, recuperar a talentos europeos).

No hace falta contar con una gran plantilla: contamos con un equipo reducido de unas 1.700 personas, mientras que Anthropic tiene 3.000 empleados y OpenAI, 5.000 (dejando de lado, por el momento, los aspectos relacionados con el producto y el marketing). En cambio, las remuneraciones son elevadas, sobre todo en los puestos más altos: es imprescindible contar con unos sesenta investigadores de élite, procedentes de los mejores competidores, para los que destinamos 3.000 millones de dólares en remuneraciones anuales. Es el precio de mercado: las remuneraciones de nueve cifras se han convertido en algo habitual en las contrataciones entre laboratorios. Cabe señalar, aunque aquí nos centremos en los recursos financieros, que el dinero no basta: las dificultades a las que se enfrenta xAI demuestran que, más allá del nivel salarial, la capacidad de atraer de forma duradera a los mejores investigadores depende también de la cultura científica o de la gobernanza.

La base de la organización cuenta, a título indicativo, con 300 investigadores e ingenieros con amplia experiencia (con un presupuesto de unos 4 millones de dólares cada uno), 400 especialistas en entrenamiento distribuido, sistemas e infraestructura, así como 300 personas dedicadas a los datos, el análisis posterior al entrenamiento y las evaluaciones (aproximadamente 2 millones de dólares cada uno), a los que se suman 150 personas dedicadas a las herramientas de I+D, 150 en seguridad y ciberdefensa, 250 en el producto y 150 en las áreas jurídica, de relaciones públicas, recursos humanos y apoyo.

En total, la masa salarial se sitúa en algo menos de 7 mil millones de dólares en 2027, para luego aumentar hasta unos 8 mil millones de dólares en 2028 y 9 mil millones de dólares en 2029, lo que supone un total de casi 24 mil millones de dólares acumulados en tres años. Sigue siendo muy inferior al coste de cálculo: alrededor del 3,5 % del costo acumulado de cálculo. Por lo tanto, el personal cualificado resulta mucho menos costoso que las GPU, lo que justifica aún más que se les pague extremadamente bien. La masa salarial crece de forma más moderada que la computación en la fase de construcción, en torno al 15 % anual: el equipo sigue siendo reducido, pero las remuneraciones continúan aumentando debido a la competencia.

Total

Sobre esta base, el costo total anual asciende a unos 170 mil millones de dólares en 2027, 229 mil millones de dólares en 2028 y, posteriormente, 310 mil millones de dólares en 2029, lo que supone un total acumulado de unos 710 mil millones de dólares en tres años. Este cálculo representa la abrumadora mayoría: por sí solo, asciende a unos 678 mil millones de dólares acumulados, lo que supone el 95 % del total, mientras que el resto corresponde a la masa salarial y a diversos gastos de funcionamiento (24 y 7 mil millones de dólares acumulados, respectivamente).

Por lo tanto, la inversión es más que cuantiosa: este esfuerzo representaría aproximadamente el 4,5 % del PIB francés en 2027, el 6 % en 2028 y, posteriormente, el 8 % en 2029.

Tras tres años: trayectoria autosuficiente y beneficios económicos

Aunque el esfuerzo necesario para una carrera de este tipo hacia la frontera sea, por tanto, enorme, sería, no obstante, acotado y limitado en el tiempo, sobre todo desde el punto de vista de las autoridades públicas. Aunque alcanzar la frontera resulta extremadamente difícil para un laboratorio de IA —hasta el punto de que lograrlo en Francia exigiría un apoyo masivo y multifacético del Estado durante varios años—, esta fase inicial sería breve. En caso de éxito, una vez alcanzada la frontera, la demanda privada de los servicios ofrecidos por el laboratorio sería tal, y su atractivo para los inversores internacionales tan grande, que se encontraría de forma natural en una trayectoria autosuficiente y sostenible. La masificación de la demanda privada y el atractivo del proyecto para los inversores extranjeros serían tanto más importantes cuanto que se beneficiaría plenamente del interés de los actores europeos y de otros países deseosos de liberarse de la dependencia del control de las exportaciones estadounidenses y chinas. Una vez superada la fase inicial, se puede postular razonablemente que un laboratorio de vanguardia europeo, si sigue siendo gestionado de forma eficaz por sus responsables, debería ser capaz de mantenerse de forma duradera a la vanguardia y, probablemente, de ampliar la distancia con respecto a los competidores que no hayan alcanzado dicha posición, sin necesidad de recurrir a financiación pública.

Las inversiones, tanto públicas como privadas, realizadas en el marco de una iniciativa de este tipo tendrían, además, como objetivo ser especialmente rentables desde el punto de vista financiero. Antes incluso de mencionar el valor económico, político y estratégico de un proyecto así, hay que recordar que un laboratorio de vanguardia es también un activo productivo de primer orden. El esfuerzo realizado no es en vano: puede generar ingresos si tiene éxito y conservar un valor sustancial incluso si fracasa.

La mayor parte de la capacidad de cálculo de los grandes laboratorios se destina a la inferencia, que se monetiza mediante el acceso de pago a la API (por token), a través de suscripciones para particulares y empresas, y, cada vez más, mediante productos basados en agentes que automatizan sectores enteros del trabajo intelectual. Los ingresos de los laboratorios líderes crecen a un ritmo que los duplica cada año o incluso más, hasta alcanzar varias decenas de mil millones de dólares al año. Además, un laboratorio francés contaría con una ventaja estructural: un mercado europeo soberano, en parte cautivo. A largo plazo, en caso de éxito, la mayor parte de los costos anuales podría autofinanciarse con los ingresos y el resto con inversiones privadas.

Por otra parte, aunque el laboratorio no lograra llegar a la frontera, Francia seguiría siendo propietaria de múltiples GW de centros de datos. Se trata de activos duraderos y valiosos. Esta capacidad de cálculo podría alquilarse (inferencia bajo demanda, nube soberana), ponerse al servicio del ecosistema europeo de investigación y startups, o reasignarse a otras cargas intensivas. Cabe señalar, no obstante, que las propias GPU se deprecian rápidamente, con una vida útil de solo unos años, lo que justifica la amortización incluida en nuestro modelo. La base patrimonial reside sobre todo en la infraestructura, la energía y los terrenos. Pero no es la parte más difícil de obtener ni la menos valorizable.

¿Cómo llevar a cabo esta operación?

Teniendo en cuenta la enorme cantidad de recursos que hay que destinar al proyecto, la arquitectura elegida para llevarlo a cabo resulta decisiva. ¿Cómo organizar los recursos invertidos en este esfuerzo hercúleo? ¿Debería ponerse a varias empresas en competencia o concentrarse los recursos en una sola y, en caso afirmativo, en cuál? ¿Y qué papel debería desempeñar el Estado en ello?

¿Qué estructura se ha creado en torno al Estado?

Si se tratara de reducir a una ecuación el rendimiento de los modelos desarrollados en un laboratorio, se podría escribir, a partir de las observaciones realizadas anteriormente:

rendimiento = potencia de cálculo × datos × organización × mentes

OpenAI, Anthropic, Meta o xAI llevan una ventaja notable en cuanto a potencia de cálculo. El factor organizativo puede ser el factor limitante para algunas empresas, como la jerarquía excesivamente pesada en Meta y, en menor medida, en Google. Por el contrario, las empresas chinas, más limitadas en cuanto a capacidad de cálculo, se defienden gracias al factor humano, con investigadores brillantes y una ingeniería de primer nivel.

Pero una vez planteada esta ecuación, ¿cómo maximizar los ingresos? ¿Hay que invertir en un líder, o en varios? Naturalmente, existe una tensión entre la competencia y la concentración de recursos. En Estados Unidos, la competencia ha permitido la aparición de múltiples actores que han contribuido todos ellos al progreso del país: fue Google quien descubrió Transformers, OpenAI quien descubrió las leyes de escalabilidad en la inferencia con o1, y Anthropic quien publicó los agentes de código abierto que abren el camino hacia la mejora individual. El ejemplo chino es, por otra parte, singular: el gobierno mantiene una red de centros de datos cuya potencia aumenta progresivamente. Los «neo-labs», como Zhipu, Moonshot o MiniMax, compiten a continuación por obtener subvenciones y autorizaciones de uso de duración limitada; la concesión de una subvención depende, por supuesto, del rendimiento anterior, lo que permite que la competencia impulse la aparición de nuevas ideas, pero también dispersa los esfuerzos en la misma medida.

Por el contrario, para un Estado con recursos limitados, las leyes de escala restringen las opciones: cualquier organización que quiera aspirar a una IA de primer nivel necesitará aproximadamente la misma capacidad de cálculo que uno de los líderes estadounidenses, lo que requiere directamente varios gigavatios y, por lo tanto, cientos de miles de millones de euros. Esto descarta de entrada que Francia, sola o incluso en coalición, pueda financiar de una sola vez a varios líderes del sector. Por lo tanto, esta inversión deberá centrarse inevitablemente en un único proyecto. Esta lógica del «líder nacional», ineludible, exigiría, sin embargo, una gobernanza especialmente bien diseñada para evitar que se vea mermado su potencial de innovación. 

En ese momento habrá que elegir entre dos opciones: recurrir a un laboratorio ya existente —siendo Mistral, naturalmente, el único candidato europeo creíble— o crear un vehículo totalmente nuevo. La primera opción convertiría a Mistral en el eje central del proyecto, haciendo que absorbiera todos los recursos puestos a disposición de la operación Prometeo y adoptara la hoja de ruta de la «carrera hacia la frontera». La segunda consistiría en crear una estructura específica, posiblemente adquiriendo a los investigadores y los activos de Mistral, si esta forma permitiera una ejecución más rápida, una gestión más rigurosa o una mejor adecuación a los objetivos del programa. Mistral tiene actualmente un valor estimado de unos 20 mil millones de euros, lo que solo representaría una octava parte del costo anual del presente proyecto. 

A continuación se plantea la cuestión del papel del Estado. 

Hay dos condiciones que se desprenden claramente. La primera es que el proyecto nunca tendrá éxito sin un compromiso masivo por parte de los poderes públicos, en primer lugar financiero, pero también político, diplomático y normativo. Solo el Estado, desplegando todo su poder y su capacidad para concentrar los recursos, puede convertir la operación Prometeo en un esfuerzo nacional prioritario comparable a lo que supuso la construcción de la disuasión nuclear francesa en los años sesenta y setenta. La segunda es que, por el contrario, el Estado no aporta ningún valor añadido a la gestión del propio laboratorio, y que incluso sería, con toda seguridad, perjudicial para él. Ahora bien, sería difícil defender políticamente una financiación de tal envergadura sin ningún tipo de control público.

La esencia del proyecto consistiría, por tanto, en dividir el proyecto en dos partes. Por un lado, el laboratorio propiamente dicho: los investigadores, con su propia cultura y libres de tomar sus propias decisiones científicas, dedicados por completo al entrenamiento de los modelos y con el único marco de referencia de una hoja de ruta general hacia la frontera. Por otro lado, todo lo demás, es decir, en realidad, un inmenso proyecto de infraestructuras destinado a proporcionar, en las cantidades, los costes y los plazos deseados, la potencia de cálculo al laboratorio, algo que el Estado sabría llevar a cabo.

Al frente de la parte pública, una dirección de programa estatal se encargaría de la gestión del proyecto en nombre del Estado. Su función se centraría por completo en facilitar el proyecto: agilizar los trámites administrativos y establecer los numerosos regímenes excepcionales indispensables. Debería aprobarse una «ley Prometeo», equivalente a la «ley Notre-Dame», en materia de suelo, conexión eléctrica, medio ambiente y derecho laboral. 

La «ley Prometeo» incluiría asimismo un capítulo de programación financiera que establecería una inversión pública masiva en el proyecto durante tres años, equivalente al 1,5 % del PIB anual. Los precedentes de los grandes proyectos tecnoindustriales nacionales franceses y estadounidenses (la disuasión nuclear francesa, el Proyecto Manhattan, el Programa Apolo) parecen indicar que se trata del orden de magnitud máximo creíble para un programa muy ambicioso designado por el Estado como una prioridad absoluta de seguridad nacional. Estos fondos públicos, esenciales para dotar de credibilidad al proyecto y atraer inversiones privadas francesas y extranjeras destinadas a complementarlo, lejos de malgastarse sin contraprestación alguna, constituirían inversiones capaces de generar rendimientos considerables en caso de éxito. En caso de éxito, Francia se vería dotada de un activo estratégico inestimable dentro de un club ultrarestringido de potencias de vanguardia (Estados Unidos, China y Francia) y de un medio que le permitiría desempeñar un papel de catalizador esencial de la autonomía estratégica europea. Invertir el 1,5 % del PIB de fondos públicos al año durante tres años en un proyecto de este tipo parece, en estas condiciones, más que justificado. Esto es aún más cierto si se tiene en cuenta que, una vez que la apuesta haya dado sus frutos, en su caso, el proyecto ya no requeriría ninguna financiación pública adicional. En cuanto al procedimiento, lograr que el Estado invierta tales cantidades en la operación Prometeo supondría, por el contrario, hacer un buen uso de la normativa europea sobre ayudas de Estado: habría que utilizar sin reservas la carta de la seguridad nacional para mantener a la Comisión al margen, aunque ello suponga entablar con ella una lucha jurídica. 

Cabe destacar que, si bien este esfuerzo es considerable, es proporcional a lo que está en juego en el proyecto y debe ponerse en perspectiva con las decisiones presupuestarias actuales de Francia. De hecho, el 1,5 % del PIB equivale a menos de un tercio del déficit público actual —que financia en gran medida el funcionamiento del sistema social y no las inversiones de futuro— y a aproximadamente el 10 % del gasto en pensiones. En un contexto así, añadir un 4,5 % al nivel actual de deuda pública francesa en relación con el PIB (117,5 % del PIB en el primer trimestre de 2026) equivaldría a aumentarla en menos de un 4 %, para, en caso de éxito, mejorar de manera decisiva las perspectivas de prosperidad económica y soberanía del país durante las próximas décadas. No nos corresponde aquí determinar las decisiones presupuestarias que habría que tomar para financiar un proyecto de este tipo, en su caso —que, evidentemente, serían muy difíciles—, pero hay que subrayar que no sería ni imposible ni desproporcionado.

El laboratorio adoptaría la forma jurídica de un holding cuya única misión sería implementar modelos de frontera, sin ninguna interferencia en su gestión. El Estado tendría en él una participación minoritaria significativa, del orden del 25 %, lo que le haría partícipe de su éxito, mientras que el resto seguiría siendo mayoritariamente privado. Lo ideal sería multiplicar las participaciones de fondos y grandes grupos industriales europeos: en el caso de estos últimos, no tanto por su capital como por su interés directo en disponer de un modelo de frontera soberano e inamovible. Los fundadores y directivos del laboratorio no tendrían por qué ser necesariamente franceses; basta con que sean de primer nivel y cuenten con experiencia en el entrenamiento de modelos fronterizos. Por el contrario, el Estado sería el garante del control nacional del proyecto, mediante los instrumentos clásicos del derecho de sociedades: una acción específica que otorgue al Estado un derecho de veto específico sobre las operaciones sensibles, basándose en los imperativos de seguridad nacional; cláusulas de ubicación de la sede y de no deslocalización de los activos críticos; garantía de que el modelo no pueda desconectarse, etc. Los derechos de voto múltiples, permitidos en Francia desde la Ley de Atractividad de junio de 2024, permitirían disociar lo económico de lo estratégico dentro del laboratorio, siendo el Estado, la BPI y los fundadores quienes posean las acciones con derecho a voto reforzado, mientras que el capital extranjero participaría mediante acciones de alto rendimiento económico pero con derecho a voto reducido o nulo.

El cálculo, por su parte, se llevaría a cabo en estructuras independientes, filiales o joint ventures específicas, cuyo único objetivo sería suministrar al laboratorio la potencia prevista. Reunirían a inversores privados de todo tipo y a inversores públicos de los países interesados, con una remuneración diseñada para resultar francamente atractiva: dado que estas entidades requieren mucho capital, la rentabilidad ofrecida debe estar a la altura para atraer los fondos necesarios. Ya hay precedentes. La empresa estadounidense Poolside ha separado su laboratorio de su sociedad de infraestructuras, cuya dirección cuenta con perfiles que tienen entre diez y veinte años de experiencia en la construcción y explotación de centros de datos en las grandes empresas del sector de la nube. Mistral estructura su acceso a la capacidad de cálculo mediante joint ventures con el BPI, MGX o Nvidia.

Una última estructura pública, independiente, tendría como misión impulsar la nueva energía nuclear «a toda máquina» para que la energía no se convierta en el cuello de botella a partir de 2030. Aunque el objetivo de esta nota no es profundizar en esta dimensión, no por ello deja de ser esencial.

Con el respaldo de la inversión pública, que aporta credibilidad al proyecto, el ahorro nacional se movilizaría de forma masiva en favor de Prometeo mediante asignaciones mínimas obligatorias en los planes de ahorro para la jubilación y los seguros de vida, un mecanismo similar al de Tibi que permita orientar las inversiones de las aseguradoras y las entidades institucionales, y un vehículo cotizado en bolsa al que el público en general pueda acceder a través de un PEA. La distribución del riesgo, en la que el Estado asumiría la primera franja de pérdidas en caso necesario, permitiría, al asumir el riesgo no asegurable vinculado a la apuesta por la soberanía, atraer capital privado en grandes cantidades. A escala del plan, la reasignación del 2 % anual del parque nacional de seguros de vida a favor de Prometeo bastaría para equiparar una inversión pública del 1,5 % del PIB, pero requeriría un montaje financiero completo, ambicioso y bien concebido.

Teniendo en cuenta la gran cantidad de capital privado que sería necesario atraer, el éxito del proyecto dependería de manera decisiva de su capacidad para dar credibilidad lo antes posible a su ambición ante los actores privados e internacionales. Serían esenciales tanto la magnitud de los recursos, tanto públicos como privados, aportados por Francia, como su voluntad para establecer excepciones legales importantes en beneficio del proyecto y la capacidad de contratar a profesionales internacionales de primer nivel para dirigirlo. A continuación, sería imprescindible obtener rápidamente los primeros resultados con los prototipos para generar un círculo virtuoso.

¿Qué coalición se formará en torno a Francia?

En este tipo de proyectos, una tendencia recurrente consiste en partir de una lógica europea sin demostrar siempre su necesidad. Esto conduce con demasiada frecuencia a la búsqueda de un retorno geográfico inmediato (como en el ámbito espacial), lo que a su vez provoca la fragmentación del esfuerzo y, en última instancia, el fracaso a la hora de ampliar la escala. Convertirlo en un proyecto europeo multinacional supondría, inevitablemente —como demuestra la experiencia—, resignarse a una gobernanza plural sin un liderazgo claro, lastrada por diversos derechos de veto nacionales y, muy probablemente, incapaz de la continuidad y la capacidad de decisión indispensables para el éxito del proyecto. Por eso partimos de las capacidades francesas, a las que otros países afines —incluidos los no europeos, si procede— podrían sumarse en función de las necesidades y de sus intereses.

De hecho, Francia es hoy en día, desde el punto de vista estructural, el país mejor situado para intentar convertirse en el tercero en la vanguardia de la IA, ya que, salvo Estados Unidos y China, es la única potencia que reúne las cuatro condiciones siguientes:

• una masa crítica económica suficiente (a diferencia de los Países Bajos, Israel, Suiza o Singapur);
• una base de competencias a nivel nacional en este ámbito (a diferencia de Alemania);
• suficiente autonomía estratégica respecto a Estados Unidos como para no correr el riesgo de ser objeto de presiones insoportables (a diferencia del Reino Unido, Japón y Corea);
• un acceso fiable al mercado internacional de talentos en el ámbito de la IA (a diferencia de Rusia y la India).

A esto hay que añadir la existencia en Francia de un importante excedente de capacidad de producción eléctrica (y descarbonizada), así como la tradición francesa de llevar a cabo grandes proyectos tecnológicos de recuperación, especialmente en el ámbito de la energía nuclear civil y militar, lo que aportaría una experiencia y una inspiración muy valiosas a un esfuerzo de este tipo. 

Su éxito requeriría una gobernanza clara, basada en un liderazgo francés asumido con firmeza y respaldado por un compromiso financiero masivo y duradero por parte de Francia, tanto público (a través de su ley de programación específica) como privado. Los demás países participantes se beneficiarían del proyecto mediante derechos de acceso a la capacidad de cálculo, créditos de uso para sus investigadores y empresas, estándares compartidos y la integración progresiva de sus industriales en la cadena de valor. Además, Francia les garantizaría que, en caso de éxito, dispondrían de acceso permanente a un modelo de vanguardia para sus necesidades y las de sus empresas, en condiciones equivalentes a las de las empresas francesas. A través de un tratado multilateral al que se les invitaría a adherirse, los socios se beneficiarían de dicho compromiso por parte de Francia, a cambio de un compromiso significativo de financiar capacidades de cálculo dedicadas al proyecto. Además de la contribución de los países socios a la financiación del proyecto mediante una cuota de entrada (por ejemplo, el 0,3 % de su PIB anual durante tres años), probablemente desempeñarían un papel esencial en los primeros años del proyecto para facilitar el acceso del laboratorio a la potencia de cálculo situada en su territorio, ya que la magnitud de las capacidades de cálculo que se pueden construir en Francia se ve limitada a corto plazo por la disponibilidad de electricidad, hasta que el esfuerzo por acelerar la construcción de nuevas centrales nucleares dé sus frutos y permita tomar el relevo.

El objetivo de esta nota no es determinar con precisión qué socios podrían estar interesados. Este tema debería ser objeto de una maniobra diplomática meticulosamente diseñada. No obstante, cabe destacar que, siempre que el proyecto francés resulte creíble, varias potencias medianas podrían tener un gran interés en recurrir, mediante su participación en dicho proyecto, a una forma de cobertura destinada a limitar su dependencia de los modelos estadounidenses y/o chinos. Japón y, sobre todo, Corea del Sur y Taiwán parecen ser objetivos prioritarios, dado su dominio del sector de los semiconductores, pero su dependencia estratégica de Estados Unidos podría hacer que se mostraran reticentes. Lo mismo ocurre con el Reino Unido, especialmente interesante por su ecosistema de inteligencia artificial. A todos los socios europeos de París también se les debería proponer sumarse al proyecto. Más allá del E5 (Francia, Alemania, Italia, Polonia y el Reino Unido), dada su posición, los Países Bajos, los países escandinavos y Bélgica parecen especialmente susceptibles de estar interesados. Más allá de Europa y Asia Oriental, los Emiratos Árabes Unidos o Canadá también podrían ser candidatos serios. 

Cabe destacar también que los posibles socios estatales podrían verse impulsados por sus propias empresas nacionales a apoyar el proyecto francés para asegurarse, en caso de éxito, un acceso garantizado a modelos de IA de vanguardia, sobre todo ante un posible endurecimiento progresivo de los controles de exportación estadounidenses y chinos. En tal contexto, la operación Prometeo se beneficiaría plenamente de la sólida reputación de fiabilidad diplomática y estratégica de la que goza hoy en día Francia. Ante la incómoda situación de verse atrapados en una dependencia crítica de Estados Unidos y/o de China, muchos actores extranjeros, tanto públicos como privados, tendrían, de hecho, un interés bien fundado en el éxito de la apuesta francesa, aunque esta permaneciera bajo control nacional.

Los tres primeros años

¿Cómo se llevaría a cabo, en la práctica, la gestión del proyecto? Proponemos el siguiente calendario para sus tres primeros años.

Estas previsiones se basan en los tiempos observados en los laboratorios más grandes y recientes:

Oposiciones internacionales

Más allá de la gestión administrativa de este sprint y de su aceptabilidad política a nivel interno, una de las grandes dificultades sería garantizar el suministro de GPU. La construcción de los propios centros de datos, la estructuración jurídica del proyecto y las excepciones normativas están en nuestras manos, pero no el acceso a los chips. Hoy en día, ningún laboratorio entrena modelos sin chips de Nvidia, a excepción de Google, que se basa en sus propias Unidades de Procesamiento Tensor (Tensor Processing Units), fabricadas expresamente para sus necesidades internas. Incluso los modelos chinos recientes se entrenan en GPU fabricadas por Nvidia. A corto plazo, y mientras otros actores no compitan con este cuasi-monopolio, el proyecto dependería, por tanto, de Nvidia (es decir, de la administración estadounidense). Por lo tanto, nada impediría a esta última imponer controles a la exportación de productos de Nvidia a Francia (algunos países europeos ya los han sufrido), y es posible que se vea tentada a hacerlo al ver surgir un esfuerzo competidor de esta envergadura. La actual administración estadounidense, empeñada en el «dominio de la IA» y poco preocupada por cuidar las relaciones con sus aliados, podría recurrir a tales medidas.

Francia tiene entonces dos opciones. 

O bien intenta, a pesar de todo, adquirir chips de Nvidia apostando por que un mercado así sería demasiado lucrativo para la empresa, que ejercería su influencia en Washington para evitar restricciones a la exportación; en el peor de los casos, también habría que convencer a los Países Bajos de que amenacen a Nvidia y al gobierno estadounidense con tomar represalias mediante la suspensión de la exportación de las máquinas de fotolitografía de ASML, indispensables para la producción de GPU, lo que haría aún más esencial la participación de La Haya en el proyecto. 

O bien buscamos contar con nuevos productores en otras partes del mundo. Pero, a día de hoy, resulta difícil encontrar algunos que no se encuentren, de forma más o menos directa, en la órbita de Estados Unidos y que, al mismo tiempo, cuenten con la superficie necesaria. Ni siquiera los chips de Huawei (Ascend) son suficientes para satisfacer la demanda de los laboratorios chinos. Quizá la situación cambie pronto; Corea del Sur, por ejemplo, ha anunciado un plan de inversiones de más de 1.000 mil millones de dólares para fábricas de semiconductores.

Tal y como están las cosas, este es uno de los riesgos más graves a los que se enfrenta este proyecto. Sin embargo, no es un obstáculo insuperable, ya que el costo que supondría para Estados Unidos el uso abiertamente hegemónico de su control sobre las exportaciones frente a un aliado probablemente aceleraría en gran medida la aparición de alternativas a Nvidia, sobre todo en Asia. Mientras tanto, Washington no podría impedir que Prometeo alquilara a terceros capacidad de cálculo para entrenar sus modelos.

Alternativas estratégicas

Las demás vías también son peligrosas

Un costo tan enorme y un esfuerzo de tal envergadura podrían desanimar a los responsables políticos franceses y europeos, que se considerarían incapaces de financiarlo y llevarlo a cabo, o bien suscitar una oposición demasiado fuerte entre la población. ¿Cuáles serían entonces las alternativas de Francia?

La primera opción es apostar por el código abierto: hasta ahora, los modelos abiertos han seguido con unos meses de retraso los resultados de los modelos comerciales, por lo que la economía europea puede, en última instancia, recurrir a los primeros para garantizar su suministro de inteligencia artificial, sin depender de nadie. La apuesta es arriesgada y, además, conlleva un costo nada desdeñable. Para que estos modelos funcionen, se necesita energía e infraestructuras suficientes, lo que de por sí implica enormes inversiones. Sobre todo, nada garantiza que el flujo de modelos abiertos no se agote. Sus desarrolladores, hoy en día principalmente chinos, pueden decidir de repente comercializarlos. En ese caso, Europa se encontraría tan dependiente de China como de Estados Unidos. Estos modelos también podrían sufrir las mismas restricciones de acceso que los modelos estadounidenses, cerrados, por ejemplo, a partir de un umbral de capacidad del tipo «Mythos». La prensa internacional se ha hecho eco recientemente de los trabajos en curso a alto nivel en el aparato estatal chino destinados a introducir restricciones al uso por parte de actores extranjeros de los modelos más avanzados, lo que indica que esta dinámica parece haberse puesto ya en marcha. ⁷ Si estos modelos llegaran a cruzar la frontera, la administración estadounidense podría calificarlos de riesgos para la cadena de suministro (supply-chain risk), lo que daría lugar a restricciones, o incluso prohibiciones, en su compra, uso o alojamiento por parte de empresas estadounidenses. Por motivos de extraterritorialidad, cumplimiento normativo o presión regulatoria, su adopción también resultaría más difícil para las empresas europeas.

La segunda vía posible es la de una dependencia negociada respecto a los estadounidenses. Estados Unidos crea modelos y Europa los utiliza. Para evitar una sumisión total, hay quien sostiene que el continente dispone de palancas en la cadena de valor que puede utilizar a su vez para ejercer presión sobre Estados Unidos; en otras palabras, la soberanía debería residir en la dependencia mutua más que en la independencia. Es cierto que las cadenas de producción están dispersas por todo el mundo y que nadie controla de forma unilateral la totalidad de los componentes necesarios para el desarrollo y la difusión de los grandes modelos de lenguaje. Pero no hay que hacerse ilusiones: el principal elemento que controlan los europeos —la producción de máquinas de fotolitografía para la industria de los semiconductores a través de ASML— no es una palanca tan eficaz en una interdependencia a largo plazo. Es un eslabón indispensable de la cadena, pero con una gran latencia: si Europa bloqueara las exportaciones de ASML, los efectos de ese bloqueo no se notarían hasta pasados muchos meses, ya que los demás actores podrían utilizar sus existencias actuales. Por el contrario, bloquear un modelo de frontera es una opción inmediata para Estados Unidos, como ha demostrado el ejemplo de Fable 5. El arma de ASML podría utilizarse eventualmente en un pulso centrado en la infraestructura, como se ha mostrado anteriormente, pero resulta menos eficaz cuando se trata del producto final y en condiciones de funcionamiento habitual. En un mundo en el que la economía europea se basa íntegramente en el uso de modelos estadounidenses, ¿podría Europa permitirse pasar tan solo unos días sin ellos? Nada es menos seguro.

En el mejor de los casos, los Estados europeos pueden intentar paliar esta desventaja condicionando el acceso de los proveedores estadounidenses al mercado europeo a la presencia física de los modelos en centros de datos situados en Europa y bajo su control jurídico. Corea del Sur, por ejemplo, ha formalizado una alianza entre Shinsegae, un conglomerado nacional que se encarga de la infraestructura física, y la startup estadounidense Reflection AI, que aporta los modelos de peso abierto y la ingeniería, para construir una instalación de 250 MW presentada como una gran «fábrica de IA» soberana destinada a las empresas y administraciones coreanas. Esto evitaría dar a Estados Unidos un «kill switch» instantáneo, como el que tienen actualmente; pero no impediría que Washington decidiera, a su antojo, detener el despliegue de futuros modelos en Europa. Además, la Unión Europea no ha demostrado su capacidad para coordinarse a fin de responder de forma unánime y enérgica a presiones de este tipo, ya que su estructura fomenta comportamientos de «polizón».

¿Podemos, por fin, esperar aprovechar la rivalidad entre Estados Unidos y China para no depender ni de uno ni de otro, enfrentándolos entre sí? Sería una apuesta arriesgada: Estados Unidos sería muy consciente de que una Europa que amenazara con pasarse a los modelos chinos se pondría inmediatamente en manos de China, y viceversa, por lo que tendríamos poco margen de negociación, sin contar con la inevitable dependencia de los procesos y las tecnologías de las empresas, lo que haría muy difícil y costoso un cambio rápido.

Quizá estas soluciones sean las que adopten Francia y Europa. En ese caso, habrá que dejar, como mínimo, de esgrimir el concepto de soberanía e independencia europea, y admitir que se tratará de gestionar lo mejor posible nuestra dependencia. Muchos países europeos ya están acostumbrados a ello en lo que respecta a su abastecimiento energético, por lo que para ellos será un paso natural. 

Uno de los riesgos de un plan de aumento progresivo de la potencia de cálculo es el del exceso de capacidad. En la actualidad, Anthropic ya opera a una escala de varios gigavatios y constituye un referente en materia de potencia de cálculo desplegada. Sin embargo, si el objetivo es no depender de otras potencias para el desarrollo de una inteligencia artificial capaz de ayudar eficazmente a todos los puestos de trabajo, estos niveles siguen siendo insuficientes. Un modelo como Fable 5 solo permitiría automatizar hoy en día una fracción de las tareas, con grandes diferencias según los sectores profesionales. En su reciente comparecencia ante la comisión de investigación de la Asamblea Nacional sobre las dependencias digitales, Arthur Mensch, presidente y cofundador de Mistral, subrayó que, si bien los costes de uso de la IA para las necesidades de sus propios empleados ya representaban el 10 % de su masa salarial, si se extrapolara a unos años vista a escala de la masa salarial europea, sería un billón de euros al año de valor añadido los que, a falta de una oferta europea, serían captados de forma masiva por actores estadounidenses o chinos. Las leyes de escalabilidad sugieren que aún quedan varios órdenes de magnitud de capacidad de cálculo por movilizar para cubrir una parte significativa de las necesidades económicas. En otras palabras, incluso suponiendo unas ganancias de eficiencia muy importantes, por ejemplo un factor de 100, una capacidad de unos pocos gigavatios no bastaría para satisfacer la totalidad de la demanda.

En definitiva, nos parece que la principal apuesta que supondría la operación Prometeo se impone porque sus riesgos están a la altura del punto de inflexión tecnológico y estratégico que la IA está provocando ante nuestros ojos. Frente a los costos y riesgos de este esfuerzo, capaz de movilizar las fuerzas vivas de la nación como nunca se había hecho en medio siglo, hay que sopesarlos con los de la inacción: la trayectoria del mínimo esfuerzo corre el riesgo de conducir a la insignificancia estratégica de Francia en un mundo dominado de forma duradera por los amos de la inteligencia de silicio.

¿Por qué actuar ahora?

Al contrario de lo que a veces se lee, la frontera de la IA no está destinada a banalizarse en unos pocos años, en el sentido de que simplemente se pueda esperar a que las capacidades más avanzadas sean accesibles para todos, a bajo costo y sin pérdida estratégica para una nación. Para algunos usos habituales (resúmenes, traducciones o asistencia ofimática, por ejemplo), basta con ir una generación por detrás: los modelos abiertos o semiabiertos ya ofrecen capacidades abundantes y económicas. Pero las capacidades que importan para el poder (ciberdefensa, agentes autónomos capaces de ejecutar tareas prolongadas, aceleración de la I+D, aplicaciones biológicas o militares) se sitúan precisamente en la vanguardia. Son también aquellas cuyo acceso estará cada vez más controlado. ⁸

Desarrollar experiencia en la vanguardia genera, además, beneficios que van más allá del mero modelo entrenado. Los directivos de los principales laboratorios actuales eran, en el pasado, investigadores o ingenieros situados en primera línea de esa vanguardia: Dario Amodei, Demis Hassabis, Ilya Sutskever y Arthur Mensch, entre otros. Un laboratorio francés en la vanguardia sentaría las bases humanas, organizativas e industriales que permitirían a Francia mantenerse en la carrera en 2028, 2030 y mucho más allá.

Sin un programa nacional, un país se vuelve progresivamente dependiente de las evaluaciones realizadas por terceros. Pierde la capacidad de medir de forma autónoma el rendimiento real de los modelos más avanzados, de identificar sus vulnerabilidades y de evaluar los riesgos sistémicos que podrían suponer para sus infraestructuras críticas, su seguridad nacional o sus intereses estratégicos.

Los laboratorios de vanguardia buscan ahora de forma explícita automatizar parte de su propia I+D: la automatización rápida de la investigación en IA y de su ciclo de desarrollo favorece la mejora continua de los modelos de vanguardia. Las generaciones anteriores de modelos se utilizan para entrenar a los siguientes. En este escenario, no estar presente en la vanguardia no supone un costo linealmente mayor: implica perder el acceso al propio motor de la aceleración.

Por último, la inacción agrava una dependencia industrial que ya es enorme. Estados Unidos concentra hoy en día la mayor parte del rendimiento de los grandes clústeres de computación de IA, así como el acceso prioritario a las cadenas de suministro que los alimentan. Cuanto más espere Francia, más se consolidarán en otros lugares estos recursos: centros de cálculo, talento e infraestructuras. 

La oportunidad que se abre gracias a la postura de Francia y a la situación del sector solo durará un breve instante. Dentro de tres años se cerrará definitivamente, ya que los costos de ponerse al día serán prohibitivos: la historia llama a la puerta hoy mismo.

Conclusión: un nuevo hito nuclear para Francia

El general De Gaulle relataba así la reacción de Jruschov en 1960 cuando, en Rambouillet, le comunicó el éxito de la bomba atómica francesa: «Entiendo su alegría. (…) Pero, ya sabe, es muy cara». El presidente francés comentaba: «Mi relato no provocó ninguna reacción por parte de mis interlocutores, salvo esta: “¡Ah, sí! ¡Es muy caro!” “Es muy caro”, incluso para los estadounidenses, incluso para los rusos. (…) Pero para nosotros, frente a esas ambiciones imperiales, es el precio de la independencia».

Creemos que lo mismo ocurre con el acceso a la IA. La situación actual de nuestras economías refleja solo en pequeña medida el papel que esta desempeñará en todas partes en los próximos años. Por supuesto, la mayoría de los países del mundo no podrán aspirar a producir sus propios modelos ni sus propias inferencias, al igual que la mayoría de los países del mundo no pueden producir su propia energía. Tendrán que conformarse con negociar, les guste o no, con potencias extranjeras para satisfacer sus necesidades. Pero ya vemos adónde conduce la dependencia energética; basta con pensar en las dificultades que sufrieron muchos Estados europeos durante la invasión de Ucrania. La dependencia de la inteligencia artificial será, como mínimo, igual de profunda.

Desde 1945, Francia ha optado por desarrollar su propia fuente de energía a través de la energía nuclear. Fue una inversión enorme y arriesgada, pero que hoy garantiza nuestra autonomía energética, nos convierte en un exportador neto de electricidad y contribuye a nuestro papel en el panorama de las potencias mundiales. Ahora que todo gira en torno al acceso a la IA, se nos plantea un reto de la misma magnitud. Dado que la mayor parte de los costes de un laboratorio de vanguardia residen en el cálculo y que este, en última instancia, requiere ante todo energía, podemos considerar el auge de una IA francesa como la continuación lógica de nuestro esfuerzo nuclear. Incluso el método del programa nuclear puede servir de inspiración. La ordenanza de creación de la Comisión de Energía Atómica indicaba en 1945: «Se ha puesto de manifiesto que este organismo debía estar muy cerca del gobierno, y por así decirlo, estar integrado en él, y sin embargo dotado de una gran libertad de acción. Debe estar muy cerca del gobierno porque el destino o el papel del país pueden verse afectados por los avances de la rama de la ciencia a la que se dedica, y por lo tanto es indispensable que el gobierno lo tenga bajo su autoridad. Por otra parte, debe gozar de una gran libertad de acción, ya que es la condición sine qua non para su eficacia». ⁹ Esta es también la filosofía que defendemos para construir un laboratorio de frontera.

En la época en que Francia decidió, a finales de la década de 1950, embarcarse en solitario en un inmenso esfuerzo por adquirir el arma atómica y, en términos más generales, una fuerza de disuasión nuclear completa de forma independiente, muchos franceses y nuestros principales aliados estaban convencidos de que no disponía de los medios necesarios y de que estaba abocada al fracaso. Los «sensatos» de la época, al igual que los de hoy, instaban a Francia a «gestionar su dependencia» llegando a un acuerdo con Estados Unidos siguiendo el modelo establecido en los acuerdos de Nassau con Gran Bretaña. Si hubiera seguido ese camino, Francia probablemente habría tenido su bomba, pero el mantenimiento de la disuasión, hasta el día de hoy, habría dependido de la buena voluntad de Estados Unidos. Fue necesaria la voluntad del general De Gaulle para darse cuenta de que el arma nuclear se había vuelto tan esencial para la soberanía nacional que su control autónomo justificaba sacrificios considerables. Hoy en día, la IA nos plantea una elección similar.

Poner en marcha o no la operación Prometeo será, muy probablemente, la decisión más importante que tendrá que tomar el próximo presidente de la República, que será elegido el año que viene. Al igual que ocurrió con el arma nuclear en la época de De Gaulle, esto marcará la diferencia entre que Francia mantenga el papel que pretende desempeñar en el mundo y que, a la larga, caiga en la insignificancia estratégica.