Opération Prométhée : la France peut gagner la course à l’IA. Quel en serait le prix ?

En bref

Cette note propose pour la première fois un plan sur trois ans pour que la France et ses partenaires développent un laboratoire d’IA de frontière capable de rivaliser avec les meilleurs laboratoires des États-Unis, afin d’assurer leur indépendance stratégique.

L’IA sera le principal moteur de l’économie à horizon 2030

• La dépense IA, en part des salaires, atteint déjà des pourcentages supérieurs à 10 % dans les entreprises les plus avancées, et elle ne fera qu’augmenter, pour peut-être dépasser à terme la part allouée aux salaires. L’IA est déjà aujourd’hui, et de très loin, le principal moteur de la croissance américaine.

Ne pas être autonomes sur l’IA serait nous soumettre aux impérialismes

• Importer nos flux d’intelligence artificielle revient à dépendre d’autrui pour une part croissante de notre productivité, de notre puissance industrielle et de notre sécurité. 
• La France ne dispose aujourd’hui d’aucun modèle de frontière (le plus haut niveau de puissance), et les récents contrôles américains à l’exportation sur les meilleurs modèles d’Anthropic illustrent le danger de cette situation. Or aucun laboratoire de ce rang n’émergera de façon organique sans un effort délibéré de l’État. 
• En dehors des États-Unis et de la Chine, la France est le seul pays à réunir aujourd’hui les conditions pour pouvoir devenir la troisième nation de la frontière, à condition d’en faire une priorité absolue.

L’objectif technique

• Viser 12 gigawatts (GW) de puissance de calcul en 2029 (trajectoire : 2 GW en 2027, 7 GW en 2028, 12 GW en 2029), soit le niveau des grands laboratoires américains.
• Attirer les meilleurs chercheurs du monde au sein d’une équipe resserrée (1 700 personnes).
• Être capable en 2029 d’entraîner des modèles à la frontière. Nous montrons que cet objectif est atteignable.

Le coût

• 170 milliards de dollars (Md$) dès 2027, plus de 300 Md$ en 2029, soit un cumul d’environ 700 Md$ sur trois ans. Le calcul concentre l’essentiel du coût (95 %).
• Cela représenterait 4,5 à 8 % du PIB français, dont 1,5 % d’investissement public par an et constituerait donc un effort d’une échelle historique : ce serait une décision budgétaire centrale dans le mandat du futur président de la République.
• Le reste du financement serait assuré par des investissements venus du secteur privé, mais aussi de capital privé ou public issu d’autres puissances moyennes ayant intérêt au projet (pour en tirer les bénéfices directs ou pour éviter leur propre dépendance au duopole sino-américain, à l’heure où ces deux puissances sont en train de fermer les vannes de l’IA à leurs clients).

L’architecture proposée

• Nous proposons de distinguer deux blocs : un laboratoire scientifique autonome, où l’État ne détiendrait qu’une part minoritaire (25 %) mais garderait des instruments de contrôle stratégique ; un vaste programme d’infrastructures (compute, énergie, foncier), piloté par la puissance publique, adossé à une « loi Prométhée » dérogatoire pour accélérer les procédures et à un volet de programmation financière.

Principaux points de blocage

• Au-delà de l’énormité du coût et de l’acceptabilité politique, dans une démocratie, d’un tel effort financier pour soutenir une technologie qui se heurte à de fortes oppositions, la seconde difficulté vient de l’approvisionnement en puces, et donc de la dépendance initiale à Nvidia et à l’administration américaine.

La conclusion stratégique

• Les alternatives moins coûteuses (parier sur l’open source, ou négocier une interdépendance avec les États-Unis et la Chine) n’offrent aucune garantie d’autonomie réelle.
• La question décisive reste donc : les défenseurs de la souveraineté française sont-ils prêts à en payer le prix ?

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 (LLMs), 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. 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’IA, la France a 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 elle est encore loin de pouvoir disposer d’un laboratoire capable de fournir une intelligence artificielle de premier niveau, et de suivre voire de mener les avancées de la frontière. En la matière, le pays part, de 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 sans doute urgent par ailleurs de réduire ces lourdeurs, mais cela prendra sans doute bien plus longtemps que le court délai qu’il nous reste pour mettre dans la course un laboratoire d’intelligence artificielle de pointe : l’unification du marché des capitaux européens est un serpent de mer, la simplification du droit national et européen aussi. Toute volonté politique de remettre la France dans la course à l’intelligence artificielle ne pourra donc passer que par un effort délibéré et concentré de l’État.

Mais de quel effort parle-t-on et de quelle ampleur ? La plupart de ceux qui appellent aujourd’hui à une IA 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 2029 (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. Explorer 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 sept mois ¹. 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. À 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 sept 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 qui développent cette technologie 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.

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 des plus grands polymathes, capable de contribuer au progrès scientifique et technique davantage que tous nos prix Nobel. Rien ne garantit que ces lois continuent de tenir à long terme. Mais elles tiennent jusqu’ici. 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 État ne pourra se maintenir sans maîtrise souveraine de cette technologie.

Gagner la course est donc principalement affaire de calcul, ce que confirme l’état actuel de la géopolitique de l’IA. 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 le plus souvent en énergie utilisée : chacun de ces laboratoires contrôle l’équivalent de plusieurs gigawatts. Et c’est bien la puissance de calcul qui fait la différence :

Une façon répandue de mesurer le « retard » d’un laboratoire à la frontière est de choisir un ensemble de benchmarks sur lesquels se comparer. Aucun ne capture à lui seul ce qu’est réellement la frontière, et le chiffre obtenu dépend largement de la mesure retenue. En utilisant l’indice d’Artificial Analysis (un indicateur utile, quoique très incomplet, de la frontière), on trouve un écart entre Fable 5 et les laboratoires chinois d’environ quatre mois. L’écart réel est certainement plus élevé, comme le montre le même raisonnement fait sur FrontierMath, un benchmark de problèmes de recherche en mathématiques. Les comparaisons comme celles d’Artificial Analysis peuvent saturer par le haut : elles compressent 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 environ huit mois de retard). D’autre part, une moyenne agrégée masque la forme réelle de la frontière. Avoir « quatre mois de retard » ne permet pas de savoir quelles capacités restent inaccessibles aujourd’hui, ni quelles classes de tâches ne sont débloquées que par le meilleur modèle disponible. À 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. Ensuite, nombre de benchmarks ne tiennent pas compte de la consommation de tokens utilisés pour répondre. Or mobiliser davantage de calcul à l’inférence permet souvent d’améliorer significativement les résultats. Les modèles fermés à la frontière font également l’objet de tests avant déploiement poussé de sécurité (red teaming) ou de fiabilité qui peuvent décaler leur mise à disposition grand public bien que la capacité en interne dans le laboratoire soit déjà présente.

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 serait possible d’entraîner des modèles de frontière avec une puissance de calcul (et donc un coût) beaucoup moins importante 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 ². Prendre l’exemple d’un DeepSeek ou d’un Zhipu pour en tirer la conclusion qu’il est possible de développer 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 sans 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 graphique sur les lois d’échelle supra). L’inférence est donc un moteur économique et technique essentiel de la frontière.

Si la France souhaite disposer de son propre laboratoire capable de la fournir en IA de frontière sur le long terme, il lui faut donc 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 ³. 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. À titre de comparaison, rappelons que le programme Stargate ⁴ prévoit 500 milliards de dollars pour 10 GW et qu’Anthropic a réservé quelque 10 GW auprès d’Amazon ⁵, de Google et de Broadcom ⁶.

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 de dépenses d’exploitation (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 aux dépenses d’investissement (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. Cette consommation, massive, pourrait en principe être soutenable entièrement grâce aux surcapacités de production électrique françaises existantes, avant même l’arrivée de nouvelles capacités nucléaires (qui sera cependant évidemment nécessaire à plus long terme) : à l’horizon 2029, le simple relèvement du facteur de charge du parc existant (~71 % en 2024, contre ~90 % chez les meilleurs exploitants mondiaux, en partie du fait de la modulation liée aux renouvelables) libérerait jusqu’à 100 TWh par an, auxquels s’ajoute la marge des ~90 TWh aujourd’hui exportés.

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.

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 quatre à cinq 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 rendrait 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’une multitude 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 soixantaine de chercheurs d’élite, venus des meilleurs concurrents, pour lesquels nous comptons 3 milliards de dollars de rémunération annuelle. 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.

La base de l’organisation rassemble à titre indicatif 300 chercheurs et ingénieurs seniors (autour de 4 millions de dollars 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 millions de dollars 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 à un peu moins de 7 milliards de dollars en 2027, puis progresse à environ 8 Md$ en 2028 et 9 Md$ en 2029, soit près de 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 310 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).

L’investissement est donc plus que massif : cet effort représenterait environ 4,5 % du PIB français en 2027, 6 % en 2028, puis 8 % en 2029.

Après trois ans : 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’État 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 laboratoire, 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 européen 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.

Comment mener cette opération ?

Compte tenu de 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 ? Faudrait-il mettre en concurrence plusieurs entreprises ou concentrer les moyens dans une seule, et si oui, laquelle ? Et quel rôle devrait y jouer l’Etat ?

Quel véhicule autour de l’État ?

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 États-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 elle disperse d’autant les efforts.

En revanche, pour un État 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 de l’opération 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 ensuite 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’État, 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. 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, ce que l’État saurait 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’État 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 (États-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 par an pendant trois ans 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’État 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. 

Soulignons que si cet effort est considérable, il est proportionné aux enjeux du projet et doit être mis en perspective avec les choix budgétaires actuels de la France. 1,5 % du PIB correspond en effet à moins d’un tiers du déficit public actuel, qui finance massivement le fonctionnement du système social et non des investissements d’avenir, et à environ 10 % des dépenses de retraites. Dans un pareil contexte, ajouter 4,5 % au stock de dette/PIB français actuel (117,5 % du PIB au premier trimestre 2026) reviendrait à augmenter celle-ci de moins de 4 %, pour accroître en cas de succès de manière décisive les perspectives de prospérité économique et de souveraineté du pays pour les décennies à venir. Il ne nous appartient pas ici de déterminer les choix budgétaires à faire pour financer un tel projet le cas échéant, qui seraient évidemment très difficiles, mais il faut souligner que cela n’aurait rien d’impossible ni de disproportionné.

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’État 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’État, 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 plans épargne retraite 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’État 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. À 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 consiste à partir d’une logique européenne sans toujours en démontrer la nécessité. Cela mène trop souvent à la recherche d’un retour géographique immédiat (comme dans le spatial), donc à la fragmentation de l’effort et, in fine, à un échec à passer à l’échelle. En faire un projet européen multinational, ce serait inévitablement, comme le montre l’expérience, se résoudre à une gouvernance plurielle sans leadership clair, percluse de droits de veto nationaux divers et très probablement incapable de la continuité et de l’esprit de décision indispensables au succès du projet. 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 troisième 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 :

• une masse critique économique suffisante (contrairement aux Pays-Bas, à Israël, à la Suisse ou à Singapour) ;
• une base de compétences au niveau national dans le domaine (contrairement à l’Allemagne) ;
• suffisamment d’autonomie stratégique par rapport aux États-Unis pour ne pas risquer d’être l’objet de pressions impossibles à supporter (contrairement au Royaume-Uni, au Japon et à la Corée) ;
• un accès crédible au vivier de talents international en matière d’IA (contrairement à la Russie et à l’Inde).

À ceci vient s’ajouter l’existence en France de capacités de production électrique excédentaires (et décarbonées) significatives ainsi que 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 et 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. À 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 exemple 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 cette note que de déterminer précisément les partenaires qui pourraient être intéressés. Ce sujet 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 avoir un grand intérêt à recourir, en participant à ce projet, à une forme de hedging visant à limiter 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 États-Unis pourrait les faire hésiter. C’est également le cas pour le Royaume-Uni, particulièrement intéressant pour son écosystème IA. Tous les partenaires européens de Paris 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 Émirats arabes unis ou le Canada pourraient également constituer des candidats sérieux. 

Soulignons également que les éventuels partenaires étatiques pourraient être poussés par leurs propres entreprises nationales à soutenir le projet français pour s’assurer en cas de succès un accès garanti à des modèles IA de frontière, surtout en cas de durcissement progressif plausible du contrôle export américain et chinois. Dans un tel contexte, l’opération Prométhée bénéficierait ainsi à plein de la solide réputation de fiabilité diplomatique et stratégique qui est aujourd’hui celle de la France. Confrontés à l’inconfortable situation d’être pris dans une dépendance critique aux Etats-Unis et/ou à la Chine, beaucoup d’acteurs étrangers, tant publics que privés, auraient en effet un intérêt bien compris au succès du pari français, quand bien même celui-ci demeurerait sous contrôle national.

Les trois premières années

Comment se déroulerait en pratique la conduite du projet ? Nous proposons le calendrier suivant pour ses trois premières années.

Ces prévisions s’appuient sur les durées observées dans les grands laboratoires les plus récents :

Oppositions internationales

Au-delà de la conduite administrative de ce sprint et de son acceptabilité politique en interne, l’une des grandes difficultés serait 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. À court terme, et tant que d’autres acteurs ne concurrencent pas ce quasi-monopole, le projet serait donc dépendant de Nvidia (c’est-à-dire de l’administration américaine). Rien n’empêcherait donc 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 la France. 

Soit elle tente 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, il faudrait aussi 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, rendant d’autant plus essentielle la participation de La Haye au projet. 

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 dans l’orbite des États-Unis, 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 États-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, Washington ne pourrait empêcher Prométhée de louer à des tiers des capacités de calcul pour entraîner ses modèles.

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, ou bien susciter des oppositions trop fortes dans la population. 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 États-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 ». La presse internationale a récemment évoqué des travaux en cours à haut niveau dans l’appareil d’Etat chinois visant à introduire des restrictions à l’usage par des acteurs étrangers des modèles les plus avancés, indiquant qu’une telle dynamique semble déjà engagée ⁷. 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 États-Unis construisent des modèles et l’Europe les utilise. Pour éviter une soumission totale, certains font valoir que le continent a des leviers dans la chaîne de valeur qu’il peut utiliser à son tour pour faire pression sur les États-Unis ; en d’autres termes, la souveraineté devrait se retrouver 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. À l’inverse, bloquer un modèle de frontière est une option instantanée pour les États-Unis, comme l’exemple de Fable 5 l’a montré. L’arme ASML pourrait éventuellement servir dans un bras de fer focalisé sur l’infrastructure, comme montré 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 États 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 États-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 États-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 États-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, sans compter l’inévitable dépendance au sentier des processus et des technologies des entreprises, rendant très difficile et coûteuse une bascule rapide.

Peut-être ces solutions seront-elles celles que la France et l’Europe adopteront. Dans ce cas, il faudra à tout le 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. 

L’un des risques d’un plan de montée en puissance du calcul est celui de la surcapacité. Aujourd’hui, Anthropic opère déjà à l’échelle de plusieurs gigawatts et constitue une référence en matière de puissance de calcul déployée. Cependant, si l’objectif est de ne pas dépendre d’autres puissances pour le développement d’une intelligence artificielle capable d’assister efficacement l’ensemble des emplois, ces niveaux restent insuffisants. Un modèle comme Fable 5 ne permettrait aujourd’hui d’automatiser qu’une fraction des tâches, avec de fortes différences selon les métiers. Dans sa récente audition devant la commission d’enquête de l’Assemblée nationale sur les dépendances numériques, Arthur Mensch, président et cofondateur de Mistral, soulignait qu’alors que les coûts d’usage de l’IA pour les besoins de ses propres employés représentaient déjà 10 % de sa masse salariale, si on l’extrapolait à l’horizon de quelques années à l’échelle de la masse salariale européenne, ce seraient alors 1000 Md€ par an de valeur ajoutée qui seraient massivement captés, en l’absence d’offre européenne, par des acteurs américains ou chinois. Les lois de passage à l’échelle suggèrent qu’il reste encore plusieurs ordres de grandeur de calcul à mobiliser pour couvrir une part significative des besoins économiques. Autrement dit, même en supposant des gains d’efficacité très importants, par exemple un facteur 100, une capacité de quelques gigawatts ne suffirait pas à répondre à l’ensemble de la demande.

En fin de compte, il nous semble que le principal pari que constituerait l’opération 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 : la trajectoire du moindre effort risque de conduire 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 lire parfois, 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 ⁸.

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, 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, bases 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 trois ans elle sera refermée pour de bon car les coûts de rattrapage deviendront rédhibitoires : c’est aujourd’hui que l’histoire frappe à la porte.

Conclusion : un nouveau moment nucléaire pour la France

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’IA. 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 d’électricité, et contribue à notre place dans le jeu des puissances mondiales. Maintenant que tout se joue dans l’accès à l’IA, un défi du même ordre se représente. Dans la mesure où 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. » ⁹ C’est aussi la philosophie que nous privilégions pour construire un laboratoire de frontière.

À 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 États-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, aurait dépendu de la bonne volonté des États-Unis. Il fallut la volonté 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.

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. Comme l’arme nucléaire au temps de de Gaulle, cela fera la différence entre le maintien du rôle que la France entend jouer dans le monde et son glissement, à terme, vers l’insignifiance stratégique.