Souveraineté numérique : pourquoi l’Europe ne gagnera pas la course aux modèles de pointe
La souveraineté numérique européenne, est nécessaire pour garantir la sécurité en Europe, qu’il s’agisse du cyberespace public ou privé. En effet, le Vieux Continent souffre de handicaps structurels dans la compétition qui l’oppose aux États-Unis et à la Chine dans le domaine de l’IA, en particulier lorsqu’il s’agit de suivre une stratégie fondée sur la course à la taille et à la puissance brute. D’abord, le capital-risque européen ne dispose pas d’une capacité d’investissement comparable à celle des fonds américains ou de l’État chinois. Puis, l’Europe dispose de ressources énergétiques plus contraintes et s’impose des objectifs plus stricts en matière d’émissions, ce qui complique le déploiement de centres de données très énergivores1. Enfin, comme nous le soulignons dans le rapport de SKEMA Publika Intelligence artificielle et souveraineté européenne, le marché européen reste fragmenté, ce qui complique la mise en œuvre d’une stratégie cohérente et nuit à la capacité de l’Europe de rivaliser à l’échelle mondiale.
Qu’est-ce que l’« IA alternative » ?
Le terme « IA alternative » désigne une évolution, à la fois politique et technologique, qui se manifeste déjà en Europe et qui sert à combler le fossé en matière de souveraineté numérique. C’est celui d’une Europe, qui ne devrait pas rivaliser exclusivement dans la course aux modèles d’IA de frontière massifs, mais se concentrer sur des systèmes d’IA alternatifs adaptés aux besoins locaux. Les entreprises européennes n’ont pas besoin d’une IA puissante à l’échelle brute, mais de solutions alternatives moins coûteuses et répondant mieux à la demande de l’écosystème européen, qu’il s’agisse de l’agriculture, des services, de la finance, de l’industrie ou du secteur public.
L’ « IA alternative » incarne une IA de déploiement et de gouvernance plutôt qu’une IA fondée sur la taille du modèle. Elle combine plusieurs briques de construction. La première est celle des petits modèles (SLM), mieux adaptées pour des utilisations délimitées et un hébergement local. La deuxième brique relève de la dimension multimodale, c’est une IA qui traite plusieurs types de données (texte, image, vidéo etc.) et pas seulement du texte. Les modèles à poids ouverts, incarne la troisième brique et ce sont des modèles dont les paramètres sont accessibles. La quatrième brique est le Edge AI avec un traitement qui se fait sur l’appareil, sur le site industriel, dans l’hôpital ou près de la source des données, plutôt que systématiquement dans le cloud. La cinquième brique est le RAG (Retrieval-Augmented Generation) et ce dernier permet de connecter le modèle d’IA à des sources fiables comme des documents internes, à une base réglementaire etc. La dernière brique consiste à mettre en place un portefeuille de modèles au lieu d’utiliser un seul modèle d’IA pour tous les besoins d’une organisation.
Au-delà du besoin d’innover, l’enjeu réel réside dans l’écart d’adoption
L’Europe accuse un retard en matière d’adoption de l’IA par les entreprises, ce qui rend d’autant plus crucial le besoin de prendre des mesures pour développer une souveraineté numérique. L’adoption de l’IA progresse certes rapidement, mais les gains réels observés restent limités et inégaux. Début 2026, 43 % des salariés américains déclaraient utiliser l’IA générative dans le cadre de leur travail, contre 26 % en Italie et 36 % au Royaume-Uni. Son utilisation était également moins répandue en Allemagne, en France et en Italie2. Dans la zone euro, 38 % des entreprises estimaient avoir atteint un niveau avancé d’adoption, tandis que 33 % en étaient encore au stade d’une utilisation occasionnelle ou expérimentale3. Ainsi, au-delà du besoin de développer une IA alternative, ces chiffres mettent en évidence une priorité : accélérer l’intégration de l’IA dans les processus concrets, en particulier dans les secteurs où les entreprises européennes possèdent déjà une solide expertise industrielle.
Là où l’Europe a une vraie carte à jouer : un déploiement spécialisé de l’IA
L’IA de pointe se caractérise par d’importantes économies d’échelle, une puissance de calcul concentrée et des écosystèmes fortement polarisés, autant de domaines dans lesquels l’Europe part avec un désavantage. Ainsi, la carte la plus crédible de l’Europe ne réside pas dans l’imitation frontale des géants américains ou chinois de l’IA de pointe, mais dans le déploiement spécialisé de systèmes d’IA adaptés aux secteurs où elle dispose déjà d’atouts institutionnels, industriels et réglementaires.
Industrie, santé, finance et secteur public ont en commun des besoins élevés en fiabilité, traçabilité, confidentialité, interopérabilité et connaissance métier. Dans ces domaines, la valeur de l’IA dépend moins de la taille brute du modèle que de sa capacité à s’intégrer dans des processus réels, à mobiliser des données sectorielles fiables et à fonctionner dans un cadre de gouvernance robuste. Ainsi, l’Europe pourrait se forger un avantage en coordonnant ses efforts en tant que collectif d’acteurs adoptant l’IA de manière stratégique, à condition de conserver des capacités suffisantes en matière d’IA de pointe pour évaluer les meilleurs systèmes et les adapter à ses propres besoins.
Données souveraines : le « nouveau fonds de roulement » de l’IA d’entreprise
Les données propriétaires ne sont pas le “nouveau pétrole”, mais le “nouveau fonds de roulement” de l’IA d’entreprise dans la mesure où elles alimentent les processus et soutiennent les activités commerciales. De ce fait, la RAG, la récupération multimodale, les espaces de données et les assistants fondés sur des connaissances sectorielles permettent de transformer le savoir institutionnel en ressources directement exploitables.
Le règlement européen sur la gouvernance des données et les initiatives liées à l’union des données revêtent donc une importance particulière : ils peuvent réduire les obstacles à une mobilisation rapide des données, dans des conditions à la fois sûres et conformes au droit.
AI Act et gouvernance : faire de la confiance une technologie de production
Le règlement européen sur l’IA ne doit pas seulement être compris comme une contrainte de conformité, mais comme une infrastructure de production. La stratégie pour l’union des données associe une plus grande maîtrise européenne à une ouverture envers des partenaires de confiance, dans des conditions équitables et sûres. Une approche viable consisterait à favoriser des flux de données transfrontaliers fiables, une traçabilité documentée, des composants ouverts réutilisables, un déploiement local lorsque cela est nécessaire et des capacités de calcul suffisantes pour limiter les dépendances critiques.
L’agenda 2025-2026 de la Commission européenne esquisse une réponse : usines d’IA et futurs gigafactories d’IA, plan d’action pour le continent de l’IA, stratégie pour l’union des données, programmes sectoriels de déploiement et cadre de gouvernance du règlement sur l’IA. Ces initiatives pourraient jeter les bases d’une stratégie européenne centrée sur l’adoption et le déploiement, alors même que le débat public reste largement focalisé sur les modèles de pointe.
Néanmoins, d’importants contre-arguments subsistent : l’Europe risque de ne pas investir suffisamment dans les capacités de pointe, les modèles ouverts ne suppriment pas sa dépendance à l’égard des matériels américains ou asiatiques et un écart croissant en matière de qualité ou d’écosystème pourrait réduire les bénéfices tirés de son expertise en matière de déploiement.
Les 4 recommandations du paper pour les décideurs européens
1. Faire des usines d’IA de véritables structures dédiées au déploiement
2. Faire de la commande publique un levier de confiance
3. Faire passer les entreprises de l’achat d’un modèle unique à la gestion d’un portefeuille de modèles
4. Mutualiser les infrastructures de validation dans les secteurs à fortes exigences de confiance
La souveraineté numérique désigne la capacite d’Etat ou, dans ce cas de l’Union Européenne, à agir dans le cyberspace pour augmenter sa capacité autonome de décision et organisation, d’action et d’appréciation, garançant la sécurité de données d’état.
Une IA souveraine est un système d’intelligence artificielle entièrement dirigée et utilisée par le pays, la région, ou l’organisation qui l’a construit. Ça veut dire qu’il a du contrôle sur des données, des infrastructures et des modèles.
L’intelligence artificielle européenne n’est pas assez développée par rapport aux Etats-Unis et à la Chine à cause d’un manque d’investissement, une dépendance aux infrastructures étrangères et une régulation stricte qui peut freiner le déploiement à court terme.
L’IA Act est une législation européenne sur l’IA pour encadrer l’utilisation des systèmes d’intelligence artificielle. Elle vise à garantir une IA sûre, digne de confiance et respectueuse des droits fondamentaux de l’UE.
Un petit modèle de langage (SLM) est un modèle conçu pour nécessiter moins de puissance de calcul, offrir une latence plus faible ou requérir une capacité d’hébergement moindre que les systèmes de pointe à très grande échelle, notamment en vue d’un déploiement spécialisé ou local.
- Bick et al., Differences in AI adoption in Europe and the US (CEPR, 2026). ↩︎
- AI Office publishes frontier AI expert findings on EU competitiveness, sovereignty and security. (2026). Shaping Europe’s Digital Future. https://digital-strategy.ec.europa.eu/en/library/ai-office-publishes-frontier-ai-expert-findings-eu-competitiveness-sovereignty-and-security. ↩︎
- Ferrando et al., Adopting and investing in AI: evidence from euro area firms in the SAFE (ECB, 2026). ↩︎
