Pourquoi les poids des modèles ont-ils cessé d’être rares ?

Parce qu’en août 2026, trois laboratoires ont sorti une version majeure sans repartir d’un pré-entraînement complet. Ce qui coûtait des mois de calcul et des centaines de millions de dollars se refait désormais en semaines.

Le 14 août, le laboratoire chinois Z.ai a publié GLM-5.3. Le modèle repose sur exactement le même socle de 743 milliards de paramètres que GLM-5.2, sans nouveau pré-entraînement. Tous les gains proviennent du post-entraînement : davantage d’environnements de tâches, des sessions d’apprentissage par renforcement allongées. Le score sur Terminal-Bench 3.0 passe de 4,6 à 28,3 ; sur DeepSWE, de 46,2 à 66,9.

Grok 4.6 suit une recette voisine : même socle annoncé que 4.5, entraînement prolongé, trajectoires de réglage fin régénérées, apprentissage par renforcement en environnement agentique. L’indice Artificial Analysis passe de 56 à 61. Gemini 3.7 Flash arrive trois semaines après Gemini 3.6 Flash, explicitement bâti sur le même socle.

La distinction est technique mais elle décide de tout. Le pré-entraînement fabrique le socle : des mois de calcul, un investissement de l’ordre de la centaine de millions. Le post-entraînement — réglage fin, apprentissage par renforcement, distillation — sculpte le comportement sur ce socle. Une campagne de renforcement agentique peut être lourde, mais elle n’engage pas le même ordre de dépense. Quand un laboratoire annonce une version majeure sans nouveau socle, il vend du post-entraînement.

Personne n’a relié ces trois annonces cette semaine-là. Prises ensemble, elles disent une seule chose : la cadence de publication se découple de celle des grands pré-entraînements. Tant qu’une nouvelle génération imposait un socle neuf, le calendrier commercial restait prisonnier du calendrier de calcul. Il ne l’est plus. Les laboratoires peuvent multiplier les versions, segmenter leurs gammes et répondre à un concurrent en semaines plutôt qu’en trimestres.

Les prix ont suivi. OpenAI a coupé 80 % sur l’un de ses modèles. Anthropic a lancé sa nouvelle génération à moitié prix de la précédente. Gemini 3.7 Flash arrive à 0,75 dollar par million de tokens en entrée, moitié moins que son prédécesseur — avec une remise de 50 % qui expire le 31 décembre. Ce n’est pas un prix, c’est une fenêtre de migration subventionnée : on porte son code, on s’habitue, et en janvier la facture double.

Un seul acteur a fait l’inverse. DeepSeek a confirmé le 13 août une hausse importante sur sa gamme V4, entrée en vigueur le 16 août : le tarif de sortie du modèle rapide passe de 0,28 à 1,32 dollar par million de tokens, plus de quatre fois. Le prix des lectures en cache est multiplié par six — ce qui frappe le plus fort ceux dont l’architecture relit le plus, c’est-à-dire les agents. Celui qui avait déclenché la guerre des prix en sort au moment où il doit montrer des marges. La discipline financière remplace la conquête de parts de marché.

Il faut nommer précisément le contexte financier sans le caricaturer. Le secteur américain s’est structuré autour de financements circulaires : un fabricant de processeurs investit dans un laboratoire, qui achète de la capacité à un opérateur de cloud, lequel achète les processeurs du premier. S’y ajoutent des engagements pluriannuels de capacité largement hors bilan. Rien de tout cela n’est illégal ; tout cela est procyclique. En phase ascendante, ces montages amplifient la croissance apparente ; en phase descendante, ils amplifieraient la contraction dans les mêmes proportions. C’est un facteur de fragilité, pas un délit.

Où la valeur de l’IA se déplace-t-elle réellement ?

Elle ne monte pas d’un étage. Elle se fragmente en quatre. Et un seul de ces quatre étages n’est pas délocalisable — c’est précisément celui sur lequel la France dispose d’un avantage.

Le récit dominant est simple : la valeur quitterait les modèles pour l’infrastructure. C’est vrai, mais incomplet, et l’incomplétude a des conséquences politiques. Quatre destinations se disputent aujourd’hui la valeur qui s’échappe des poids.

Premier étage : l’infrastructure

Les centres de calcul, l’électricité qui les alimente, les réseaux qui les raccordent. C’est l’étage physique, celui qui exige des permis, du foncier, des transformateurs et des décennies d’investissement électrique. C’est aussi le seul qui ne se délocalise pas d’un clic.

Deuxième étage : l’orchestration

C’est l’étage le plus sous-estimé. Un éditeur américain mesure 52 % d’économie sur ses agents en ne modifiant que son moteur d’orchestration. Le chiffre le plus intéressant est ailleurs : sur six modèles différents, chinois comme américains, le même changement de harnais rend 41 % d’économie moyenne à qualité comparable. L’effet ne tient donc pas au modèle. Deux réserves d’usage : l’étude porte sur 22 tâches et elle est signée par l’éditeur lui-même.

Un fabricant de processeurs a publié dans la foulée une bibliothèque de routage qui envoie chaque étape vers le modèle le mieux adapté. Testée sur 145 tâches agentiques multi-étapes, elle réduit le coût de 74 % en n’envoyant que 7 % des appels au modèle de pointe, pour environ six points de précision perdus.

Le contre-exemple achève la démonstration. Le modèle rapide de DeepSeek domine les classements et trébuche sur le terrain : sur 240 exécutions — 30 tâches multi-étapes rejouées dans huit orchestrateurs différents avec de vrais outils — le taux de réussite moyen tombe à 53,8 %. Mais la moyenne cache l’essentiel : de 46,7 % dans un environnement à 66,7 % dans un autre. Vingt points d’écart selon le harnais qui exécute le même modèle. C’est la mesure la plus directe de ce que vaut la couche d’orchestration.

Troisième étage : les données propriétaires

Une entreprise d’annotation a approché le dirigeant d’une jeune pousse américaine, huit jours après l’annonce de son rachat, non pour reprendre la société mais pour acheter ou licencier ses archives de travail : fils de discussion internes, tickets, historiques de tâches. Une grande plateforme de diffusion en direct a activé par défaut l’entraînement sur les contenus de ses chaînes avant d’ouvrir un refus enfoui dans les paramètres. Quand une plateforme accepte ce niveau d’inconfort public, c’est que le corpus vaut plus cher que la mauvaise presse.

Quatrième étage : la distribution

Une grande plateforme musicale attache désormais un badge aux artistes non humains et coupe leurs recommandations. La provenance devient une variable de distribution, donc de revenu.

Cette nuance n’affaiblit pas l’argument souverainiste : elle le fonde. Si la valeur montait simplement d’un étage, la question serait purement commerciale. Parce qu’elle se fragmente, et qu’un seul fragment est attaché au sol, l’arbitrage devient politique.

Combien vaut un kilowattheure français transformé en tokens ?

Entre 7,50 € et 29 €, selon le modèle servi. La France vend le même kilowattheure 0,061 € à l’export. Le multiplicateur va de 123 à 480.

Ce calcul est le cœur de l’article. Il doit donc être entièrement reproductible, et chacune de ses hypothèses discutable. Nous partons de la seule donnée de production d’inférence publiée publiquement par un laboratoire de premier plan, en croisant deux sources qui ne se parlent pas : la production de tokens d’un côté, les prix français de l’électricité de l’autre.

Étape 1 — Combien de tokens produit un kilowattheure ?

En février 2025, DeepSeek a publié les statistiques réelles de son service d’inférence sur une fenêtre de 24 heures. Occupation moyenne : 226,75 nœuds de huit processeurs graphiques H800, soit 1 814 processeurs. Production : 608 milliards de tokens en entrée et 168 milliards en sortie, tous usages confondus — web, application et interface de programmation.

Conversion en énergie. Un nœud de huit accélérateurs de cette classe consomme environ 10,2 kW en charge. Sur 24 heures : 55,5 MWh de consommation informatique. Avec un indicateur d’efficacité énergétique de 1,2 — refroidissement et pertes compris, valeur courante pour un centre de calcul moderne — on obtient environ 66,6 MWh par jour.

Étape 2 — Combien vaut cette production au tarif d’un opérateur français ?

Nous appliquons à ce profil de trafic les tarifs publics de Mistral, relevés en août 2026. Le choix n’est pas neutre : il s’agit de mesurer ce qu’un opérateur français facture réellement, pas ce qu’un concurrent américain pourrait facturer.

Étape 3 — À quel prix la France vend-elle le même kilowattheure ?

Trois références coexistent, et la confusion entre elles est la première source d’erreur dans le débat public.

Le tarif réglementé des ménages s’établit à 0,2001 € le kilowattheure depuis le 1^er août 2026. Le prix moyen payé par les entreprises était de 148,8 € le mégawattheure en 2025, en baisse de 9,6 % sur un an, soit 16 % en dessous de la moyenne européenne. Mais ce n’est ni l’un ni l’autre que nous exportons.

Au premier semestre 2026, la France a vendu son électricité à ses voisins à un prix moyen de 61,20 € le mégawattheure, alors que les pays acheteurs affichaient en moyenne 111,60 €. Le solde exportateur net a atteint 92,3 TWh en 2025 — un record historique pour la deuxième année consécutive, environ 17 % de la production nationale — et approche déjà 51 TWh sur le seul premier semestre 2026.

Et il y a pire que bon marché. Au premier semestre 2026, le marché français a compté 407 heures de prix négatifs, soit près de 10 % du temps, avec un record à −498,70 € le mégawattheure le 1^er mai. Pendant ces heures, les producteurs ont payé pour évacuer leur production.

Le multiplicateur

Le précédent historique existe et il est nordique. La Norvège n’exporte pas son hydroélectricité : elle exporte de l’aluminium. L’Islande non plus. Ces pays ont compris il y a cinquante ans qu’un électron abondant vaut infiniment plus incorporé dans un produit que vendu au fil du réseau. Le token est à la France de 2026 ce que l’aluminium fut à la Norvège de 1970.

L’avertissement qui doit accompagner ce tableau

Ces chiffres sont datés d’août 2026 et le multiplicateur se dégonfle. Au tarif du modèle d’entrée de gamme, il tombe déjà à 123 contre l’export. Or la première partie de cet article démontre exactement cela : le marché fuit le haut de gamme au profit d’une performance « suffisante » beaucoup moins chère. La valeur unitaire du token baisse structurellement.

Ce n’est pas un argument contre la thèse. C’est un argument d’urgence. La fenêtre pendant laquelle un kilowattheure décarboné et abondant peut être valorisé plusieurs centaines de fois son prix de marché ne restera pas ouverte indéfiniment. Les décisions d’implantation, de raccordement et de commande publique prises entre 2026 et 2030 détermineront qui la capte.

L’électricité pèse-t-elle vraiment lourd dans le coût d’un token ?

Non. L’électron représente environ 5 % du coût de production d’un token. Les 95 % restants sont du silicium que l’Europe ne fabrique pas. C’est l’angle mort de tout le discours français sur l’IA souveraine.

Reprenons la même journée de production. DeepSeek publie sa base de coût : 87 072 dollars pour 43 536 heures de processeur graphique, sur une hypothèse de location à 2 dollars l’heure. L’électricité correspondante, au prix français à l’export, vaut environ 4 400 dollars.

Autrement dit : la France apporte 5 % de l’intrant et voudrait capter 100 % de la valeur. L’essentiel du multiplicateur décrit plus haut n’est pas capté par le producteur d’électricité — il est capté par celui qui vend le processeur, et par celui qui le grave.

Ce constat n’invalide pas la stratégie d’infrastructure. Il en fixe la limite et il désigne l’étape suivante. Nous y reviendrons au chapitre 10, qui est le vrai sujet industriel de cet article.

Que révèlent les 93 milliards de Choose France 2026 ?

Ils révèlent une ambition d’accueil, pas une ambition de production. La France offre le foncier, le raccordement et l’électron. Le token, lui, sera facturé ailleurs — sauf pour un seul des acteurs présents.

Le 1^er juin 2026, au château de Versailles, la neuvième édition du sommet Choose France a totalisé 93 milliards d’euros d’investissements étrangers annoncés sur 71 projets, pour 15 600 emplois. Cette seule édition dépasse le cumul des huit précédentes, qui atteignait 87 milliards. Plus de la moitié de l’enveloppe est fléchée vers l’intelligence artificielle et les centres de données.

L’annonce dominante vient d’un groupe japonais : 45 milliards d’euros d’ici 2031 pour 3,1 GW de capacité dans les Hauts-de-France, avec un objectif global pouvant atteindre 75 milliards et 5 GW. Un gestionnaire d’actifs canadien porte ses engagements français à 30 milliards. Un fonds émirati, associé à Bpifrance, à Mistral et à un fabricant américain de processeurs, prépare un second site de calcul. Les Hauts-de-France concentrent à eux seuls environ 83 milliards.

Deux précautions de lecture s’imposent, et elles ne relèvent pas du scepticisme de principe. D’abord, ces montants agrègent des projets décidés et de simples lettres d’intention ; les flux réels s’échelonneront sur des années et certains projets ne verront jamais le jour. Ensuite, un seul dossier représente près de la moitié du total : sans lui, le bilan 2026 rejoindrait les niveaux habituels du sommet.

Mais le point politique est ailleurs. L’objectif affiché est de faire de la France « de très loin le premier pays accueillant des centres de données et des capacités de calcul en Europe ».

Un pays qui accueille loue son sol, son réseau et son électricité décarbonée. Il encaisse une taxe foncière, des emplois de construction et d’exploitation — 8 600 puis 900 pour le principal projet — et une facture d’électricité vendue au prix de gros. La valeur créée par les tokens produits dans ces murs est facturée par des sociétés dont le siège fiscal, la propriété intellectuelle et les actionnaires sont ailleurs.

Sur les 71 projets annoncés, un seul acteur présent vend le token lui-même. C’est précisément celui qu’une partie du commentaire français accuse d’avoir renoncé.

Mistral a-t-il renoncé à la souveraineté en hébergeant un modèle chinois ?

Non. Il a arrêté de se battre sur un terrain où le classement montre qu’il ne peut pas gagner, pour occuper celui où l’Europe dispose d’un avantage réel. C’est une décision d’allocation de ressources, pas une capitulation.

Le 11 août 2026, Mistral a ouvert sa plateforme à des modèles ouverts tiers, en commençant par GLM-5.2 du laboratoire chinois Z.ai. Le modèle est servi tel quel : pas d’entraînement, pas de réglage fin, pas d’adaptation. De l’inférence, uniquement, avec la marque chinoise apparente. Il tourne sur la même infrastructure, avec les mêmes contrôles régionaux et les mêmes engagements de service que les modèles maison.

L’annonce formait un triptyque qu’il faut lire d’un bloc : disponibilité générale des points d’accès régionaux, lancement d’un niveau prioritaire adossé à un engagement contractuel de service, et ouverture aux modèles tiers. Ce n’est pas une annonce de gamme de modèles. C’est une offre d’infrastructure.

Le précédent moins visible

La bascule avait commencé plus tôt. Large 3, sorti en décembre 2025, reposait déjà sur une architecture calquée sur celle de DeepSeek V3 : même dimension cachée de 7 168, mêmes 61 couches, mêmes 3 couches denses avant les couches de mélange d’experts, même mécanisme d’attention latente multi-têtes. La seule modification structurelle portait sur la granularité des experts — un gain de débit d’inférence, pas de capacité.

Une précision change tout, et elle est régulièrement omise : les poids sont bien ceux de Mistral, entraînés sur ses propres données, dans ses propres centres de calcul, avec son propre tokeniseur — 131 000 tokens de vocabulaire contre 129 000. Ce n’est pas un modèle chinois réétiqueté. Mais l’architecture du produit phare européen a été dessinée à Hangzhou.

Ce que dit le classement du 21 août 2026

Voici pourquoi la décision est rationnelle. Le classement indépendant Artificial Analysis, relevé le 21 août 2026 sur 598 modèles évalués, place le meilleur modèle Mistral au vingt-cinquième rang des trente affichés.

Trois constats se lisent directement sur ce graphique.

Seize laboratoires devancent le meilleur modèle Mistral. Aucun n’est européen. On y compte des américains, des chinois — et quatre coréens.

Mistral Medium 3.5 obtient exactement la moitié du score de GLM-5.3. Trente contre soixante. Et GLM-5.3 est un modèle en poids ouverts, dont le laboratoire annonce la publication après une période de vérification.

En hébergeant GLM, Mistral double instantanément le niveau qu’il propose à ses clients — et se place à trois points du meilleur modèle mondial. Aucun montant d’investissement en pré-entraînement n’aurait produit ce résultat en trois mois.

La justification du directeur technique de Mistral a eu le mérite de la franchise : le modèle est excellent, il est apprécié, il est en poids ouverts, il n’y avait aucune bonne raison de s’en priver. Aucune bonne raison, en effet — pour un opérateur d’infrastructure. Toutes les raisons du monde, pour un laboratoire qui prétendrait encore se battre au sommet. La question n’est pas de savoir laquelle de ces deux entreprises est la plus noble. Elle est de savoir laquelle est finançable en Europe en 2026.

La logique commerciale du pivot est solide : contrats pluriannuels de capacité, objectif d’un gigawatt en Europe d’ici 2030, un fabricant néerlandais d’équipements de lithographie entré au capital à hauteur de 11 %, une valorisation de 11,7 milliards d’euros et un objectif du milliard d’euros de chiffre d’affaires. Ce chiffre d’affaires est ce qui peut financer, plus tard, un retour au laboratoire. C’est la séquence classique des grands opérateurs de cloud : l’infrastructure paie la recherche, jamais l’inverse.

Un modèle chinois hébergé en Europe est-il souverain ?

Sur l’exécution, oui. Sur l’alignement, non. Cette distinction est la plus importante de tout le débat, et elle n’est presque jamais faite.

Trois objections sérieuses ont été adressées à la stratégie de Mistral. Elles méritent d’être prises une par une, sans esquive.

Objection 1 : c’est la souveraineté du bâtiment, pas de ce qu’il abrite

Elle est juste, et il faut la reformuler pour la traiter. La chaîne de valeur de l’IA comporte au moins quatre couches : le silicium, les poids du modèle, l’infrastructure d’exécution, et l’orchestration applicative. L’Europe n’en maîtrise aujourd’hui aucune complètement. Elle peut en maîtriser deux à court terme — l’infrastructure et l’orchestration — et travailler à en reconquérir une troisième, le silicium.

Reprocher à un acteur de tenir deux couches sur quatre plutôt que zéro relève du procès d’intention. La bonne question n’est pas « est-ce suffisant ? » — évidemment non — mais « par où commence-t-on ? ». Par la couche physiquement captive, qui finance les suivantes.

Objection 2 : un modèle chinois reste un modèle chinois

Celle-ci est la plus solide, et elle n’est pas résolue par l’hébergement. Un modèle exécuté en Europe n’envoie aucune donnée à l’étranger : la souveraineté d’exécution est réelle. Mais les biais, les angles morts et les silences d’un modèle sont inscrits dans ses poids. Ils voyagent avec le fichier, pas avec le serveur.

Le précédent français existe : la direction générale du Trésor a dû débrancher un modèle chinois qu’elle avait déployé, en raison de réponses jugées orientées ou biaisées. L’incident ne dit pas que les modèles chinois sont inutilisables. Il dit qu’un modèle déployé dans la sphère publique doit être évalué pour ce qu’il produit, indépendamment du lieu où il tourne.

Objection 3 : Mistral capitule commercialement

Le laboratoire n’est pas mort ; il a changé de cible. Un modèle spécialisé de modération de 3 milliards de paramètres, publié en poids ouverts, a été testé sur un million de commentaires d’un site français, en local, sur une seule carte graphique professionnelle de 20 Go. Aucune donnée ne sort du territoire. Ce n’est pas un modèle frontière ; c’est un produit de conformité qu’aucun laboratoire américain ne prendra la peine de fabriquer pour le marché européen.

Voilà probablement la voie européenne réaliste : ne pas courir après le sommet généraliste, mais occuper les spécialités où la conformité est le produit.

Sait-on sur quels modèles reposent les logiciels d’entreprise européens ?

Non. Et c’est un problème de conformité et de dépendance, pas de sécurité au sens naïf du terme.

Un éditeur américain de logiciels de rédaction assistée commercialise un modèle bâti sur les poids de GLM-5.2. Il compte parmi ses clients des cabinets de conseil, des plateformes de mobilité et des gestionnaires d’actifs de premier plan. Une grande banque américaine a construit sa plateforme multi-agents sur des poids ouverts.

Il faut lire cette phrase deux fois : des piles logicielles d’entreprise occidentales roulent déjà sur des socles chinois, et la traçabilité du modèle de base n’est presque jamais exigée dans les processus d’achat.

Ce n’est pas un problème d’exfiltration : un modèle exécuté en local n’envoie rien nulle part. C’est un problème de documentation, d’auditabilité et de réversibilité. Si l’on ignore sur quoi repose le produit que l’on achète, on ne peut ni l’auditer, ni évaluer ses biais, ni le remplacer en cas de rupture.

La distillation aggrave l’opacité : entraîner un petit modèle à imiter les sorties d’un grand transforme un actif coûteux en produit dérivé bon marché, et la filiation devient invisible dès lors que le fournisseur ne la documente pas. Rien, dans une réponse d’agent, n’indique de quel socle elle provient.

Le règlement européen sur l’intelligence artificielle est entré en application le 2 août 2026, avec des obligations de documentation, d’évaluation des risques et de transparence. Il ne comporte pas, en l’état, d’obligation de déclaration du modèle de base sous un produit d’IA. C’est le premier manque que le Projet 2027 propose de combler.

L’Europe doit-elle choisir entre Washington et Pékin ?

Non, et elle ne le peut pas. La position réaliste est une position d’attente assumée : processeurs américains, poids ouverts d’où qu’ils viennent, infrastructure européenne — le temps de fabriquer nous-mêmes les deux premiers.

La doctrine américaine actuelle demande à ses partenaires en intelligence artificielle de ne pas s’associer à la Chine. Cette exigence s’adresse à des alliés auxquels sont simultanément appliqués des droits de douane, et dont l’alignement est également requis sur des dossiers militaires et énergétiques. Une alliance qui exige l’alignement sans garantir la réciprocité n’est pas une alliance : c’est une dépendance.

Constater cela n’est pas plaider pour un basculement vers l’autre bloc. La Chine ne propose pas davantage de réciprocité, et la dépendance à ses poids ouverts est une dépendance véritable, y compris sur l’alignement, comme le chapitre précédent l’a montré.

La position européenne réaliste tient en une phrase : utiliser aujourd’hui les processeurs américains et les poids ouverts les plus performants, quelle que soit leur origine, en exécutant tout sur une infrastructure européenne, pendant que l’on construit les deux briques manquantes. Ce n’est pas une position confortable. C’est la seule qui ne sacrifie ni le présent, ni l’avenir.

Elle suppose d’assumer une transition, pas de proclamer une indépendance dont nous n’avons pas les moyens. Et elle suppose de fixer une échéance — car une position d’attente qui ne débouche sur rien devient une position de sujétion.

L’Europe peut-elle produire ses propres processeurs d’intelligence artificielle ?

Elle a déjà la conception, elle a la machine que le monde entier lui envie, et elle n’a pas d’embargo. Ce qui lui manque n’est ni technologique ni réglementaire : c’est un carnet de commandes.

Ce que l’Europe a déjà

À Sophia Antipolis, à Maisons-Laffitte, à Grenoble, à Massy, à Duisbourg et à Barcelone, une entreprise franco-allemande née du consortium European Processor Initiative conçoit depuis 2019 le microprocesseur des supercalculateurs européens. SiPearl a allumé son processeur Rhea1 en mai 2026 : 61 milliards de transistors, 80 cœurs Arm Neoverse V1 dotés chacun de deux unités vectorielles de 256 bits, quatre piles de mémoire à très large bande passante, quatre interfaces DDR5 et 104 voies PCIe de cinquième génération. Il est explicitement conçu pour le calcul haute performance et l’inférence d’intelligence artificielle. Mise sur le marché prévue fin 2026. Il équipera le module processeur du premier supercalculateur exascale européen.

Son fondateur résume l’enjeu sans détour : rapatrier en Europe les technologies de microprocesseur haut de gamme et les expertises associées, en formant une équipe d’experts telle qu’il n’en existait plus sur le continent depuis le milieu des années 1980.

La nuance doit être dite : SiPearl est une entreprise sans usine. Rhea1 est gravé en 6 nanomètres par TSMC, à Taïwan. Conception européenne, fabrication asiatique. Le maillon manquant n’est pas le design. C’est la fonderie.

La vraie leçon chinoise

On entend souvent : « les Chinois ont réussi, pourquoi pas nous ? » L’argument est bon, mais il faut le retourner pour qu’il devienne juste.

Les Chinois n’ont pas réussi ce qu’on leur prête. Leur principal fondeur reste bloqué autour du 7 nanomètre, via une technique de multi-exposition qui contourne l’absence de machines de lithographie extrême-ultraviolet. Les rendements en pâtissent lourdement : de l’ordre de 20 % de puces fonctionnelles sur les nœuds les plus fins, contre 70 % et plus chez le leader taïwanais. Un prototype national de machine EUV existe, mais les estimations les plus courantes situent une production de masse entre 2028 et 2030.

Ce qu’ils ont réussi est plus modeste et bien plus instructif : produire des processeurs d’IA utilisables malgré l’embargo, en compensant le retard de gravure par l’architecture système — mise en grappe de centaines de puces, interconnexion propriétaire, optimisation logicielle rigoureuse. Ils ont accepté de consommer plus d’énergie et plus d’espace pour obtenir une alternative locale crédible.

Nous détenons le goulot d’étranglement mondial de la lithographie avancée et nous n’en tirons pas de capacité de production souveraine. C’est une situation sans équivalent : le seul acteur au monde à pouvoir vendre l’outil, incapable de s’en servir pour lui-même.

La bascule ARM, et ce qu’elle ouvre

Un signal technique majeur est passé largement inaperçu en France. Le processeur pour ordinateurs portables présenté par Nvidia le 31 mai 2026 associe un processeur central Arm de 20 cœurs — co-développé avec l’équipementier taïwanais MediaTek — à un processeur graphique maison, sur un même boîtier, avec 128 Go de mémoire unifiée. Il est gravé en 3 nanomètres.

Autrement dit : le marché du PC quitte l’architecture x86, verrou historique du duopole Intel-AMD, pour basculer vers ARM — l’architecture sur laquelle repose déjà le processeur européen Rhea1. C’est une porte qui s’entrouvre.

Mais il faut voir où le verrou se déplace. En passant à ARM, l’industrie ne libère pas la couche logicielle : elle conserve l’écosystème de calcul propriétaire du fabricant, devenu la véritable barrière à l’entrée. Le verrou migre du jeu d’instructions vers la bibliothèque logicielle. Une politique européenne du processeur qui ignorerait cet aspect financerait du silicium condamné à rester inutilisable faute d’outils.

Ce qu’il faut construire : deux lignes, séquencées

Une unité de production européenne n’a de sens que si son carnet de commandes est garanti avant sa construction. Aucun financement ne se boucle sur une hypothèse de marché. La condition première n’est donc pas un plan d’investissement public : c’est un engagement de commande pluriannuel des grands groupes cotés européens — l’équivalent du CAC 40 dans chaque pays du continent.

Ligne A — grand public, réalisable vite. Des systèmes sur puce ARM pour ordinateurs européens, sur des nœuds matures déjà maîtrisés sur le continent : STMicroelectronics à Crolles, GlobalFoundries à Dresde, les substrats de Soitec, les briques de recherche de l’Imec à Louvain. Un premier marché existe : les administrations, les collectivités, les hôpitaux, les armées, l’éducation. Ce sont des volumes prévisibles, contractualisables et politiquement décidables.

Ligne B — haut de gamme, le vrai saut. Inférence en centre de données et imagerie, sur nœuds avancés. C’est là qu’il faut la lithographie extrême-ultraviolet, un investissement à deux chiffres en milliards d’euros et une décennie de montée en compétence. C’est aussi là que se joue la capture des 95 % du coût du token identifiés au chapitre 4.

Le séquencement, enfin, doit être assumé publiquement : puce ARM européenne sous un système d’exploitation existant d’abord, système d’exploitation européen ensuite. Prétendre l’inverse — un OS souverain avant d’avoir le silicium — reviendrait à recommencer les échecs des vingt dernières années. Petit à petit, l’oiseau fait son nid.

Et un périmètre plus large que l’Europe

Cette architecture n’a pas de raison de s’arrêter aux frontières de l’Union. Le Canada, l’Australie et l’Inde partagent exactement la même situation : des démocraties technologiquement avancées qui ne veulent être captives ni de Washington ni de Pékin, et dont aucune ne dispose seule d’un marché intérieur suffisant. Additionnés, ces marchés changent l’équation de financement d’une fonderie. C’est un axe diplomatique concret, chiffrable, et qui ne demande aucun traité nouveau — seulement des accords industriels de commande.

Que se passera-t-il quand l’IA tournera dans nos ordinateurs ?

Ce n’est pas une question pour 2030. Le premier processeur grand public capable de faire tourner localement un modèle de 120 milliards de paramètres est livré cet automne.

La thèse de l’infrastructure repose sur une hypothèse implicite : que l’inférence continuera de se faire à distance, dans des centres de calcul. Cette hypothèse a une date de péremption, et elle est plus proche qu’on ne le croit.

Le processeur présenté fin mai 2026 par Nvidia — 20 cœurs Arm, 6 144 cœurs de calcul graphique, 128 Go de mémoire unifiée, un pétaflop de performance annoncée — sera embarqué dès l’automne 2026 dans des ordinateurs portables et des mini-ordinateurs de six grands constructeurs. Il fait tourner en local des modèles de 120 milliards de paramètres avec un million de tokens de contexte.

En parallèle, une nouvelle classe de modèles converge vers une cible matérielle unique : une seule carte de 24 à 32 Go. Un modèle de 30 milliards de paramètres publié en licence libre, quantifié en 4 bits, tient sous 20 Go. Un autre, de 30 milliards de paramètres dont 3 seulement activés par token, tient tête à un modèle quatre fois plus gros. Un troisième pèse 45 millions de paramètres, pour un binaire de 14 Mo et 28 Mo de mémoire vive.

Le critère commun de cette nouvelle classe n’est plus la taille, ni le score au classement. C’est la capacité agentique locale : appeler des outils, tenir une boucle de raisonnement, sans sortir de la machine.

Ce qui redescend, et ce qui reste

La distinction est décisive et elle sauve la thèse plutôt qu’elle ne la détruit. Ce qui redescend dans le terminal, c’est l’inférence courte : la rédaction, la classification, la traduction, la modération, l’appel d’outil simple. Ce qui reste au centre de calcul, c’est l’entraînement, les contextes très longs et les boucles agentiques. Un agent qui relit quarante fois son contexte, rejoue ses outils et recommence après échec ne tournera pas sur un ordinateur portable.

S’y ajoute un effet bien documenté depuis le XIX^e siècle : la baisse du coût unitaire d’une ressource n’a jamais réduit sa consommation totale. Rendre l’inférence gratuite au poste de travail augmentera le nombre de tâches confiées à des machines, dont une partie remontera vers le centre de calcul.

Mais la vérité inconfortable doit être dite

Si l’inférence locale devient dominante, la valeur ne va ni au modèle ni au centre de calcul. Elle va à celui qui vend le silicium et le système d’exploitation du terminal. C’est-à-dire à trois entreprises américaines et à un fondeur taïwanais.

Quel est le prix environnemental de cette stratégie ?

Un kilowattheure consacré au token est un kilowattheure indisponible pour électrifier l’industrie, la mobilité et le chauffage. Cet arbitrage doit être posé explicitement, pas subi par défaut.

Les chiffres sont connus des services de l’État et ils sont sans ambiguïté. Au 1^er novembre 2025, les projets de centres de données avaient contractualisé un accès au réseau de transport d’électricité à hauteur de 14 GW, dont 7 GW en Île-de-France — soit dix-huit fois la puissance actuellement souscrite par les centres en service, et environ la moitié de la demande de raccordement tous secteurs confondus.

RTE estime que les demandes reçues pourraient conduire à une consommation des centres de données comprise entre 21 et 32 TWh en 2035, selon le taux de concrétisation des projets. Le projet de troisième stratégie nationale bas-carbone fixe une cible indicative de 40 TWh en 2050 pour le secteur numérique, tout en signalant un risque d’atteindre 100 TWh.

Le vrai goulot n’est pas la production, c’est le raccordement

La règle actuelle du « premier arrivé, premier servi » ne hiérarchise rien. Or la filière des centres de données est structurellement plus résiliente aux retards et aux surcoûts que la plupart des projets industriels de décarbonation, parce qu’elle dispose de moyens financiers supérieurs. Le risque n’est pas théorique : c’est celui d’une monopolisation de la puissance de raccordement disponible, qui retarderait l’électrification des sites industriels — fours à arc électrique, hydrogène, procédés thermiques.

La Commission européenne recommande une hiérarchisation explicite ; le droit européen n’impose nullement le premier arrivé, premier servi. Les Pays-Bas priorisent déjà certains projets au regard d’objectifs sociaux et de sécurité nationale. La Belgique a proposé un « couloir » de consommation dédié aux centres de données. La France, elle, a fait l’inverse : exonération partielle de fiscalité sur l’électricité, label de projet d’intérêt national majeur, procédure de raccordement accélérée pour les plus gros sites.

Et un angle mort supplémentaire : les usages hébergés ailleurs

Une part importante des usages numériques français est hébergée à l’étranger — de l’ordre de 60 % selon les estimations disponibles. Selon l’ADEME, si la tendance se poursuit, les centres de données servant un usage français consommeront 250 TWh en 2050, dont 22 % seulement en France. Dans ces conditions, dimensionner de nouvelles capacités sans logique de rapatriement effectif revient à additionner deux empreintes au lieu d’en déplacer une.

Qu’est-ce qui pourrait invalider cette analyse ?

Un éclatement de la bulle américaine. Ce scénario est plausible, il aurait des effets contradictoires, et il serait malhonnête de ne pas l’exposer.

La thèse défendue ici — la valeur migre vers l’infrastructure, l’Europe doit s’y installer — repose sur la permanence de la valeur des actifs de calcul. Si les financements circulaires décrits au chapitre 1 se dénouaient brutalement, plusieurs effets se produiraient simultanément.

Les processeurs graphiques verraient leur valeur chuter. Les centres de données construits au sommet du cycle deviendraient des actifs échoués, avec des taux d’occupation très inférieurs aux hypothèses de financement. Investir massivement en capital au sommet d’un cycle n’est pas un pari sans risque : ce serait le même pari que celui que nous critiquons chez les laboratoires, simplement un étage plus bas.

Les engagements pluriannuels de capacité deviendraient des passifs. Une partie des 93 milliards annoncés à Choose France ne se matérialiserait jamais, ce que les organisateurs eux-mêmes reconnaissent implicitement en distinguant projets décidés et lettres d’intention.

Mais ce scénario aurait un revers favorable. Des processeurs bradés rendraient l’inférence souveraine accessible à des acteurs qui n’en ont pas les moyens aujourd’hui : hôpitaux, collectivités, entreprises de taille intermédiaire, laboratoires publics. La commoditisation du calcul est un risque pour l’investisseur et une opportunité pour la puissance publique.

Deux chiffres de terrain, enfin, résistent à l’enthousiasme comme au catastrophisme. Le taux de réussite moyen d’un modèle de tête sur des tâches d’agent réelles est de 53,8 %. Le taux de fusion des propositions de code générées par un assistant sur le propre code de son éditeur est de 46 % — étant entendu que « non fusionné » ne signifie pas « rejeté ». La démonstration se commoditise. Le terrain résiste.

Six propositions pour le Projet 2027

Toutes sont chiffrables, aucune n’exige de traité nouveau, et cinq d’entre elles relèvent de décisions nationales.

La souveraineté du bâtiment est un début, pas une fin

Le dirigeant de Mistral disait il y a des mois que l’intelligence se compte en watts. La formule est juste et elle a été moquée. Elle méritait mieux : elle décrivait avec un an d’avance le déplacement de la rareté.

Le pivot du 11 août n’est donc pas un renoncement. C’est la seule décision d’allocation de ressources cohérente pour un acteur européen dont le meilleur modèle vaut la moitié du modèle chinois qu’il peut héberger gratuitement, et qui dispose en revanche du terrain, du réseau et de l’électricité décarbonée que le monde entier cherche. Reprocher ce choix, c’est demander à un pays de continuer à perdre une course qu’il ne peut pas gagner plutôt que d’en gagner une autre.

Mais il faut prolonger la formule plutôt que la répéter. L’intelligence se compte en watts — et pour 95 % de son coût, en silicium. Elle se comptera bientôt aussi en traçabilité, parce qu’un modèle dont on ignore la filiation n’est ni auditable ni remplaçable.

La France a devant elle une fenêtre de quatre ans, une électricité décarbonée que ses voisins nous envient, une équipe de conception de microprocesseurs reconstituée après quarante ans d’absence, et le seul fabricant au monde de machines de lithographie extrême-ultraviolet. Il ne lui manque que la décision de commander.