Dans l’énergie comme dans le transport maritime, l’intelligence artificielle n’est plus seulement une affaire de texte, d’images ou d’automatisation de bureau. Elle commence à entrer dans la matière lourde du monde : raffineries, navires, fuites de méthane, données géoscientifiques, routes commerciales.
Il y a des usages de l’intelligence artificielle qui se voient immédiatement : une image produite en quelques secondes, une note rédigée sans effort, un service client qui répond avec une politesse de synthèse. Et puis il y a les usages qui ne se voient pas, mais qui pèsent plus lourd. Ceux qui décident de la trajectoire d’un navire, de l’intervention sur une fuite invisible, de l’optimisation d’un champ énergétique ou de la souveraineté d’un modèle entraîné sur des données industrielles sensibles.
C’est peut-être là que se joue la véritable maturité de l’IA : non dans sa capacité à parler comme nous, mais dans sa capacité à orchestrer ce que nous ne pouvons plus embrasser seuls.
La productivité n’est pas le bon premier mot
La tentation est grande de mesurer l’IA à l’aune d’un chiffre simple : combien de points de productivité gagnés ? La question rassure les directions financières, mais elle réduit le sujet. Dans les métiers industriels, un gain d’un pour cent sur le taux d’utilisation d’une raffinerie peut représenter une valeur considérable. Une meilleure anticipation des pannes, une maintenance plus fine, une conception accélérée d’un parc solaire ou éolien ne relèvent pas seulement de la réduction des coûts. Elles touchent à la qualité de décision.
L’IA utile n’est donc pas toujours celle qui remplace. C’est souvent celle qui élargit le champ de calcul. Là où un ingénieur pouvait comparer cinq scénarios de conception, un système peut désormais en explorer 20 000. La décision ne disparaît pas ; elle change de densité. L’expertise humaine ne s’efface pas, mais elle se déplace vers la sélection, l’arbitrage, le jugement.
Ce point est essentiel pour les Maisons comme pour les groupes industriels : l’IA ne crée de valeur que lorsqu’elle parle la langue du métier. Sans données propres, reliées, contextualisées, elle reste un vernis. Avant le modèle, il faut les fondations. Avant l’assistant, il faut l’architecture.
Le monde physique comme banc d’essai
Dans le transport maritime, l’IA prend une dimension presque géopolitique. Un navire bloqué dans une zone de tension ne se pilote pas avec une simple interface conversationnelle. Il faut agréger des données de cargaison, de carburant, de distance, de météo, de position, de contraintes opérationnelles et de signaux externes. L’enjeu n’est pas de produire une réponse élégante, mais de permettre une décision sûre.
Dans l’énergie, le cas du méthane est encore plus parlant. Treize mille capteurs déployés sur des sites d’exploitation, des données remontées vers un centre de supervision, des modèles capables d’identifier des fuites invisibles à l’œil nu, puis de guider les équipes sur le terrain. Depuis le début de l’année, 35 fuites significatives auraient ainsi été traitées. L’intelligence artificielle n’est plus ici une promesse abstraite : elle devient une méthode d’observation du réel.
Le Détail
Le méthane ne se voit pas. Sa détection suppose une chaîne complète : capteurs, données d’équipement, modèles d’analyse, centre de supervision, intervention humaine. La valeur de l’IA ne tient pas seulement au modèle, mais à l’ensemble du dispositif qui relie signal, décision et action.
La souveraineté se joue dans la donnée
Le débat sur les modèles américains, européens ou chinois masque parfois le point le plus sensible : toutes les données n’ont pas la même valeur stratégique. Des données de surface liées aux émissions peuvent être partagées, surtout lorsqu’elles servent un objectif collectif. Des données géoscientifiques, coûteuses à acquérir et déterminantes pour l’exploitation d’un sous-sol, ne relèvent pas du même régime.
C’est là que s’installe une distinction structurante. L’IA ouverte pour ce qui peut être mutualisé. L’IA souveraine pour ce qui fonde l’avantage compétitif. Entre les deux, une stratégie de diversification : travailler avec plusieurs acteurs, ne pas dépendre d’un seul fournisseur, bâtir des environnements privés pour les actifs critiques, tout en utilisant les meilleurs outils disponibles lorsque le risque est acceptable.
Cette logique dépasse l’énergie ou le transport. Elle concerne aussi le luxe. Les archives, dessins, gestes, savoir-faire, campagnes, voix de Maison et historiques de création ne sont pas de simples données. Ce sont des actifs immatériels. Les verser sans discernement dans des systèmes génériques reviendrait à confier une partie de la mémoire de la Maison à une langue qui n’est pas la sienne.
L’Europe doit choisir son appétit
Le retard européen en IA n’est pas seulement technologique. Il tient à l’appétit pour le risque, à la circulation du capital, à la place laissée aux jeunes entreprises et à la capacité d’investir dans les infrastructures. Les talents existent. Beaucoup travaillent déjà dans les grands laboratoires américains. La question est moins de les former que de leur donner les conditions pour bâtir ici.
Cela suppose des modèles, bien sûr, mais aussi des centres de données, une énergie disponible, des clouds de confiance, des partenariats industriels, des capitaux patients. La France dispose d’un atout singulier : une électricité relativement décarbonée grâce au nucléaire et aux renouvelables. Dans une économie de l’IA où chaque requête, chaque entraînement et chaque inférence repose sur une infrastructure physique, l’énergie devient une ressource stratégique autant qu’un coût.
La souveraineté numérique ne se décrète pas dans un texte. Elle se construit dans les contrats, les serveurs, les capteurs, les modèles et les usages. Elle demande moins de discours que de continuité industrielle.
L’IA comme nouvelle grammaire de l’exécution
Ce que révèle cette conversation entre énergie et transport, c’est une bascule discrète. L’IA quitte le registre de la démonstration pour entrer dans celui de l’exécution. Elle ne sert plus seulement à accélérer des tâches intellectuelles ; elle commence à coordonner des systèmes complexes, où chaque erreur a un coût réel.
C’est aussi là que le luxe doit regarder. Non pas vers les usages les plus spectaculaires, mais vers les plus précis. Une Maison n’a pas besoin d’une IA qui produit davantage de contenu indistinct. Elle a besoin d’une grammaire capable de relier archives, ateliers, boutiques, relation client, logistique, durabilité et création sans trahir son exigence.
L’avenir ne sera pas à l’IA la plus bavarde, mais à l’IA la mieux instruite. Celle qui sait quand parler, quand se taire, et surtout quand laisser la décision à ceux qui portent encore la responsabilité du geste.
