À VivaTech 2026, l’une des conversations les plus révélatrices n’a pas porté sur les modèles d’IA, les agents autonomes ou la prochaine génération de LLM. Elle a porté sur quelque chose de beaucoup moins visible : l’endroit où l’intelligence artificielle s’exécute réellement.
Derrière les démonstrations spectaculaires se joue une bataille plus fondamentale : qui contrôle l’infrastructure de l’IA ?
La fin de l’illusion du cloud global
Pendant quinze ans, le cloud a reposé sur une promesse simple : centraliser pour gagner en efficacité.
Les entreprises ont déplacé leurs données vers quelques hyperscalers mondiaux, profitant d’économies d’échelle inédites. L’emplacement physique importait peu tant que les services fonctionnaient.
L’IA change cette logique.
Désormais, la question n’est plus seulement où sont stockées les données, mais :
- Qui les contrôle ?
- Sous quelle juridiction ?
- Qui peut accéder aux modèles ?
- Qui peut interrompre le service ?
L’exemple cité sur scène était volontairement provocateur : qu’adviendrait-il si Washington décidait un jour de couper l’accès à certains services cloud européens ?
Peu importe que ce scénario soit probable ou non. Le simple fait que des gouvernements, banques et grandes entreprises se posent désormais la question est en soi un changement stratégique majeur.
La souveraineté numérique est passée du statut de débat politique à celui de sujet opérationnel.
L’émergence des IA souveraines
Pendant longtemps, la souveraineté signifiait simplement :
- un datacenter local,
- des données hébergées dans le pays,
- des opérateurs nationaux.
Cette définition devient insuffisante.
Les entreprises découvrent qu’un centre de données situé en Europe mais exploité par une société soumise au droit américain reste potentiellement exposé à des contraintes extraterritoriales.
La souveraineté se redéfinit désormais autour de trois couches :
- L’emplacement des données
- L’identité des opérateurs
- La juridiction légale applicable
Cette évolution explique l’apparition de nouvelles architectures :
- cloud public classique,
- cloud souverain européen,
- cloud national,
- cloud opéré par des tiers locaux,
- infrastructures privées dédiées.
Le futur de l’IA ne semble donc pas se diriger vers une centralisation totale mais vers une fragmentation contrôlée.
Le paradoxe européen
L’Europe se retrouve dans une position particulière.
D’un côté, elle souhaite réduire sa dépendance technologique.
De l’autre, les technologies les plus avancées proviennent encore largement des États-Unis.
Le dilemme devient évident :
Comment préserver sa souveraineté sans se couper de l’innovation mondiale ?
La réponse qui semble émerger n’est pas le remplacement des technologies américaines mais leur encapsulation dans des cadres de gouvernance locaux.
Autrement dit :
l’enjeu n’est pas de reconstruire OpenAI, Oracle ou Anthropic en Europe, mais de contrôler les conditions dans lesquelles leurs technologies sont utilisées.
Cette nuance est essentielle.
Le véritable problème n’est pas l’IA. C’est la donnée.
L’un des constats les plus intéressants de cette session concerne l’échec silencieux de nombreux projets IA.
Des milliers de pilotes sont lancés.
Très peu atteignent la production.
La raison n’est généralement pas liée aux modèles.
Elle est liée aux données.
Dans la plupart des grandes organisations :
- les informations sont dispersées,
- les systèmes ne communiquent pas entre eux,
- les référentiels sont multiples,
- les historiques sont fragmentés.
Résultat :
les entreprises investissent dans l’IA alors qu’elles n’ont pas encore construit les fondations nécessaires pour l’exploiter.
Le sujet n’est donc plus :
« Quelle IA utiliser ? »
mais plutôt :
« Notre patrimoine de données est-il exploitable par une IA ? »
Cette distinction explique pourquoi certaines industries fortement réglementées, notamment la banque, apparaissent aujourd’hui parmi les plus avancées.
Leur avantage n’est pas technologique.
Il est organisationnel.
Le retour du local dans un monde global
Autre signal fort : la géographie de l’IA est en train d’évoluer.
Le modèle dominant jusqu’ici reposait sur quelques gigantesques centres de calcul destinés à entraîner les modèles.
Cette logique devrait perdurer.
Mais l’inférence — c’est-à-dire l’utilisation quotidienne des modèles — pourrait progressivement se rapprocher des utilisateurs.
On voit apparaître une architecture à deux niveaux :
Niveau 1 : les méga-centres d’entraînement
Quelques infrastructures géantes concentrent la puissance de calcul nécessaire à l’entraînement des modèles.
Niveau 2 : les micro-centres d’inférence
Des infrastructures beaucoup plus petites, parfois déployées directement chez les clients ou dans leur pays, exécutent localement les modèles enrichis par leurs données privées.
Cette évolution est importante.
Elle signifie que l’IA pourrait reproduire une dynamique déjà observée dans les télécommunications :
- réseau mondial au cœur,
- intelligence distribuée à la périphérie.
Le prochain défi : l’énergie
Derrière la souveraineté se cache une autre bataille.
L’énergie.
À mesure que l’IA devient une infrastructure nationale critique, les centres de données ressemblent de plus en plus à des centrales électriques inversées.
Leur implantation dépend désormais moins de la proximité des grandes villes que de :
- l’accès à l’électricité,
- la disponibilité des réseaux,
- l’accès aux énergies renouvelables,
- la capacité de refroidissement.
Le parallèle évoqué pendant la discussion est particulièrement juste :
Les datacenters deviennent des utilités publiques, au même titre que les réseaux d’eau, d’électricité ou de transport.
Cette évolution implique un rôle croissant des États dans la planification des infrastructures IA.
Ce que cela signifie pour les entreprises
La plupart des dirigeants continuent de considérer l’IA comme un sujet d’outillage.
La réalité est différente.
L’IA devient progressivement une question d’architecture.
Les organisations qui tireront le plus de valeur de l’IA dans les cinq prochaines années ne seront probablement pas celles qui auront testé le plus de modèles.
Ce seront celles qui auront :
- une gouvernance claire des données,
- une stratégie de souveraineté définie,
- une infrastructure adaptable,
- des applications métier déjà connectées à leurs référentiels.
La conversation de VivaTech révèle finalement un changement profond.
La première décennie du cloud portait sur la centralisation.
La prochaine décennie de l’IA pourrait être celle de la relocalisation contrôlée.
L’intelligence artificielle restera mondiale.
Mais les infrastructures qui la rendent possible deviendront de plus en plus locales, réglementées et stratégiques.
Et dans ce nouvel équilibre, la question décisive ne sera peut-être plus :
« Quel modèle utilisez-vous ? »
Mais :
« À qui appartient l’infrastructure sur laquelle il pense ? »
