Ne pas être encore en retard d’une guerre

Notre think tank se donne pour mission de définir les politiques publiques qui, accompagnant l’émergence de progrès scientifiques ou technologiques, permettront à la Nation d’en tirer le meilleur profit. Dans le cas présent il s’agit de la défense nationale et européenne.

Les leçons à tirer de la guerre en Ukraine, ainsi que des guerres au Moyen Orient menées par les Etats-Unis en partenariat avec Israël, permettent d’actualiser notre vision stratégique à la lumière du rôle croissant des données dans les opérations militaires, non seulement sur les champs de bataille, mais aussi chez l’adversaire, ses intentions, ses moyens d’action ses approvisionnements, son intendance, ses centres de décision.

Il s’agit de voir, d’anticiper, d’agir en utilisant les armes adaptées. Il s’agit de concevoir les capacités militaires dans leur relation aux données dans des perspectives à la fois individuelles et collectives. L’objectif n’est plus d’avoir les équipements les plus sophistiqués possibles mais d’exploiter les données pour optimiser l’emploi de capacités parfois simples afin de porter efficacement un effet létal capable de contraindre la volonté de l’adversaire.

Ainsi les Ukrainiens ont intensément développé de nouvelles capacités pour lesquelles les algorithmes et les données constituent une caractéristique essentielle. Il en est de même des Israéliens, voire même des Iraniens.

Au-delà de l’émergence de nouvelles capacités militaires, emmenées par la prolifération des drones en Ukraine, le champ de bataille d’aujourd’hui est profondément impacté par l’utilisation de plus en plus intensive de données. L’accès et l’utilisation de ces données remettent-ils en cause les besoins en équipements militaires et donc la manière de les concevoir ? Comment envisager l’émergence d’une guerre pilotée par les données ? Celles-ci sont devenues de plus en plus critiques pour réduire le brouillard de la guerre.

Identifier la bonne information au bon moment constitue un véritable défi. Les données deviennent un carburant qui peut modifier les fonctionnalités des équipements militaires. Ces enjeux expliquent pourquoi l’intelligence artificielle est devenue si importante pour gérer la rareté et l’hétérogénéité des données.

Une guerre axée sur les données est susceptible de transformer les besoins et les moyens de produire des effets militaires. Nous atteignons le point de bascule entre une guerre basée sur les plateformes et une guerre basée sur les données. L’efficacité militaire doit devenir le véritable objectif. Les données qui étaient considérées uniquement comme un moyen tendent de plus en plus à devenir une fin pour atteindre la supériorité militaire. Le développement de plateformes complexes et avancées telles que les avions de combat ou les chars de combat semble moins pertinent. Une guerre basée sur les données requiert des capacités différentes, plus distribuées et décentralisées, et pourrait conduire à déconstruire la conception des grandes plateformes.

Cette nouvelle perspective est susceptible de déplacer le barycentre du marché de la défense en remettant en cause le rôle central des grandes plateformes très sophistiquées, complexes et très couteuses qui caractérisent aujourd’hui les projets d’équipement des armées, du Rafale au porte-avions France Libre.

Jacques Roger-Machart – Administrateur

Temps de lecture : 19 minutes

Les capacités militaires sont devenues de plus en plus technologiques depuis la Seconde Guerre mondiale. Cette tendance s’est intensifiée ces dernières années sous deux facteurs : le retour de la guerre conventionnelle, entre États (opposée à trois décennies d’opérations essentiellement d’interposition) et l’essor des innovations numériques civiles sur les plans logiciel et matériel (accélérant le renouvellement des ressources militaires).

Cette évolution pourrait remettre en cause les équilibres au sein de la base technologique et industrielle de défense, bouleversant un paysage relativement stable depuis plus d’un demi-siècle. Peut-on pour autant considérer que les nouvelles règles du jeu sont en mesure de bouleverser ce marché ? Ou bien ces innovations ne constituent-elles qu’une intensification de tendances préexistantes ?

Si l’on analyse l’évolution des 100 premières entreprises de défense, on ne constate pas de percée nette de la part de nouveaux entrants. Certes, les gros titres des médias font état de quelques start-ups comme Anduril aux Etats-Unis, Helsing en Allemagne ou Harmattan AI en France, mais on ne perçoit pas de changement rapide et radical au sein de la base industrielle de défense comme l’ont connu en peu de temps les secteurs civils, comme la téléphonie mobile ou la photographie. Beaucoup de bruit pour rien, alors ?

La question posée dans cette contribution consiste à analyser dans quelle mesure le rôle croissant des données dans les opérations militaires conduit à remettre en question l’approche actuelle de l’efficacité militaire et, par conséquent, la manière de concevoir les capacités militaires dans leur relation aux données dans des perspectives à la fois individuelles et collectives. Une transformation rapide et inattendue peut-elle se produire en raison de la migration du centre de gravité vers une primauté des données et de leur exploitation ?

La numérisation comme continuité des trajectoires technologiques existantes ?

La guerre en Ukraine met en évidence un marché concurrentiel très dynamique avec plusieurs innovations qui devraient perturber un marché qui était jusqu’à présent assez stable en termes d’acteurs malgré une innovation à forte intensité technologique. La numérisation des capacités militaires et du champ de bataille n’améliore pas seulement l’efficacité des moyens opérationnels, mais est susceptible de modifier l’équilibre des pouvoirs entre les entreprises en place et les nouveaux entrants potentiels.

La guerre en Ukraine démontre globalement la valeur des systèmes existants, avec néanmoins quelques remises en cause. Les Ukrainiens sont impatients de recevoir des systèmes d’artillerie (CAESAR de KNDS, K9 Thunder sud-coréen de Hanwha), des véhicules blindés (K10), des missiles de défense aérienne et des avions de chasse (par exemple, F-16, Mirage 2000, Gripen). Néanmoins, ces capacités traditionnelles s’accompagnent d’un développement intensif de nouvelles capacités pour lesquelles les algorithmes et les données constituent une caractéristique essentielle. L’intensité de l’innovation capacitaire a atteint un rythme nouveau et inattendu dans les conflits récents, remettant en question l’approche traditionnelle de l’innovation dans l’armement autour de trajectoires technologiques préexistantes.

On pourrait considérer que ces capacités innovantes s’inscrivent dans un continuum, puisque l’électronique a bouleversé le marché de la défense dans les années 1960. En effet, la technologie est devenue de plus en plus importante dans la définition de nouvelles capacités et la fin de la guerre froide n’a pas arrêté cette tendance (même si elle s’est ralentie pour des raisons budgétaires et de maturité technologique). La numérisation semble être la suite logique de la prédominance de l’électronique. Certains s’attendent même à ce que « l’intelligentisation » s’inscrive dans un tel continuum, considérant que l’utilisation de plus en plus intensive de l’intelligence artificielle (IA) ne change pas les règles du jeu mais, au contraire, renforce les tendances passées et, ainsi, sécurise la position des entreprises en place.

Cela reflète la perspective du côté de la demande. Du concept de guerre centrée sur le réseau (NCW) des années 1990 à l’approche multi-domaines d’aujourd’hui, il existe une forte continuité. Cette dernière traduit la volonté d’utiliser la numérisation comme un moyen d’améliorer les capacités existantes en développant des systèmes avancés exploitant de plus en plus de données, dans une approche en réseau mobilisant des algorithmes sophistiqués. En d’autres termes, il n’y a aucune raison de contester l’utilité des capacités majeures existantes.

Au contraire, leur place apparaît plus centrale que jamais dans la perspective du client. La confirmation par le Président de la République du nouveau porte-avions en est un bon exemple. Ce système très complexe est présenté comme essentiel pour la défense nationale car il est bien plus qu’un simple pont d’envol. Son rôle est aussi d’être un centre de commandement reposant sur ces moyens d’une grande complexité. De même, les futurs systèmes de combat aérien positionnent toujours l’avion de chasse habité comme la clé de voûte adossé à des millions de lignes de codes et, symétriquement, les chars de combat restent au cœur des futurs principaux systèmes de combat terrestre.

Les données sont le carburant qui nourrit une architecture aussi complexe. Elles contribuent apparemment à renforcer la logique de l’architecture capacitaire préexistante. Par exemple, l’OTAN reste centrée sur une approche système de capacités, considérée comme nécessaire et précieuse pour rassembler les systèmes afin de traiter conjointement une tâche, tout en faisant preuve de flexibilité. La défense multi-domaines intégrée semble totalement dépendante de plateformes majeures sophistiquées.

Il n’est donc pas surprenant que les entreprises en place restent prédominantes et concentrent leurs efforts sur la sécurisation de cette numérisation des matériels militaires. Il est par exemple intéressant de noter qu’en octobre 2024, Lockheed Martin a nommé un spécialiste en ingénierie logicielle à la tête de son programme F-35 Joint Strike Fighter. Chauncey McIntosh a supervisé le développement logiciel du système d’armes Aegis ainsi que la gestion des programmes de défense antimissile, de radar, de construction navale, d’énergie dirigée et d’intégration des systèmes de combat.

Cependant, de tels développements liés aux données entraînent de nombreux défis pour offrir les avantages promis. Le programme F-35 a dû faire face à de nombreux problèmes logiciels, ce qui n’est pas étonnant quand on sait que les logiciels embarqués totalisent au moins 24 millions de lignes de code.[1] La complexité croissante des principales plateformes entraîne d’énormes problèmes d’ingénierie système, ce qui remet en question la logique cherchant à intégrer de plus en plus de fonctionnalités dans des plateformes déjà complexes.

Un rapport du Government Accountability Office (GAO) aux Etats-Unis indiquait en juin 2026 que le taux de capacité de mission de la flotte américaine des F-35 (pourcentage du temps qu’un avion peut réaliser une de ses missions) s’était réduit de 67% en 2021 à 44% en 2025. Le taux de capacité totale sur la globalité des missions attendues avait, lui, baissé de 38% à 25%, ce qui signifie que seul un avion sur quatre remplissait le contrat opérationnel.

Par ailleurs, les tendances récentes en Ukraine et au-delà témoignent d’une réelle transformation. L’innovation va au-delà de l’approfondissement des trajectoires technologiques. La manière dont l’innovation est engendrée apparaît disruptive en elle-même. Au-delà de l’émergence de nouvelles capacités militaires, emmenées par la prolifération des drones en Ukraine, le champ de bataille d’aujourd’hui est profondément impacté par l’utilisation de plus en plus intensive des données. Cette tendance devrait s’accroître et s’amplifier dans les années à venir sous la double influence des leçons tirées des engagements récents, notamment en Ukraine, et de l’évolution des possibilités technologiques, notamment le déploiement de solutions d’IA.

Le champ de bataille tend de plus en plus à se fondre avec un espace de données, qui peuvent être créées et collectées (pour assurer un niveau accru de connaissance du champ de bataille), exploitées en quasi temps réel (pour dominer l’ennemi) ou encore permettre une plus grande efficacité dans l’utilisation des capacités et des troupes déployées (notamment en alimentant des algorithmes d’intelligence artificielle afin de réduire le « brouillard de guerre »). La transparence du champ de bataille devient à la fois une opportunité et un risque, ce qui explique aussi le retour massif de la guerre électromagnétique pour réduire cette transparence ainsi que pour empêcher l’adversaire de pouvoir opérer librement sur le théâtre des opérations.

Si les capacités les plus récentes trouvent leur efficacité dans l’exploitation massive de données, il est important de s’interroger sur les transformations structurelles qui ne sont pas forcément perceptibles aujourd’hui, mais qui peuvent conduire à repenser la conception des capacités militaires. En effet, les tendances actuelles pourraient s’éloigner de la logique de la guerre réseau-centrée (concentration des flux d’information vers des plateformes de plus en plus sophistiquées à l’image du chasseur F-35 américain), entraînant des transformations profondes du marché des capacités militaires (au-delà même des armements).

La rupture induite par la place des données dans les opérations militaires

Comment envisager l’émergence d’une guerre pilotée par les données ? A première vue, il n’y a pas de disruption, juste une question de flux de données croissant de manière exponentielle avec lesquels les systèmes peuvent opérer de plus en plus efficacement, en particulier face à des adversaires qui n’ont pas accès à ces capacités. C’est en réalité une vraie rupture paradigmatique qu’il faut envisager.

En effet, depuis la guerre d’Irak et d’Afghanistan au début du siècle, nous avons assisté à une explosion de données résultant de la multiplication (en quantité et en variété) des capteurs. En apparence, rien n’a changé, si ce n’est qu’il faut s’adapter pour gérer et exploiter ces flux. D’où la conception du F-35 qui constitue un « cerveau dans les airs » plutôt qu’un avion de combat classique.

La gestion des flux de données est un enjeu de plus en plus important depuis au moins deux décennies. Il s’est amplifié du fait de la multiplication et de la performance des capteurs, de l’explosion de la bande passante et des systèmes de communication (y compris spatiaux) et des capacités pour les exploiter. Identifier la bonne information au bon moment constitue un véritable défi mais il est également complexe de surmonter l’hétérogénéité des données en termes de sources, de formats, de qualité… afin de parvenir à une fusion en quasi temps réel.

Ces enjeux expliquent pourquoi l’intelligence artificielle est devenue si importante. « Le recours à l’IA permettra à court terme de répondre à des délais de réponse encore plus serrés et de rendre les forces armées plus réactives face à des menaces de plus en plus mobiles et résilientes. Ces problèmes d’optimisation multi-contraintes NP-difficiles font partie des cas d’usage qui peuvent être résolus grâce aux dernières avancées de l’IA. »[2]

Des approches sophistiquées sont nécessaires pour faire face aux différences qui existent entre l’IA civile et l’IA pour les forces armées. Ces dernières doivent gérer la rareté et l’hétérogénéité des données, l’absence de « lacs de données » entre parties prenantes (pour des raisons de protection et de secret), l’incertitude ou même de l’imprévisibilité du contexte opérationnel, les risques de désinformation et de manipulation…

Il est vrai que l’ère des données est une conséquence de l’amélioration des systèmes existants. Les données sont devenues de plus en plus critiques pour réduire le brouillard de la guerre. Néanmoins, les forces armées sont confrontées aux défis de l’info-obésité, ce qui signifie qu’elles s’attendent à ce que les capacités de nouvelle génération soient capables d’absorber des quantités presque illimitées de données afin d’améliorer leur efficacité. Cependant, l’exemple du F-35 souligne les limites d’une telle complexification des plateformes existantes, qui apparaissent de plus en plus baroques, pour reprendre l’expression de Mary Kaldor. Même l’intelligence artificielle semble être considérée principalement comme un moyen de digérer ces flux croissants de données.

On peut parler d’un fantasme de la guerre réseau centrée depuis les années 1990. Certes, en théorie, la capacité à accéder et à traiter de larges flux de données permettrait de dominer les adversaires et de dissiper le brouillard de la guerre. Cependant, pour parvenir à un tel résultat, la complexité des capacités associées risque de devenir insurmontable. En effet, de tels systèmes très complexes reposant sur des technologies avancées et une architecture centralisée engendrent des problèmes d’ingénierie et de développement quasiment impossibles à surmonter. Elles devraient gérer trop de données, ce qui conduirait à l’incapacité d’exploiter convenablement ces dernières en raison de la saturation, du temps de latence, des besoins énergétiques, des capacités embarquées de calcul…

A terme, de telles machines sophistiquées échoueraient dans des environnements non permissifs car les contre-mesures sont de plus en plus capables de brouiller les communications ou de tromper et de perturber les capteurs, imposant une pénurie de données qui remettrait en cause l’utilisation optimale de capacités aussi complexes. Le développement de capacités omniscientes nécessiterait une domination militaire incontestée. C’était certainement le cas depuis les années 1990 jusqu’au début des années 2010, mais la guerre en Ukraine, et même déjà celle en Syrie, a révélé la perte progressive de cette domination technologique. L’égalité des chances qui en résulte a un impact sur la conception des capacités et la doctrine opérationnelle correspondante. De fait, la tendance à l’hyper-centralisation sur des plateformes avancées comme le F35 pourrait être remise en question.

Les environnements non permissifs et les défis techniques liés aux capacités de dernière génération nous amènent à nous interroger sur la manière de distribuer les données et de les exploiter pour regagner la supériorité militaire. Le rôle croissant de l’intelligence artificielle dans les capacités de défense ne doit pas nous empêcher de comprendre la nature fondamentale de la transition en cours. En effet, les logiciels sont devenus un élément de plus en plus essentiel des capacités de défense. Cependant, cela représente le phénomène apparent qui cache une transformation plus profonde : la centralité des données dans l’efficacité des opérations militaires.

Le PDG de la start-up européenne d’IA Helsing, Gundbert Scherf, a souligné que l’efficacité des forces armées ne dépend plus en premier lieu du type d’armes dont elles disposent, mais des logiciels qui les utilisent. La défense devient de plus en plus une question de logiciels. Les forces armées sont aujourd’hui confrontées à un paradoxe. Les champs de bataille apparaissent de plus en plus transparents, comme l’illustrent les guerres en Ukraine ou en Iran.

Cependant, sur le terrain, l’accès à l’information apparaît de plus en plus remis en cause. Ainsi, au niveau opérationnel, une prise de décision hautement centralisée basée sur la connaissance de l’information ne peut plus être efficace. Les données doivent être exploitées sur le terrain de manière locale et distribuée plutôt que gérée de manière hiérarchique et centralisée. Cela explique pourquoi l’autonomie est au cœur du déploiement de l’IA : les forces armées et leurs capacités doivent pouvoir continuer à opérer même dans un environnement hautement contesté, du moins dans un contexte de guerre conventionnelle.

Le paradoxe est alors le suivant : une guerre centrée sur les données, souhaitée depuis des décennies par les forces armées pour parvenir à une pleine connaissance opérationnelle, conduit à questionner la pertinence de l’architecture des organisations militaires fondée sur la concentration des décisions et une approche hiérarchique stricte… qui a par exemple constitué le fondement du concept de guerre réseau-centrée il y a trois décennies. Une guerre centrée sur les données n’a pas de deus ex machina mais ressemble plutôt à l’organisation d’insectes sociaux comme les fourmis ou les termites.

En réalité, les données ne peuvent pas être utilisées uniquement comme une ressource brute. Une guerre véritablement centrée sur les données nécessite de reconsidérer en profondeur la manière dont les données représentent un levier pour atteindre des objectifs militaires. Comment organiser une hiérarchie de données et les gérer comme un atout clé ? En fait, la valeur des données est hétérogène et leur utilisation doit refléter le bénéfice attendu. Cela signifie qu’il n’est pas nécessaire de concentrer les données sur des plateformes majeures. Au contraire, il faut réfléchir à la manière de lier un type de données à une capacité donnée pour optimiser non seulement l’efficacité de cette capacité mais aussi sa capacité à atteindre l’effet militaire attendu dans une approche coordonnée entre les forces sur le théâtre des opérations.

Cette nouvelle perspective pose la question du niveau de pertinence et de la valeur : quelles données pour quels résultats ? Quel niveau d’accès ? Quels types de partages permettent de garantir la pertinence des actions entre les niveaux tactique, opératif et stratégique ? Ces questions conduisent à s’interroger sur la gouvernance adéquate des données et de leur exploitation pour en tirer la meilleure valeur possible au regard de l’effet militaire final recherché.

Cela conduit également à s’interroger sur l’usage final des données au-delà de la prise en compte traditionnellement envisagée. Les données deviennent un carburant qui peut modifier les fonctionnalités des équipements militaires en soi (mission-designed ?), leur capacité à faire face à un environnement contesté (autonomie) et à opérer collectivement afin de réaliser ensemble des effets qui dépassent leurs seules capacités individuelles (swarming, partage de données, etc.).

La véritable rupture induite par l’IA

Une guerre centrée sur les données est susceptible de transformer les besoins et les moyens de produire des effets militaires. Cette évolution constitue une approche visant à surmonter la contradiction entre qualité et quantité qui se pose depuis des décennies, illustrée par la « loi d’Augustine » (qui explique l’accroissement exponentiel du coût des matériels entre générations de capacités militaires depuis la deuxième guerre mondiale), mais qui est devenue plus aiguë au regard des leçons tirées de l’Ukraine ou de l’Iran : la quantité compte pour faire face à une guerre conventionnelle de grande ampleur.

Alors que nous atteignons le point de bascule entre une guerre basée sur les plateformes physiques lourdes et une guerre basée sur les données, la logique essentielle du développement des capacités doit évoluer afin de maximiser les bénéfices apportés par les données. Ceci devrait, logiquement, conduire à réévaluer sous cette perspective nouvelle la dynamique basée sur la prééminence de plateformes complexes et avancées telles que les avions de combat ou les chars de combat. En effet, toute la planification des capacités reste organisée autour de ces plateformes en tant que telles, tandis que la capacité à produire des effets militaires finaux pousserait à exploiter les données via des algorithmes d’IA qui permettent aux forces armées de prendre des décisions plus rapides et plus efficaces et d’optimiser l’engagement des ressources sur le champ de bataille.

Une telle rupture est apparue comme nécessaire avant même l’avènement de l’ère des données militaires. En effet, la sophistication des grandes plateformes a conduit, selon la loi d’Augustine, à une diminution de la taille des flottes, de moins en moins capables de couvrir de vastes champs de bataille. Cela a conduit à favoriser des systèmes très complexes, mais au détriment de la capacité à soutenir une guerre intense et longue sur un large territoire par un effet de masse, d’attrition et de résilience. Ce paradoxe a été accepté en raison du mythe de « l’arme décisive » (Wunderwaffen) illustrée par les évolutions récentes des avions de combat, mais qui n’ont malheureusement pas l’effet magique tant espéré pour décider, à elle seule, du sort de la guerre. Cependant, l’épreuve de vérité reste le champ de bataille et la guerre d’Ukraine fournit la démonstration que les plateformes très complexes, même très performantes, ne suffisent pas à réussir une guerre longue et intense car elles ne peuvent être disponibles qu’en très petite quantité.

A l’inverse, s’intéresser à l’optimisation des bénéfices des données peut changer la perspective en découplant les performances des plateformes et leur capacité à produire des effets militaires. En d’autres termes, l’IA et les autres algorithmes pilotés par les données ne constituent pas un moyen d’améliorer les performances intrinsèques de ces plateformes, comme on l’espérait auparavant, mais ils ouvrent la possibilité de reconsidérer la manière de mener les opérations, avec de nouveaux types de capacités et de nouveaux concepts opérationnels pour les engager.

La guerre nourrie par les données conduit à considérer les objectifs de résultats plutôt que les moyens pour les atteindre (approche centrée sur les plateformes, ce qui permet de s’appuyer sur des solutions moins gourmandes en technologie et des capacités plus simples. Dans une certaine mesure, c’est la seule solution pour surmonter les contradictions visibles à travers la guerre en Ukraine. Les performances avancées des capacités majeures réduisent la taille de la flotte et, par conséquent, la capacité à couvrir un vaste théâtre.

A l’inverse, il est possible d’acquérir de grandes quantités de capacités avec des performances limitées, mais un taux d’attrition élevé, voire très élevé limite la capacité à apporter un effet militaire décisif (même si cela permet de figer une zone de contact et d’y empêcher toute manœuvre décisive pour réintroduire de la mobilité pour rompre l’équilibre des rapports de force). L’équation doit alors être modifiée pour introduire une approche orientée vers les résultats, où l’efficacité militaire doit devenir le véritable objectif, comme le décrit cette simulation très simple.

Trilemme entre performance, coût et quantité

Source : Le juste prix des matériels militaires, un équilibre difficile à trouver, DSI Défense Sécurité Internationale, n°163, janvier-février 2023, pages 24-26.

En poursuivant ce petit exercice de pensée, nous entrevoyons l’existence d’un niveau de performance globale excédant celui d’une architecture centrée sur des plateformes très sophistiquées, donc trop chères et rares, pour être en mesure de saturer le gigantesque no-man’s land entre Ukraine libre et forces russes et, de surcroît, vulnérables individuellement à une attaque par une grande concentration de drones. C’est précisément ce à quoi a conduit le théâtre ukrainien. Certes, la situation est plus complexe que cela et il semble difficile de conclure qu’une flotte aérienne puissante serait inutile à l’Ukraine. Il n’en reste pas moins que dans ce contexte d’absence d’une telle flotte et d’insuffisance de munitions, ce nouvel équilibre où les drones prédominent les chars a émergé.

La représentation graphique ci-dessus va de pair avec notre expérience de pensée.

L’analyse ne doit pas regarder uniquement l’input (prix d’achat unitaire), mais aussi l’output que permet une capacité donnée (effet militaire final obtenu par unité employée) afin de comprendre si les armées paient le juste prix. Celui-ci est néanmoins difficile à établir car plusieurs paramètres sont en jeu : la contrainte budgétaire, les stocks attendus pour couvrir un théâtre militaire et les performances nécessaires pour, au minimum, combattre à armes égales avec l’adversaire. Ces différents paramètres sont, bien entendu, contradictoires entre eux dans la prise de décision, conduisant ainsi les pays occidentaux à avoir des « armées bonsaï » par une surpondération de la performance technique.

La guerre fondée sur les données devient de plus en plus importante, car c’est la seule solution pour combiner masse et efficacité. Les données ne sont pas en premier lieu un moyen d’améliorer les performances intrinsèques des capacités. Il faut inverser la logique : les capacités deviennent un instrument pour aider une approche opérationnelle basée sur les données afin de produire des effets militaires spécifiques.

L’exploitation des données vient améliorer les performances de systèmes « low cost » (munitions, drones, etc.) non par eux-mêmes mais dans leur emploi sur le théâtre des opérations. Plutôt que de cherche à améliorer des capacités majeures (en les complexifiant), les données et les algorithmes accroissent la valeur opérationnelle des composants bien plus simples tout en conservant l’effet militaire final recherché. La létalité et la précision des frappes sont préservées pour un coût moindre et des volumes bien plus importants : c’est le cœur de la révolution apportée par la guerre centrée sur les données.

De plus, l’intelligence artificielle apparaît comme un levier pour optimiser l’exploitation des données sur tout leur spectre et pour toute la gamme des usages possibles. Dans leur article fondateur « Des Minotaures, pas des Centaures : l’avenir des équipes habitées-sans pilote »[3], Robert J. Sparrow et Adam Henschke démontrent clairement que la plupart des acteurs de la défense ne perçoivent pas les véritables perturbations résultant d’une guerre à forte intensité d’IA.

« La figure du centaure implique que lorsque les humains coopèrent avec des robots ou des IA, ce sont les humains qui seront aux commandes de l’équipe. La manière précise dont ils seront aux commandes reste ouverte. Scharre a introduit l’idée de la guerre des centaures en utilisant des exemples où les êtres humains sont dans la boucle et sur la boucle (…) nous pensons, contrairement à Scharre, que de nombreuses collaborations entre humains et machines seront plus précisément décrites comme des minotaures (des systèmes autonomes dirigeant des humains) que comme des centaures (des humains dirigeant des systèmes autonomes) parce que les machines des équipes seront effectivement aux commandes. »

Alors que Sparrow et Henschke ne s’intéressent qu’à l’impact de l’IA sur les dispositifs militaires, nous proposons d’étendre leur analyse disruptive pour passer d’une perspective IA à une perspective centrée sur les données. Une fois que les données sont placées au centre de l’organisation des opérations militaires plutôt que sur les grandes plateformes, il est possible d’optimiser les opérations en pensant aux effets militaires recherchés plutôt qu’aux moyens disponibles en tant que tels.

En procédant à une telle révolution, il est possible de surmonter l’obsession pour des capacités de plus en plus sophistiquées, y compris des technologies avancées et des fonctionnalités supplémentaires. Cela conduit aussi à réfléchir à des capacités plus simples en elles-mêmes (mais non moins innovantes, même technologiquement) qui permettraient, de manière combinée, de porter les effets militaires recherchés tout en ayant un coût suffisamment faible pour redonner de la masse aux armées. En d’autres termes, la révolution des données dans les affaires militaires perturberait les caractéristiques fondamentales qui déterminent la loi d’Augustine et résoudrait le nœud gordien performance/quantité.

Conclusion

Le rôle des données dans la dynamique des marchés de la défense semble sous-estimé. La plupart des acteurs considèrent que les données constituent déjà une dimension clé et que les défis portent sur la manière d’accéder aux flux de données, de les gérer et de déterminer les moyens nécessaires pour les exploiter. Ce sentiment de continuité occulte le caractère radical des données dans la guerre d’aujourd’hui et, plus encore, de demain. Les données étaient considérées uniquement comme un moyen, mais elles tendent de plus en plus à devenir une fin pour atteindre la supériorité militaire.

Cette nouvelle perspective est susceptible de déplacer le barycentre du marché de la défense en remettant en cause le rôle central des grandes plateformes très sophistiquées et complexes qui caractérisent aujourd’hui l’équipement des armées, du Rafale au porte-avions « France Libre ». Ceci ne veut pas dire que ces plateformes sont inutiles, mais leur poids relatif va évoluer avec des moyens complémentaires, en particulier des drones, qui permettront de réaliser plus de missions simples.

Il est important de développer ces capacités et les algorithmes qui les mettront en œuvre, pour jouer à armes égales ou même dominer de nouveau nos adversaires. Ceci suppose de réfléchir aux équilibres dans l’allocation du budget. Il ne faut pas que les capacités historiques absorbent une part excessive des ressources de manière à ouvrir des fenêtres d’opportunité pour monter en maturité sur les moyens de la guerre fondée sur les données et accompagner leur appropriation par les armées, à l’aune de la cavalerie blindée ou de l’aviation de guerre dans l’entre-deux-guerres.

Une guerre basée sur les données requiert des capacités différentes, plus distribuées et moins centralisées, et pourrait conduire à reconsidérer la manière d’envisager et de concevoir des grandes plateformes, notamment à vocation centralisatrice. Cela est susceptible d’ouvrir le marché à de nouvelles solutions innovantes conçues autour des données plutôt que de s’appuyer dans leurs missions principales sur les données en tant que ressources périphériques. C’est la raison pour laquelle une guerre basée sur les données pourrait être une dynamique véritablement transformatrice, similaire à l’essor de l’électronique dans les capacités de défense.

Enfin, il est aussi important de prendre en considération la guerre au-delà du champ de bataille. La désinformation et la guerre informationnelle sont des dimensions qui impliquent des données au-delà des aspects purement militaires mais qui peuvent influer sur la volonté de poursuivre le combat. Cette dimension doit être pleinement prise en considération mais constitue un sujet en soi, au-delà de la présente note.

******

[1] Le logiciel du F-35 lui-même comprend 8 millions de lignes. Si l’on ajoute l’avion et le logiciel qui constitue ALIS (une suite de programmes au sol utilisés pour la logistique, la maintenance, le briefing/débriefing de mission, etc.), on obtient 24 millions de lignes.

[2] Entretien avec Yonathan Teboul (alors directeur de la stratégie digitale du groupe MBDA), Marine & Océans, janvier 2023, page 18.

[3] Sparrow, R.J., Henschke, A. (2023) Minotaurs, Not Centaurs: The Future of Manned-Unmanned. The US Army War College Quarterly: Parameters 53(1): 115-130.

Publications récentes de Renaud Bellais (sélection)

Burden Sharing: Misunderstandings, Issues and Stakes Inside the Atlantic Alliance, Canadian Military Journal, vol. 25, n°4, automne 2025.

[avec Hélène Conway-Mouret et Thibault Delamare], Pour une dissuasion stratégique européenne, La Tribune, 8 septembre 2025.

Golden Dome, le retour trumpien de la « Guerre des étoiles » de Ronald Reagan, DSI Défense Sécurité Internationale, n°179, septembre-octobre 2025, pages 22-26.

Industrie de défense : une surprenante transformation pour l’Union européenne in Sylvain Kahn et Théo Verdier (coord.), 2005-2025 : les vingt années qui ont transformé l’Europe La méthode de l’Union face aux crises, Paris, Fondation Jean Jaurès, 2025, pages 15-19.

Se préparer à la guerre. Quels enjeux pour la politique industrielle de défense ? in Delphine Deschaux-Dutard (dir.), La guerre en Ukraine, facteur d’intégration ou de désintégration européenne et internationale ?, Mare & Martin, 2025, pages 151-164.

Market Structures, Competition and Innovation: Grounds for an Alternative Defence Industrial Policy, Defence and Peace Economics, vol. 35, n°4, 2024, pages 448-463.

The future of cooperative programmes in Europe, paradox of a hybrid market, The Economics of Peace and Security Journal, vol. 18 n°1, avril 2023, pages 76-91.

Le cloud s’est imposé en une décennie comme un modèle d’organisation incontournable, en permettant d’accéder à des ressources informatiques à la demande, sans se préoccuper de leur matérialité. Cette évolution a profondément reconfiguré la chaîne de valeur : les enjeux d’acquisition et de gestion de parc ont été remplacés par des enjeux de flux de données et d’accès aux capacités de traitement. Elle a accéléré l’innovation et favorisé l’émergence de nouveaux acteurs, mais aussi une concentration extrême du marché au profit de quelques acteurs capables de proposer une offre complète d’hyperscaler à échelle mondiale.

Bien plus qu’un service, le cloud est devenu un ticket d’entrée pour la compétition économique, assis sur une infrastructure critique, dont le marché est de fait captif en raison de coûts de sortie importants, essentiellement organisationnels et techniques. D’où une double asymétrie structurelle dans la relation contractuelle, qui va de pair avec une exposition à des risques systémiques, qu’il s’agisse de défaillance technique, de cyberattaque, de décision politique affectant l’accès au service, ou judiciaire impactant la confidentialité des données.

Sur le plan environnemental, la mutualisation des ressources permet en principe d’optimiser les capacités installées. En fait, les consommations ont explosé à cause de l’effet rebond lié à la baisse des coûts et à la banalisation des usages, et de l’essor de l’IA. Les investissements gigantesques en cours dans les infrastructures vont alourdir la pression sur l’énergie, l’eau et d’autres ressources critiques, sans régulation juridique et quasiment pas d’auto-régulation, en dépit de discours lénifiants.

La question de la souveraineté numérique, souvent mobilisée, désormais, dans le débat public, gagne à être reformulée en termes de dépendances et de gestion des risques. Dans des écosystèmes technologiques complexes et globalisés comme le cloud, la recherche d’une indépendance totale est illusoire, puisqu’il repose sur des infrastructures distribuées et des chaînes de valeur internationales. Le terme cloud souverain est un oxymore.

L’enjeu réel est celui de l’autonomie stratégique entendue comme capacité à maîtriser et réduire autant que possible ou raisonnable des dépendances critiques. Cela implique une logique de « de-risking » qui peut s’appuyer sur un travail d’analyse des risques induits et sur des leviers concrets tels que la diversification des fournisseurs, les architectures multi-cloud, les standards ouverts, le logiciel libre et la réversibilité. Une telle approche s’inscrit dans une dynamique globale relative aux dépendances stratégiques, portant sur des secteurs comme les minerais critiques, ou liée à des travaux parlementaires récents sur les ingérences étrangères, qui appellent à une analyse systémique des vulnérabilités techniques, industrielles et opérationnelles.

Dans le cas du cloud, les risques tiennent notamment à l’extraterritorialité des législations, susceptible de contraindre des fournisseurs à collecter ou transmettre des données, et aux dépendances pouvant conduire à des interruptions de service ou à des pressions contractuelles. Une réalité brutale est que rien ne permet de se prémunir contre l’interruption d’un service commercial à la demande du pays d’accueil du fournisseur.

Dans ce contexte, la construction d’un cloud de confiance repose sur des exigences opérationnelles. Elle implique d’abord une relation contractuelle équilibrée, permettant une négociation réelle, une prévisibilité des coûts, une auditabilité de l’offre et une capacité effective de sortie. Elle suppose ensuite une cybersécurité crédible face à des menaces croissantes, notamment celles liées à des opérations d’ingérence. Elle appelle aussi un respect environnemental, pour l’heure très insuffisant et opaque. Enfin, elle repose sur la réversibilité, rendue possible notamment par le recours à des solutions open source et à des standards comme Kubernetes ou OpenStack, afin d’éviter le « vendor lock-in ».

L’action publique doit s’organiser autour de leviers concrets en cohérence avec ces constats.

Elle doit d’abord consolider des cadres de certification robustes. Le dispositif SecNumCloud illustre cette approche en assurant un haut niveau de sécurité et un contrôle européen des données, y compris lorsque des technologies non européennes sont utilisées. Cela passe par des exigences techniques et organisationnelles fortes où les composants sont « fiabilisés » de manière très concrète. La certification doit être exigeante, notamment sur le contrôle capitalistique, ce qui limitera les risques juridiques liés à l’extraterritorialité. L’implication à échelle européenne est clé, pour éviter une fragilisation des standards.

Sur le plan technique, l’approche doit être à tous les niveaux. Les couches basses (infrastructure physique et réseaux) devraient être considérées comme aussi stratégique que les réseaux électriques ou de télécommunications. A cette fin, la puissance publique peut imposer ou promouvoir des exigences sur l’interconnexion, l’identité, le chiffrement, la réversibilité ou la transparence environnementale, de manière à encadrer les risques, sans chercher à « nationaliser le cloud » ; la pression sur l’innovation dans les couches supérieures sera limitée, voire contrebalancée par un supplément de confiance : c’est un point crucial.

La commande publique est un levier structurant. Elle peut imposer des exigences d’hébergement local pour les usages sensibles, des audits de souveraineté, ou encore une diversification des fournisseurs. Elle peut également intégrer des exigences de réversibilité et d’interopérabilité, en cohérence avec les référentiels existants. Cela s’inscrit dans une logique comparable à celle d’autres infrastructures critiques, où des obligations de service et des cadres régulés ont été mis en place.

Le développement d’un écosystème européen est un volet clé. Le principal écueil identifié n’est pas tant l’infrastructure que l’absence d’un écosystème logiciel intégré. La domination des acteurs nord-américains repose sur leur capacité à proposer une « stack » complète, du stockage aux outils collaboratifs, jusqu’à l’IA qui pose des enjeux de dépendance plus complexe. Sans un tel écosystème, les offres européennes resteront dépendantes. Il convient donc d’accompagner les acteurs existants, fournisseurs cloud, acteurs de cybersécurité, recherche publique, et de favoriser les approches fondées sur les logiciels libres et les standards ouverts, qui permettent l’interopérabilité et la réversibilité.

La mutualisation et la création de « communs numériques » constituent à cet égard une voie prometteuse. L’exemple de la DINUM, qui fédère des logiciels libres et développe des services mutualisés comme l’identité numérique, illustre cette approche. Elle permet de structurer progressivement un écosystème sans chercher à reproduire un modèle intégré unique.

L’Europe peut miser sur ses talents pour ne pas se laisser distancer définitivement par la Chine et les Etats-Unis lancés dans une course aux investissements, néanmoins, sans pouvoir faire l’impasse sur certains investissements ciblés. Les initiatives européennes dans le domaine du calcul haute performance ou des composants (comme l’European Processor Initiative ou EuroHPC) illustrent des dynamiques positives mais encore insuffisantes au regard des enjeux. La disponibilité du capital apparaît comme un facteur déterminant pour l’émergence d’un écosystème industriel crédible.

L’Europe doit enfin articuler une réglementation environnementale efficace en synergie avec ces enjeux, en prolongeant les premiers acquis en efficacité énergétique et valorisation de chaleurs fatales.

En conclusion, le cloud se place désormais dans un espace de confrontation élargi, aux côtés de l’IA, du calcul quantique et des infrastructures physiques pour le numérique. Une impulsion politique forte est nécessaire pour exploiter la fenêtre d’opportunité actuelle afin de rééquilibrer les rapports de force, en combinant régulation, investissement et structuration progressive d’un écosystème européen.

Les quelques propositions que nous présentons, visent à encourager une réflexion et des échanges sur l’analyse de la situation et une politique d’actions convergentes pour atteindre des objectifs concrets, soutenue par un effort d’investissement ciblé et modéré, plutôt que sur un nième grand projet qui, au mieux, arriverait à maturité bien trop tard.

Frédéric Tatout et Louis Cougouille

Temps de lecture : 32 minutes

Le Cloud : de quoi s’agit-il ?

L’informatique en nuage (« cloud ») combine un réseau à haut débit, une grande puissance de calcul, et la capacité à s’abstraire de leur matérialité.

Le concept est antérieur au Web 2.0 du début de la décennie 2010, qui a permis son émergence par[1] :

• L’Internet à haut débit partout (ADSL et fibre),
• la mutualisation de serveurs, permettant de cumuler une grande capacité de calcul,
• la virtualisation, une innovation qui permet d’accéder aux ressources de stockage et de calcul de manière flexible, sans devoir se préoccuper de leur matérialité,

Depuis, le Cloud est devenu un modèle d’organisation incontournable.

Le web 2.0 a vu éclore des offres commerciales proposant aux entreprises clientes d’accéder aux ressources informatiques dont elles ont strictement besoin à chaque instant, et de ne payer que leur consommation effective, avec à la clé un gain financier conséquent et la décharge des activités de gestion associées[2].

Le bouquet de services peut dépasser largement l’accès à de la puissance de calcul et à du stockage, comme précisé ci-dessous – Crédit : wikipédia (ici).

Cette représentation des différents modèles de service montre comment les responsabilités sont théoriquement réparties suivant les modèles internes, IaaS, PaaS, SaaS. L’accès aux serveurs peut être local, s’ils sont sur le site de l’entreprise (« on premises »). Mais dans la majorité des cas il se fait via Internet : les données sont stockées dans l’immenses fermes de serveurs, sans restriction géographique a priori, ce qui pose des problématiques de dépendance que nous verrons plus bas.

L’abaissement des barrières financières et en compétences a boosté l’innovation dans le numérique et conduit en moins de 10 ans à une restructuration profonde de la chaîne de valeur du numérique.

• pour les utilisateurs, les enjeux de flux de données et d’accès aux capacités de traitement ont (de manière schématique) remplacé les problématiques d’’acquisition et de gestion de parc[3];
• en parallèle, les géants du numérique des années 2000 ont été supplantés par les GAFAM[4].

On peut faire une analogie avec la seconde révolution industrielle née du remplacement (typiquement dans les entreprises textiles) de la force motrice d’une seule machine à vapeur (ou un gros moteur) avec ses nombreuses poulies, par un réseau d’alimentation électrique qui alimente des moteurs plus petits, autonomes, chacun montés sur une machine. La vague d’innovations liée à cette évolution s’est étendue sur un demi-siècle. Celle du Cloud, conduisant au « Big data », n’aura duré en gros qu’une décennie.

Cette révolution du numérique a débouché sur l’ubérisation[5] et ouvert la voie à deux autres mutations en cours du numérique :

• celle du No code qui permet (en principe) de s’affranchir de toute compétence en informatique pour automatiser quasiment tout comme présenté ici  ;
• celle des modèles pré entraînés à partir d’immenses quantités de données, accessibles en ligne en langage naturel (le prompt)[6], comme des LLM (ChatGPT, Claude, etc.).

De manière structurelle, en irrigant quasiment tous les pans de l’économie physique, structurés initialement par domaines de spécialité pyramidaux (typiquement, un intégrateur et une sous-traitance plus ou moins éparse), le Cloud permet son réagencement par catégories d’usages en accroissant la prééminence de la donnée. C’est ainsi que des startups comme Tesla, Uber ou SpaceX / Starlink ont pu s’arroger le leadership en attaquant d’emblée leur cœur de cible à partir de 4 leviers : maîtrise de la donnée, accès direct à la clientèle, verticalisation industrielle et force d’impact financière. Les circuits de financement puissants ont été déterminants dans cette réussite aux Etats-Unis (fonds privés et DARPA) comme en Chine (bras financier de l’Etat soutenu par la masse énorme de l’épargne des citoyens).

Les tentatives nationales et européennes pour tenter de recréer un acteur du Cloud local ne pouvaient qu’échouer face à l’écrasante supériorité technologique et financière des GAFAM ; non pas que les compétences technologiques soient déficientes en Europe, loin de là. Mais deux verrous opérationnels se posaient au minimum : celui du passage à l’échelle (scalabilité) et l’incapacité à proposer un écosystème de services complet. En France, des initiatives comme CloudWatt et Numergy ont ainsi échoué, en raison de la taille limitée du marché national, de choix technologiques discutables (comme l’adoption prématurée par CloudWatt de la virtualisation réseau OpenContrail en 2012) et d’une stratégie commerciale inadaptée. Par exemple, CloudWatt a initialement lancé une offre de stockage sans solution de calcul associée, ne répondant pas aux attentes réelles du marché. En Europe, l’initiative au départ franco-allemande GAIA-X a accouché de 3 niveaux de labels, après de longues péripéties.

AWS est à la fois un précurseur et un cas d’école. Comme il émane du système d’information interne d’Amazon et de son approche self-service et API-first entre ses Business Units, il est né avec une grande longueur d’avance. A contrario, il aurait été impossible pour un « pure player » de petite taille comme OVH de proposer un bouquet d’offre attractif sans nouer des partenariats : au départ, surtout avec des acteurs anglo-saxons, à présent en majorité avec des acteurs français et européens. Comme les fournisseurs de « Cloud de confiance » français et européens, il s’est également appuyé sur des briques de logiciels libres (cf. plus bas).

Parts de marché des leaders (France en 2025 et monde en 2024)

Monde en 2024 – Source : Statista[7]

Effets sur l’environnement

Sur le plan environnemental, on peut noter deux effets importants.

Premièrement, à parc installé équivalent, la mutualisation des ressources permet de mieux amortir les capacités installées (comme, en transport, le co-voiturage et la mutualisation des flottes automobiles) et de moins consommer par unité de calcul réalisé, du fait du rajeunissement du parc. Ayant suivi la restructuration de la chaîne de valeur évoquée plus haut, ce fut un ajustement transitoire, d’impact positif.

En regard, l’effet rebond est inévitable. Il s’explique par plusieurs facteurs, notamment la banalisation progressive de toutes les ressources, dont les prix baissent ; les méthodes de mise en œuvre, sous forme modulaire et avec un travail de plus en plus réduit d’optimisation[8] ; et par extension, les effets des mutations induites. Il en résulte des gaspillages de plus en plus massifs de ressources planétaires. La croissance des infrastructures de cloud est aujourd’hui portée par l’essor fulgurant de l’IA et se traduit par une consommation massive d’énergie, d’eau et de terres rares, avec des investissements records dans les data centers (620 milliards de dollars en 2026, quatre fois plus qu’en 2023). Les GPU, cœurs des Large Language Models (LLMs), nécessitent des métaux rares et une pureté extrême, dopant la demande en silicium, cuivre et terres rares, avec un risque de pénuries et de conflits d’usage. La consommation électrique des data centers, boostée par l’IA, pourrait tripler d’ici 2030, représentant jusqu’à 1 500 TWh/an – l’équivalent de trois fois la production française. Les émissions de CO₂ de ces infrastructures pourraient dépasser celles de la France, tandis que leur soif en eau (5 000 milliards de litres en 2023) menace les ressources locales.

La croissance du marché mondial se fait donc à un rythme effréné et ne va pas s’arrêter de sitôt : l’effet rebond, aux impacts délétères, est donc voué à perdurer, sauf à être infléchi ou stoppé par une crise mondiale, une mutation des paradigmes de développement, une rupture technologique ou une réglementation effective des marchés.

Aujourd’hui, la majorité des modèles d’IA reposent sur des architectures gourmandes en énergie (GPU et LLM), mais des alternatives émergent. Des acteurs comme DeepSeek[9] ont prouvé qu’il est possible d’entraîner des modèles performants avec moins de ressources. Mistral AI[10], de son côté, se distingue par une transparence sur son impact environnemental et une consommation électrique divisée par quatre par rapport à la moyenne du secteur.  Côté hardware, NVIDIA, bien que dominant, voit sa position remise en question par des concurrents comme AMD (avec ses puces Instinct MI300X), Intel (qui prépare des puces moins énergivores grâce à une gravure innovante), et même des géants du cloud comme Google, Amazon et OpenAI, qui développent leurs propres puces pour réduire leur dépendance et optimiser leurs coûts.

Parmi d’autres pistes prometteuses, les « world models » (modèles du monde) gagnent du terrain : ces architectures, défendues par des figures comme Yann LeCun (ex-Meta, désormais à la tête d’AMI Labs à Paris) ou Fei-Fei Li (World Labs), visent à modéliser la physique et les interactions du monde réel, permettant une compréhension causale et une planification bien plus efficace que les LLM actuels. En 2025-2026, des projets comme Marble (World Labs) ou Genie 3 (DeepMind) ont montré qu’il était possible d’entraîner des IA capables de simuler des environnements complexes, avec des applications en robotique ou en simulation industrielle, tout en réduisant la dépendance aux données massives et aux calculs énergivores.

La régulation et la souveraineté technologique accélèrent aussi la transition. En Europe, la directive sur l’efficacité énergétique impose désormais aux data centers de valoriser leur « chaleur fatale » et de respecter des normes strictes (PUE ≤ 1,4, récupération d’énergie, audits obligatoires). La France, avec son mix nucléaire bas-carbone, attire des projets de méga-centres (comme celui de Mistral AI en Essonne ou de Data4 dans le Nord), mais sous condition de sobriété et d’innovation. Ces cadres légaux, couplés à la montée en puissance de modèles open-source et souverains, pourraient infléchir la courbe de la surconsommation à condition que l’effet rebond (où les gains d’efficacité entraînent une hausse globale des usages) soit maîtrisé par des choix politiques et industriels ambitieux.

Quels enjeux de souveraineté ?

Souveraineté numérique : entre gestion des dépendances et ambiguïtés d’un concept

La notion de souveraineté, souvent mobilisée dans le débat public, gagne à être reformulée en termes plus opérationnels de dépendance et de gestion du risque. Dans des écosystèmes technologiques complexes et globalisés comme le cloud, la recherche d’une indépendance totale apparaît hors d’atteinte. L’enjeu réel consiste plutôt à optimiser un ratio entre le coût et le niveau de dépendance, dans une logique de réduction des risques (« de-risking »). Cette approche marque une inflexion nette par rapport à une période où l’ouverture des marchés et la recherche d’efficacité économique primaient dans un contexte géopolitique plus stable.

Elle conduit à distinguer les dépendances acceptables de celles qui sont critiques, susceptibles d’affecter la continuité des activités, l’intégrité des données ou l’autonomie de décision, et à y répondre par des arbitrages concrets : internalisation de certaines briques ou processus stratégiques, diversification des fournisseurs, redondance et multi-sourcing. Dans le cloud, cela se traduit notamment par des approches multi-cloud, le recours à des standards ouverts favorisant la réversibilité ou la capacité de ré-internalisation de certains services critiques.

Cette logique s’inscrit dans un mouvement plus large de sécurisation des dépendances à l’échelle des politiques publiques. Les travaux sur les minerais et matériaux critiques illustrent cette approche : il ne s’agit pas de sortir des chaînes de valeur mondiales mais de limiter les vulnérabilités en identifiant les points de fragilité, en diversifiant les sources et, lorsque pertinent, en reconstituant des capacités nationales ou européennes.

Dans le même esprit, les travaux de la Commission d’enquête parlementaire sur les dépendances structurelles et les vulnérabilités systémiques dans le secteur du numérique et les risques pour l’indépendance de la France (« Commission Latombe ») fait apparaître la nécessité de dépasser une vision purement juridique de la souveraineté pour adopter une analyse systémique des dépendances, qui intègre les dimensions techniques, industrielles et opérationnelles (cf. notamment audition de Dominique Luzeaux). Elle conduit à une approche de cartographie des risques, de hiérarchisation des priorités et de plans d’action ciblés articulant régulation, politique industrielle et organisation des chaînes d’approvisionnement.

Dans cette perspective, le cloud s’inscrit dans une problématique plus large de gestion des dépendances stratégiques, appelant des réponses graduées, pragmatiques et coordonnées à l’échelle européenne.

Le terme souveraineté est parfois galvaudé. Dans son acception politique classique, il renvoie à un principe d’autorité suprême d’un État ou d’un prince, historiquement associé à des prérogatives quasi exclusives sur un territoire et ses résidents. Cette conception est largement mise en cause à l’ère d’Internet et des infrastructures numériques distribuées.

L’expression « cloud souverain » apparaît dès lors comme un oxymore, le cloud impliquant par nature un transfert de données vers des capacités de stockage administrées par des tiers. Le cloud privé désigne simplement un usage exclusif de ressources, tandis que le cloud on premises reste marginal.

La notion de contrôle exclusif par un seul acteur est en outre difficilement soutenable au regard de la complexité des architectures cloud, reposant sur des écosystèmes d’acteurs multiples, et de la réalité des cyberattaques, y compris à des fins de cyberespionnage, qui touchent même les principaux opérateurs.

Un consensus minimal existe néanmoins dans une approche européenne : un « cloud souverain » désigne une infrastructure où les données sont hébergées et gérées sur le territoire d’un État membre de l’Union européenne, sous juridiction locale appliquant le droit européen, afin de limiter les risques d’ingérence extérieure. Il convient toutefois de ne pas en faire un concept de repli : l’enjeu relève davantage d’autonomie et d’indépendance stratégique que de souveraineté au sens strict.

Qu’attendre en pratique des fournisseurs de Cloud ? («construire la confiance»)

Il faut pouvoir s’appuyer sur des éléments de confiance en pratique, qui s’articule au niveau de la relation et du terrain ; sur ce dernier, par un ensemble d’exigences doublé des preuves de leur respect.

On peut distinguer quatre types d’exigences fondamentales.

i/ La première concerne la relation contractuelle. Compte tenu de la taille respective des GAFAM et des entreprises clients, c’est déjà un résultat notable d’aboutir à

• une négociation équilibrée ;
• un prix raisonnable et prévisible ;
• l’auditabilité de l’offre ;
• la possibilité de rompre la relation contractuelle sans avoir à subir des pertes financières ou des tâches d’une envergure disproportionnée (voire des pertes sèches d’actifs informationnels).

ii/ La seconde concerne la cybersécurité sur laquelle l’offre du fournisseur doit être crédible face à la menace des cyberattaques de sophistication croissante, de plus en plus souvent diligentées ou mandatées par des officines étrangères dotées de ressources financières et de compétences très importantes.

Cette crédibilité s’appuie sur des éléments d’assurance de sa capacité à protéger efficacement les données de son client, celles régies par des enjeux de métier (par exemple processus, procédés vitaux de l’entreprise) comme celles sensibles car régies par un droit spécifique : données individuelles (RGPD), de santé (HDS), sujettes à d’autres réglementations spécifiques (DORA dans la sphère banque et finances, NIS2, etc.). Une vigilance s’impose sur les modalités fluctuantes de l’accord-cadre entre l’Europe et les Etats-Unis relatif aux données individuelles : devenue caduque, la convention Safe Harbour a été remplacée par la convention Data Privacy Shield, à son tour invalidée puis remplacée par le Data Privacy Framework. Pour les données non régies par un droit spécifique, des vides juridiques existent. Cela concerne notamment le secret des affaires et les données critiques opérationnelles ou stratégiques, dont il faut éviter le partage non maîtrisé, la perte d’intégrité (corruption) et la perte pure et simple.

iii/ La troisième, la capacité à se conformer à des exigences environnementales solides est un troisième élément qui pose des problématiques, liées notamment à des approches obsolètes et à l’opacité de la plupart des acteurs[11].

Iv/ La quatrième, l’exigence de réversibilité ou la capacité à récupérer ses actifs (données, applications, matériels) dans le but de changer de fournisseur ou de ré-internaliser tout ou partie de son Système d’Information et ce, sans coût prohibitif. Les solutions open source jouent un rôle crucial dans cette démarche, car elles garantissent l’interopérabilité (par exemple, via Kubernetes ou OpenStack) pour éviter le vendor lock-in, et proposent des formats ouverts qui facilitent les migrations.

Le CIGREF a publié deux documents consignant ces aspects en détail : « Trusted cloud reference document » (10.2023) et « CCTP : Achat de services de cloud public PAAS dans un environnement de confiance » (03.2024).

Se prémunir d’ingérences étrangères ?

Rien ne permet de se prémunir contre l’interruption d’un service commercial à la demande du pays d’accueil du fournisseur. En outre, il est facile pour un fournisseur de service Cloud d’exercer une pression sur un client, en menaçant de couper le service, par exemple au moment de la renégociation de clauses – d’autant plus s’il est en position dominante.

Nous avons déjà évoqué les problématiques de données personnelles, dont la résolution très imparfaite donne lieu à des débats nourris, notamment en santé.

Une autre vulnérabilité tient à l’application de certaines lois à l’extérieur des frontières des pays des fournisseurs (extraterritorialité). Certaines lois de sécurité ou de renseignement peuvent obliger des fournisseurs étrangers à scruter ou recueillir, parfois en masse, des données de leurs clients français. Le cloud est en première place de ce risque qui renvoie à la réalité crue de possibles opérations d’espionnage[12].

Aux Etats-Unis, deux réglementations sont en jeu :

• section 702 du Foreign Intelligence Surveillance Act (FISA) : elle autorise les agences américaines de renseignement à collecter des informations sans mandat. Le Congrès américain l’a prolongé de 2 ans en avril 2024.
• décret « Enhancing Safeguards for United States Signals Intelligence Activities », signé par le président Biden en octobre 2023. Il établit un principe de proportionnalité de la surveillance des données, certes, mais contestable.

Les acteurs chinois comme Alibaba (peu présents en Europe) sont tenus à respecter l’article 7 de la loi de collecte d’information du 27 juin 2017 rénovée le 27 avril 2018 : comme toutes les autres organisations et les citoyens chinois ils doivent soutenir, assister et coopérer avec les autorités d’intelligence nationales « dans le respect de la loi », une expression souvent à géométrie variable en Chine.

Ces réglementations permettent de couvrir en principe des opérations d’espionnables sous couvert de la discovery procedure aux Etats-Unis.

La nouvelle doctrine américaine sous Trump (2025-2026) accentue encore ces risques. Son administration a renforcé les mesures protectionnistes et les contrôles sur les données hébergées par des acteurs étrangers, notamment via :

• L’extension des pouvoirs du Committee on Foreign Investment in the United States (CFIUS), qui peut désormais bloquer des transactions ou des services cloud jugés sensibles, même pour des entreprises européennes.
• Des restrictions accrues sur les transferts de données vers des pays considérés comme « à risque » (Chine, Russie, etc.), avec des sanctions possibles pour les fournisseurs qui ne s’y conformeraient pas.
• Une interprétation plus agressive de l’extraterritorialité, où les autorités américaines peuvent exiger l’accès à des données stockées hors des États-Unis, sous peine de représailles commerciales (ex. : amendes, exclusion des marchés).

En l’absence d’un acteur de confiance national, une remédiation consiste à ne retenir que les fournisseurs de Cloud (ou solution de confiance) à capitaux majoritairement français – en pratique à obliger des leaders du Cloud à créer une filiale à capitaux majoritairement français (ou du moins européens).

Encore faut-il préciser ce que l’on entend par des données sensibles. Cf. la Directive interministérielle de juin 2023 concernant les solutions hébergées par le Cloud pour les ministères, qui propose une très longue liste[13] qu’il sera nécessaire de préciser pour chaque système ou usage.

Comment attester qu’un prestataire répond à ces attentes ?

L’ANSSI a instauré la qualification SecNumCloud (https://cyber.gouv.fr/secnumcloud-pour-les-fournisseurs-de-services-cloud), dont le niveau High + porte l’exigence capitalistique évoquée plus haut. Ce cadre permet à des acteurs français de proposer des offres enrichies de compétences et capacités au niveau voulu et « sûres »[14], moyennant un surcoût lié à la mise en place de l’organisation, du volet technologique[15]  et à la certification de l’offre. On notera que GAIA-X intègre également cette condition dans son label de niveau 3, le plus élevé[16].

A noter que SecNumCloud est avant tout un dispositif de cybersécurité, et non un instrument de politique industrielle. SecNumCloud repose sur un processus d’évaluation technique rigoureux et standardisé, visant à garantir un haut niveau de sécurité pour des usages sensibles du cloud. Le référentiel impose notamment des exigences fortes pour protéger les données contre les cyberattaques, les accès internes abusifs et certains risques juridiques, dont l’extraterritorialité du droit. Il garantit ainsi que seul un prestataire européen contrôle les données, même lorsque des technologies non européennes sont utilisées. En revanche, SecNumCloud ne vise pas à supprimer toutes les dépendances technologiques ni à organiser la souveraineté industrielle, qui relèvent d’autres politiques publiques.

A titre d’exemple, Thales dispose d’une structure pour identifier les failles informatiques des produits duaux, des méthodes et des capacités pour fiabiliser les composants sourcés. Dans le cadre de S3NS, les rôles sont répartis de la manière suivante : Google propose les mises à jour des services et les innovations (solution Google Cloud), tandis que Thales les fiabilise :

• composants physiques : retrait des drivers pour accéder au code natif ou même directement à la puce (« composant nu »), puis ajout d’une pile logique de confiance.
• logiciels : remplacement des APIs, installation de middleware fiabilisé et de briques de sécurité (crypto) certifiées ANSSI. Les « backdoors » restent parmi les risques résiduels que même le recours à du logiciel libre ne peut complètement éliminer.
• tout le personnel qui intervient est dûment habilité.

L’Europe pour sa part propose le schéma de certification de cloud de confiance, l’EUCS (EU Cloud  Services Scheme, (https://www.enisa.europa.eu/publications/eucs-cloud-service-scheme), mais son instauration au plan réglementaire invalidera le dispositif SecNumCloud, ce qui aura un impact certain puisque la Commission Européenne rechigne à adopter la clause capitalistique sous la pression politique américaine et celle des lobbies industriels[17].

Est-il concevable que l’Europe reste dans cette posture compte-tenu de la situation géopolitique actuelle ?

Tout d’abord, il n’est plus très crédible d’invoquer l’idée que les leaders étrangers à l’Europe seraient immunisés contre une attaque cyber majeure (Cf. violations massives chez Oracle[18]), dont nous savons qu’une part importante concerne des opérations d’ingérence et de vol de propriété intellectuelle.

Le contexte du Cloud présente une analogie intéressante avec celui d’une habitation en co-propriété. On peut en effet rappeler que la souscription d’une assurance multi-risques habitation n’est pas légalement obligatoire en France. Pour un propriétaire logeant dans sa maison, isolée de tout et qui n’y inviterait personne, l’intérêt peut en être discuté. Mais dans une co-propriété, ne pas en souscrire semble déraisonnnable puisque, par exemple, un incendie démarrant chez soi peut faire des victimes chez ses voisins. Et plusieurs situations l’imposent, comme signer un contrat de location, acheter une habitation, si le règlement de copropriété l’impose, par une société de syndic dans le cadre de ses mandats.

De même, le fournisseur d’un Cloud doit veiller à ce qu’une tierce partie, cliente ou non, n’empiète pas sur les droits et la sphère informationnelle d’aucun autre. S’il n’en est pas capable, alors la puissance publique doit pouvoir suppléer à son impuissance. C’est précisément ce à quoi vise un dispositif de certification réglementaire.

Ainsi, l’Europe doit prendre la mesure de ses responsabilités, tant au plan moral que pratique en adoptant un dispositif de certification réglementaire suffisamment solide. La situation actuelle pose de manière plus nette la nécessité d’un rééquilibrage entre les enjeux de sécurité européens et ceux du libre-échange invoqué par les Etats-Unis et les leaders du Cloud. Vu le peu de cas fait par l’administration Trump des accords de libre-échange, la prise de politique, qui pouvait sembler incommensurable, apparaît désormais mineure.

De fait, l’EUCS a bien failli être adopté sans la clause relative au contrôle de capital, mais ce dossier a été réouvert suite aux dernières évolutions politiques aux US, ce qui a donné naissance à l’initiative Cloud and AI Development Act (CADA) visant à renforcer les capacités de cloud et de calcul nécessaires au développement de l’IA en Europe, notamment en facilitant l’implantation de data centers et l’investissement dans les infrastructures numériques. CADA relève principalement d’une logique de politique industrielle et de développement d’infrastructures tandis que les versions récentes du schéma EUCS en font un instrument exclusivement centré sur les exigences de cybersécurité applicables aux services cloud et ne comportant donc plus de clause de contrôle du capital ou de souveraineté.

CADA vient ainsi compléter l’EUCS : alors que l’EUCS définit un cadre de confiance et de cybersécurité pour les services cloud, CADA vise à développer les capacités industrielles et les infrastructures cloud nécessaires en Europe, en particulier pour soutenir l’essor de l’IA dans une logique de « souveraineté ». CADA vise à rendre possible, dans l’Union, des offres « EU-based » pour des usages publics hautement critiques : ce n’est plus une étiquette, c’est une stratégie d’infrastructure.

Quelles approches privilégier dans la situation actuelle ?

i/ Nos responsables politiques doivent empêcher l’Union Européenne de continuer à se soumette au bon vouloir des lobbies des USA sur le projet EUCS. En ce sens, l’initiative CADA qui complète l’EUCS est bienvenue.

ii/ Il convient de considérer le cloud, et en particulier ses couches basses (socle matériel et services de compute et réseaux IaaS) plus que jamais comme aussi stratégique que les réseaux électriques ou les télécoms :

• Le cloud n’est pas un marché réellement concurrentiel : il est captif. Les coûts de sortie ne sont pas principalement financiers : ils sont organisationnels, opérationnels, cognitifs (re-platforming, dépendances à des services managés, outillage, gestion des identités, observabilité, data pipelines, etc.). Cette captivité réduit l’intensité concurrentielle effective, même si la concurrence existe théoriquement. Dit autrement : on n’est plus dans un marché “contestable” au sens classique.
• Le risque systémique est devenu difficilement assurable. Une défaillance majeure (technique, cyber, juridique, géopolitique) peut affecter simultanément des milliers d’acteurs. Le risque est corrélé et donc peu diversifiable, ce qui met en tension les mécanismes de couverture privés. Cela rapproche le cloud d’autres secteurs où l’on a dû inventer des cadres publics (ou quasi-publics) pour traiter des risques systémiques.
• La liberté contractuelle s’érode sous l’asymétrie de pouvoir. La négociation est souvent limitée, la réversibilité coûteuse, l’auditabilité imparfaite, et la menace de coupure (ou de durcissement unilatéral) est crédible du fait de la dépendance. Là encore, sans jugement moral : l’asymétrie est structurelle. Or, lorsqu’une relation contractuelle devient structurellement déséquilibrée, on bascule fréquemment vers des logiques de concession, obligation de service, régulation des conditions d’accès et de sortie.
• Le cloud est devenu une condition d’accès à la concurrence. C’est peut-être le point le plus important : pour une PME, une startup, une ETI, l’accès à une infrastructure cloud stable et neutre conditionne la capacité même à entrer sur certains marchés (scalabilité, sécurité, conformité, time-to-market). Dès lors, l’infrastructure n’est plus un simple service : elle devient un “ticket d’entrée” à la compétition économique. Quand l’infrastructure conditionne la concurrence, la question de sa neutralité devient centrale.
• L’intervention publique n’a pas besoin d’être totale : elle peut être minimale, ciblée, “en couches”. On peut imaginer une approche où seule la couche socle (certaines briques fondamentales : interconnexion, identité, chiffrement, services de base, exigences de réversibilité, transparence environnementale, etc.) fait l’objet d’un régime plus contraignant, sans chercher à “nationaliser le cloud” ni à empêcher l’innovation sur les couches hautes. Cette logique par couches ressemble beaucoup à ce qui a été fait ailleurs : concurrence sur les services, neutralisation/régulation du réseau.

L’Union Européenne dispose déjà d’un certain nombre d’outils pour avancer dans cette direction : le Digital Markets Act (DMA) pour imposer l’interopérabilité et sanctionner les pratiques anticoncurrentielles, le fonds pour la souveraineté numérique (10 milliards d’euros) pour financer des alternatives européennes, et le règlement sur la résilience des infrastructures critiques (CER) pour encadrer les data centers stratégiques. Une approche ciblée sur les secteurs vitaux (santé, énergie, défense) permettrait d’imposer des obligations d’hébergement local, des audits de souveraineté et une diversification des fournisseurs, tout en s’inspirant des modèles éprouvés de service public (tarifs régulés, préférence européenne dans les marchés publics). Les solutions open source (Kubernetes, OpenStack) et les normes communes (comme celles promues par Gaia-X) sont essentielles pour briser le vendor lock-in et assurer la réversibilité des données. Enfin, une volonté politique forte, combinant subventions, sanctions et coordination entre États membres, est indispensable pour transformer le cloud en une infrastructure publique résiliente, à l’image de ce qui a été fait pour l’électricité (ex : ENTSO-E) ou les télécommunications.

iii/ Au niveau pratique et technique, bien plus que l’infrastructure, l’écueil porte sur l’absence d’un écosystème national ou européen intégré d’acteurs du logiciel, capable de fournir et maintenir un ensemble de composants logiciels permettant de déployer une offre crédible.

En effet, si Google venait à se retirer par exemple de S3NS (ou Microsoft de BLEU), cette offre disparaîtrait. La domination des acteurs nord-américains repose sur le fait de disposer d’une pile (« stack ») logicielle complète, propriétaire, robuste, allant du stockage sécurisé aux outils collaboratifs en passant par l’IA, et compétitive.

Plutôt qu’ériger des murailles réglementaires qui, soit avantageront les GAFAM, parce qu’il leur sera facile d’y satisfaire, soit les détournera du marché européen (ou pire, comme le propose le RN, des taxes du type à la bande passante), il faut donc accompagner la progression des acteurs nationaux et européens dans leurs efforts pour créer l’écosystème souhaitable.

Ces acteurs en France sont nombreux :

• l’ANSSI, qui propose des briques logicielles de confiance[19], des spinoffs de la défense ;
• les capacités en recherche théorique et appliquée avec des acteurs puissants comme l’INRIA et le CEA et leurs nombreuses spinoffs. A titre d’exemple, l’INRIA a été l’un des principaux instigateurs de Scilab, un logiciel de calcul reconnu mondialement.
• des entreprises comme OVHcloud, Scaleway, Outscale, NumSpot[20], Clever Cloud, Scalingo, Ionos, Leaseweb, Aruba, Oodrive, etc. qui avancent dans la certification SecNumCloud de leurs offres cloud
• des acteurs de la cybersécurité comme Thales (qui a racheté Gemalto), Atos, CapGemini, et ceux apparus depuis 2010 (Wallix, Tehtris, HarfangLab, Sekoia, PrimX, Sentryo, Prove & Run, Quarkslab, etc.)
• en IA Mistral AI, des acteurs de l’Edge computing et edge AI comme Axelera, etc.
• toute une panoplie d’utilisateurs (notamment licornes) dans des domaines comme les fintech, la santé, le marketing, le e-commerce, etc.

iii/ Dans le cadre des services administratifs, la DINUM a fédéré des objectifs communs à tous les ministères, y compris celui des Armées, des méthodes et un recours à un ensemble de briques logicielles libres. Elle a passé sur ce dernier volet un accord avec son homologue en Allemagne pour promouvoir la création de communs numériques. Enfin elle instaure une approche de mutualisation puissante de l’identité numérique par le biais de monidénum, dont une version pro vient de sortir. Cette approche par la fédération de ressources et de pratique, la création de « communs », étendue à d’autres états-membres, est un excellent début, même si elle ne peut être développée qu’au cas par cas, du moins dans un premier temps. Par exemple les pays nordiques ont adopté un identifiant unique, de sorte que l’approche monidenum n’y est pas pertinente.

Par rapport au début des années 2000, les personnes en charge des projets et des structures porteuses sont bien mieux gréées en termes de RH, compétences et moyens, et mieux préparées à mutualiser les approches et partager les bonnes pratiques.

iv/ En complément aux référentiels spécifiques au Cloud, il sera utile de généraliser cette approche concernant les applications spécifiques et le middleware par exemple de sécurisation – ou sur ce domaine exiger des composants répondant à des exigences attestées par exemple selon un schéma ISO 15408, de préférence sous maîtrise de l’ANSSI ou l’ENISA.

v/ Sur un plan général les leviers de confiance, alliée à des formes d’autonomie conférées par la création de communs, sont

• des labels et des standards conformes aux réglementations européennes et à nos valeurs (éthique de l’IA – la dimension environnementale étant appelée à devenir un levier de plus en plus fort) – selon un effort à moduler finement.
• des approches fédératives et mutualisant des ressources logicielles libres ou open source.
• Des pratiques adaptées d’achats publics (cf. paragraphe spécifique à ce sujet, qui s’applique au numérique).
• Le suivi à bon rythme des progrès technologiques (exemples kubernetes, io va balayer vmware ce qui va simplifier la stack).

Quelques éléments de perspective en conclusion

Nous nous sommes limités ici à un objectif consistant essentiellement à assurer une relation contractuelle équilibrée avec les fournisseurs extra-européens et à réduire à un niveau raisonnable la vulnérabilité, notamment à des manœuvres essentiellement de nature politique pour compromettre les données confiées par les entreprises françaises et européennes (en l’occurrence via des artifices de nature juridique).

Dans le contexte présent, où la précieuse césure entre pouvoirs politique et juridique se désagrège Outre-Atlantique, où les mutations géostratégiques s’accélèrent et où la Chine et les USA sont dans une course éperdue aux investissements en IA, le niveau considéré comme raisonnable doit être réévalué, le cas échéant, en temps utile ou périodiquement.

Ce contexte contribue aussi à réduire le coût politique d’un renforcement au niveau souhaité par la France des labels européens en cours de finalisation. Il est donc essentiel qu’une impulsion politique soit donnée pour que cela ait lieu en profitant de la fenêtre d’opportunité qui se présente.

Le chemin vers un niveau d’autonomie sensiblement plus fort sera très long, si l’on en prolonge le tableau jusqu’au composant clé de la capacité de calcul, le processeur ou la carte graphique.

Mais dans plusieurs domaines, la France a réussi à surmonter progressivement son retard technologique ou industriel et une bonne part de ses vulnérabilités, par rapport au scénario extrême d’un refus de fourniture par un acteur étranger.

Dans le nucléaire civil, l’impulsion de l’Etat a été cruciale, en s’appuyant sur des compétences étrangères (Westinghouse). Dans celui de la signature électronique, cela fut principalement grâce à l’initiative privée : création de Certplus (JV Gemplus, France Telecom et VeriSign, le leader international de ce domaine), puis intégration à Keynectis en 2004, sous la houlette de Thierry Dassault[21] avec l’encouragement de l’Etat. Ces deux exemples illustrent le rôle crucial de la confiance entre le secteur privé et les instances publiques, voire le pouvoir politique (cas du nucléaire civil – un tel scénario de constitution de capacité en bloc paraissant impossible à renouveler dans le contexte économique actuel).

L’essor de l’industrie aérospatiale soviétique jusqu’à la chute du Mur de Berlin (quasiment sans ordinateurs) montre qu’une forte détermination politique peut faire des miracles. La Chine est bien parvenue à se passer des ingénieurs de l’Union Soviétique, et dans divers domaines, à rattraper l’Occident (parfois tardivement – carte à puce, avion C919, etc. et pas toujours : finesse de gravure de composants).

Donc (même si l’on peut regretter l’absence d’un « Airbus du numérique ») l’Europe et la France n’ont pas à rougir des échecs répétés de recréer un « GAFAM européen » mais il s’agit maintenant d’acter que c’était un projet irréaliste et de convenir que les deux « questions de fond » concernent plutôt la manière de :

• Formuler des objectifs et proposer des approches de rattrapage réalistes,
• anticiper (prévenir, ralentir et préparer) le rattrapage industriel par la Chine.

En effet, chaque fois que l’Asie rattrape l’Occident, cela fragilise nos industries. Quand c’est le fait de la Chine, cela peut mettre nos industries en péril de mort[22]. Le tableau ci-dessous présente quelques exemples (des exceptions existent, comme Nexans, rescapé de GEC-Alsthom).

Technologie	Période (décennie)	Brevets d’origine	processus de transfert / clés du leadeship chinois (ou exemples)	Conséquence
Ecrans plats / cristaux liquides	Fin années 90	CEA	Thomson vend sa dernière usine de téléviseurs à Singapour. Transferts technologiques à la RPC, via Taïwan.	Disparition (toute l’Europe)
Batteries au lithium	Années 2000	SAFT / HEF	JV en Chine
Cellules photovoltaïques	2010		Energie électrique fournie à prix dérisoire.
Véhicule électrique	2015	BYD	Commande de 50000 bus électriques par la province de Guangdong à BYD, quand Heuliez s’en voit commander 30.	Fragilisation importante
Big Data / Cloud	> 2015	Monde entier	Vallée du Cloud (Guizhou). Energie quasi gratuite, climat tempéré et cavernes fraîches	Fragilisation (production et R&D)
Recherche médicale	2010	Monde entier	(2014 SANOFI ouvre un premier centre de R&D à Shanghaï). La France souffre de l’éloignement des outils de production de médicaments et de réactifs.	Poursuite du processus de fragilisation
omique	2010	BGI (1999 / 2007) iCarbonX (2015)	2010 : BGI achète 128 machines Illumina (1,5 M$ garantis par China Develoment Bank).	Autonomisation de la R&D chinoise dans le secteur médical

 

L’IA bouleversera à terme quasiment tous les secteurs de l’économie. L’ingénierie et la fabrication (robots – dont la Chine est le premier utilisateur au monde) seront parmi les plus impactés, ce qui met en jeu notre compétitivité et la pérennité de nos industries à horizon 2035 ou avant. Le Cloud n’apparaît ainsi que comme un volet préalable d’une immense confrontation technologique. Il est temps de tirer le constat de nos échecs dans ce domaine et de rassembler une volonté déterminée sur des démarches ambitieuses et réalistes, comme celles proposées ci-dessus et en misant sur l’IA de manière pragmatique, sans trop focaliser sur les LLM propriétaires actuels : Cf. Deepseek[23] ou article ci-dessous.

Dans cette perspective, il est rassurant de pouvoir constater le dynamisme des ingénieurs et chercheurs nationaux dans les systèmes d’IA (Hugging Face, rachetée par un acteur US ; Yann Le Cun, directeur scientifique de l’IA chez META, à présent citoyen américain et revenu en France ; Mistral AI et en défense Helsing) et européens (en Allemagne Aleph Alpha et par extension Deepl). Est-ce satisfaisant ? Assurément non si les meilleurs partent outre-Atlantique, notamment chez des leaders qui reposent sur leurs acquis, leur puissance financière et leurs alliés politique.

Pour en revenir au volet important des composants électroniques utilisés dans le Cloud et pour l’IA, il renvoie notamment aux enjeux d’indépendance dans le domaine du calcul à haute performance, auquel on peut rattacher dans une perspective peut-être plus lointaine le volet des ordinateurs quantiques.

Il est clair que l’économie européenne souffre d’une relation déséquilibrée par rapport à ses partenaires commerciaux US, taïwanais, coréens et chinois. Elle dispose toutefois d’un quasi-monopole sur les technologies de photolithogravure de composants. En effet, l’acteur hollandais ASML (à l’origine une JV avec Philips) est le seul capable de produire des machines recourant à l’extrême ultraviolet (EUV) nécessaires pour graver les composants les plus puissants[24]. Son chiffre d’affaires est passé de 13 M$ à 30 M$ entre 2018 et 2023[25]. Le président Trump a tenté en 2018 de bloquer la vente de machines ASML à la Chine continentale, sans réel succès. Mais plus récemment, suite notamment à une affaire d’espionnage par un ancien employé chinois d’ASML, le gouvernement hollandais s’est aligné sur les attentes américaines et exerce désormais directement le contrôle des licences d’exportation.

En outre, il existe encore quelques pôles industriels conséquents en Europe : celui de Dresde, qui a attiré Global Foundries (US) et le leader taïwanais TSMC[26] ; celui de Münich (Infineon, spinoff de Siemens) ; et celui autour de Grenoble (ST Micro), dont l’attractivité pourrait ne pas être aussi forte, à la lumière des incertitudes sur la mégafab conjointe STMi-Global Foundries[27]. Par ailleurs, STMicro reste focalisé sur des marchés de niche (notamment transport). Mais de manière générale, l’Europe investit très peu, bien trop peu, sur l’innovation dans l’industrie des composants électroniques. Examinons le secteur des composants clé du calcul à haute performance, indispensables pour mener des recherches à la pointe en IA et dans plusieurs secteurs industriels. Après la triade NVidia, AMD et Intel, se profilent AWS, Alphabet, Alibaba, IBM, Huawei, etc. L’europe reste quasiment inexistante. Il fallait examiner, il y a peu, des domaines connexes comme la vision artificielle, pour trouver des acteurs tels que la fabless hollandaise Axelera AI, fondée en 2021, qui commercialise la puce Metis[28] (68 m$ de capital levé en 2024, 62 m$ en 2025, 140 employés, « des dizaines de clients »[29]). Kalray, une startup filiale du CEA, ambitionne de produire une puce sécurisée pour des plateformes autonomes.

L’Europe a lancé l’initiative European Processor Initiative (EPI)[30], en phase 2 avec notamment Axelera AI et SiPearl[31], une startup en grande partie française qui a bouclé un tour de table de 90 m€[32] en avril 2023 pour produire un chiplet pour l’IA. Ces deux projets ambitionnent d’apporter une indépendance technologique à l’Europe , avec pour SiPearl une promesse de performance énergétique très ambitieuse.

Depuis sa création en 2019, SiPearl a été forcée, peut-être faute d’une capitalisation suffisante, à relancer un cycle de développement qui l’a retardée de 2 ans. Etant parvenue semble-t-il à rattraper le rythme du marché, elle a lancé en été 2025 la production des premiers échantillons de sa puce de première génération, Rhéa 1. Les générations 2 et 3 suivront moyennant une levée de 200 m€ espérée en Série B. Il aura ainsi fallu une décennie pour qu’émerge enfin un acteur européen crédible du composant pour l’IA. Le développement d’Axelera AI  a été plus rapide : fondée en 2021), elle vient de boucler une levée de 250 mUSD et aurait 500 clients[33].

L’initiative EPI est au cœur d’EuroHPC Joint Undertaking (J.U)[34] (soutien financier total de l’ordre de 500 m€[35]). L’Euro HPC J.U vient de lancer le projet successeur DARE[36], dont la phase 1, sur 3 ans, recevra un financement maximum de 240 m€. Les « tickets » européens de subventions publiques sont donc de l’ordre du demi-milliard d’euros sur 2 ou 3 ans.

Parallèlement, Aux Etats-Unis,

• Joe Biden et Donald Trump se sont clairement relayés dans l’industrie du composant : Chips & Science Act (août 2022) avec un potentiel de 280 MUSD à la clé, dont 52MUSD de subventions aux implantations sur le territoire américain (l’acteur taïwanais TSMC étant particulièrement visé) ; annonce en mars 2026 d’un prolongement à 100 M$ pour renforcer la présence de TSMC ;
• 500 MUSD investis dans l’IA aux Etats-Unis en 2025, dont 215 dans des startups et 60 dans la construction de datacenters.

Au niveau mondial les volumes prévisionnels d’achats en matériels et infrastructures sont considérables : Mc Kinsey (7 TUSD en infrastructures pour le numérique dans son ensemble) ; Gartner (1,5 MUSD en 2025), tandis que Bain & Co, plus pondéré en raison des incertitudes sur le succès des modèles d’affaires, augure une forte hausse des tarifs au fil de la structuration du marché.

En tout état de cause, l’émergence d’un écosystème industriel du cloud et du calcul en Europe souffrira de la faiblesse des investissements, parallèlement à une hémorragie financière accrue générée par ses dépendances, en plus des enjeux d’autonomie développés ci-dessus. Une politique d’investissement vers l’écosystème local du cloud apparaît indispensable – nous en avons abordé quelques aspects – .

Cette politique d’investissement devra être ciblé et étendue à l’IA, une thématique plus complexe en raison notamment de ses évolutions extrêmement rapides, de son ancrage cognitif puissant et au-delà, de tous les enjeux de pouvoir qu’elle porte. Elle pourra faire l’objet d’une autre fiche.

L’effet d’un investissement bien ciblé permettra de verrouiller la maîtrise de technologies clé à volume financier limité, et c’est probablement la seule approche réaliste dans la mesure une politique d’investissement à l’image de celles de la Chine et des Etats-Unis est inconcevable à l’heure actuelle.

Une condition de succès est que la main d’œuvre spécialisée dans les domaines considérés ne soit pas aspirée notamment vers ces deux pays.

Une politique d’achats publics liée notamment à des projets structurants (base de données confiance pour la médecine de précision – exemple le Health Data Hub – ; initiatives sur les communs numériques en lien avec l’histoire et la mémoire ; architectures de confiance pour les services critiques ; etc.) est indispensable. La présentation plus précise de quelques domaines concernés, parmi les multiples que l’on pourrait énumérer, pourrait faire l’objet d’une étude spécifique.

En complément, l’orientation vers ces secteurs (ou des secteurs d’application), par exemple, d’une partie des fonds des assurances, pourrait jouer un rôle de facilitation. On pourrait envisager de l’associer à une réglementation pour promouvoir des actions d’adaptation face aux catastrophes naturelles climatiques dans le contexte du réchauffement, prenant appui sur des technologies à fort contenu numérique – sur un périmètre global, et non pas limité aux fermes de serveurs, ce qui lancerait une dynamique économique – . Il se trouve que l’impulsion donnée pendant des décennies par la Commission Européenne sur les thématiques d’adaptation face aux catastrophes naturelles, a fait naître un ensemble de capacités et de compétences qui constitue un terreau fertile.

Frédéric Tatout et Louis Cougouille

******

[1] Les deux premiers aspects ont hérité de deux décennies de normalisation et de R&D, notamment en calcul de haute performance

[2] plus besoin d’investir dans un parc de machines répondant au maximum du besoin en ressource

[3] Ici : ordinateurs et logiciels.

[4] En 2000 : IBM, HP, Alcatel, SAP, etc. Depuis : GAMA (Google, Amazon, META, Apple), liste à laquelle il est d’usage d’ajouter un M pour Microsoft qui est resté un géant : ce sont les GAFAM devenus GAMAM, et en Chine : Baidu, Alibaba, Tencent, Xiaomi (les BATX).

[5] Avec des leaders emblématiques comme Uber, Netflix, Airbnb, Tesla, etc.

[6] Les autres les plus connus en Occident sont : BERT, BLOOM d’origine française, LlaMA, MISTRAL (français), Gemini, Grok.

[7] https://www.statista.com/chart/18819/worldwide-market-share-of-leading-cloud-infrastructure-service-providers/

[8] Exemple : il est souvent bien plus coûteux et fastidieux d’effacer les disques durs que de les recopier et empiler.

[9] DeepSeek est un laboratoire chinois d’intelligence artificielle fondé en 2023, spécialisé dans le développement de grands modèles de langage (LLM) et d’architectures d’IA optimisées pour l’efficacité énergétique.

[10] Mistral AI est un laboratoire français d’intelligence artificielle fondé en 2023, spécialisé dans le développement de grands modèles de langage (LLM) performants, ouverts et éco-responsables.

[11] Recours notamment à des schémas de compensation s empruntant des circuits complexes ou difficiles à tracer sur le long terme.

[12] A ce titre : Guide du MEDEF et de l’AFEP, rédigé avec le Service de l’information stratégique et de la sécurité économiques (Sisse), créé en 2016 pour assurer la protection des actifs stratégiques de l’économie française face aux menaces étrangères.

[13] «  Ces données d’une sensibilité particulière recouvrent :Les données qui relèvent de secrets protégés par la loi, notamment au titre des articles L.311-5 et L.311-6 du code des relations entre le public et l’administration (par exemple, les secrets liés aux délibérations du Gouvernement et des autorités relevant du pouvoir exécutif, à la défense nationale, à conduite de la politique extérieure de la France, à la sûreté de l’Etat, aux procédures engagées devant les juridictions ou encore le secret de la vie privée, le secret médical, le secret des affaires qui comprend le secret des procédés, des informations économiques et financières et des stratégies commerciales ou industrielles); Les données nécessaires à l’accomplissement des missions essentielles de l’État, notamment la sauvegarde de la sécurité nationale, le maintien de l’ordre public et la protection de la santé et de la vie des personnes. »

[14] (S3NS https://www.s3ns.io/ Thales 90% des parts sociales, Google Cloud 10% ; BleuCloud https://www.bleucloud.fr/ Orange, CapGemini et Azure, etc.)

[15] « vaccinées » par rapport à la menace juridique évoquée plus haut, sous réserve de traiter le volet technique.

[16] https://gaia-x.eu/wp-content/uploads/files/2021-11/Gaia-X%20Labelling%20Framework_0.pdf

https://docs.gaia-x.eu/policy-rules-committee/compliance-document/24.11/criteria_cloud_services/#P5.1.5 voir notamment critères P. 5.1.5. et P.5.1.6.

[17]https://www.cio-online.com/actualites/lire-eucs-la-certification-cloud-europeenne-qui-menace-de-desarmer-secnumcloud-15856.html : (12.09.2024) « Tout en soulignant l’incertitude juridique qui entoure encore le dossier, la CSNP, composée de sept députés, sept sénateurs et trois personnalités nommées par le ministre de l’Économie, estime que « l’adoption de l’EUCS, qu’il intègre ou non le niveau High+, rendrait caduque le référentiel SecNumCloud », la norme européenne étant appelée à se substituer aux référentiels nationaux, dont SecNumCloud en France. Sans oublier des difficultés d’application des articles relatifs à la protection des données stratégiques et sensibles sur le cloud que renferme la loi SREN. Sous la pression des lobbys de l’industrie de la tech américaine, le secrétaire d’Etat Anthony Blinken a envoyé, en septembre 2023, une note à Ursula von der Layen, la présidente de la Commission de Bruxelles, avertissant que l’inclusion de ces dispositions « pourrait nuire aux relations bilatérales économiques et sécuritaires » entre les deux blocs. »

[18] https://oracle.developpez.com/actu/370688/Oracle-poursuivi-en-justice-suite-a-deux-violations-massives-de-donnees-sur-le-cloud-accusee-de-negligence-notamment-a-cause-de-l-absence-d-un-chiffrement-adequat-l-entreprise-ne-les-aurait-pas-signale/

[19] https://github.com/orgs/ANSSI-FR/repositories?type=all – par exemple https://github.com/ANSSI-FR/eurydice

[20] monté par La Poste, Dassault Systèmes, Bouygues Télécom et la Banque des Territoires

[21] Keynectis a intégré en 2015 DocuSign, basé en Californie ; mais entre-temps une offre nationale et européenne avait émergé

[22] Cela tient au fait qu’en plus de la taille de son économie, celle-ci fonctionne au gré d’incitations gouvernementales massives et de bulles financières.

[23] Un très bon interview de son fondateur Liang Wenfeng https://www.chinatalk.media/p/deepseek-ceo-interview-with-chinas : What we lack in innovation is definitely not capital, but a lack of confidence and knowledge of how to organize high-density talent for effective innovation.

[24] La puissance de calcul d’une puce se traduisant en effet en nombre de circuits élémentaires qu’elle contient, autrement dit en densité surfacique ou volumique, étroitement liée à la finesse du trait de gravure.

[25] Source : wikipedia

[26] https://www.courrierinternational.com/article/allemagne-tsmc-inaugure-sa-premiere-usine-de-puces-en-europe-un-somptueux-cadeau-de-l-ue_221364

[27] https://www.usinenouvelle.com/article/en-isere-globalfoundries-est-il-en-train-de-lacher-stmicroelectronics-pour-sa-megafab-a-crolles.N2210430

[28] https://axelera.ai/ai-accelerators/metis-m2-ai-acceleration-card

[29] https://www.ecinews.fr/fr/axelera-lance-metis-une-carte-edge-pour-lia-en-memoire/

[30] https://cordis.europa.eu/article/id/442363-building-europe-s-high-performance-computing-capabilities/fr

[31] https://sipearl.com/joint-projects-european-processor-initiative

[32] https://www.usinenouvelle.com/article/la-start-up-sipearl-leve-90-millions-d-euros-pour-accelerer-la-commercialisation-d-un-microprocesseur-europeen.N2119136

[33] https://www.afp.com/fr/infos/axelera-ai-obtient-plus-de-250-millions-de-dollars-pour-la-croissance-commerciale

[34] https://eurohpc-ju.europa.eu/3-new-ri-projects-boost-digital-sovereignty-europe-2022-02-03_en

[35] https://eurohpc-ju.europa.eu/system/files/2023-06/Decision%2010.2023.-%202nd%20Amendment%20WP%202023.pdf https://www.europarl.europa.eu/cmsdata/269929/EuroHPC%20JU_RBFM%202022.pdf

[36] https://eurohpc-ju.europa.eu/advancing-european-sovereignty-hpc-risc-v-2025-03-06_en