Comment la bataille de l'IA se déplace vers l'infrastructure

Le 8 et 9 juillet dernier, je me suis rendu au RAISE Summit 2026, à Paris. Sur scène, les dirigeants de Mistral AI, Google, OpenAI, NVIDIA, AMD et Cerebras partageaient l'affiche avec ceux du cloud, de la donnée, de la cybersécurité et du logiciel d'entreprise. Cette composition n'est pas un hasard de programmation : elle traduit un déplacement de la valeur. L'IA ne se joue plus au niveau du modèle, mais à l'échelle d'un système industriel complet, où calcul, énergie, données, agents et sécurité deviennent indissociables. Pour les directions générales et les directions numériques, l'enjeu a changé de nature. Il ne s'agit plus seulement de produire plus d'intelligence, mais de la rendre économiquement soutenable, industriellement déployable et suffisamment fiable pour agir au cœur des organisations. Lors du grand évènement parisien, j'ai observé des ruptures notables qui dessinent ce nouveau terrain.

Le modèle n'est plus l'avantage compétitif

Les modèles restent nécessaires, mais leur pouvoir différenciant s'érode à mesure que leurs performances convergent et que les alternatives ouvertes progressent. Une formule entendue lors de la rencontre résume bien le glissement : les modèles sont les pelles, les données sont l'or.

Deux entreprises peuvent utiliser exactement le même modèle et obtenir des résultats radicalement différents. Celle qui gagne est celle qui connecte ce modèle à ses données propriétaires, à ses règles métiers et à ses processus de décision, avec l'architecture la plus cohérente. L'avantage se construit dans l'intégration, pas dans l'accès au modèle.

Ce basculement explique pourquoi les grands acteurs technologiques investissent désormais autant dans les infrastructures de données, les moteurs de recherche internes et les plateformes d'agents que dans les modèles eux-mêmes. Il invalide aussi une croyance encore répandue dans les comités de direction : que l'adoption de l'IA se résume au choix d'une plateforme. Pour une organisation, le travail sérieux commence après ce choix, pas avant.

L'infrastructure devient un sujet de direction générale

Lors de ce RAISE Summit, processeurs, stockage, réseaux, centres de données et consommation énergétique n'étaient pas traités comme des détails techniques, mais comme des déterminants de compétitivité. La stratégie de calcul n'est plus une décision de DSI : c'est devenu une question financière, industrielle et géopolitique.

À mesure que les usages se déploient, le coût de l'inférence, c'est-à-dire l'exécution quotidienne des modèles en production, pèse désormais autant que celui de leur entraînement. Les arbitrages portent sur la performance, la latence, la consommation énergétique, la disponibilité des capacités, la localisation des données et la dépendance à un fournisseur unique.

Un indicateur a émergé comme mesure de référence de l'infrastructure IA : le « Time to First Token », le délai avant qu'un système commence à produire une réponse. Derrière ce métrique technique se cachent l'expérience utilisateur, la qualité de service et la rentabilité du système.

Mais la course à la puissance brute rencontre un mur physique : les investissements et les besoins énergétiques ne peuvent pas croître indéfiniment. La prochaine phase sera une course à l'efficacité, plus de résultats par watt, par euro investi, par unité de calcul. La question qui devrait remonter en comité exécutif n'est plus « quel modèle utiliser ? » mais « quelle architecture pouvons-nous exploiter durablement à grande échelle ? »

L'open source devient un enjeu de souveraineté économique, pas philosophique

Le débat sur l'open source a dépassé l'opposition classique logiciel ouvert contre solution propriétaire. Il porte désormais sur la maîtrise des coûts, la liberté d'architecture et la capacité à préserver ses options futures.

Vipul Ved Prakash, CEO de Together AI, a défendu une thèse tranchante : l'inférence propriétaire crée une dépendance économique, faite de coûts variables, de faible visibilité tarifaire et de coûts de sortie élevés. Dans cette logique, choisir l'open source n'est plus un positionnement idéologique, mais une décision rationnelle pour toute entreprise qui veut garder la main sur sa trajectoire technologique.

Arthur Mensch, cofondateur de Mistral AI, et Mark Surman, président de Mozilla, sont allés dans le même sens : tous les composants ne deviendront pas open source, mais une part significative de l'écosystème doit rester ouverte ou interchangeable. La souveraineté ne consiste pas à tout développer soi-même. Elle consiste à pouvoir changer de modèle, de fournisseur ou d'infrastructure sans reconstruire tout le système. À terme, l'IA pourrait ressembler davantage à l'énergie qu'au logiciel : une ressource consommée en continu, dont la production, le transport et le contrôle deviennent des enjeux stratégiques à part entière.

Les agents changent la nature du risque cyber

Le changement le plus immédiat concerne les agents. Jusqu'ici, l'IA assistait : rédiger, résumer, suggérer, générer du code. Les systèmes agentiques agissent : ils utilisent des outils, exécutent des commandes, accèdent à des bases de données, déclenchent des processus. Le risque change donc de nature.

Snyk a présenté lors de l'évènement trois nouvelles surfaces d'attaque propres au développement agentique : les outils dont dépend l'agent, son comportement pendant l'exécution, et le résultat qu'il produit. Un code généré par un agent peut fonctionner, passer tous les tests, et rester vulnérable à cause d'une mauvaise gestion des autorisations ou d'une erreur de logique métier invisible.

Un chiffre a circulé pendant les sessions : jusqu'à 60 % du code pourrait, à terme, être écrit par des agents. À prendre comme un ordre de grandeur prospectif plutôt qu'une statistique validée, mais il illustre l'ampleur du changement : la production logicielle accélère plus vite que notre capacité à la vérifier. Le goulot d'étranglement se déplace mécaniquement vers la validation, la sécurité et l'assurance qualité.

Concrètement, cela impose de gouverner les outils accessibles aux agents, de tracer leurs actions, de vérifier les autorisations, d'auditer les résultats produits et de prévoir des mécanismes d'interruption. L'IA ne supprime pas le risque, elle peut le multiplier en accélérant simultanément la création, le déploiement et la propagation d'une erreur.

Le ROI dépend du système, pas du modèle

RAISE 2026 a confirmé la fin d'une époque : celle des expérimentations IA sans logique économique claire. Les directions générales ne demandent plus ce que l'IA peut faire, mais ce qu'elle change au compte de résultat, à la productivité, aux revenus, à la qualité de service et au risque.

Les interventions de ServiceNow, FedEx et Vanta convergent sur un point : le retour sur investissement dépend peu du modèle choisi. Il dépend de l'accessibilité des données, de l'intégration aux processus, de la capacité à mesurer les résultats et de la fiabilité du système opérationnel qui entoure l'IA.

Un agent peut exécuter une tâche en quelques secondes. Mais si les données sont fragmentées entre systèmes qui ne communiquent pas, ou si chaque action requiert plusieurs validations manuelles, le gain reste marginal. Le passage du pilote à la production exige de revoir les processus, les responsabilités et les indicateurs, parfois l'organisation elle-même. L'erreur la plus fréquente reste d'ajouter de l'IA à un système qui n'a pas été conçu pour elle.

La souveraineté IA se construit brique par brique

La « souveraineté IA » était omniprésente, mais elle ne se résume plus à la nationalité d'un fournisseur ou à la localisation d'un data center. Elle recouvre un ensemble de capacités : accès au calcul, maîtrise des données, modèles, logiciels, énergie, compétences, cybersécurité, capacité d'industrialisation.

Aucun pays ne contrôle seul cette chaîne. La souveraineté doit donc se lire comme une capacité de choix et de résilience, pas comme une autonomie totale, un point particulièrement structurant pour l'Europe. Les débats ont rappelé, en écho au rapport Draghi, que chaque nouvelle régulation devrait être évaluée à l'aune de son impact sur l'investissement et la capacité de déploiement industriel. Réguler sans construire les capacités correspondantes risquerait de renforcer la dépendance européenne plutôt que de la réduire. L'enjeu n'est pas d'opposer confiance et innovation, mais de faire progresser ensemble sécurité, investissement et compétitivité.

Après les modèles de langage, les modèles du monde

La rupture scientifique la plus significative qui a été mise en avant lors de la grand-messe parisienne concerne la trajectoire même de la recherche en IA. Yann LeCun, qui a quitté Meta pour cofonder AMI Labs, y défend le développement de « modèles du monde » : des systèmes capables non seulement de percevoir leur environnement, mais d'anticiper une action et ses conséquences.

Les modèles de langage manipulent des représentations symboliques. Les modèles du monde visent une compréhension plus profonde du réel, de la causalité, de la dynamique des systèmes physiques. Les applications potentielles sont vastes : centrales électriques, moteurs, biologie cellulaire, robotique, processus industriels, assistance aux personnes.

L'IA ne servirait plus seulement à reconnaître ou générer, mais à simuler, prévoir et agir. Cette bascule pourrait constituer une nouvelle révolution industrielle, et elle relève d'autant les exigences de sécurité : plus un système comprend le monde et peut agir sur lui, plus il devient impératif d'en vérifier les limites, les autorisations et les conditions d'exécution.

De l'intelligence disponible à l'intelligence gouvernée

Le principal enseignement de ce RAISE Summit 2026 pour moi tient en une phrase : le progrès de l'IA ne dépend plus de l'amélioration des modèles, mais de notre capacité à construire des systèmes complets, efficaces, ouverts, sécurisés et gouvernables. Les prochains leaders ne seront pas ceux qui disposent du modèle le plus spectaculaire, mais ceux qui savent orchestrer calcul, données, logiciels, énergie, agents et humains dans une architecture cohérente. L'intelligence devient abondante. La capacité à l'industrialiser sans perdre le contrôle, elle, restera rare. C'est probablement là que se joue désormais la vraie création de valeur.