L'open source accélère l'IA européenne, les GPU ralentissent sa souveraineté 

Le code s’ouvre. Les GPU restent sous clé. L'ambition européenne en matière d'intelligence artificielle tient dans cette contradiction. Les modèles ouverts sont devenus un levier de souveraineté, de transparence et d'innovation. Mais leur développement dépend d'infrastructures de calcul, de jeux de données et de compétences que l'Europe ne maîtrise pas pleinement. À Vivatech, cette tension a traversé toute la conférence “How Open Models Are Powering Europe's AI Ecosystem”. Premier point de friction, la définition même d'un modèle ouvert. Linagora défend des modèles entraînés avec des jeux de données ouverts et des méthodes d'entraînement documentées. Une approche qui dépasse les open weights, où seuls les paramètres du modèle sont publiés. “Nous voulions entraîner de véritables modèles open source, pas seulement des modèles aux poids ouverts”, a insisté Michel-Marie Maudet, directeur général de Linagora. Kyutai défend la même logique avec la science ouverte. Ses travaux sur la voix servent déjà de socle à plusieurs modèles développés par Meta, Alibaba ou Mistral. “L'écosystème de l'IA s'est construit grâce à l'open source et à la science ouverte”, a rappelé Neil Zeghidour, directeur général de Gradium et cofondateur de Kyutai. En 2023, plusieurs grands laboratoires avaient fermé leurs modèles pour préserver leur avance concurrentielle. Mistral a pris le chemin inverse. Cette stratégie a poussé Google à publier Gemma, puis OpenAI à annoncer le retour de modèles ouverts. Pour Neil Zeghidour, cette dynamique hisse l'ouverture au rang de facteur de compétitivité et d’outil d'attractivité pour les talents. 

Un million d'heures GPU pour entraîner la souveraineté  

Les modèles ouverts ne résolvent pas la principale dépendance européenne. Leur entraînement exige une puissance de calcul, concentrée entre les mains de quelques acteurs. Linagora estime ainsi mobiliser près d'un million d'heures GPU en 2025 pour entraîner ses modèles. L'entreprise s'appuie sur Jean Zay, le supercalculateur du CNRS, et prévoit de basculer sur Dallia, équipé des GPU Blackwell de NVIDIA. L'ensemble des recherches, des modèles et des expérimentations sera publié afin d'alimenter les travaux de la communauté. “Pour nous, ces modèles sont des biens communs numériques. Nous avons besoin d'un accès public et gratuit à la puissance de calcul”, a plaidé Michel-Marie Maudet. Les modèles progressent de plus en plus pendant leur phase d'inférence grâce à l'apprentissage par renforcement, ce qui transforme aussi les capacités de calcul déployées en production en ressources d'entraînement. “Il existe désormais une manière très directe de transformer la puissance de calcul en intelligence”, a observé Neil Zeghidour. Les centres de calcul européens ne fournissent donc plus uniquement des GPU. Ils concentrent aussi une expertise en calcul distribué que l'industrie européenne peine encore à acquérir. “Les clusters restent sous-exploités comme lieux de connaissances et d'échanges d'expertise”, a estimé Pierre-Carl Langlais. Le chercheur a cité un projet mené avec la RATP, où des données synthétiques remplacent des données réelles inexploitables pour des raisons de confidentialité. Linagora développe aussi une bibliothèque de personas destinée à générer ces données artificielles.  

Le retour du pragmatisme 

L'ouverture des modèles déplace aussi les arbitrages des entreprises. La première vague de déploiement des grands modèles de langage a montré ses limites. Les cas d'usage restent difficiles à industrialiser et le retour sur investissement peine souvent à être démontré. “Beaucoup d'entreprises ont déployé des LLM. Elles ont dépensé beaucoup d'argent sans mesurer réellement le retour sur investissement”, a estimé Gautier Cloix, DG de H Company. Cette recherche d'efficacité favorise des modèles spécialisés, entraînés pour une mission précise plutôt que des modèles généralistes toujours plus volumineux. Linagora applique cette stratégie avec des petits modèles de langage adaptés à des usages métiers sensibles, notamment pour le ministère de l'Intérieur, où ils sont combinés à des systèmes RAG et à des agents dans des environnements isolés du réseau. Les agents répondent à la même logique. Ils permettent d'automatiser des processus sans refondre les systèmes d'information, alors que les applications critiques restent rarement connectées via des API. “Environ 60 % du temps de travail consiste à cliquer, faire défiler des pages ou saisir des informations sans réfléchir”, a affirmé Gautier Cloix. La promesse ne porte donc plus sur des modèles toujours plus puissants. Elle repose sur des modèles suffisamment performants pour répondre à un besoin métier, tout en limitant les coûts d'infrastructure et de calcul. 

Le piège du Minitel  

L'ouverture fait désormais consensus. Le périmètre de cette souveraineté continue, lui, de diviser. Les intervenants ont tous défendu un ancrage européen des talents, des infrastructures et de la recherche. Aucun n'a pour autant plaidé pour une IA cantonnée au marché européen. Linagora revendique d'ailleurs des collaborations avec DeepSeek ou Qwen pour accélérer ses propres développements. Pierre-Carl Langlais a aussi cité l'Inde, la Corée du Sud et le Japon, confrontés aux mêmes enjeux de souveraineté linguistique et culturelle. “Nous avons inventé le Minitel. Il est resté en France et n'est jamais devenu mondial. Si cela avait été le cas, l'histoire aurait peut-être été différente”, a lancé le directeur général de H Company. La référence oppose une souveraineté défensive, centrée sur la protection du marché intérieur, à une souveraineté de conquête, capable de transformer une avance technologique en leadership mondial. “La France constitue un formidable réservoir de talents, mais notre développement commercial doit être international”, a expliqué Neil Zeghidour. La conférence aura surtout mis en lumière un changement de doctrine. La référence au Minitel dépasse le clin d'œil historique. Elle résume le principal risque évoqué pendant la conférence. Développer des technologies reconnues sans parvenir à les imposer à l'échelle mondiale. Les modèles ouverts donnent aujourd'hui à l'Europe les moyens de participer à la course. La remporter suppose encore de transformer cette avance scientifique en capacité d'industrialisation, sans refaire du Minitel le scénario de l'intelligence artificielle.