IA open source : accessible à tous, souveraine pour personne ?

Télécharger un modèle d'IA "ouvert" peut donner l'impression de s'affranchir d'OpenAI ou de Google. C'est une illusion. L'indépendance numérique d'une organisation se joue sur des serveurs physiques et des puces en silicium, et non dans la seule accessibilité des poids du modèle.

Pourquoi l'accès gratuit à un modèle IA ne change rien à la dépendance ?

DeepSeek V4-Pro est sorti le 24 avril 2026 sous licence MIT. Le code est accessible, les poids sont téléchargeables sur Hugging Face, et les performances sont proches de ChatGPT pour moins de 1 dollar par million de tokens en API. Des entreprises françaises ont adopté ce modèle en masse pour s'affranchir d'OpenAI et de Google. Sauf qu'une large majorité d'entre elles ne l'hébergent pas sur leurs propres serveurs : elles ont souscrit à l'API DeepSeek ou déployé le modèle sur Amazon Web Services, Microsoft Azure ou Google Cloud. L'entreprise qui fournit le code a changé de drapeau (Chine plutôt qu'États-Unis), mais l'entreprise qui opère les serveurs est toujours américaine.

L'analogie avec un logiciel classique ne tient pas. Quand on installe LibreOffice ou Firefox, on accède au code source (lisible, modifiable, compilable) et le programme tourne directement sur sa machine. L'accès et l'usage sont confondus. Avec un modèle de langage, la réalité est radicalement différente : ce qui est ouvert, ce sont les poids du modèle, des milliards de paramètres numériques encodant son comportement. L'utilisateur ne voit aucun code. Et même si ces poids sont téléchargeables, les faire fonctionner exige une infrastructure de calcul hors de portée de la quasi-totalité des entreprises. La licence ouverte ne résout que la question juridique de l'accès aux fichiers, pas celle de leur usage réel.

"L'IA ouvre une nouvelle bataille de souveraineté. Les infrastructures de calcul, le cloud, les données, les logiciels et les modèles d'IA sont stratégiques, et l'État ne peut bâtir les services publics de demain sur des technologies qu'il ne maîtrise pas", écrivait le ministère chargé du numérique dans sa présentation du plan "Notre IA" (2026). Cette logique vaut autant pour les entreprises privées que pour l'État.

Comment la dépendance à l'infrastructure annule-t-elle les bénéfices de l'open source ?

DeepSeek V4-Pro pèse environ 865 Go de poids de modèle téléchargeables. Pour le faire fonctionner en local dans des conditions opérationnelles, il faut une dizaine de puces GPU haute performance de type H100 ou H200. Une seule puce H100 coûte entre 25 000 et 35 000 dollars. En pratique, moins de 1 % des entreprises disposent des équipements nécessaires pour héberger un tel modèle en interne. Les autres ont deux options : l'API du fournisseur, ou la location de serveurs cloud.

Trois couches de souveraineté, et non une seule

La souveraineté d'un système d'IA se mesure sur trois niveaux distincts.

Le premier est le modèle. C'est l'architecture et les poids statistiques qui définissent le comportement de l'IA. Un modèle open source sous licence MIT garantit l'accès, la modification et la redistribution des fichiers. C'est réel et utile pour s'affranchir des conditions générales et des tarifs d'un éditeur.

Le deuxième est l'infrastructure d'hébergement. C'est le serveur (physique ou virtuel) sur lequel le modèle tourne. Et sur ce point, le tableau est net : "les géants américains captent 83 % des dépenses liées aux logiciels et services cloud à usage professionnel en Europe, soit 265 milliards d'euros par an", selon l'étude commissionnée par le Cigref en avril 2025. AWS, Microsoft Azure et Google Cloud contrôlent ensemble environ 70 % du marché européen des infrastructures cloud.

Le troisième est le cadre juridique applicable aux données. Héberger ses données sur un serveur d'une entreprise américaine (même si ce serveur est physiquement installé en France ou en Allemagne) les soumet au Cloud Act américain (Clarifying Lawful Overseas Use of Data Act, 2018). Ce texte autorise le gouvernement américain à contraindre toute entreprise de droit américain à lui transmettre les données stockées sur ses serveurs, quelle que soit leur localisation géographique. Le RGPD et le Cloud Act coexistent : ils ne s'annulent pas.

La conséquence directe : utiliser Mistral (modèle français) hébergé sur Microsoft Azure ne protège pas du Cloud Act. La licence du modèle ne change rien à cette exposition juridique, un enjeu qu’analyse Europe vs États-Unis : deux doctrines de régulation de l'IA.

Le monopole en silicium et la chaîne de dépendances cachée

Au-dessus des fournisseurs cloud, il y a une couche encore plus fondamentale : les puces de calcul. Nvidia contrôle plus de 80 % du marché mondial des GPU destinés à l'entraînement et à l'inférence des modèles d'IA. Mais la dépendance ne s'arrête pas là.

Les puces Nvidia sont fabriquées par TSMC, le taïwanais qui produit plus de 90 % des semi-conducteurs avancés mondiaux. Et TSMC ne peut pas fabriquer ses puces de dernière génération sans les machines de lithographie d'ASML, une entreprise néerlandaise qui détient le monopole mondial des équipements EUV (Extreme Ultraviolet), indispensables à la gravure des puces en-dessous de 7 nanomètres.

ASML est européenne. Mais depuis 2023, sous pression américaine, les Pays-Bas ont interdit à ASML d'exporter ses machines les plus avancées vers la Chine. Washington a ainsi démontré que même une infrastructure industrielle européenne peut être soumise à ses décisions stratégiques. Quand la France investit dans des datacenters souverains, elle achète des puces Nvidia, gravées par TSMC sur des machines ASML dont l'export est contrôlé par Washington. La chaîne de dépendances est totale, et elle remonte jusqu'au silicium extrait très majoritairement par la Chine (71% de la production mondiale)...

Qu'est-ce que ça change concrètement pour les données sensibles d'une entreprise ?

La question n'est pas abstraite. Elle se pose dès qu'une organisation manipule des données clients, des informations stratégiques ou des documents confidentiels.

Un cas précis. Une responsable de communication dans une PME industrielle utilise un modèle open source (DeepSeek ou Mistral) pour résumer des rapports commerciaux contenant des informations sur des contrats en cours. Le modèle est gratuit et ses fichiers sont accessibles. Mais l'entreprise n'a pas l'infrastructure pour l'héberger en interne, et passe par un hébergeur cloud américain. Ces données transitent par des serveurs soumis au Cloud Act. La licence MIT du modèle ne change rien à cette exposition.

Le risque dépend du type de données

Pour les données non sensibles (rédiger un post LinkedIn, reformuler un email standard, générer des variantes de titres), la souveraineté de l'hébergement est une question secondaire. ChatGPT, Gemini ou un modèle open source hébergé sur un cloud américain présentent tous un profil de risque équivalent et généralement acceptable.

Pour les données sensibles (plans industriels, données clients identifiables, bilans financiers non publiés, informations RH, secrets professionnels), la localisation juridique du serveur d'hébergement doit primer sur le choix du modèle. Un modèle open source hébergé sur un serveur non qualifié offre moins de garanties qu'un modèle propriétaire sur une infrastructure SecNumCloud.

Ce qu'est SecNumCloud

SecNumCloud est la qualification délivrée par l'ANSSI (l'agence française de cybersécurité) aux fournisseurs cloud qui garantissent l'immunité vis-à-vis des lois extraterritoriales étrangères, dont le Cloud Act américain. Obtenir cette qualification suppose une architecture technique et juridique qui exclut tout contrôle par une entité hors de l'Union européenne. En 2026, trois acteurs proposent des solutions qualifiées SecNumCloud adaptées aux traitements IA : Outscale (groupe Dassault Systèmes), OVHcloud et Thales (S3NS).

Dans un secteur régulé (santé, défense, finance, énergie) ou lorsque des contrats clients incluent des données soumises à un accord de confidentialité, le label SecNumCloud de l'hébergeur est une protection concrète. Le choix du modèle d'IA vient en second.

L'oeil de Shift IA : l'open source sans infrastructure souveraine ne change rien

L'effort de Mistral AI illustre ce que la souveraineté physique exige concrètement. En mars 2026, la société a emprunté 830 millions de dollars auprès de sept banques (dont Bpifrance, BNP Paribas et Crédit Agricole) pour financer l'achat de 13 800 puces Nvidia GB300 et la construction d'un datacenter de 44 MW à Bruyères-le-Châtel, en Essonne.

Mistral s'affranchit ainsi de la couche hébergement (la deuxième des trois niveaux de souveraineté). Mais ce n'est pas encore une souveraineté totale : les 13 800 puces GB300 installées dans ce datacenter sont fabriquées par Nvidia, entreprise américaine, gravées par TSMC sur des machines ASML dont l'export est contrôlé par Washington. Construire son propre datacenter déplace la dépendance : elle ne la supprime pas. C'est également une démonstration par l'absurde : pour être souverain sur son infrastructure, le champion français de l'IA a dû s'endetter lourdement pour acheter des puces américaines, fabriquées à Taïwan, sur des machines néerlandaises soumises à un embargo américain. La souveraineté totale n'existe pas encore : elle se construit par couches.

La confusion la plus répandue est celle-ci : la plupart des organisations confondent l'affranchissement logiciel (ne plus dépendre d'un éditeur pour les mises à jour et les tarifs) avec la souveraineté des données (garantir que les informations traitées restent hors de portée des juridictions étrangères). L'open source résout le premier problème. Il ne touche pas au second.

La dépendance au hardware est le borgne de ce débat. On parle beaucoup de la licence des modèles, presque jamais des puces qui les font tourner. Or c'est là que la dépendance est la plus structurelle et la plus difficile à corriger à court terme. L'Europe n'a pas de fondeur de semi-conducteurs capable de produire des GPU pour l'IA à grande échelle. L'initiative américaine d'encadrer les exportations d'ASML a montré que même l'industrie européenne de la fabrication de puces peut être instrumentalisée comme levier géopolitique.

La recommandation est simple : avant d'évaluer la licence d'un modèle d'IA, auditer l'hébergement des outils en place. La bonne question à poser à chaque outil n'est pas "ce modèle est-il open source ?", mais "sur quels serveurs mes données transitent-elles, et sous quelle juridiction ces serveurs opèrent-ils ?". Adopter DeepSeek sans changer d'hébergeur, c'est changer d'étiquette sur la boîte, pas changer de situation.