L’intelligence artificielle franchit aujourd’hui l’étape de l’industrialisation. Au-delà des enjeux techniques, cette phase de passage à l’échelle soulève une question stratégique pour le continent européen : les conditions nécessaires à l’émergence d’une IA performante, autonome et digne de confiance.
Dans le cadre d’OUTSCALE EXPERIENCES 2026, Igor Caron (Co-fondateur, LightOn), Emmanuel Leroux (Directeur Général, Bull) et Mathieu Feuillet (CISO, Dassault Systèmes) ont partagé leurs visions sur les piliers de cette réussite européenne.
L'infrastructure au cœur de la souveraineté technologique
L’indépendance numérique ne peut être réelle sans une maîtrise totale de la chaîne de valeur. Emmanuel Leroux rappelle que la souveraineté passe impérativement par le contrôle du « compute », englobant aussi bien les composants physiques que les firmwares et les plateformes logicielles.
Actuellement, l’Europe subit une forte dépendance vis-à-vis des GPU étrangers et des aléas des chaînes d’approvisionnement mondiales. Pour y remédier, il est crucial de renforcer les capacités industrielles et de consolider des infrastructures propres au continent.
En définitive, sans une autonomie matérielle et logicielle solide, la capacité d’innovation européenne demeurera précaire et tributaire de décisions extérieures.
L’éthique comme levier de compétitivité
Loin d’être une simple contrainte, la confiance s’établit comme le moteur essentiel de l’adoption des technologies. Elle ne peut être imposée, mais doit se bâtir patiemment par des preuves concrètes.
Cette démarche se traduit chez Dassault Systèmes par un cadre rigoureux articulé autour de piliers fondamentaux : la primauté de la supervision humaine, la sécurité des systèmes, le respect strict de la propriété intellectuelle, ainsi que l’équité, la transparence et la responsabilité écologique.
Pour les acteurs économiques, l’interrogation dépasse désormais la faisabilité technique de l’IA pour se concentrer sur sa fiabilité. Répondre à cet enjeu nécessite d’apporter des assurances tangibles concernant la gestion des données, le contrôle effectif des processus décisionnels et la parfaite traçabilité des résultats obtenus.
Valoriser l’expertise métier par l’IA
L’efficacité d’une solution d’intelligence artificielle ne se mesure pas seulement à la sophistication de ses algorithmes, mais surtout à son aptitude à mobiliser le patrimoine informationnel des entreprises.
Comme le souligne Igor Caron, les besoins viennent d’abord du terrain : les métiers veulent des outils d’IA intégrés à l’entreprise, capables d’exploiter les connaissances internes et les données sensibles de manière sécurisée.
Pour répondre à ce défi de façon concrète, LightOn mise sur une architecture technique pensée pour l’usage réel des entreprises. L’idée n’est pas de mobiliser systématiquement des infrastructures lourdes et coûteuses, mais de privilégier des traitements plus sobres, notamment à base de processeurs CPU, lorsque cela suffit aux besoins métier.
Cette approche s’appuie aussi sur la méthodologie RAG, qui consiste à connecter le modèle d’IA aux documents et connaissances internes de l’organisation. Au lieu de dépendre uniquement de la puissance brute d’un grand modèle, l’IA va chercher l’information pertinente dans les sources de l’entreprise, puis la reformule de manière exploitable, traçable et contextualisée.
L’intérêt est double : d’un côté, on réduit fortement les coûts d’infrastructure et de calcul ; de l’autre, on améliore la pertinence des réponses, parce que le système s’appuie sur des données internes à jour. Cela permet de construire une IA plus abordable, plus facile à déployer à grande échelle et plus rentable pour les organisations.
Au-delà de la souveraineté : l’impératif de l’excellence
Si la souveraineté constitue un socle indispensable, elle ne saurait être une fin en soi.
Pour rivaliser avec les puissances américaine et chinoise, l’Europe doit impérativement concevoir des technologies dont la compétitivité rayonne à l’international. Cette ambition requiert de dépasser une simple posture défensive pour embrasser une véritable culture de la performance globale.
L’objectif fondamental ne réside plus seulement dans la protection de nos frontières numériques, mais dans la capacité à mettre sur le marché des solutions supérieures.
Prioriser les cas d'usage pour catalyser le déploiement
L’absence de cas d’usage concrets constitue un frein majeur, bien que fréquemment occulté, au développement de l’IA en Europe.
Au-delà du simple déficit d’infrastructure, le continent souffre d’une faiblesse dans l’appropriation réelle des outils technologiques. Puisque l’usage est le moteur de la demande, il devient le seul véritable garant de la rentabilité des investissements.
Plutôt que de se focaliser exclusivement sur l’augmentation des puissances de calcul, l’effort doit porter sur la conception d’applications métiers spécialisées, ancrées dans les besoins du monde de la recherche, de la santé ou de l’industrie.
L’architecture au service de l’autonomie stratégique
L’accession à l’indépendance ne repose pas sur l’utilisation d’un outil monolithique, mais sur le déploiement de structures intelligentes.
L’exemple de Dassault Systèmes met en lumière cette méthode : en orchestrant une multitude de modèles spécialisés dans laquelle chacun remplit un rôle déterminé, il devient possible de garantir des résultats de haut niveau. Cette approche limite drastiquement l’assujettissement à un prestataire unique.
Ce modèle d’organisation permet ainsi de concilier harmonieusement les impératifs de performance technique et les exigences de souveraineté.
La confiance, clé de voûte de l’IA européenne
L’émergence d’une intelligence artificielle européenne digne de confiance ne dépend pas d’un facteur isolé, mais d’une synergie d’impératifs : une infrastructure sous contrôle, un cadre éthique robuste, l’exploitation des données spécifiques aux entreprises, une pointe technologique affirmée et le développement d’usages concrets.
Le continent possède déjà le savoir-faire et les partenaires nécessaires pour remporter cette bataille. Le défi majeur consiste désormais à fédérer ces atouts derrière un objectif commun : forger une IA qui soit à la fois protectrice de notre souveraineté, performante sur le plan mondial et largement intégrée dans nos économies.
Enseignements clés
1. La souveraineté passe d’abord par la maîtrise de l’infrastructure
L’Europe ne peut pas prétendre à une IA autonome sans contrôler toute la chaîne technologique, du matériel (notamment les GPU) jusqu’aux logiciels. Aujourd’hui, la dépendance aux acteurs étrangers fragilise sa capacité d’innovation. La priorité est donc de renforcer les capacités industrielles et de bâtir des infrastructures propres, condition indispensable pour décider librement et innover durablement.
2. La confiance et l’éthique deviennent un avantage compétitif
L’IA européenne doit se différencier par sa fiabilité. Cela implique des garanties fortes : supervision humaine, sécurité, transparence, respect des données et de la propriété intellectuelle. L’enjeu n’est plus seulement de faire fonctionner l’IA, mais de prouver qu’elle est digne de confiance. Cette exigence peut devenir un levier de compétitivité face aux autres puissances.
3. L’impact dépend des usages concrets et de la performance
Au-delà de la souveraineté, l’Europe doit créer de la valeur réelle. Cela passe par des cas d’usage métier (industrie, santé, etc.), l’exploitation des données spécifiques des entreprises et des architectures efficaces (comme des modèles spécialisés plutôt qu’un seul modèle général). L’objectif est double : accélérer l’adoption et proposer des solutions compétitives à l’échelle mondiale.
Ces trois axes : infrastructure, confiance, usages forment ensemble le socle d’une IA européenne à la fois souveraine, crédible et performante.
