7 Min. de lecture<\/p>\n
L’intelligence artificielle devient pour les entreprises une question d’infrastructure strat\u00e9gique. Dans l’\u00e9change avec Alexander Hendorf, consultant en IA et expert Open Source, un constat s’impose : qui veut ma\u00eetriser l’IA doit \u00eatre en mesure de comprendre, d’exploiter et de contr\u00f4ler ce qui se passe dans son propre syst\u00e8me. L’Open Source n’est alors pas une option secondaire, mais une condition sine qua non pour le contr\u00f4le, la capacit\u00e9 op\u00e9rationnelle et la comp\u00e9titivit\u00e9 \u00e0 long terme.<\/strong><\/p>\n Les points cl\u00e9s en bref<\/p>\n Articles connexes :<\/span>Le Platform Engineering n’est plus un projet DevEx<\/a> \/<\/span> SAP Sovereign Cloud France<\/a><\/p>\n Le 3 juin 2026, la Commission europ\u00e9enne a pr\u00e9sent\u00e9 son European Tech Sovereignty Package : un ensemble comprenant le Chips Act 2.0, un Cloud and AI Development Act et une strat\u00e9gie d\u00e9di\u00e9e \u00e0 l’Open Source. Le Cloud and AI Development Act pr\u00e9vu doit \u00e9tablir des niveaux de souverainet\u00e9 gradu\u00e9s pour les charges de travail sensibles et d\u00e9velopper la capacit\u00e9 europ\u00e9enne des centres de donn\u00e9es. La strat\u00e9gie Open Source consid\u00e8re explicitement les logiciels ouverts comme un levier pour r\u00e9duire la d\u00e9pendance envers les pays tiers dans les domaines du cloud, de l’IA et de la cybers\u00e9curit\u00e9.<\/p>\n Pour Hendorf, la direction est bonne, mais le focus reste incomplet. La capacit\u00e9 seule ne cr\u00e9e pas de contr\u00f4le. L’essentiel est de savoir si les entreprises et les administrations peuvent comprendre, exploiter et auditer les syst\u00e8mes qui tournent sur cette infrastructure.<\/p>\n \u00ab Les goulots d’\u00e9tranglement europ\u00e9ens ne se limitent pas aux mod\u00e8les ou aux centres de donn\u00e9es. Le v\u00e9ritable frein en Europe r\u00e9side dans la capacit\u00e9 \u00e0 concevoir des syst\u00e8mes IA de mani\u00e8re ma\u00eetris\u00e9e, \u00e0 les exploiter \u00e0 l’\u00e9chelle, \u00e0 les \u00e9valuer en toute s\u00e9curit\u00e9 et \u00e0 les adapter \u00e0 des cas d’usage pr\u00e9cis : en local, de mani\u00e8re ind\u00e9pendante des \u00e9diteurs et sur la base de l’Open Source. Seuls les mod\u00e8les et logiciels ouverts permettent d’appr\u00e9hender, d’auditer, d’ajuster et de g\u00e9rer en interne des syst\u00e8mes IA. Les bo\u00eetes noires propri\u00e9taires \u00e9chappent \u00e0 tout contr\u00f4le souverain. \u00bb<\/p>\n Alexander Hendorf, expert en IA et responsable du groupe de travail Open Source au sein de la f\u00e9d\u00e9ration allemande de l’IA, dans sa prise de position sur le paquet europ\u00e9en de souverainet\u00e9 technologique<\/p>\n<\/div>\n Qu\u2019est-ce que l\u2019autonomie en IA ?<\/strong> L\u2019autonomie en IA d\u00e9crit la capacit\u00e9 d\u2019une entreprise \u00e0 choisir, int\u00e9grer, exploiter et v\u00e9rifier elle-m\u00eame des syst\u00e8mes d\u2019IA. Cela inclut le contr\u00f4le des flux de donn\u00e9es, des mod\u00e8les, de l\u2019infrastructure, de la qualit\u00e9, de la s\u00e9curit\u00e9 et des chemins d\u2019\u00e9change. Ce qui compte, ce n\u2019est pas le nom du mod\u00e8le, mais sa capacit\u00e9 op\u00e9rationnelle.<\/p>\n Beaucoup d\u2019entreprises d\u00e9battent actuellement de l\u2019autonomie en IA, des mod\u00e8les europ\u00e9ens comme Mistral ou de l\u2019utilisation du logiciel libre. Il ne s\u2019agit plus seulement de quelques applications ou chatbots. L\u2019IA s\u2019inscrit d\u00e9sormais profond\u00e9ment dans les processus m\u00e9tier, les plateformes de donn\u00e9es et les architectures cloud : de l\u2019analyse des contrats \u00e0 la communication client en passant par la recherche interne de connaissances.<\/p>\n M\u00eame lors de conf\u00e9rences sur l\u2019IA comme la PyCon DE et PyData, ce changement est visible. Ces \u00e9v\u00e9nements portent d\u00e9sormais moins sur les mod\u00e8les et les frameworks, mais davantage sur des sujets tels que les agents d\u2019IA, les standards API, les architectures de donn\u00e9es et l\u2019ing\u00e9nierie logicielle. C\u2019est pourquoi la question se d\u00e9place de la s\u00e9lection du mod\u00e8le vers la capacit\u00e9 op\u00e9rationnelle.<\/p>\n Le d\u00e9bat autour de l\u2019autonomie en IA est souvent men\u00e9 de mani\u00e8re trop unilat\u00e9rale. On a souvent l\u2019impression que les entreprises doivent n\u00e9cessairement choisir entre cloud et on-premise. Selon Hendorf, cette vision est trop r\u00e9ductrice.<\/p>\n Il est plut\u00f4t essentiel de savoir si les entreprises comprennent et ma\u00eetrisent leur infrastructure, ind\u00e9pendamment de son emplacement. Celui qui s\u2019appuie uniquement sur des hyperscalers et des fournisseurs SaaS risque rapidement de tomber dans diff\u00e9rentes d\u00e9pendances : les versions de mod\u00e8les changent sans pr\u00e9avis, les prix et quotas sont ajust\u00e9s unilat\u00e9ralement, les flux de donn\u00e9es atterrissent dans des r\u00e9gions non approuv\u00e9es par les \u00e9quipes conformit\u00e9. En revanche, un d\u00e9ploiement local n\u2019a de sens que si les comp\u00e9tences n\u00e9cessaires existent en interne.<\/p>\n \u00ab Le logiciel n\u2019est pas l\u2019actif, il est disponible partout. M\u00eame les hyperscalers utilisent du logiciel libre et le promeuvent activement \u00bb, explique Hendorf. \u00ab L\u2019actif, c\u2019est la capacit\u00e9 op\u00e9rationnelle : comprendre un syst\u00e8me, le mettre en place soi-m\u00eame et, si besoin, passer d\u2019un cloud \u00e0 une propre infrastructure mat\u00e9rielle. C\u2019est exactement ce skillset qui manque chez beaucoup. \u00bb<\/p>\n Ce que cette capacit\u00e9 op\u00e9rationnelle signifie concr\u00e8tement peut se mesurer \u00e0 un terme qui est d\u00e9j\u00e0 standard dans les cercles techniques, mais rarement mentionn\u00e9 en direction g\u00e9n\u00e9rale : la Harness. Il s\u2019agit d\u2019un environnement de test et d\u2019\u00e9valuation propre \u00e0 l\u2019entreprise, o\u00f9 chaque mod\u00e8le d\u2019IA est syst\u00e9matiquement test\u00e9 contre ses propres cas d\u2019application, des \u00e9chantillons de donn\u00e9es et des crit\u00e8res de qualit\u00e9 avant d\u2019\u00eatre mis en production.<\/p>\n \u00ab La Harness est v\u00e9ritablement l\u2019actif \u00bb, affirme Hendorf. \u00ab C\u2019est le garde-fou pour les changements de mod\u00e8les et les mises \u00e0 jour. Sans elle, tout changement devient un vol au noir. On d\u00e9couvre seulement plusieurs semaines plus tard en exploitation si le nouveau mod\u00e8le fait encore exactement ce que le pr\u00e9c\u00e9dent faisait. Avec elle, le changement devient une d\u00e9cision technique routini\u00e8re. \u00bb<\/p>\n Cette lacune repr\u00e9sente l\u2019une des plus grandes faiblesses des entreprises souhaitant changer de fournisseur ou mettre \u00e0 jour un mod\u00e8le. Celui qui n\u2019a pas sa propre Harness doit se fier aux annonces des notes de version et y croire pendant l\u2019exploitation en cours.<\/p>\n Les mod\u00e8les, les frameworks et les composants d’infrastructure sont aujourd’hui aussi largement disponibles qu’ils ne l’ont jamais \u00e9t\u00e9 : des mod\u00e8les linguistiques ouverts comme Llama ou Mistral, en passant par des serveurs d’inf\u00e9rence tels que vLLM et Ollama, jusqu’aux bases de donn\u00e9es vectorielles pour la recherche interne du savoir. Cela d\u00e9place ainsi la d\u00e9bats sur l’intelligence artificielle loin de la simple question de qui dispose du mod\u00e8le le plus performant. Ce qui devient d\u00e9sormais plus important, c’est de savoir qui peut comprendre, adapter et g\u00e9rer fiablement les syst\u00e8mes d’intelligence artificielle.<\/p>\n La distance par rapport \u00e0 la pointe propri\u00e9taires se r\u00e9duit. Hendorf fait r\u00e9f\u00e9rence aux estimations issues du milieu PyCon, selon lesquelles les mod\u00e8les commerciaux sont g\u00e9n\u00e9ralement seulement quelques mois, et non plusieurs ann\u00e9es, devant les alternatives ouvertes. Pour les entreprises, cela repr\u00e9sente un changement pertinent : elles peuvent de plus en plus configurer, exploiter localement, int\u00e9grer dans leurs processus et contr\u00f4ler davantage les syst\u00e8mes d’intelligence artificielle. Cette nouvelle libert\u00e9 accro\u00eet cependant \u00e9galement la responsabilit\u00e9 au sein de leur propre organisation.<\/p>\n Dans la mesure o\u00f9 l’open source n’\u00e9limine pas automatiquement la d\u00e9pendance vis-\u00e0-vis des fournisseurs individuels, il transf\u00e8re les exigences. Qui souhaite utiliser une intelligence artificielle ouverte doit avoir des comp\u00e9tences techniques, des d\u00e9cisions architecturales claires, une gouvernance et la capacit\u00e9 \u00e0 \u00e9valuer de mani\u00e8re r\u00e9aliste la qualit\u00e9, la s\u00e9curit\u00e9 et les co\u00fbts d’exploitation.<\/p>\n Cela met en lumi\u00e8re une question qui, dans le brouhaha autour des mod\u00e8les europ\u00e9ens ou am\u00e9ricains, est souvent occult\u00e9e : selon quels crit\u00e8res les entreprises devraient-elles choisir un syst\u00e8me d’intelligence artificielle ? Ce qui compte moins encore est la provenance d’un mod\u00e8le, mais plut\u00f4t s’il convient au cas concret d’application, \u00e0 la base de donn\u00e9es existante, aux exigences r\u00e9glementaires et \u00e0 sa faisabilit\u00e9 d’exploitation.<\/p>\n \u00ab La d\u00e9cision sur quel mod\u00e8le disponible aujourd’hui une entreprise utilise d\u00e9pend non pas de son origine, mais de son application \u00bb, explique Hendorf. \u00ab Les mod\u00e8les chinois, comme ceux de DeepSeek ou Qwen, appartiennent techniquement \u00e0 la pointe, sont ouverts et accessibles, et sont souvent comparables ou sup\u00e9rieurs aux mod\u00e8les open-source occidentaux. Le fait que leurs donn\u00e9es d’entra\u00eenement soient politiquement filtr\u00e9es n\u2019est pas un crit\u00e8re d\u00e9cisif pour la plupart des cas d\u2019utilisation d\u2019entreprise, comme l\u2019analyse de contrats, la recherche de connaissances ou la classification. Le biais existe dans chaque mod\u00e8le. La question pertinente n\u2019est pas d’o\u00f9 il vient, mais si on peut le ma\u00eetriser dans son application sp\u00e9cifique. \u00bb<\/p>\n Comme le montre un exemple pratique dans le domaine financier, cette question est devenue extr\u00eamement pertinente. Un gestionnaire d’actifs souhaitait entra\u00eener ses propres mod\u00e8les d’intelligence artificielle et pensait initialement \u00e0 une solution cloud. Toutefois, dans un environnement hautement r\u00e9glement\u00e9, les processus de gouvernance et de conformit\u00e9 auraient pris entre 12 et 24 mois. Pendant cette p\u00e9riode, de nombreux projets sont report\u00e9s avant m\u00eame d’\u00eatre mis en production.<\/p>\n Apr\u00e8s analyse du cas d’utilisation r\u00e9el, la d\u00e9cision a pris une autre direction : au lieu d’utiliser un grand mod\u00e8le g\u00e9n\u00e9raliste, une solution nettement plus petite a \u00e9t\u00e9 d\u00e9velopp\u00e9e, bas\u00e9e sur un serveur interne et deux GPU de consommation Nvidia dans un r\u00e9seau s\u00e9curis\u00e9. Selon Hendorf et son \u00e9quipe, elle a \u00e9t\u00e9 mise en production en quatre semaines.<\/p>\n L’effet : la solution globale a co\u00fbt\u00e9 moins de six mois d’exploitation cloud. En m\u00eame temps, les employ\u00e9s ont pu imm\u00e9diatement utiliser le syst\u00e8me, sans attendre des autorisations longues et lourdes.<\/p>\n Pour Hendorf, cet exemple illustre un probl\u00e8me fondamental de nombreux projets d’intelligence artificielle. Les entreprises s’orientent souvent vers une maximisation de l’\u00e9chelle, alors que leurs besoins sont bien plus sp\u00e9cialis\u00e9s : \u00ab N’importe quel cas d’utilisation n’a pas besoin d’un Porsche, parfois un v\u00e9lo \u00e0 p\u00e9dales suffit. \u00bb Les mod\u00e8les plus petits, avec quelques milliards de param\u00e8tres, peuvent \u00eatre plus efficaces, moins co\u00fbteux et plus facilement contr\u00f4lables pour des t\u00e2ches clairement d\u00e9finies que les grands syst\u00e8mes universels. Et ils s’ex\u00e9cutent sur de l’hardware que l’entreprise poss\u00e8de elle-m\u00eame.<\/p>\n Avec l’\u00e9mergence des agents d’IA, cette tendance s’accentue davantage. Les agents acc\u00e8dent aux donn\u00e9es, utilisent des API et automatisent les processus. Pour cela, ils ont besoin d’environnements techniques structur\u00e9s.<\/p>\n Les solutions en silo d\u00e9velopp\u00e9es au fil du temps, les interfaces mal document\u00e9es et les paysages d’outils complexes deviennent ainsi de plus en plus probl\u00e9matiques. Selon Hendorf, les agents d’IA fonctionnent nettement mieux avec des API standardis\u00e9es et des structures de donn\u00e9es coh\u00e9rentes. De nouveaux standards ouverts comme le Model Context Protocol exigent que les syst\u00e8mes sous-jacents soient proprement document\u00e9s et accessibles. Lorsque cela fait d\u00e9faut, les agents n’\u00e9chouent pas \u00e0 cause du mod\u00e8le, mais \u00e0 cause de l’architecture interne.<\/p>\n Cela contraint les entreprises \u00e0 r\u00e9\u00e9valuer leur infrastructure. L’Open Source peut aider, car les syst\u00e8mes deviennent plus transparents et plus flexibles. Cependant, sans une architecture propre et un bon Software Engineering, une nouvelle complexit\u00e9 appara\u00eet rapidement.<\/p>\n Sur le plan de la s\u00e9curit\u00e9 et de la protection des donn\u00e9es, Hendorf rel\u00e8ve \u00e9galement de nombreux malentendus. L’Open Source ne serait pas automatiquement s\u00fbr. Quiconque t\u00e9l\u00e9charge un mod\u00e8le depuis un hub en ligne sans en v\u00e9rifier la provenance importe la m\u00eame logique de risque que pour toute autre cha\u00eene d’approvisionnement logicielle. Dans le m\u00eame temps, une infrastructure locale n’est pas intrins\u00e8quement plus risqu\u00e9e que des environnements Cloud complexes aux flux de donn\u00e9es difficiles \u00e0 tracer.<\/p>\n Pour les donn\u00e9es sensibles en particulier, les r\u00e9seaux internes s\u00e9curis\u00e9s peuvent pr\u00e9senter des avantages. Le contr\u00f4le d’acc\u00e8s, la gouvernance et l’architecture technique restent toutefois d\u00e9cisifs. Cela soul\u00e8ve aussi la question de savoir qui, en cas de doute, sera capable de retracer de mani\u00e8re forensique les donn\u00e9es qu’un mod\u00e8le a trait\u00e9es, et \u00e0 quel moment.<\/p>\n L’IA transforme ainsi le r\u00f4le des \u00e9quipes IT et de s\u00e9curit\u00e9. Elles doivent permettre l’innovation tout en garantissant que les entreprises conservent le contr\u00f4le sur leurs donn\u00e9es, leurs mod\u00e8les et leurs processus.<\/p>\n Le d\u00e9bat sur l’IA Open Source est donc bien plus qu’une simple question de mod\u00e8le. Les entreprises doivent d\u00e9cider \u00e0 quel point elles souhaitent \u00eatre d\u00e9pendantes des plateformes externes \u00e0 l’avenir et quelles connaissances techniques et organisationnelles elles doivent d\u00e9velopper en interne.<\/p>\n Les plateformes Cloud et les mod\u00e8les propri\u00e9taires continueront de jouer un r\u00f4le important. Parall\u00e8lement, l’importance de la capacit\u00e9 op\u00e9rationnelle propre ne cesse de cro\u00eetre. C’est pr\u00e9cis\u00e9ment l\u00e0 que Hendorf voit le v\u00e9ritable fondement de la souverainet\u00e9 num\u00e9rique.<\/p>\n La situation r\u00e9glementaire vient par ailleurs exacerber ce d\u00e9bat. L’EU AI Act classe certaines applications d’IA, par exemple dans les ressources humaines, l’octroi de cr\u00e9dits ou les infrastructures critiques, comme \u00e9tant \u00e0 haut risque et exige des flux de donn\u00e9es tra\u00e7ables, des d\u00e9cisions de mod\u00e8les document\u00e9es et des processus d’exploitation auditables.<\/p>\n Autrement dit : quiconque souhaite utiliser l’IA de mani\u00e8re strat\u00e9gique \u00e0 long terme a besoin non seulement d’acc\u00e9der aux mod\u00e8les, mais aussi de contr\u00f4ler l’infrastructure sous-jacente.<\/p>\n Trois questions \u00e0 se poser avant toute nouvelle initiative d’IA<\/p>\n Quiconque est incapable de r\u00e9pondre \u00e0 ces questions en l’espace d’une journ\u00e9e n’a pas un probl\u00e8me de mod\u00e8le, mais un probl\u00e8me d’architecture. C’est l\u00e0 que commence le v\u00e9ritable travail vers une IA souveraine.<\/p>\n L’IA souveraine signifie qu’une entreprise peut contr\u00f4ler ses mod\u00e8les, ses flux de donn\u00e9es, la qualit\u00e9 et les op\u00e9rations. L’emplacement \u00e0 lui seul ne suffit pas \u00e0 trancher. Une solution cloud peut \u00e9galement \u00eatre souveraine si l’architecture, la gouvernance et les chemins de migration sont ma\u00eetris\u00e9s.<\/p>\n<\/details>\n Un harness teste les mod\u00e8les par rapport aux cas d’usage et aux crit\u00e8res de qualit\u00e9 propres \u00e0 l’entreprise. Sans cet environnement de test, tout changement de mod\u00e8le reste risqu\u00e9, car les \u00e9carts ne deviennent souvent visibles qu’en environnement de production.<\/p>\n<\/details>\n De nombreux cas d’usage en entreprise n’ont pas besoin d’un grand mod\u00e8le g\u00e9n\u00e9rique. Des mod\u00e8les plus petits et sp\u00e9cialis\u00e9s peuvent s’av\u00e9rer moins co\u00fbteux, plus rapides et plus faciles \u00e0 contr\u00f4ler pour des t\u00e2ches clairement d\u00e9limit\u00e9es.<\/p>\n<\/details>\n Plus d’articles du r\u00e9seau MBF Media<\/p>\n\n
Le paquet europ\u00e9en mise sur l’Open Source, le goulot d’\u00e9tranglement se trouve ailleurs<\/h2>\n
L\u2019autonomie en IA commence par l\u2019infrastructure<\/h2>\n
Le choix entre cloud et on-premise est la mauvaise question<\/h2>\n
Open Source change la donne<\/h2>\n
Pourquoi les solutions plus petites sont souvent plus pertinentes<\/h2>\n
Les agents d’IA accentuent la pression sur l’organisation<\/h2>\n
La s\u00e9curit\u00e9 ne va pas de soi<\/h2>\n
L’infrastructure devient un avantage concurrentiel<\/h2>\n
\n
Foire aux questions<\/h2>\n
Qu’est-ce qui distingue l’IA souveraine de l’IA cloud classique ?<\/strong><\/summary>\n
Pourquoi un harness d\u00e9di\u00e9 est-il si important ?<\/strong><\/summary>\n
Pourquoi des configurations on-premise plus petites suffisent-elles souvent ?<\/strong><\/summary>\n