Les modèles d'IA chinois à poids ouverts mettent au défi le calcul de souveraineté européen

Les entreprises européennes testent discrètement une proposition qui aurait semblé contradictoire il y a deux ans : les modèles d'intelligence artificielle chinois, exécutés sur leurs propres serveurs, pourraient en réalité renforcer la souveraineté technologique du continent plutôt que de la saper. L'argument, avancé par des consultants et des fournisseurs d'infrastructure, repose sur une distinction entre l'origine d'un modèle et son lieu d'exécution, distinction que le cadre réglementaire de Bruxelles n'a pas encore pleinement intégrée.

Ce basculement est porté par la maturation des modèles de fondation chinois à poids ouverts, des systèmes dont les paramètres sous-jacents sont publiés et téléchargeables, permettant à toute organisation de les héberger, les affiner et les exploiter sans dépendre en continu du développeur d'origine. Les modèles d'entreprises telles que Zhipu AI, Moonshot AI et la série Qwen soutenue par Alibaba ont comblé une grande partie de l'écart de performance avec les systèmes propriétaires américains de premier plan, tout en coûtant une fraction du prix à l'exécution à grande échelle.

Le paradoxe de la souveraineté

Volker Pfirsching, associé basé à Munich au cabinet de conseil en management Arthur D. Little, a articulé la tension fondamentale lors d'un entretien cette semaine. "Un modèle à poids ouverts développé en Chine, opéré sur une infrastructure européenne, avec des données restant sous le contrôle de l'entreprise, peut sous certains aspects offrir une plus grande souveraineté opérationnelle que la consommation d'un modèle étranger propriétaire qui peut être modifié, repréché ou retiré à distance", a-t-il déclaré. L'observation va à contre-courant de la politique européenne, qui a tendance à assimiler la souveraineté technologique à la nationalité du fournisseur.

Le point de Pfirsching est opérationnel, non politique. Une entreprise européenne utilisant GPT-4o d'OpenAI ou Claude d'Anthropic via API n'a aucun contrôle sur les versions du modèle, la tarification, la disponibilité ou les conditions de traitement des données. Le fournisseur américain peut déprécier un point de terminaison, augmenter les prix ou modifier le comportement avec un préavis minimal. En revanche, un modèle à poids ouverts, qu'il soit d'origine chinoise, française ou américaine, téléchargé sur des serveurs à Francfort ou Paris, géré par du personnel européen, soumis au droit européen de protection des données, et affiné sur des données propriétaires ne quittant jamais les lieux, donne à l'organisation déploiante un contrôle technique total.

Poids ouverts versus open source : une distinction cruciale

L'industrie utilise l'expression "poids ouverts" précisément parce que ces modèles ne sont pas open source au sens traditionnel. Les données d'entraînement, le code d'entraînement et souvent la méthodologie restent propriétaires. Ce qui est publié, ce sont les paramètres du modèle, les milliards de poids numériques qui définissent son comportement. Cela suffit pour l'inférence et l'affinage, mais pas pour une reproductibilité totale ou un audit indépendant du processus d'entraînement. Pour les entreprises européennes, la distinction importe : elles gagnent l'autonomie de déploiement mais pas la transparence de la chaîne d'approvisionnement.

Les laboratoires chinois ont été notamment agressifs dans la publication de modèles à poids ouverts. La série GLM de Zhipu AI, Kimi de Moonshot et la famille Qwen d'Alibaba ont tous publié des poids sous licences permissives autorisant l'usage commercial. Les homologues occidentaux ont été plus prudents : la série Llama de Meta est la famille à poids ouverts la plus éminente issue d'une entreprise américaine, tandis que la startup française Mistral AI a publié plusieurs modèles sous licence Apache 2.0. Les publications chinoises ont accéléré une dynamique concurrentielle qui profite aux adopteurs européens : plus de choix, coûts moindres, innovation plus rapide.

Le cadre réglementaire de Bruxelles tire dans le sens inverse

L'approche de l'Union européenne en matière de souveraineté de l'IA a été façonnée par le règlement sur l'IA, entré en vigueur en août 2024 et qui classe les systèmes par risque plutôt que par origine. Le règlement impose des obligations aux fournisseurs et déployeurs de systèmes d'IA à haut risque, notamment en matière de transparence, de gouvernance des données et de surveillance humaine. Il ne restreint pas la nationalité des fournisseurs de modèles de fondation. Cependant, la rhétorique politique qui l'accompagne, de la communication 2021 de la Commission européenne sur les "dépendances et capacités stratégiques" à la stratégie européenne de sécurité économique 2023, a systématiquement présenté les dépendances critiques vis-à-vis de technologies non européennes comme des vulnérabilités à réduire.

Cela crée un décalage de politique. La loi est agnostique quant à l'origine ; la stratégie est sensible à l'origine. Un fabricant allemand déployant un modèle Qwen affiné sur sa propre infrastructure se conforme aux obligations de déployeur du règlement sur l'IA. Mais ce même fabricant peut se trouver en contradiction avec des directives d'achat pour les infrastructures critiques, la défense ou les marchés publics qui privilégient implicitement ou explicitement la technologie d'origine européenne. Les objectifs de la Décennie numérique de la Commission européenne incluent 75 % d'entreprises européennes utilisant l'IA d'ici 2030, mais la boîte à outils politique pour y parvenir, le financement de modèles de fondation européens via Horizon Europe, l'initiative Usines d'IA, l'entreprise commune EuroHPC, suppose que la solution réside dans des modèles développés en Europe.

La dépendance de la chaîne d'approvisionnement qui ne disparaît pas

L'argument de Pfirsching a un angle mort : les modèles à poids ouverts ne sont pas des artefacts statiques. Ils nécessitent des mises à jour, des correctifs de sécurité, des améliorations de performance, des corrections de compatibilité pour le nouveau matériel, des extensions pour de nouvelles modalités. L'organisation qui a entraîné le modèle contrôle la feuille de route. Une entreprise européenne hébergeant un modèle chinois aujourd'hui gagne une autonomie opérationnelle mais hérite d'une dépendance vis-à-vis des futures décisions de publication du laboratoire chinois. Si le laboratoire cesse de publier des mises à jour, modifie les termes de licence, ou est dirigé par Pékin pour retenir les publications, le déployeur européen fait face à un dilemme : maintenir un modèle de plus en plus obsolète, investir massivement dans un développement indépendant continu, ou migrer.

Ce n'est pas hypothétique. Les contrôles à l'exportation américains sur les semi-conducteurs avancés, renforcés en octobre 2022 et à nouveau en 2023, ont démontré à quelle vitesse les dépendances matérielles peuvent être instrumentalisées. Les laboratoires chinois d'IA opèrent dans un environnement réglementaire où la loi sur la cybersécurité, la loi sur la sécurité des données et la loi sur la protection des informations personnelles accordent à l'État de larges pouvoirs d'accès et de direction. Les entreprises européennes adoptant des modèles de fondation chinois n'achètent pas simplement du logiciel ; elles entrent dans une relation à long terme avec une entité soumise à un ordre juridique et politique différent.

Des alternatives européennes existent mais font face à des défis d'échelle

L'écosystème européen n'est pas resté inactif. Mistral AI, fondée en 2023, a levé plus d'un milliard d'euros et publié des modèles compétitifs avec les systèmes de classe GPT-3.5. Aleph Alpha à Heidelberg a pivoté de l'entraînement de modèles de fondation vers l'infrastructure d'IA souveraine pour les gouvernements et les entreprises. L'entreprise commune EuroHPC a acquis des supercalculateurs de classe exascale, LUMI en Finlande, Leonardo en Italie, MareNostrum 5 en Espagne, explicitement pour entraîner de grands modèles de langage européens. L'initiative Usines d'IA, lancée en 2024, vise à coupler l'accès au calcul avec les données, les talents et le soutien aux startups.

Pourtant, l'écart en capital, densité de talents et échelle des données d'entraînement reste substantiel. Les laboratoires américains ont levé des dizaines de milliards ; les laboratoires chinois bénéficient de vastes marchés intérieurs et d'une allocation de calcul dirigée par l'État. Les ventures européennes opèrent sur un marché du capital fragmenté, avec des contraintes de protection des données plus strictes sur les données d'entraînement, et un environnement réglementaire qui, bien qu'harmonisé, ajoute une surcharge de conformité. Résultat : les modèles européens à poids ouverts accusent un retard de 12 à 18 mois sur la frontière, un écart qui paraît permanent aux entreprises prenant des décisions d'achat aujourd'hui.

Divergence sectorielle dans l'appétence à l'adoption

La volonté d'adopter des modèles chinois à poids ouverts varie fortement selon les secteurs. L'industrie manufacturière, la logistique et les éditeurs de logiciels du mid-market, secteurs où l'IA est un outil de productivité plutôt qu'un différenciateur stratégique, sont les plus ouverts. Ils valorisent le rapport coût-performance, la flexibilité de déploiement et la capacité à garder les données de processus propriétaires sur site. Les services financiers, les télécommunications et les industries proches de la défense restent prudents. Les régulateurs de ces secteurs, BaFin en Allemagne, ACPR en France, le bras de supervision de la BCE, n'ont pas émis de directives spécifiques sur l'origine des modèles de fondation, mais leurs attentes en matière de résilience de la chaîne d'approvisionnement et d'auditabilité défavorisent de fait les dépendances amont opaques.

Le secteur public est le cas le plus difficile. La loi Interopérable Europe de l'UE et les stratégies nationales de souveraineté numérique (le "Cloud de confiance" français, le "Sovereign Cloud" allemand) créent une présomption en faveur de piles technologiques d'origine européenne. Un ministère français déployant un modèle chinois, même sur des serveurs français, ferait face à un examen politique qu'un déploiement Mistral n'entraînerait pas. Ce n'est pas purement du protectionnisme ; cela reflète une préférence démocratique légitime pour des chaînes d'approvisionnement responsables dans des systèmes qui médiatisent les interactions citoyen-État.

La voie médiane émergente : distillation de modèles et données synthétiques

Une solution technique de contournement gagne du terrain. Les entreprises européennes utilisent des modèles chinois (et américains) à poids ouverts comme enseignants, générant des données d'entraînement synthétiques, annotant des jeux de données et produisant des modèles distillés plus petits qui héritent des capacités sans le nombre de paramètres ni la dépendance amont. Un modèle de 7 milliards de paramètres distillé à partir d'un enseignant chinois de 72 milliards de paramètres peut tourner sur une infrastructure modeste, être pleinement possédé et éviter une dépendance continue vis-à-vis des publications de l'enseignant. Cette approche, parfois appelée "extraction de modèle" ou "distillation de connaissances", se situe dans une zone grise : elle exploite les capacités du modèle de frontière sans adopter sa chaîne d'approvisionnement.

La légalité n'est pas tranchée. La plupart des licences à poids ouverts autorisent la distillation pour usage interne ; certaines restreignent la redistribution commerciale de modèles dérivés. La directive proposée sur la responsabilité en matière d'IA et la révision de la directive sur la responsabilité du produit pourront éventuellement clarifier si un déployeur de modèle distillé porte la responsabilité des défauts ou biais amont. Pour l'instant, les entreprises avancent prudemment, documentant la lignée de chaque modèle dans leurs fiches de modèle et évaluations de risque.