Depuis trois ans, le récit dominant sur la souveraineté numérique française tient en une phrase : nous avons enfin nos champions. Mistral AI est valorisée à plusieurs milliards d'euros, déployée auprès d'un million d'agents publics, et présentée comme la preuve que l'Europe peut rivaliser avec les géants américains. Le problème, c'est que cette victoire industrielle masque une réalité opérationnelle têtue. Selon une étude conjointe du Cigref et de l'Institut Montaigne publiée cet été, 80% des dépenses cloud européennes continuent de profiter à des acteurs américains, et 70% des données françaises restent hébergées hors des frontières de l'Union. Avoir un modèle d'IA né en France ne dit rien de l'endroit où transitent, séjournent et sont traitées les données qu'on lui confie. C'est cette confusion qu'il faut déplier.
Le modèle n'est qu'un maillon de la chaîne
La souveraineté d'un système d'IA ne se joue pas au moment où l'utilisateur tape sa requête. Elle se joue en amont, dans l'infrastructure qui héberge le modèle, dans les couches d'orchestration qui préparent les données avant de les envoyer, et dans les journaux techniques qui conservent une trace de chaque échange. Une entreprise peut très bien interroger un modèle français hébergé sur un cloud américain, via une API dont les métadonnées transitent par des serveurs soumis au Cloud Act. Dans ce scénario, le choix du modèle est souverain ; le traitement des données ne l'est pas. Le baromètre 2026 de La Gazette IA sur les LLM open-weight le rappelle d'ailleurs à sa manière : la souveraineté d'un modèle se mesure à la possibilité de l'auditer, de l'héberger et de l'exécuter soi-même. Trois conditions rarement réunies simultanément par les organisations qui se contentent de changer de fournisseur de modèle sans revoir leur architecture de données.
Le Cloud Act américain, en vigueur depuis 2018, autorise les autorités des États-Unis à réclamer l'accès à des données hébergées par des entreprises américaines, y compris lorsque ces données se trouvent physiquement sur le sol européen. Ce texte, largement ignoré du grand public, structure pourtant silencieusement une bonne partie des flux de données professionnelles françaises. Un cabinet d'avocats, un service RH ou un cabinet comptable qui confie des dossiers à un outil d'IA doit donc se poser une question plus précise que « quel modèle j'utilise ? » : par quelles infrastructures mes données transitent-elles, et sous quelle juridiction ?
Ce déséquilibre tient aussi à l'étroitesse du marché. Mistral concentre l'essentiel de l'attention et des financements du côté français, mais reste, à l'échelle mondiale, un acteur modeste avec environ 400 millions de dollars de revenus annualisés courant 2026, loin des géants américains auxquels elle tente de faire concurrence. En dehors de Cohere, entreprise canadienne qui a annoncé début 2026 une fusion avec l'allemand Aleph Alpha pour créer un acteur transatlantique, peu de concurrents non-américains pèsent aujourd'hui significativement sur le segment des modèles génériques de pointe. Faute d'alternative française ou européenne suffisamment mature sur les couches cloud et orchestration, la grande majorité des quelque mille startups IA françaises recensées début 2026 continuent, elles, de construire leurs produits sur AWS, Azure ou Google Cloud. Mistral porte quasiment seule l'offensive souveraine côté modèles ; en l'absence de concurrents crédibles sur le reste de la chaîne d'infrastructure, la dépendance documentée par le Cigref n'a, mécaniquement, guère de raison de reculer.
Cette concentration sur un acteur unique pose en elle-même un problème de résilience. Une stratégie de souveraineté qui repose sur une seule entreprise, aussi solide soit-elle, expose l'ensemble de l'écosystème européen aux aléas propres à cette entreprise : choix stratégiques, tension de financement, rachat par un acteur étranger, ou simple réorientation commerciale. Favoriser l'émergence de plusieurs concurrents crédibles à Mistral, sur le modèle comme sur l'infrastructure cloud et d'orchestration qui l'entoure, réduirait ce risque de point de défaillance unique, tout en installant une pression concurrentielle sur les prix et les conditions d'hébergement. Deux leviers dont bénéficieraient directement les organisations soucieuses de diversifier leurs fournisseurs sans sacrifier la conformité RGPD.
Une hybridation plus réaliste que l'autonomie totale
Face à ce constat, l'idée d'une souveraineté « totale » (tout héberger, tout exécuter, tout auditer en interne) relève largement du fantasme pour la majorité des organisations, notamment les plus petites structures qui n'ont ni les moyens ni l'expertise pour opérer leur propre infrastructure. La tendance qui se dessine en 2026 est plutôt celle d'une hybridation assumée : cartographier les usages selon leur niveau de sensibilité, réserver les traitements les plus critiques à des environnements souverains ou à des méthodes qui neutralisent la donnée identifiante avant qu'elle ne quitte le périmètre de l'organisation, et accepter des solutions plus génériques pour les usages qui ne présentent pas de risque de confidentialité.
Cette approche déplace la question. Elle ne demande plus « quel modèle d'IA choisir ? » mais « quelles données ai-je le droit d'exposer, et sous quelle forme ? ». Une donnée pseudonymisée en amont, avant même d'atteindre l'API d'un modèle, réduit mécaniquement l'exposition juridique et géopolitique de l'organisation, quel que soit le pays d'hébergement du modèle sollicité ensuite. C'est une logique de défense en profondeur plutôt qu'une quête illusoire d'autarcie numérique. Le Forum économique mondial, dans son récent GovTech Compass, pousse d'ailleurs les États eux-mêmes vers ce type d'arbitrage pragmatique plutôt que vers une souveraineté dogmatique et coûteuse.
Pour conclure, reste une question que peu d'organisations se posent frontalement : combien sont-elles à avoir réellement audité, au-delà du nom du modèle affiché sur leur contrat, le trajet effectif de leurs données jusqu'à l'inférence ? Tant que cette cartographie n'existe pas, le débat sur la souveraineté de l'IA française restera largement symbolique : une bannière tricolore posée sur une infrastructure dont personne, en interne, ne sait vraiment où elle se trouve.