rapport d'information déposé en application de l'article 145 du règlement, par la commission des affaires économiques, en conclusion des travaux d'une mission d'information relative aux effets de l’intelligence artificielle sur l’activité économique et la compétitivité des entreprises françaises

La mission d’information relative aux effets de l’intelligence artificielle sur l’activité économique et la compétitivité des entreprises françaises est composée de :

Mme Emmanuelle Hoffman et Antoine Golliot, rapporteurs ;

MM. Charles Alloncle, Pascal Lecamp, Laurent Lhardit, René Pilato et Mme Danielle Simonnet, membres.

SOMMAIRE

Pages

1. liste des recommandations
2. introduction
3. I. une technologie d’intÉrêt Économique majeur pour les entreprises BIEN QU’AUX PRÉMICES DE SA DIFFUSION
4. A. une source d’innovations porteuses d’un profond renouvellement de l’activitÉ et des produits des entreprises
5. 1. Une offre de solutions techniques à l’origine d’un nouveau secteur économique
6. a. Des concepteurs de logiciels et infrastructures français pouvant prétendre à une envergure mondiale : Mistral, OVH
7. b. Un écosystème dynamique de start-up développant des procédés et applications spécifiques
8. 2. Cas d’usage de l’intelligence artificielle : vers une transformation différenciée des secteurs économiques
9. a. Dans le champ de la consommation : entre personnalisation, optimisation et recomposition des chaînes de valeur
10. b. IA et finance : une transformation en cours, entre promesses d’efficacité et défis de mise à l’échelle
11. c. Soigner mieux, soigner autrement ? Les promesses et les limites de l’IA dans le domaine de la santé
12. i. Un marché en expansion et une adoption croissante
13. ii. L’IA présente à toutes les étapes de soins
14. iii. IA et amélioration de la sécurité des patients
15. iv. IA générative et découverte de nouveaux médicaments
16. v. IA et santé mentale : suivi et prévention des troubles
17. vi. Obstacles et enjeux spécifiques de l’IA en santé
18. d. Dominer, protéger, encadrer : l’IA au cœur des rapports de force dans la défense et l’aéronautique
19. e. Automatiser, optimiser, sécuriser : l’IA à l’épreuve des réseaux télécoms
20. f. L’IA dans le droit : un outil d’assistance stratégique ou un facteur de rupture pour les professions juridiques ?
21. g. L’IA au champ : une révolution en germe entre promesse technologique et réalités agricoles contrastées
22. h. L’intelligence artificielle dans l’automobile : un potentiel industriel immense, freiné par une adoption encore fragmentée
23. 3. Une application susceptible de soutenir la productivité et ouvrant la voie à de profondes évolutions des organisations
24. a. Des gains déjà tangibles d’amélioration de l’efficacité au travail
25. b. De nouvelles perspectives ouvertes par l’agentification
26. c. L’IA et la robotique : vers des assistants polyvalents ?
27. B. des effets encore restreints ou inÉgaux À l’Échelle de l’appareil productif français
28. 1. Des effets macro-économiques peu perceptibles en l’état malgré le potentiel d’une véritable révolution industrielle
29. a. Un manque de recul et des difficultés d’évaluation statistique
30. b. Des effets ambivalents sur le PIB, la productivité globale des facteurs (PGF)
31. i. Une nouvelle révolution industrielle
32. ii. Un effet globalement positif mais toujours incertain
33. c. Les limites structurelles et l’hypothèse d’un effet transitoire
34. i. Un effet transitoire et limité ?
35. ii. Limites structurelles spécifiques à l’Union européenne au développement de l’intelligence artificielle
36. 2. Des disparités de développement au sein du tissu économique
37. a. Selon les secteurs d’activité
38. b. Selon la taille des entreprises
39. c. Des enjeux différenciés en matière de coûts
40. 3. L’appropriation de l’IA : un enjeu diversement identifié
41. a. Une proximité inégale des entreprises avec l’innovation en général et l’intelligence artificielle en particulier
42. b. La nécessité de favoriser la porosité entre le monde de la recherche et celui des entreprises
43. II. soutenIR LA VITALITÉ d’un Écosystème prometteur mais fragile, condition d’une offre compÉtitive et souveraine
44. A. Des acteurs nationaux à conforter face à une concurrence mondiale et dans leur leadership européen
45. 1. Une inégalité des armes face à des géants de la tech
46. a. Un leadership français dans l’IA et le cloud, mais un rapport de force inégal
47. b. Un écosystème dynamique mais insuffisamment protégé
48. c. Miser sur des IA spécialisées en complément du développement de l’écosystème européen
49. 2. Une nécessaire préservation de marchés contestables de l’intelligence artificielle : un enjeu stratégique pour l’Europe
50. a. Des barrières à l’entrée élevées et des positions dominantes consolidées
51. b. Les risques concurrentiels identifiés par l’Autorité de la concurrence
52. c. Un cadre réglementaire à adapter pour préserver des marchés contestables
53. i. Application stricte du droit de la concurrence aux acteurs en position dominante à l’échelle mondiale
54. ii. Assouplissement du cadre réglementaire pour protéger l’écosystème européen d’intelligence artificielle
55. 3. Mobiliser les leviers de la commande publique pour rééquilibrer les rapports de force
56. a. Des politiques proactives via la commande publique aux États-Unis et en Chine
57. b. Un cadre européen longtemps ouvert qui limite l’émergence de champions locaux
58. c. Faire de la préférence européenne le principe directeur des achats publics
59. i. Vers une « préférence européenne » dans la commande publique ? Un principe déjà acté
60. ii. Vers une mise en œuvre effective du principe de préférence européenne dans la commande publique pour soutenir l’IA et les technologies stratégiques
61. B. Des dépendances à surmonter s’agissant d’infrastructures critiques pour la maîtrise de l’intelligence artificielle
62. 1. Une domination incontestée des États-Unis et de la Chine dans les infrastructures critiques
63. a. Domination du cloud : 63 % du marché mondial aux GAFAM
64. i. Un marché mondial dominé par les acteurs américains et chinois
65. ii. Concentration du marché européen et déclin des parts de marché des acteurs locaux
66. iii. Une domination aux conséquence délétères pour l’IA
67. iv. Reprendre la maîtrise stratégique du cloud par l’action normative
68. b. La puissance de calcul : un enjeu stratégique dominé par les géants américains
69. c. Les microchips for AI : un monopole américain, une exception européenne, un splendide isolement chinois
70. i. Processeurs et accélérateurs : un quasi-monopole américain
71. ii. Une lueur d’espoir européenne à relativiser
72. iii. La Chine : vers une alternative émergente ?
73. d. Supercalculateurs : les États-Unis en tête, l’Europe à la traîne, la Chine dans l’ombre
74. 2. Des infrastructures nationales et européennes à promouvoir
75. a. Un atout industriel européen géostratégique à protéger : ASML
76. i. Un monopole technologique total, indispensable dans la chaîne de valeur de l’IA
77. ii. ASML : un atout géopolitique unique pour l’Europe dans la guerre des semi-conducteurs
78. b. Gagner en puissance de calcul
79. i. Renforcer l’investissement européen dans les capacités de calcul intensif
80. ii. Lever les freins règlementaires et structurels au déploiement des centres de calcul
81. C. Un capital-risque structurellement en retard : un frein au passage à l’échelle
82. 1. L’ampleur du retard européen en capital-risque de croissance
83. a. Un écosystème capital-risque en retard vis-à-vis des États-Unis, en particulier en financement « growth »
84. i. Un retard européen en phase de rattrapage pour les premières phases du financement
85. ii. Les causes profondes du manque persistant de financement des entreprises en phase de croissance avancée (ou late stage gap)
86. b. Le cas de l’intelligence artificielle : un révélateur et un amplificateur du déficit structurel en matière de passage à l’échelle (ou « scale-up gap ») européen
87. i. IA : une part croissante du capital-risque
88. ii. Des start-up IA européennes en mal d’échelle
89. iii. Des trajectoires freinées et des exits : le cas des start-up IA européennes
90. c. Quelques pistes pour combler le retard : initiatives publiques et leviers d’action
91. i. Mobiliser l’épargne institutionnelle et privée vers la tech en général et l’IA en particulier
92. ii. Créer des fonds publics-privés de « late stage »
93. iii. Remédier à l’absence de marché unique des capitaux
94. 2. Des instruments de soutien public à conforter
95. a. Maximiser l’usage des ressources dégagées par l’Union européenne en faveur de la croissance de champions nationaux d’envergure mondiale
96. b. Assurer l’efficacité des financements publics nationaux à l’innovation
97. D. PRÉSERVER et accroÎtre des ressources humaines INDISPENSABLES À L’APPROPRIATION DE PROCÉDÉS INNOVANTS
98. 1. Un enseignement supérieur disposant de savoirs théoriques et pratiques d’excellence
99. a. Des positions solides dans les disciplines essentielles au développement l’intelligence artificielle
100. b. Des établissements engagés dans le développement des enseignements répondant aux besoins du développement de l’intelligence artificielle
101. 2. Un enseignement scolaire répondant aux besoins de l’IA ?
102. a. Des technologies dont le développement exige un nombre croissant et une diversité de profils
103. b. Une acculturation et des apprentissages nécessaires dans le cadre du cursus scolaire
104. c. Encourager l’orientation des jeunes filles vers les filières de l’IA
105. 3. Un effort à maintenir dans le domaine scientifique
106. a. Un effort de recherche en matière d’IA demeurant du ressort de grands acteurs privés et publics
107. b. Des dynamiques à approfondir sur le plan des ressources et de l’organisation de la recherche publique
108. c. Une attractivité scientifique à conforter
109. E. FAVORISER L’appropriation de l’ia dans la marche des entreprises et sur le marche du travail
110. 1. Des effets contrastés sur l’emploi et les conditions de travail
111. a. Des outils pouvant conforter l’efficacité des travailleurs et alléger certaines sujétions de leurs postes
112. b. Une innovation source de chômage technologique ?
113. 2. Une acquisition des compétences et une organisation des transitions professionnelles nécessitant un effort massif de formation
114. a. Un risque de déqualification ?
115. b. Une nécessaire adaptation des cadres et outils de la formation continue
116. 3. Un approfondissement nécessaire du dialogue social face à des mutations d’ampleur
117. a. Des enjeux assez diversement appréhendés selon les entreprises
118. b. Des cadres de suivi et de négociation à formaliser ?
119. i. Un cadre juridique étoffé
120. ii. Des procédures d’une portée incertaine suivant le contexte social et la conduite des projets
121. III. des usages et des activitÉs dont le dÉveloppement appelle une rÉgulation proportionnÉe et ouverte À l’innovation
122. A. fixer un cadre juridique adaptÉ aux dÉfis d’un Écosystème technologique rÉsilient et souverain en europe
123. 1. Une technologie ne rendant pas inopérantes les obligations régissant les secteurs d’activités
124. a. Des applications pouvant être déjà assez largement appréhendées par le droit général
125. b. Un droit de la responsabilité civile à consolider ?
126. i. Des mises en cause possibles sur le fondement de la responsabilité contractuelle ou de la responsabilité pour faute
127. ii. Des régimes de responsabilité extracontractuelle moins opérationnels ?
128. 2. Un encadrement spécifique porteur d’un risque de surréglementation ?
129. a. Un « IA Act » fondé sur une approche par risques appropriée ?
130. b. Un instrument de droit spécifique source de conflits de normes ?
131. 3. Un besoin de simplification dans l’application
132. a. Une nécessaire consolidation du classement et des conditions de conformité des SIA
133. b. La préservation d’une certaine souplesse dans la mise en œuvre des exigences du règlement sur l’intelligence artificielle
134. c. L’utilité d’une pédagogie active sur le terrain
135. B. inscrire le dÉveloppement de l’ia Dans la consolidation d’une Économie de la donnÉe
136. 1. Un développement des usages exigeant une meilleure exploitation des données et d’une attention renouvelée aux enjeux de protection
137. a. Une technologie fondée sur des concepts et des procédés consommateurs et tributaire de données par essence
138. b. Des conditions de valorisation qui supposent le renforcement d’une culture de gestion des données à l’échelle du tissu productif
139. i. Une maturité inégale de la gestion des données au sein des entreprises
140. ii. Des progrès relatifs rendant indispensables des initiatives et des dispositifs en faveur d’une acculturation à la gestion des données
141. c. Des besoins de recherche et d’expérimentation ne pouvant être parfois satisfaits que par une mutualisation des données exploitables
142. i. Un déploiement de « communs numériques » à poursuivre à l’échelle nationale
143. ii. Des outils offrant de nouvelles opportunités à l’échelle européenne
144. 2. Vers une évolution de la réglementation applicable aux données à caractère personnel et aux données de santé ?
145. a. Un développement des usages de l’intelligence artificielle concevable moyennant une application pragmatique du RGPD
146. i. Des principes exigeants
147. ii. Des cadres de régulation envisageables afin de faciliter la coordination les instruments de droit
148. b. Les données de santé : un patrimoine public à mieux valoriser
149. i. Un système national des données de santé conçu à des fins d’éclairage des politiques publiques
150. ii. Une utilisation des données de santé envisageable sous réserve d’une explicitation des cas d’usage et d’une simplification des procédures
151. 3. Une valorisation de la langue française nécessaire dans l’affirmation de l’écosystème national
152. EXAMEN EN COMMISSION
153. Liste des personnes auditionnÉes

liste des recommandations

Gouvernance et structuration de l’écosystème

Le développement de l’intelligence artificielle en France et en Europe suppose une organisation claire de l’écosystème. Cela passe par des relais territoriaux, des guichets spécialisés, des réseaux européens et des dispositifs de mutualisation permettant de partager l’expertise et d’assurer la cohérence des initiatives.

Recommandation n° 1 : Renforcer le rôle des réseaux locaux (CCI, CMA, pôles de compétitivité) dans l’information et la sensibilisation des entreprises à l’IA, avec une attention particulière concernant les TPE-PME, en s’appuyant sur les dispositifs existants, tels que le programme des Ambassadeurs IA, afin de mieux les mobiliser et de les valoriser.

Recommandation n° 2 : Structurer un dispositif intégré de transfert technologique en mobilisant et en adaptant les outils nationaux (Centres techniques industriels – CTI – et Instituts Carnot) et les infrastructures européennes (AI Factories), afin d’accompagner les PME, start-up et filières stratégiques dans l’appropriation et l’intégration des technologies d’intelligence artificielle grâce à investissement capital exigeant l’accès de ressources stratégiques et un environnement propice.

Recommandation n° 17 : Créer guichet unique dédié à l’intelligence artificielle au sein du ministère de l’Économie, pour faciliter l’accès des PME et start-up françaises à la commande publique et fluidifier le dialogue entre l’État et l’écosystème numérique.

Recommandation n° 3 : Encourager la constitution d’écosystèmes locaux associant entreprises, collectivités territoriales, centres de recherche et opérateurs de data centers, afin de mutualiser les compétences et de favoriser le développement de projets collaboratifs en intelligence artificielle.

Stratégie industrielle et souveraineté technologique

La maîtrise des technologies clés, le contrôle des infrastructures critiques et une régulation adaptée sont indispensables pour garantir la souveraineté numérique et industrielle de l’Europe, et protéger ses acteurs face à la concurrence mondiale.

Recommandation n° 4 : Face aux fragilités structurelles de l’écosystème européen et à la domination des hyperscalers étrangers, compléter les initiatives en faveur de modèles généralistes par un effort public renforcé sur le développement d’intelligences artificielles spécialisées dans des secteurs critiques (santé, défense, renseignement), afin de garantir la souveraineté technologique de l’Union européenne dans ces domaines.

Recommndation n° 25 : Émettre des obligations pan-européennes dédiées au financement des infrastructures critiques de calcul intensif, en particulier pour les besoins de l’IA et de l’énergie.

Régulation de la concurrence et acquisitions stratégiques

Les règles de concurrence et les outils de contrôle doivent évoluer afin de prévenir les risques de concentration, de monopole ou d’éviction des acteurs européens par des entreprises non européennes, notamment dans le domaine des marchés publics et des acquisitions stratégiques.

Recommandation n° 7 : Instaurer un mécanisme d’inversion de la charge de la preuve pour les acquisitions précoces dans les secteurs de l’intelligence artificielle et du cloud par des acteurs non-européens, afin d’imposer à l’acquéreur de démontrer le caractère proconcurrentiel de l’opération.

Recommandation n° 8 : Étendre le contrôle des concentrations au niveau national et européen aux stratégies d’acqui-hire dans le secteur stratégique de l’intelligence artificielle.

Recommandation n° 9 : À l’occasion de l’obligation d’information des concentrations prévue à l’article 14 du DMA, prévoir que les contrôleurs d’accès (« gatekeepers ») transmettent également à la Commission européenne la liste de leurs participations minoritaires dans des entreprises du même secteur que la cible, afin de permettre une détection plus précoce des stratégies d’éviction. (Autorité de la concurrence ([1]))

Recommandation n° 11 : Créer une procédure accélérée de contrôle concurrentiel spécifique à l’intelligence artificielle et au numérique, intégrée à l’Autorité de la concurrence.

Recommandation n° 12 : Renforcer l’efficacité de l’arsenal concurrentiel en relevant le plafond des amendes à 20 % pour les récidivistes et en privilégiant les remèdes structurels dans les cas de pouvoir de marché durable.

Recommandation n° 13 : Mettre en place un régime de présomption de conformité au droit de la concurrence afin de sécuriser et d’encourager la constitution d’alliances pro-concurrentielles entre acteurs européens de l’intelligence artificielle et du cloud.

Recommandation n° 14 : Introduire un principe général d’exclusion des marchés publics de l’Union européenne pour les opérateurs économiques et les productions issus de pays tiers n’ayant pas conclu avec l’Union un accord assurant une réciprocité effective d’accès à leurs marchés publics.

Recommandation n° 15 (proposition de votre rapporteure Emmanuelle Hoffman) : Accompagner et soutenir la mise en œuvre de la préférence européenne pour les technologies stratégiques (intelligence artificielle, cloud, robotique), en s’assurant qu’elle soit pleinement mobilisée par la France dans ses politiques d’achat public.

Recommandation n° 16 (proposition de votre rapporteur Antoine Golliot) : Accompagner et soutenir la mise en œuvre de la préférence européenne pour les technologies stratégiques (IA, cloud, robotique), en veillant à ce qu’elle soit pleinement mobilisée par la France dans ses politiques d’achat public et complétée par une préférence nationale assumée, valorisant prioritairement les solutions et acteurs français afin de stimuler l’innovation locale, de renforcer la souveraineté technologique et de créer un effet d’entraînement sur l’ensemble de l’économie.

Recommandation n° 18 : Programmer un calendrier ambitieux de révision des directives européennes sur la commande publique pour préciser et rendre effectif le principe de préférence européenne d’ici 2026.

Financement et investissements

Le développement de l’IA nécessite une mobilisation accrue des financements publics et privés. Cela suppose un assouplissement des règles prudentielles et la création de fonds spécialisés couvrant toutes les étapes de croissance des entreprises du secteur.

Recommandation n° 29 : Adapter les règles de Solvabilité II pour permettre aux assureurs d’investir plus facilement dans l’IA, en élargissant le régime des investissements de long terme (LTEI) aux fonds technologiques stratégiques, afin de mobiliser leur épargne au service de l’innovation tout en gardant des garanties de sécurité.

Recommandation n° 30 : Créer un fonds public-privé dédié à l’intelligence artificielle, cofinancé par l’État, Bpifrance et des investisseurs privés, et ouvert à l’épargne des particuliers via un placement de long terme bénéficiant d’un cadre fiscal incitatif.

Recommandation n° 31 : Créer un fonds national de co-investissement dédié aux scale-ups technologiques, capitalisé par des fonds publics et privés, et géré par des investisseurs professionnels, afin de renforcer l’offre de financement late-stage en France, notamment pour l’intelligence artificielle, et de limiter la dépendance de nos entreprises stratégiques aux capitaux extra-européens.

Recommandation n° 32 : Accélérer la réalisation de l’Union des marchés de capitaux, en harmonisant les règles prudentielles applicables aux investisseurs institutionnels et en renforçant la supervision intégrée des marchés financiers européens, afin de favoriser l’émergence de fonds de capital-risque paneuropéens capables de soutenir les start-up d’intelligence artificielle sur l’ensemble du cycle de croissance.

Recommandation n° 33 : Privilégier le fléchage des fonds non utilisés de NextGenerationEU vers le développement d’infrastructures d’intelligence artificielle et le soutien ciblé à des champions nationaux, tels que Mistral.

Recommandation n° 34 : Réintroduire une éligibilité des dépenses de propriété intellectuelle et de veille technologique au crédit impôt-recherche (CIR), pour les start-up et PME opérant dans des secteurs stratégiques à forte intensité d’innovation, tels que l’intelligence artificielle. Favoriser la rapidité des versements aux entreprises.

Compétences, formation et recherche

Le renforcement des compétences numériques et en intelligence artificielle, la diffusion des connaissances et le soutien à la recherche sont indispensables pour bâtir une société compétente et un tissu économique attractif autour de l’IA.

Dialogue social et intégration de l’intelligence artificielle en entreprise

L’intégration de l’intelligence artificielle dans le monde du travail exige un dialogue social renouvelé, permettant de négocier des accords adaptés et d’impliquer pleinement les instances représentatives du personnel.

Établir un cadre juridique conciliant développement de l’intelligence artificielle et protection de principes et d’intérêts publics

Le développement des usages de l’intelligence artificielle dans la sphère marchande suppose un cadre juridique ouvert à l’innovation et permettant une régulation pertinente.

Recommandation n° 47 : Mener une évaluation périodique des conditions d’application des branches du droit national applicables aux usages de l’intelligence artificielle.

Recommandation n° 48 : Garantir l’effectivité du droit à réparation dans la transposition de la directive (UE) 2024/2853 du 23 octobre 2024 relative à la responsabilité du fait des produits défectueux. Veiller à l’adaptation si nécessaire des régimes de responsabilité sans faute en droit national au regard des spécificités de l’intelligence artificielle.

Recommandation n° 49 : Veiller à la cohérence des obligations découlant des instruments de droit susceptibles de régir le recours à l’intelligence artificielle et procéder à leur adaptation suivant la nouvelle approche réglementaire portée par la Commission européenne.

Régulation, droit et protection des données

Le développement de l’intelligence artificielle doit s’appuyer sur une régulation adaptée, garantissant un accès sécurisé et mutualisé aux données, ainsi qu’une protection juridique efficace afin d’assurer confiance, sécurité et respect des droits.

introduction

Dès 1950, Alan Turing soulignait, dans son article fondateur Computing Machinery and Intelligence, que les machines le suprenaient régulièrement par leurs résultats ([2]). Cette observation, formulée à une époque où l’informatique en était à ses balbutiements, contenait déjà une intuition essentielle : l’intelligence artificielle ne se résume pas à l’exécution mécanique d’instructions ; elle possède des capacités d’analyse et d’adaptation qui vont bien au-delà des programmes informatiques. Et de fait, ainsi que ChatGPT et Deepseek en apportent la preuve de manière spectaculaire au plan technique, elle ouvre la voie à l’émergence de technologies fondées sur une exploitation inédite des données et susceptibles de doter des programmes et des machines de capacités analogues aux fonctions cognitives humaines sur le plan de l’apprentissage, du raisonnement, de la résolution de problèmes, de la perception, voire de la prise de décision.

Au sens juridique, un système d’IA correspond à « un système automatisé qui est conçu pour fonctionner à différents niveaux d’autonomie et peut faire preuve d’une capacité d’adaptation après son déploiement, et qui, pour des objectifs explicites ou implicites, déduit, à partir des entrées qu’il reçoit, la manière de générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions qui peuvent influencer les environnements physiques ou virtuels » ([3]). Cette définition, à la fois technique et juridique, traduit la spécificité d’une technologie qui n’est pas un simple outil, mais un ensemble de procédés appelés à transformer en profondeur les sociétés et les économies. Du fait d’un passage accéléré du concept à la preuve, l’IA doit être envisagée à la fois comme une réalité scientifique et industrielle, un levier de compétitivité et d’innovation et un objet de régulation politique et juridique.

De fait, l’intelligence artificielle transforme d’ores et déjà les pratiques professionnelles, bien au-delà des fonctions d’automatisation auxquelles on la cantonnait initialement. Dans les entreprises, elle parait en mesure de modifier les processus de production, influe sur la prise de décision et réorganise le travail dans son ensemble. Surtout, les résultats obtenus dans ses différentes applications ne se réduisent pas à une amélioration de l’existant : la technologie fait émerger de nouveaux modèles économiques et recompose les équilibres dans des secteurs entiers de l’industrie aux services financiers, de la santé aux transports en passant pas la défense. Certaines entreprises y trouvent déjà un levier décisif de compétitivité, tandis que d’autres accusent un retard préoccupant. Cette diffusion inégale de l’IA contribue à dessiner une nouvelle géographie économique, dont les effets méritent une attention particulière.

Source : Travaux de la mission.

C’est la volonté d’examiner les moyens susceptibles de permettre aux entreprises françaises de s’illustrer et, à tout le moins, d’appréhender au mieux les exigences et les opportunités de cette mutation technologique qui a conduit la commission des Affaires économiques à créer, le 5 mars 2025, une mission d’information relative aux effets de l’intelligence artificielle sur l’activité et la compétitivité des entreprises françaises. Réunissant 7 députés, la mission a pour co-rapporteurs Mme Emmanuelle Hoffman et M. Antoine Golliot.

La mission d’information a entendu dresser un état des lieux précis des technologies existantes et de leurs usages et à mesurer leurs effets économiques. Elle s’est également attachée à évaluer le degré d’appropriation des outils par les différents secteurs d’activité de la sphère marchande, et à identifier les leviers publics susceptibles de renforcer l’innovation et de consolider la souveraineté nationale et européenne. Ces travaux mettent en lumière des tendances contrastées qui appellent une analyse nuancée : l’IA a déjà des effets tangibles sur l’organisation du travail et la productivité, mais son impact macroéconomique reste encore difficile à mesurer ; certains secteurs affichent un dynamisme remarquable, quand d’autres accusent un retard préoccupant ; l’écosystème français bénéficie de réels atouts scientifiques et entrepreneuriaux, mais demeure fragile face aux géants mondiaux.

Notre démarche ne vise pas à ignorer les travaux déjà réalisés sur l’intelligence artificielle, ni à sous-estimer les investissements importants menés par les acteurs économiques ou les initiatives publiques.

Depuis 2018, la France dispose d’une stratégie nationale en matière d’intelligence artificielle, inscrite dans le cadre du plan France 2030. Cette stratégie prévoit notamment un soutien à la recherche, au développement d’infrastructures de calcul, à la formation de compétences spécialisées, ainsi qu’à l’accompagnement des entreprises innovantes. Une coordination interministérielle a été mise en place, complétée en 2023 par la création de la Commission de l’intelligence artificielle, qui a formulé 25 recommandations stratégiques. Ces démarches s’inscrivent également dans le cadre plus large de l’action de l’Union européenne.

En 2025, Paris a accueilli le Sommet pour l’action sur l’intelligence artificielle, réunissant plus de cent délégations internationales et plaçant la France parmi les acteurs centraux des discussions mondiales sur la gouvernance de l’IA. Cette rencontre a mis en évidence la volonté de l’Europe de se positionner comme une alternative au duopole technologique américain et chinois, en mettant en avant les principes d’innovation responsable et de souveraineté numérique. Parallèlement, la France porte une dynamique politique forte pour accélérer les négociations européennes sur la régulation, le cloud et les standards technologiques, contribuant directement à l’élaboration d’un cadre d’excellence européen. La France confirme son leadership technologique avec l’inauguration en 2025 du supercalculateur Asgard, consacré au développement de l’intelligence artificielle dans le domaine militaire, classé en ce domaine comme le supercalculateur le plus puissant d’Europe et, en tant que tel, pilier de notre souveraineté nationale.

Ces initiatives ont accompagné et soutenu l’émergence d’un écosystème français dynamique, porté par des acteurs de rang mondial comme OVH ou Mistral, et nourri par un tissu foisonnant de start-up spécialisées qui bénéficient désormais d’un accès privilégié aux infrastructures nationales et européennes de pointe : supercalculateurs ouverts, AI Factories, programmes d’expertise et d’accompagnement technique qui démultiplient leur capacité d’innovation.

Pour autant, la France doit encore affronter une concurrence internationale d’une intensité considérable, en particulier celle des États-Unis et de la Chine, dont les moyens financiers et technologiques demeurent sans commune mesure avec ceux de l’Europe.

C’est précisément cette réalité géopolitique qui justifie l’urgence de nos travaux parlementaires. Face à cette compétition technologique mondiale, voulons-nous rester les consommateurs de la technologie, ou bien en devenir les producteurs et les régulateurs ? Notre mission d’information s’est attachée à apporter des réponses concrètes à cette question fondamentale, en évaluant les forces et les faiblesses de notre écosystème entrepreneurial, en analysant les besoins spécifiques des entreprises françaises, et en identifiant les leviers d’action publique les plus efficaces.

Car en dehors de l’accompagnement des entreprises françaises dans cette transition et la promotion de nos champions nationaux, c’est à une échelle européenne que doivent être appréhendés et traités par essence les enjeux que recèle le développement des usages de l’IA.

L’Union européenne a pris des mesures décisives, avec le règlement IA Act ([7]), qui propose une approche pionnière fondée sur le niveau de risque des usages, et avec des programmes de recherche et d’investissement destinés à renforcer la base industrielle et scientifique commune. Au-delà des initiatives juridiques et économiques, se dessine une conviction : l’IA est consubstantielle à l’avenir du continent et de ses entreprises. Elle conditionne la capacité de l’Union européenne et de chacun des États membres à demeurer souverains, dans un monde où les données, les infrastructures numériques et les capacités de calcul sont devenues des armes de puissance. Il s’agit d’une technologie dont la maîtrise engage notre indépendance industrielle, notre sécurité et, plus largement, notre aptitude à faire entendre une voix européenne dans la définition des normes mondiales.

Il nous faut en effet assumer que le développement de l’IA doit être encadré : par le droit, par la régulation, mais aussi par un dialogue permanent entre la recherche, les acteurs économiques, les citoyens et les pouvoirs publics. Dans cette optique, vos rapporteurs considèrent que le Parlement a un rôle éminent à jouer : il lui revient non seulement de fixer les règles encadrant l’usage de l’IA pour en prévenir les dérives, mais aussi de donner une orientation stratégique et d’impulser un effort public à la hauteur des enjeux.

La maitrise des concepts et procédés de l’IA, son appropriation et la capacité des entreprises à innover ne constituent pas un « luxe technologique » ou la manifestation d’un attrait pour le techno-solutionnisme : c’est un besoin fondamental pour l’avenir de nos sociétés. La technologie peut contribuer à relever des défis décisifs en matière de transition écologique, de compétitivité industrielle, de santé publique et de sécurité nationale, mais elle peut aussi fragiliser l’emploi, amplifier des dépendances et creuser de nouvelles fractures. C’est pourquoi la responsabilité des pouvoirs publics est double : protéger, tout en permettant d’innover ; encadrer, tout en favorisant la prise de risque ; réguler, tout en investissant.

Le présent rapport s’inscrit dans cette perspective. Il propose au Parlement une analyse précise des potentialités et des limites de l’IA du point de vue des entreprises françaises, dans leur diversité. Toutefois, notre mission a conscience des limites inhérentes à l’ampleur du sujet : si nous avons cherché à être le plus exhaustifs possible, certains secteurs d’activité — comme l’hôtellerie-restauration, l’artisanat ou encore l’économie sociale et solidaire — mériteraient des approfondissements spécifiques qui pourraient faire l’objet de travaux parlementaires complémentaires. Le rapport formule des orientations concrètes pour que la France et l’Europe prennent toute leur part dans une révolution technologique qui ne fait que commencer.

I. une technologie d’intÉrêt Économique majeur pour les entreprises BIEN QU’AUX PRÉMICES DE SA DIFFUSION

L’intelligence artificielle apparaît désormais comme une technologie stratégique, capable de modifier en profondeur l’organisation des entreprises, leurs produits et leurs modes de fonctionnement. Elle permet d’automatiser certaines tâches répétitives, d’appuyer le travail humain dans les fonctions les plus qualifiées et d’ouvrir de nouvelles perspectives d’innovation. À ce titre, elle constitue un levier important de compétitivité, dont l’impact pourrait être comparable à celui des grandes révolutions industrielles, invitant à repenser les bases mêmes de la croissance et de la productivité.

Toutefois, l’ampleur de cette transformation dépend encore largement des conditions concrètes de diffusion de l’IA. Dans les faits, malgré des avancées visibles dans certains secteurs et au sein de grandes entreprises, son adoption reste inégale et difficile à mesurer à l’échelle macroéconomique. Les bénéfices identifiés demeurent pour l’instant circonscrits à des périmètres limités, sans effet massif sur l’ensemble du tissu productif.

Cette période de transition souligne un double enjeu : tirer parti des opportunités économiques que représente l’IA, tout en créant les conditions d’une appropriation plus large, inclusive et effective dans l’ensemble du système productif.

A. une source d’innovations porteuses d’un profond renouvellement de l’activitÉ et des produits des entreprises

L’essor de l’intelligence artificielle (IA) ne constitue pas uniquement une avancée technologique : il marque une rupture systémique dans les modes de production, d’organisation et d’innovation des entreprises. Longtemps cantonnée à des usages expérimentaux, l’IA s’impose désormais comme un facteur clé de transformation économique, en révolutionnant les chaînes de valeur, en accélérant les cycles d’innovation, et en ouvrant la voie à de nouveaux modèles d’affaires. Son intégration progressive dans l’économie réelle préfigure un changement d’époque, comparable aux grandes révolutions industrielles du passé.

Ce basculement ne résulte pas uniquement de l’apparition de solutions logicielles plus puissantes. Il s’appuie sur l’émergence de véritables écosystèmes technologiques, portés par des entreprises innovantes, des infrastructures de calcul de nouvelle génération, et des dynamiques de financement massives. En France, cette dynamique est incarnée notamment par des acteurs tels que Mistral AI ou OVHcloud, qui ambitionnent de jouer un rôle moteur dans la redéfinition des équilibres technologiques mondiaux. L’émergence de start-up spécialisées dans les modèles de langage, les agents autonomes ou les applications sectorielles illustre la capacité du tissu économique national à innover et à se structurer autour de ces technologies de rupture.

Au-delà de l’offre technologique elle-même, l’IA bouleverse l’ensemble des secteurs d’activité, en permettant la création de nouveaux produits et services, en redéfinissant les métiers, et en induisant des gains d’efficacité souvent spectaculaires. De la santé à la défense, de la finance à l’agriculture, les cas d’usage se multiplient à un rythme soutenu, accélérant la transition vers une économie augmentée. Cette dynamique transforme non seulement les modes de production, mais ouvre aussi des perspectives inédites d’optimisation organisationnelle, avec l’apparition d’agents logiciels capables d’agir, de planifier et d’interagir de manière autonome. À travers l’IA, c’est donc une redéfinition profonde de l’activité économique qui s’amorce.

1. Une offre de solutions techniques à l’origine d’un nouveau secteur économique

a. Des concepteurs de logiciels et infrastructures français pouvant prétendre à une envergure mondiale : Mistral, OVH

Bien que l’Europe abrite des start-up prometteuses dans le domaine de l’IA, telles que Wayve au Royaume-Uni, DeepL et Black Forest Labs en Allemagne, et Poolside en France, aucune d’entre elles ne développe actuellement des modèles de langage de grande taille, c’est-à-dire des modèles d’usage général, hormis Mistral AI. La France se trouve donc dans une situation d’hégémonie sur le marché européen avec son champion national, Mistral AI.

Mistral, start-up fondée par un trio d’anciens chercheurs, Guillaume Lample, Timothée Lacroix et Arthur Mensch, s’est rapidement imposée comme le leader de l’IA en Europe. Valorisée à deux milliards d’euros en 2024 ([8]), Mistral incarne l’ambition d’une IA européenne souveraine et ouverte, indépendante des géants américains.

Depuis le recentrage stratégique de l’allemand Aleph Alpha ([9]), qui ne considère plus le développement d’un LLM européen comme un modèle économique suffisant et tenable à lui seul ([10]), Mistral s’impose comme la seule et unique start-up européenne développant un modèle de langage de grande ampleur avec une ambition de rang mondial.

Dans ce contexte, Mistral se distingue désormais nettement de ses concurrents européens selon les principaux indicateurs sectoriels : valorisation, levées de fonds, puissance de calcul et performances sur benchmarks publics. Mistral a effectué plusieurs levées de fonds, dont une de 600 millions d’euros (M€) en 2024 ([11]) et une à hauteur de 1 milliard d’euros (Md€) en 2025 ([12]) , là où son principal rival européen levait supposément ([13]) 467 M€ ([14]). Pour Thomas Knüwer ([15]) , qui a longuement enquêté et sollicité un à un les investisseurs cités dans les médias, « la taille réelle du cycle de financement de série B d’Aleph Alpha est d’environ 100 millions de dollars, peut-être 125 millions de dollars. En échange, les investisseurs ont reçu environ 20 % des actions. Cela m’a été rapporté par une source qui a vu la feuille de conditions. La société serait donc valorisée entre 500 et 625 millions de dollars ». Bien loin de la start-up française Mistral AI, avec les 640 millions de dollars de financement de série B qui valorisent l’entreprise 6 milliards de dollars en juin 2024. Cette dernière est désormais valorisée à 11,7 Md€ après avoir levé 1,7 Md€ ([16]).

Mistral AI dispose également de la flotte de GPU la plus importante en Europe. À l’occasion de VivaTech 2025, Mistral a annoncé un partenariat stratégique avec Nvidia concernant le déploiement de dix-huit mille GPU Grace Blackwell B200 dans un nouveau centre de données situé en Essonne et destinée à devenir la plus grande infrastructure dédiée à l’IA en Europe ([17]). Ce volume de ressources excède largement les capacités recensées chez les autres acteurs privés européens.

Bien qu’elle demeure un « petit poucet » face aux géants américains (OpenAI, Anthropic, Gemini) et chinois (DeepSeek, Ernie 4.5) en termes d’échelle, de financement et d’écosystème, Mistral AI progresse rapidement et s’affirme comme un acteur crédible à l’échelle internationale.

Sur le plan technique, les études récentes montrent que, bien qu’innovant, le modèle Mistral reste nettement en retrait par rapport aux modèles propriétaires comme GPT-4 ou Gemini, tant en matière de lisibilité, de raisonnement multimodal que de compréhension multilingue. Toutefois, les études universitaires publiées portent rarement sur les derniers modèles de Mistral (Mistral Large, Medium 3, Magistral), de sorte qu’il ne faut pas tirer de conclusions trop hâtives sur ses performances techniques.

Le modèle Mistral se distingue par des performances globalement inférieures à celles des leaders du marché de l’IA, comme GPT-4, Gemini ou DeepSeek, avec un score de 1 252 dans le classement LMSYS Chatbot Arena publié dans le rapport AI Index 2025 ([18]). Il y occupe la dernière position parmi les modèles de référence évalués, avec un écart de plus de 130 points le séparant du modèle en tête (Gemini, 1 385).

Toutefois, sa présence même dans ce classement, aux côtés des géants de l’IA tels que Google, OpenAI, Meta ou Anthropic, témoigne de sa légitimité croissante sur la scène internationale.

Ce classement illustre par ailleurs une concurrence de plus en plus serrée entre les acteurs : l’écart entre les dix premiers modèles s’est réduit à moins de 6 points de pourcentage en un an, et les deux premiers ne sont désormais séparés que de 0,7 %. Le secteur devient ainsi de plus en plus compétitif, rendant chaque avancée technologique déterminante.

Évolution des performances des principaux modèles d’IA sur la plateforme LMSYS Chatbot Arena

Évolution des performances des principaux modèles sur LMSYS Chatbot Arena selon les fournisseur

Source : Standford University, The AI Index 2025 annual report, 2025.

Sur le plan des performances générales ([19]), Mistral se montre légèrement en retrait par rapport à ChatGPT et LLaMA sur l’ensemble des critères évalués. Il affiche une efficacité computationnelle de 78,4 %, inférieure à celle de ChatGPT (85,6 %) et de LLaMA (82,9 %), ce qui suggère un coût de calcul plus élevé à performance égale. Sa précision linguistique atteint 89,7 %, un score correct mais inférieur à ChatGPT (91,2 %) et LLaMA (90,5 %). Enfin, en matière d’alignement éthique, Mistral obtient 85 %, en retrait par rapport à LLaMA (87,1 %) et ChatGPT (88,3 %). Ces résultats soulignent que Mistral reste compétitif, mais moins optimisé sur les plans de l’efficience, de la rigueur linguistique et de la conformité éthique.

Résultats comparés des modèles d’IA en matière d’efficacité, de précision linguistique et d’alignement éthique

Source : Hou, G., & Lian, Q. (2024). Benchmarking of commercial large language models: ChatGPT, Mistral, and Llama, Shanghai Quangong AI Lab.

Plus précisément, plusieurs études récentes positionnent Mistral derrière les modèles propriétaires comme GPT-4o, Gemini 1.5 ou DeepSeek V3 en matière de performance sur les tâches complexes d’écriture, de raisonnement ou de compréhension multimodale.

Les résultats du tableau 7 d’une étude comparative des performances des LLM en matière académique ([20]) montrent que le modèle Mistral 7B présente une bonne capacité de reformulation sémantiquement fidèle, avec des scores de similarité atteignant 96,12 % avec ChatGPT, 94 % avec Qwen 2.5 Max, et 90 % avec Qwen 3 235B. Toutefois, il obtient un score nettement plus bas (85 %) lorsqu’il est évalué par DeepSeek v3, soit la performance la plus faible du corpus étudié. Cette variabilité suggère que Mistral reste moins constant que certains concurrents, dont les scores demeurent systématiquement au-dessus de 90 %.

Le modèle Mistral 7B affiche des performances modestes en matière de lisibilité et d’équilibre rédactionnel ([21]) particulièrement sur les tâches de paraphrase académique par rapport à ses concurrents internationaux. Il génère un nombre élevé de phrases jugées « très dures à lire » (152/179 selon Hemingway Editor), et obtient un score WebFX de 19,4 %, inférieur à ceux de Gemini 1.5 (22,2 %) ou de ChatGPT 4o mini (20 %), mais légèrement supérieur à DeepSeek v3 (14,6 %). Sa syntaxe est longue (23,4 mots par phrase en moyenne) et son score de lisibilité Grammarly reste moyen (16).

Enfin, sur des tâches de raisonnement visuel complexes, Mistral est également en retrait. Jegham, N., Abdelatti, M., & Hendawi, A. ([22]) concluent ainsi : « Comme l’illustre la figure 6, ChatGPT-o1 conserve la performance la plus équilibrée et la plus élevée à travers les différentes tâches, en affichant une précision constamment solide sans faiblesses notables dans une catégorie particulière. En revanche, des modèles tels que Pixtral 12B et Grok 3 présentent des performances plus inégales, excellant dans certaines tâches tout en rencontrant des difficultés dans d’autres. Pixtral 12B obtient des résultats relativement bons dans des tâches comme la compréhension de dessins animés et l’interprétation de diagrammes, mais sous-performe dans la détection de différences et l’appariement texte-image. ».

Comparaison de la précision de modèles d’IA sur diverses tâches (compréhension, repérage de différences, appariement texte-image…)

Source : Jegham, N., Abdelatti, M., & Hendawi, A. (2024). Visual reasoning evaluation of Grok, DeepSeek’s Janus, Gemini, Qwen, Mistral, and ChatGPT.

On pourrait objecter que les études disponibles présentent un biais d’évaluation, en ce qu’elles se concentrent majoritairement sur les performances des modèles en langue anglaise. C’est précisément pour pallier cette limite que l’étude Megaverse ([23]), l’une des plus complètes à ce jour, a été conduite, en proposant une évaluation systématique des capacités multilingues des modèles d’IA les plus avancés (GPT-3.5-Turbo, GPT-4, PaLM2, Gemini-Pro, Mistral, LLaMA2 et Gemma), à partir d’un ensemble homogène de jeux de données couvrant de nombreuses langues non anglophones.

L’étude précitée conclut que Mistral 7B reste significativement en retrait face aux leaders du marché comme GPT-4, Gemini-Pro ou PaLM2, notamment sur des tâches complexes de dialogue et de compréhension multilingue. Les auteurs concluent ainsi : « Nos expériences montrent que GPT-4 et PaLM2 surpassent les modèles Llama et Mistral sur diverses tâches, notamment pour les langues faiblement dotées, GPT-4 obtenant de meilleurs résultats que PaLM2 sur un plus grand nombre de jeux de données. » ([24]). Les performances de Mistral 7B (score moyen de 29,1) et de Mistral 7B Instruct (28,3) sur la tâche IndicXNLI montrent un net décrochage par rapport aux modèles propriétaires tels que GPT-4 (66,8) ou PaLM2 (44,5), confirmant ainsi leur relative faiblesse en compréhension multilingue, notamment sur des langues à faibles ressources.

Comparaison des performances de différents modèles

Source : Ahuja, S., Aggarwal, D., Gumma, V., Watts, I., Sathe, A., Ochieng, M., Hada, R., Jain, P., Ahmed, M., Bali, K., & Sitaram, S. (2024, March). Benchmarking large language models across languages, modalities, models and tasks. North American Chapter of the Association for Computational Linguistics (NAACL 2024).

Malgré des performances moindres selon les études récentes par rapport aux modèles propriétaires, la présence de Mistral dans ces méta-analyses universitaires constitue en soi un signe encourageant. L’entreprise est régulièrement comparée aux modèles les plus avancés d’IA à l’échelle mondiale, étant désormais perçu comme un acteur crédible sur la scène internationale. Le rapport 2025 de l’AI Index ([25]) publié par le Stanford HAI en témoigne : Mistral y figure aux côtés de GPT-4, Gemini, Claude ou DeepSeek.

Dans un domaine où l’argent reste le nerf de la guerre, le moindre financement dont bénéficie Mistral face à ses rivaux explique en partie son retard technique. Mais cela rend d’autant plus méritoire sa présence dans les classements internationaux, tant ces derniers sont dominés par des acteurs soutenus par des capitaux colossaux.

Les investisseurs technologiques européens, dont l’inquiétude croît, craignent que son financement de 1,2 milliard ([26]) de dollars depuis son lancement, une somme considérable pour une entreprise française de sa taille et de son âge, reste insuffisant au regard des normes de la Silicon Valley. Ses plus grands rivaux américains disposent aujourd’hui de moyens dix fois plus importants.

Fonds levés par les principaux américains fournisseurs de LLM comparés à ceux de Mistral

Source : Financial Times, Has Europe’s great hope for AI missed its moment?, 30 janvier 2025.

Financièrement, les entreprises américaines et chinoises bénéficient d’un avantage écrasant : OpenAI a levé 6,6 milliards ([27]) de dollars, Anthropic 4 milliards ([28]), tandis que les acteurs chinois sont bien positionnés en raison d’un fort soutien public constant depuis 2017, que la DGTrésor ([29]) estime entre dix et quinze milliards de dollars par an.

La sortie du modèle de DeepSeek, début 2025, a provoqué une onde de choc dans l’écosystème mondial de l’intelligence artificielle. Présentée par la presse internationale comme un tournant stratégique, elle a suscité de vives interrogations sur la capacité des acteurs européens, en réalité Mistral, à se maintenir dans la course technologique. Le Financial Times ([30]) soulignait alors « Puis, cette semaine, un coup de froid est venu de l’est. La société chinoise DeepSeek a stupéfié la Silicon Valley en publiant un modèle open-source de pointe avec ce qu’elle affirme être une infime fraction des ressources et de la puissance de calcul d’OpenAI ou de Meta - battant ainsi Mistral à son propre jeu. ». Le journal résumait ainsi la situation “With DeepSeek, China innovates and the US imitates” ([31]).

L’effet de surprise provoqué par l’initiative chinoise, un acteur jusque-là méconnu qui propose un modèle open source à la pointe, prétendant l’avoir pré-entraîné pour le coût dérisoire de 5,6 millions de dollars ([32]), là où les géants américains consacrent des centaines de millions, voire des milliards de dollars à leurs technologies.

Pour Mistral, l’impact est d’autant plus marqué que l’entreprise française s’est construite sur un positionnement original : démontrer qu’il est possible de concevoir des modèles performants et open source tout en mobilisant des moyens financiers et matériels bien inférieurs à ceux de ses concurrents. Comme le relève le Financial Times ([33]), Mistral se distingue par une efficacité technique qui constitue un avantage comparatif dans un environnement dominé par des acteurs largement capitalisés. L’arrivée de DeepSeek tend toutefois à fragiliser cette stratégie, en laissant apparaître qu’un acteur chinois, revendiquant lui aussi des ressources contraintes, serait parvenu à s’imposer face à des concurrents européens et américains, entraînant au passage une correction boursière significative des valeurs liées à l’intelligence artificielle.

Cependant, à mesure que les analyses se sont approfondies, l’image d’une IA chinoise frugale commence à se fissurer. Le cabinet SemiAnalysis ([34]), démontre que derrière la communication initiale de DeepSeek révélait une réalité bien plus contrastée : l’entreprise aurait en réalité investi 1,6 milliard de dollars en matériel, incluant un parc estimé à cinquante mille GPUs Nvidia Hopper, bien loin des 2 048 GPUs et des quelques millions de dollars annoncés au départ. Ces chiffres suggèrent que DeepSeek avait délibérément mis en avant une vision simplifiée de ses coûts pour servir une stratégie d’influence plus que pour refléter une véritable rupture technologique.

Cette évolution de la perception redonne un éclairage plus nuancé sur la position de Mistral dans l’écosystème mondial. Si l’entreprise ne dispose pas encore des moyens financiers de ses rivaux américains ou chinois, elle conserve un modèle fondé sur l’efficacité, l’efficience et l’agilité. Comme le rappelait son co-fondateur ([35]), cette contrainte peut même constituer un atout : « Si vous avez une puissance de calcul illimitée, vous finissez par faire beaucoup de choses inutiles. La nécessité est mère de l’innovation. ». Ce pragmatisme, allié à une volonté d’affirmer une souveraineté technologique européenne, confère à Mistral un rôle singulier dans un paysage dominé par des colosses financiers.

En juin 2025, Mistral a franchi une nouvelle étape stratégique en lançant Mistral Compute ([36]), sa propre plateforme de cloud dédiée à l’intelligence artificielle en vue de rattraper le retard européen la matière. Développée en partenariat avec NVIDIA, cette infrastructure repose sur des serveurs équipés de 18 000 GPU Blackwell de dernière génération et propose un écosystème complet de services IA (API, stockage et puissance de calcul) ([37]). Ce projet s’inscrit dans une dynamique plus large soulignée par Jensen Huang ([38]), PDG de NVIDIA, selon laquelle l’Europe connaît une accélération massive de ses capacités IA, avec la construction prévue d’au moins 20 data centers sur le continent dans les prochaines années.

L’ambition affichée par Mistral est double : réduire la dépendance européenne aux hyperscalers ([39]) américains et chinois, et offrir aux acteurs publics et privés européens un environnement conforme aux exigences de souveraineté des données. Intégrer verticalement l’infrastructure permettra à Mistral de mieux maîtriser la chaîne de valeur de l’IA.

Si le lancement de Mistral Compute peut sembler audacieux, il s’inscrit pourtant dans une dynamique stratégique déjà largement éprouvée par les géants du numérique. Amazon (avec AWS), Microsoft (Azure) et Google (Google Cloud) combinent depuis plusieurs années le développement de modèles d’intelligence artificielle et la maîtrise de l’infrastructure cloud, créant ainsi des synergies fortes entre leurs services. Pour Mistral, ce mouvement vers l’aval permettrait de mieux contrôler les coûts d’entraînement de ses modèles et de proposer un écosystème intégré et européens aux entreprises, renforçant ainsi son attractivité.

Toutefois, la manœuvre comporte des risques stratégiques et financiers pour l’entreprise : la construction et l’exploitation d’un cloud à grande échelle exigent des investissements colossaux et une expertise industrielle qui pourraient détourner des ressources de son cœur d’activité. Dans un marché où les hyperscalers bénéficient d’effets d’échelle inégalés, la capacité de Mistral à atteindre une masse critique sera déterminante pour que cette stratégie devienne un levier de compétitivité plutôt qu’un facteur de fragilisation.

En réalité, le lancement de Mistral Compute répond également à une demande croissante des entreprises et des acteurs publics européens en matière d’autonomie stratégique. Comme l’a récemment souligné Arthur Mensch, directeur général de Mistral, de nombreux groupes souhaitent réduire leur dépendance vis-à-vis des fournisseurs américains ([40]), et il existe des tensions autour de la souveraineté numérique. L’entreprise noue des partenariats stratégiques avec des acteurs clés en Europe. Par exemple, Mistral a conclu en avril 2025 un contrat de 100 millions d’euros avec le groupe CMA-CGM pour développer des systèmes d’intelligence artificielle sur mesure. D’autres clients prestigieux, tels que BNP Paribas, AXA, Stellantis et Veolia, ont également choisi de faire confiance à la start-up française. Ces engagements témoignent d’un intérêt réel pour des solutions européennes, en particulier dans des secteurs sensibles comme la finance, la logistique et l’industrie de défense, où Mistral coopère notamment avec la société Helsing, spécialisée dans les technologies de défense.

Toutefois, ce projet ambitieux reste circonscrit à un segment spécialisé (le cloud IA) et ne saurait masquer le retard structurel plus général de l’Europe dans le domaine du cloud. En effet, si la France peut encore espérer jouer un rôle significatif dans le domaine des modèles de langage avec des entreprises comme Mistral, la situation apparaît nettement plus défavorable dans le secteur du cloud computing (informatique en nuage) ([41]).

OVHcloud, souvent présenté comme le champion national et européen, est aujourd’hui très retrait face aux hyperscalers américains. Amazon détient 32 %, Microsoft 23 %, Google 12 % du marché mondial de l’IaaS ([42]) /PaaS ([43]) ; aucun autre acteur (y compris OVHcloud qui n’en représente qu’environ 0,5 %) ne dépasse 4 %([44]). La Chine, en revanche, ne joue pas le jeu de la concurrence mondial en matière de cloud. Les fournisseurs de cloud occidentaux y sont fortement limités et ne peuvent y concurrencer librement. Le marché chinois, suffisamment vaste, permet l’existence de plusieurs acteurs locaux de premier plan. Il est aujourd’hui dominé par Alibaba, Tencent, China Telecom et Huawei, et les dix premiers fournisseurs de services cloud sont tous des entreprises chinoises.

Classement des principaux fournisseurs de services cloud par région

Source : consultancy.eu, European IaaS and PaaS cloud market to double by 2028, 11 septembre 2024.

Le marché européen des services cloud est fortement concentré : les géants américains Amazon, Microsoft et Google détiennent à eux seuls 72 % des parts de marché ([45]). Face à cette domination, les fournisseurs européens peinent à rivaliser et ne représentent aujourd’hui qu’environ 13 % du marché régional, là où ils représentaient 27 % en 2017. À l’échelle européenne, les principaux fournisseurs locaux sont SAP, Deutsche Telekom et OVHcloud, chacun détenant environ 2 % de part de marché ([46]). Viennent ensuite Telecom Italia, Orange Business et une multitude de petits acteurs.

Parts de marché des fournisseurs européens cloud au sein de l’UE

Source : consultancy.eu, European IaaS and PaaS cloud market to double by 2028, 11 septembre 2024.

OVHCloud

Fondé en 1999 et établi à Roubaix, OVHcloud est aujourd’hui le principal fournisseur européen de services cloud. L’entreprise exploite 44 datacenters dans le monde, avec un parc de plus de 450 000 serveurs ([47]), et propose une gamme complète de services : infrastructures en tant que service (IaaS), plateformes en tant que service (PaaS), solutions de stockage et hébergement web. OVHcloud se distingue par une approche orientée vers l’open source ([48]) et une forte attention portée à la souveraineté numérique, matérialisée par des certifications telles que SecNumCloud et ISO 27001.

Cette domination américaine s’explique par plusieurs facteurs structurels : une avance historique en matière de datacenters hyperscale, une maîtrise technologique des couches logicielles, des capacités d’investissement annuelles de plusieurs dizaines de milliards de dollars, et un écosystème client intégré qui renforce leur effet d’échelle.

La dépendance massive des entreprises et institutions européennes vis-à-vis des géants du cloud américain constitue une vulnérabilité stratégique majeure. C’est d’ailleurs ce constat qui a conduit M. Mario Draghi, dans son discours devant la Chambre et le Sénat italiens le 18 mars 2025 ([49]), à plaider pour que les dépenses liées au cloud et à la cybersécurité soient intégrées dans le cadre des dépenses de défense européenne.

Selon les analyses développées par Gilles Babinet et Milena Harito ([50]), plusieurs facteurs structurels expliquent cet écart de compétitivité avec les États-Unis. D’une part, l’écosystème américain présente des caractéristiques culturelles et financières particulièrement propices à l’innovation : le capital-risque ([51]) y occupe une position centrale, alimentant massivement le financement des start-up spécialisées dans les applications cloud, tandis que les entreprises établies font preuve d’une agilité remarquable dans l’adoption des nouvelles technologies, contrastant avec la prudence généralement observée chez leurs homologues européennes.

D’autre part, l’intégration du marché intérieur américain confère un avantage d’échelle déterminant. Une entreprise technologique peut ainsi accéder directement à 350 millions de consommateurs, sans avoir à surmonter d’obstacles linguistiques, culturels ou réglementaires caractéristiques du marché intérieur européen. Cet effet de masse se révèle particulièrement stratégique dans le secteur des services numériques, où les coûts sont en grande partie fixes et où chaque client supplémentaire n’occasionne qu’un coût marginal quasi nul.

À l’inverse, la fragmentation du marché européen limite structurellement la capacité d’investissement et de mutualisation à l’échelle continentale. C’est précisément pour répondre à cette difficulté qu’est née l’initiative GAIA-X ([52]), un projet européen lancé en 2020 pour structurer un écosystème de cloud fédéré, ouvert et souverain. Si cette initiative témoigne d’une prise de conscience stratégique, elle reste encore peu opérationnelle et n’a pas permis, à ce stade, d’enrayer la domination américaine.

b. Un écosystème dynamique de start-up développant des procédés et applications spécifiques

La France a vu son écosystème de start-up en intelligence artificielle (IA) croître très rapidement ces dernières années, au point de s’affirmer comme l’un des plus dynamiques en Europe. Selon le mapping 2025 de France Digitale ([53]), le pays compte près de 781 ([54]) start-up spécialisées dans l’IA (produits, services ou infrastructures), soit une augmentation d’environ 27 % par rapport à l’année précédente.