Le deuxième acte de l’IA française : des modèles souverains aux actifs de puissance de calcul, quelle couche de compétitivité l’économie française est-elle en train de reconstruire ?

La vraie question soulevée par un classement

La liste 2026 des start-up françaises d’IA apparaît de prime abord comme une « liste d’entreprises à suivre ». Mais pour les observateurs de l’économie française, ce qui mérite vraiment l’attention n’est pas de savoir quels noms figurent sur cette liste, mais le déplacement de la position dans la chaîne de valeur de ces entreprises.

Les protagonistes du récit technologique français des débuts étaient les places de marché, la fintech et le SaaS. Aujourd’hui, sous les projecteurs, on trouve les modèles de fondation (Mistral AI), les modèles de fondation en biologie (Bioptimus), ainsi que les entreprises de la couche d’outils et de la couche applicative autour du déploiement, de l’adaptation, de l’évaluation, de la voix, de l’image et de la génération de code — Poolside AI, Photoroom, Adaptive ML, Gladia, Dust, Giskard, LightOn, etc. — constituent cette profondeur.

Cela signifie que le centre de gravité de l’écosystème français de l’IA passe de « prouver que l’on sait fabriquer des modèles » à « prouver que les modèles peuvent être absorbés par l’industrie ».

La question centrale devient donc : la France est-elle en train de transformer l’intelligence artificielle d’un projet de prestige national en une infrastructure économique capable de soutenir la productivité à long terme, le logiciel industriel et la compétitivité à l’export ?

Contexte : politiques et socle de capitaux de l’IA française

Pour répondre à la question ci-dessus, il faut d’abord examiner la structure de soutien de cet écosystème.

La particularité de la France tient à ce que son industrie de l’IA n’a pas été, dès l’origine, une pure évolution spontanée du marché, mais le produit hybride de politiques publiques, d’instruments financiers publics et de capitaux privés. Bpifrance a assumé, lors des tours de financement précoces, le rôle habituellement dévolu au capital-risque, La French Tech a fourni un récit à portée internationale et des canaux d’accès aux talents, et des mécanismes tels que l’« AI Cluster » ont cherché à intégrer instituts de recherche, grandes entreprises et start-up dans un même cadre de collaboration.

En matière de répartition géographique, Paris reste le centre absolu. Le pôle entrepreneurial symbolisé par Station F, associé à plus de 750 start-up d’IA recensées dans la cartographie, constitue l’un des bassins de start-up d’IA les plus denses d’Europe ; parallèlement, des pôles de deep tech comme ceux de Grenoble offrent une autre voie, fondée sur les technologies dures et la recherche industrielle.

Deux cas emblématiques illustrent le fonctionnement concret de ce socle.

Mistral AI est considéré comme le « champion de l’IA souveraine » de facto en Europe. Son équipe fondatrice est issue de DeepMind, de Meta et du système de l’École polytechnique ; sa feuille de route produit se concentre sur des modèles à poids ouverts à haut rendement et met l’accent sur le déploiement localisé en entreprise — les données ne quittent pas le territoire européen. Sur le plan des capitaux, l’entreprise a levé au total plus de 3,4 milliards d’euros, dont une série C de 2 milliards de dollars ; plus crucial encore, l’utilisation de ces capitaux : un financement par dette de 830 millions d’euros, spécifiquement destiné à construire un centre de données en proche banlieue parisienne. L’entreprise prévoit un chiffre d’affaires supérieur à 1,1 milliard d’euros en 2026 et sert plus de 1 200 entreprises clientes.Bioptimus représente quant à elle une autre voie. Cette société parisienne, fondée par Jean-Philippe Vert et une équipe issue d’Owkin et d’Inria, cherche à construire des modèles de fondation universels dans le domaine de la biologie, en intégrant des données multi-échelles allant de la molécule au tissu, afin d’accélérer la découverte de traitements. Sa série A de plus de 70 millions d’euros a été menée par Cathay Innovation et Bpifrance.

L’un est la couche d’infrastructure de calcul et de modèles, l’autre une plateforme de modèles dans un domaine scientifique vertical. Ensemble, ils dessinent les contours actuels de la stratégie de l’IA française.

Logique profonde : pourquoi cette configuration

Si l’IA française présente une combinaison « modèles souverains + infrastructure de calcul + approfondissement vertical », plutôt qu’une expansion de plateformes généralistes à l’américaine, c’est sous l’effet de trois forces.

Premièrement, la demande est définie par la conformité et la souveraineté des données. La structure de la demande d’IA en Europe diffère de celle des États-Unis. Pour les banques, le secteur médical, la défense ou les groupes industriels, le lieu de déploiement des modèles, les modalités de transfert des données hors du territoire et l’explicabilité de la conformité importent souvent davantage que la performance absolue des modèles. Le règlement européen sur l’intelligence artificielle renforce cette orientation. Cela crée un véritable espace de marché pour les produits « déployables localement, auditables et à poids ouverts » — un domaine où les entreprises françaises sont précisément fortes.

Deuxièmement, l’offre est soutenue à la fois par du capital patient et par des talents d’ingénierie. Les modèles de fondation et les modèles de fondation biologiques appartiennent tous deux à des domaines à cycle de retour long et fortement consommateurs de capital, que des fonds purement marchands peuvent difficilement porter seuls. L’intervention de Bpifrance prolonge en substance la patience du capital grâce à la signature de l’État. Du côté des talents, le système français de formation d’ingénieurs joue un rôle clé : des grandes écoles comme l’École polytechnique fournissent un vivier stable de talents pour la recherche sur les modèles et font de Paris l’un des rares pôles européens capables de rivaliser avec Londres pour attirer les chercheurs en IA.

Troisièmement, la logique concurrentielle est celle de la différenciation, non de la confrontation directe. En matière de puissance de calcul généraliste, les entreprises européennes ne peuvent pas concurrencer directement les hyperscalers américains. L’écosystème français choisit donc de se rendre incontournable sur quelques maillons spécifiques : les modèles à poids ouverts, la capacité de déploiement localisé et les modèles verticaux dotés de barrières de données sectorielles. Il s’agit d’une stratégie de « concurrence asymétrique », dont le succès ne dépend pas de la capacité à produire le modèle le plus puissant, mais de celle à devenir l’option par défaut dans certains secteurs.

Ce que cela signifie pour l’économie française

Pour les entreprises, l’IA passe de « projet expérimental du département innovation » à « infrastructure sur la liste des achats ». Les coopérations approfondies potentielles entre Mistral et des groupes industriels européens comme Airbus et Dassault Systèmes pointent vers un scénario plus stratégique : l’intégration des modèles dans les logiciels industriels et les processus de fabrication. Si cette voie aboutit, la France n’obtiendra pas seulement quelques entreprises à forte valorisation, mais un pouvoir de négociation au niveau de la couche des logiciels industriels — un maillon où elle est depuis longtemps relativement faible.Pour la structure industrielle, l’économie française dépend depuis longtemps de trois piliers : le luxe et la consommation haut de gamme, l’aéronautique et la défense, ainsi que la finance et les services. L’IA apporte un nouveau pilier, plus transversal : la puissance de calcul, les modèles et les applications verticales. Elle ne remplacera pas les piliers existants, mais pourrait modifier leur courbe d’efficacité. La construction de centres de données a en outre des effets d’entraînement notables en matière d’investissements locaux et de demande énergétique — ici, la structure électrique française, dominée par le nucléaire, constitue un avantage structurel sous-estimé : une offre électrique bas carbone, stable et relativement prévisible est précisément une condition préalable à l’implantation des industries intensives en calcul.

Pour le marché du travail, la structure de la demande évolue. Les postes de recherche sur les modèles ont un seuil d’accès extrêmement élevé, mais la demande de postes techniques autour du déploiement des modèles, de l’ingénierie des données, de l’évaluation et de la sécurité est plus large. Cela explique le dynamisme de l’écosystème français de formation technique et de reconversion — pour les professionnels issus de parcours éducatifs non élitistes, les compétences liées à la chaîne d’outils de l’IA pourraient être l’entrée la plus réaliste dans ce cycle technologique.

Pour les consommateurs, l’impact est indirect et différé. L’effet de l’IA sur la consommation passe principalement par l’amélioration de l’efficacité des entreprises, la vitesse d’itération des produits et la transmission par la structure des prix, plutôt que par une transformation directe de la forme des biens. Les gains de productivité mettent souvent plusieurs années à se matérialiser ; à court terme, il ne faut pas surestimer leur effet sur le pouvoir d’achat.

Coordonnées européennes et mondiales

La relation entre la France et l’Allemagne est marquée par la complémentarité et la concurrence. L’Allemagne excelle dans la fabrication industrielle, les processus B2B et les systèmes embarqués ; la France excelle dans les modèles, les actifs de calcul et le récit de souveraineté. Dans l’idéal, les deux forment une division du travail « modèles — fabrication » ; mais chacune s’étend aussi vers le domaine de l’autre, et la coordination des politiques industrielles au niveau de l’UE déterminera s’il s’agit d’une synergie ou d’une duplication.

La concurrence entre la France et le Royaume-Uni est plus directe. Londres est avantagée par le capital financier, l’entrepreneuriat dans les applications et l’accès au marché anglophone ; Paris se positionne sur les modèles de base, l’ampleur du soutien public et l’accès aux clients du continent européen. La ressource centrale que les deux se disputent est la même : le point d’ancrage des talents européens de l’IA.

La concurrence avec les États-Unis est asymétrique. Ce que l’écosystème français doit véritablement établir, ce n’est pas une capacité d’alignement global, mais une position « impossible à remplacer facilement » sur plusieurs maillons — le taux d’adoption de l’écosystème open source, la confiance en matière de conformité dans les secteurs réglementés, et la profondeur des coopérations de données dans les secteurs verticaux. Il s’agit d’une offensive défensive : ne pas chercher à gagner tout le marché, mais à disposer d’un droit de veto aux nœuds clés.

Les flux de capitaux constituent la principale incertitude. Le financement précoce de l’IA française dépend fortement de capitaux locaux et d’origine étatique ; Cathay Innovation et Bpifrance ont assumé l’essentiel du risque au stade du tour A. Mais pour les tours de croissance et les sorties, les capitaux américains et le marché actions américain restent dominants. Cela signifie que la part de la valeur de l’IA créée en France qui restera finalement en Europe dépendra de l’épaisseur des capitaux locaux de stade avancé et de la profondeur des marchés de capitaux européens — un problème plus difficile à résoudre que la technologie.

Jugement de long terme : quelques variables d’observation pour les 3 à 10 prochaines annéesPremièrement, le récit de souveraineté peut-il se transformer en infrastructure commerciale réplicable. Le critère d’évaluation n’est pas le montant des financements, mais le taux de renouvellement des clients entreprises, le degré de mise à l’échelle des déploiements locaux, et le caractère irremplaçable du modèle dans les processus métiers critiques.

Deuxièmement, le degré de couplage entre puissance de calcul et énergie. Les investissements dans les centres de données ramènent la concurrence en IA à une dimension d’économie réelle : approvisionnement électrique, foncier, efficacité des autorisations et investissements dans les réseaux électriques. La capacité de la France à maintenir son avantage relatif sur cette dimension aura une incidence directe sur sa place dans le paysage européen de l’IA.

Troisièmement, le « modèle européen » de l’IA verticale peut-il tenir. Une réglementation stricte combinée à des barrières de données sectorielles peut être à la fois un coût et une douve concurrentielle. Si la capacité de conformité peut se transformer en capacité produit, l’Europe a des raisons de former sa propre forme d’industrie de l’IA dans les secteurs réglementés que sont la santé, la finance ou la défense.

Quatrièmement, les risques à surveiller. La fuite des talents vers les États-Unis, l’absence de capitaux de croissance, la capacité et la volonté de payer des clients entreprises, ainsi que la pression continue des coûts de calcul sur les marges brutes. Si l’un de ces facteurs se dégradait, l’effervescence actuelle pourrait difficilement se sédimenter en structure industrielle.

Conclusion

Ce que ce classement mérite le plus de retenir, ce n’est pas le rang, mais un signal : l’IA française est passée du stade « peut-elle exister ? » au stade « peut-elle être absorbée par le système économique ? ».

La réussite de la phase précédente reposait sur la convergence du récit, des politiques et du capital ; celle de la phase suivante dépendra de la volonté réelle des entreprises françaises de confier leurs processus métiers critiques à des modèles nationaux, de la volonté des capitaux européens de continuer à miser aux tours de croissance, et de la capacité de la France à convertir ses trois atouts existants — l’électricité, les talents et la conformité — en conditions industrielles durables et non réplicables.

Pour une économie longtemps dépendante du luxe, de l’aéronautique et de la finance, l’IA ne deviendra pas en soi une nouvelle industrie pilier, mais elle pourrait bien devenir ce socle technologique qui change le mode de fonctionnement des autres piliers. La vraie question n’a jamais été de savoir combien la France compte d’entreprises d’IA, mais quels segments de l’économie française seront différents, dix ans plus tard, à cause d’elles.