- ▸ Mai 2026 : un sondage qui acte une bascule
- ▸ La thèse : du capability gap au control gap
- ▸ Contexte historique : trois décennies de dépendances déléguées, puis le retour de balancier
- ▸ Analyse technique : ce que recouvre concrètement la souveraineté de l'IA
La souveraineté des données et de l’intelligence artificielle s’impose comme la nouvelle ligne de fracture stratégique des entreprises. Selon des données internes d’EnterpriseDB citées par MIT Technology Review le 14 mai 2026, 70 % des dirigeants mondiaux estiment qu’une plateforme de données et d’IA souveraine conditionne désormais leur réussite. La course aux capacités cède le pas à la course au contrôle — et cette bascule redéfinit la chaîne de valeur de l’IA d’entreprise.
Points clés 1. 70 % des dirigeants mondiaux jugent une plateforme de données et d’IA souveraine indispensable à leur réussite, selon les données internes EnterpriseDB publiées en mai 2026. 2. La souveraineté désigne la rupture de la dépendance aux fournisseurs centralisés et l’établissement d’un contrôle effectif sur les modèles et les patrimoines de données. 3. La crainte centrale exprimée par les directions techniques porte sur la perte de propriété intellectuelle lors du déploiement d’applications IA adossées à des modèles cloud. 4. La doctrine « capability now, control later » résume la séquence stratégique : les entreprises adoptent l’IA puis cherchent à en reprendre la maîtrise. 5. Le sujet bascule du registre technique vers celui de la politique publique mondiale, sous l’effet de prises de position d’acteurs industriels majeurs.
Mai 2026 : un sondage qui acte une bascule
En mai 2026, MIT Technology Review publie un dossier consacré à la souveraineté de l’IA et des données qui contient une donnée passée largement inaperçue dans le débat public francophone. Selon des chiffres internes communiqués par EnterpriseDB, sept dirigeants sur dix considèrent désormais qu’une plateforme de données et d’IA souveraine constitue un prérequis à leur succès. Ce ratio, énoncé presque incidemment, signe pourtant un basculement. La période d’expérimentation tolérante touche à sa fin. Les directions générales ne se contentent plus de demander si l’IA fonctionne ; elles demandent qui contrôle les briques sur lesquelles elles l’ont construite. La question n’est plus celle du modèle le plus performant. Elle devient celle de la dépendance acceptable au regard du patrimoine informationnel engagé.
La thèse : du capability gap au control gap
L’enjeu se déplace. Pendant deux ans, l’angoisse des directions techniques a porté sur l’écart de capacités — comment accéder aux meilleurs modèles, comment ne pas rater la marche. Cette inquiétude a fondé la première vague d’adoption, massivement adossée à quelques fournisseurs centralisés. Le dossier publié par MIT Technology Review documente l’apparition d’un second écart, plus structurel : le control gap. Les entreprises ayant intégré rapidement les grands modèles découvrent que les protections contractuelles qu’elles avaient sécurisées ne valent que jusqu’à la prochaine mise à jour des conditions de service du fournisseur. La maxime qui synthétise cette séquence est connue de toutes les directions stratégiques ayant traversé un cycle d’adoption cloud : « capability now, control later. » L’expression, citée dans l’article de MIT Technology Review, ne décrit pas un choix : elle décrit une trajectoire.
Contexte historique : trois décennies de dépendances déléguées, puis le retour de balancier
Pour comprendre pourquoi la souveraineté de l’IA s’impose aujourd’hui comme priorité, il faut remonter la chaîne des dépendances qui se sont sédimentées depuis trente ans dans les systèmes d’information des entreprises. La première vague d’externalisation, dans les années 1990, a porté sur l’infrastructure : les datacenters propriétaires ont cédé la place à des hébergements mutualisés. La seconde vague, dans les années 2000, a déplacé l’externalisation vers les applicatifs avec l’avènement du Software as a Service. La troisième vague, à partir du début des années 2010, a confié aux trois hyperscalers américains la quasi-totalité des plateformes d’exécution sous forme de cloud public.
Chacune de ces vagues a suivi le même cycle. Phase 1 : adoption rapide motivée par les gains de capacité, de coût ou de vitesse. Phase 2 : verrouillage progressif par accumulation des dépendances, à mesure que les données, les configurations et les workflows s’imbriquent dans la plateforme. Phase 3 : prise de conscience tardive de la fragilité contractuelle, suivie par des tentatives de réversibilité souvent coûteuses. La souveraineté numérique européenne, débat lancé dès 2018 autour du règlement général sur la protection des données, puis prolongé par le projet Gaia-X, illustre la difficulté de revenir en arrière une fois la dépendance installée.
L’arrivée des grands modèles de langage à partir de fin 2022 a inauguré une quatrième vague, mais avec une compression temporelle inédite. Là où les vagues précédentes s’étalaient sur cinq à dix ans entre l’adoption et la prise de conscience des risques, le cycle de l’IA générative s’accomplit en moins de trois ans. La donnée publiée par EnterpriseDB en 2026 — 70 % de dirigeants demandant une plateforme souveraine — marque l’entrée en phase 3 du cycle, alors même que la phase 1 d’adoption massive est encore en cours. Les deux mouvements se chevauchent. Cette superposition explique l’urgence ressentie. Les directions générales agissent encore sur le déploiement quand elles cherchent déjà à reprendre la main sur les briques sous-jacentes.
Ce raccourcissement n’est pas anodin. Il signale que les leçons des cycles précédents ont été partiellement apprises. Les responsables ne découvrent plus la dépendance après dix ans ; ils l’anticipent au moment même où ils la contractent. La maxime « capability now, control later » traduit cette lucidité paradoxale : on contracte la dépendance en connaissance de cause, en se promettant de la défaire plus tard. Reste à savoir si la promesse tiendra mieux qu’aux cycles précédents.
Analyse technique : ce que recouvre concrètement la souveraineté de l’IA
La définition retenue par MIT Technology Review pose les termes du débat avec clarté. La souveraineté des données et de l’IA, écrit la publication en s’appuyant sur les analyses d’EnterpriseDB, désigne le fait de « rompre la dépendance vis-à-vis des fournisseurs centralisés et d’établir un contrôle effectif sur les modèles et les patrimoines de données ». Cette définition contient trois éléments distincts qui méritent d’être disséqués.
Premier élément : la rupture de dépendance. Il ne s’agit pas nécessairement d’auto-hébergement intégral. La souveraineté admet plusieurs degrés. Une entreprise peut conserver une partie de ses charges de travail chez un fournisseur centralisé tout en construisant une capacité interne de bascule, de duplication ou de substitution. Le critère opérationnel n’est pas l’absence de dépendance mais sa réversibilité.
Deuxième élément : le contrôle sur les modèles. Cette dimension a pris une importance croissante avec la diffusion des modèles open-weight, dont les paramètres sont publiquement disponibles et peuvent être déployés sur infrastructure propre. Le contrôle ne signifie pas nécessairement la création de modèles ex nihilo — exercice hors de portée pour l’immense majorité des entreprises — mais la maîtrise des conditions de déploiement, de mise à jour, de spécialisation et de désactivation.
Troisième élément : le contrôle sur les patrimoines de données. C’est l’enjeu central, et il est résumé dans une formule citée par MIT Technology Review : « Data is really a new currency; it’s the IP for many companies. » Les données constituent désormais le capital différenciant. Leur exposition à un modèle tiers, dans le cadre d’un fine-tuning ou même d’une simple inférence, soulève la question de la fuite de propriété intellectuelle.
Tableau — Les trois piliers de la souveraineté IA selon EnterpriseDB
| Pilier | Question posée | Critère de souveraineté |
|---|---|---|
| Infrastructure | Où s’exécutent les charges de travail IA ? | Possibilité de bascule sous 90 jours |
| Modèles | Qui contrôle les poids et les mises à jour ? | Accès aux paramètres ou clause de portabilité |
| Données | Qui détient l’IP issue de l’usage ? | Garanties contractuelles non révisables unilatéralement |
La citation reprise dans le dossier de MIT Technology Review explicite la nature du risque perçu par les directions techniques : « The big concern is, if you’re deploying an AI-infused application with a cloud-based large language model, are you losing your IP? Are you losing your competitive position? » La double interrogation, posée comme telle, situe la question à la jonction du juridique et du stratégique. Juridique, car la titularité des productions générées par un modèle entraîné sur les données du client constitue un point de droit que les contrats actuels traitent de manière inégale. Stratégique, car la position concurrentielle d’une entreprise tient largement aux signaux faibles que son patrimoine de données peut révéler à un acteur tiers exposé à des centaines de clients comparables.
Le chiffre des 70 % de dirigeants converge avec cette grille de lecture. Ces sept dirigeants sur dix ne réclament pas seulement une option technique. Ils réclament une réassurance sur la durabilité de leur position concurrentielle. La souveraineté apparaît dès lors moins comme un sujet d’infrastructure que comme un sujet de gouvernance du capital immatériel.
Impact terrain : la renégociation silencieuse des contrats fournisseurs
Le passage de la préoccupation théorique à l’action concrète se lit dans la séquence que traversent les directions des systèmes d’information depuis le début de l’année 2026. Trois mouvements convergent. Le premier consiste à réévaluer les termes des partenariats existants avec les fournisseurs de modèles. Les clauses jugées acceptables en 2024 dans une logique d’expérimentation sont remises sur la table à la faveur des renouvellements, avec une exigence accrue de portabilité, de transparence sur les évolutions tarifaires et de garanties sur le traitement des données soumises pour inférence.
Le second mouvement consiste à diversifier les fournisseurs. Une partie significative des grandes entreprises ayant intégré un modèle de langage en production envisage désormais une architecture multi-modèle, dans laquelle plusieurs fournisseurs sont sollicités pour des tâches différentes ou en redondance. Cette diversification ne supprime pas la dépendance ; elle la fractionne. Elle réduit le risque de capture par un acteur unique, sans pour autant restituer un contrôle effectif sur la chaîne. Les coûts d’intégration sont multipliés ; les bénéfices restent à démontrer dans la durée.
Le troisième mouvement, le plus structurant, consiste à reconstruire en interne une capacité de plateforme. Plateforme de données d’abord, avec la consolidation des entrepôts et l’application de politiques de gouvernance plus strictes sur les jeux exposables à des modèles tiers. Plateforme de modèles ensuite, avec le déploiement de modèles open-weight sur infrastructure propre, soit pour des cas d’usage spécifiques jugés sensibles, soit pour servir de filet de sécurité en cas de défaillance d’un fournisseur externe.
L’enjeu opérationnel se mesure dans la nature même des engagements contractuels en cours de renégociation. Les directions juridiques s’attachent désormais à introduire des clauses de stabilité tarifaire sur des horizons longs, des engagements de notification préalable en cas de modification des conditions d’usage, et des mécanismes de portabilité des paramètres de fine-tuning vers une infrastructure tierce en cas de rupture. Aucune de ces clauses n’était standard il y a dix-huit mois. Toutes deviennent revendications de table.
La traduction budgétaire de ces mouvements reste hétérogène. Les entreprises ayant accumulé une forte dette technique sur des architectures héritées peinent à dégager les capacités d’investissement nécessaires pour reconstruire une couche de souveraineté. À l’inverse, les organisations dotées d’un patrimoine de données mieux organisé et d’équipes plates-formes consolidées convertissent plus rapidement le constat stratégique en feuille de route. Cet écart de vitesse va structurer, dans les mois qui viennent, une différenciation concurrentielle qui se jouera moins sur le choix du modèle que sur la capacité à intégrer une architecture résiliente.
Perspectives contradictoires : trois objections sérieuses
Le récit de la souveraineté nécessaire ne fait pas l’unanimité. Plusieurs objections, formulées par des acteurs qui ne sont pas suspects d’indifférence à l’enjeu de contrôle, méritent d’être prises au sérieux pour éviter de transformer la question en évidence non discutée.
Première objection : le coût d’opportunité. Reconstruire une plateforme souveraine mobilise des ressources financières, humaines et organisationnelles qui ne sont pas allouées à l’innovation produit. Pour une partie des entreprises, notamment les structures de taille intermédiaire dont le différenciateur concurrentiel ne réside pas dans la maîtrise technologique mais dans la qualité de l’exécution métier, le calcul économique peut pencher vers le maintien d’une forte dépendance externe, à condition de la gérer avec lucidité. La souveraineté absolue n’est pas un objectif raisonnable pour toutes les organisations.
Deuxième objection : l’écart de capacité. Les modèles déployés par les grands laboratoires bénéficient de cycles d’entraînement et de quantités de données que peu d’organisations peuvent égaler avec leurs ressources propres. Adopter un modèle open-weight pour un usage interne, c’est accepter un différentiel de performance qui peut s’avérer significatif sur les cas d’usage les plus exigeants. La souveraineté a un coût en capacités, et ce coût n’est pas toujours acceptable au regard des attentes des utilisateurs métier.
Troisième objection : le risque d’illusion de contrôle. Déployer un modèle open-weight sur une infrastructure cloud louée à un hyperscaler ne supprime pas toute dépendance ; il la déplace. Une organisation peut estimer avoir reconquis sa souveraineté tout en restant fortement exposée à des dépendances d’infrastructure, de fournisseurs de GPU, de bibliothèques logicielles tierces, ou de talents rares dont le marché est dominé par quelques employeurs. La souveraineté est un continuum, pas un état binaire. Confondre le geste politique avec la transformation structurelle expose à des désillusions ultérieures.
Ces trois objections ne disqualifient pas la dynamique de souveraineté. Elles invitent à la décliner avec discernement, en fonction du profil de risque, du patrimoine de données et de la maturité organisationnelle de chaque acteur. Une lecture trop uniforme du sondage à 70 % ferait passer à côté de l’enjeu réel : il ne s’agit pas de prescrire un modèle unique mais d’inviter chaque direction à instruire un dossier de souveraineté adapté à sa situation.
Prospective : du dossier technique au sujet de politique publique
La transition la plus significative à observer dans les prochains mois n’est pas technologique mais discursive. La souveraineté de l’IA et des données quitte le périmètre des directions techniques pour entrer dans celui du débat public. Selon les éléments rassemblés par MIT Technology Review, le sujet devient une « conversation politique mondiale ». Les gouvernements, qui avaient laissé la première vague d’adoption se dérouler sans cadre dédié, reprennent la main sous différents angles : protection des données nationales, sécurisation des infrastructures critiques, encadrement des transferts transfrontaliers de modèles entraînés sur des corpus sensibles.
Ce passage du dossier technique au dossier politique va contraindre les entreprises à intégrer une dimension supplémentaire dans leur réflexion : non plus seulement « comment garantir mon contrôle ? », mais aussi « comment anticiper les exigences que les régulateurs vont m’imposer ? ». Les juridictions ne convergent pas. Certaines orientent leur cadre vers la protection des données personnelles, d’autres vers la sécurité nationale, d’autres encore vers la promotion d’un écosystème industriel domestique. Cette divergence va générer une complexité de conformité que les directions juridiques devront cartographier finement. La souveraineté devient un sujet où la décision technique et la décision réglementaire se construisent en miroir, sans pouvoir être traitées séparément.
La question ouverte qui en découle est de savoir si cette politisation accélérera la bascule effective vers des architectures souveraines, ou si elle générera surtout une couche de conformité formelle sans transformation structurelle profonde. Les vingt-quatre mois à venir trancheront. La réponse ne dépendra pas seulement des décisions des grands fournisseurs ou des régulateurs, mais aussi de la capacité des entreprises à transformer une inquiétude majoritaire — celle des 70 % de dirigeants — en feuille de route exécutable.
FAQ
Que recouvre exactement la souveraineté des données et de l’IA ?
Selon la définition reprise par MIT Technology Review en mai 2026, la souveraineté des données et de l’IA désigne la rupture de la dépendance vis-à-vis des fournisseurs centralisés et l’établissement d’un contrôle effectif sur les modèles et les patrimoines de données. Le concept admet plusieurs degrés et s’évalue moins par l’absence totale de dépendance que par la réversibilité des engagements pris.
Pourquoi 70 % des dirigeants estiment-ils une plateforme souveraine nécessaire ?
Le chiffre, issu de données internes d’EnterpriseDB publiées en mai 2026, traduit une préoccupation centrale exprimée par les directions techniques : éviter la perte de propriété intellectuelle et de position concurrentielle lors du déploiement d’applications adossées à des modèles cloud. La souveraineté est perçue comme une condition de durabilité de l’avantage concurrentiel construit autour des données.
Que signifie la formule « capability now, control later » ?
Cette maxime, citée dans le dossier publié par MIT Technology Review, résume la séquence stratégique observée dans les entreprises. La première étape consiste à adopter les capacités d’IA offertes par les fournisseurs centralisés pour ne pas prendre de retard. La seconde étape, généralement engagée après quelques mois ou années d’usage, consiste à chercher à reprendre la maîtrise des briques sous-jacentes une fois la valeur d’usage avérée.
Quel est le lien entre souveraineté de l’IA et politique publique ?
Le sujet quitte le strict périmètre technique pour devenir, selon MIT Technology Review, une conversation politique mondiale. Les gouvernements intègrent la question dans leurs cadres de protection des données, de sécurité nationale et de soutien aux écosystèmes domestiques. Les entreprises doivent désormais conjuguer leur réflexion technique avec une anticipation des contraintes réglementaires à venir.
Encadré sources
- MIT Technology Review, « Establishing AI and data sovereignty in the age of autonomous systems », 14 mai 2026, https://www.technologyreview.com/2026/05/14/1137168/establishing-ai-and-data-sovereignty-in-the-age-of-autonomous-systems/
- Données internes EnterpriseDB citées par MIT Technology Review, mai 2026 (sondage dirigeants mondiaux, 70 %).
- Déclarations rapportées dans le dossier MIT Technology Review : « Capability now, control later » ; « Data is really a new currency; it’s the IP for many companies » ; question sur la perte d’IP lors du déploiement d’applications IA cloud.
À lire également sur LagazetteIA : Anthropic et la course aux 1M de tokens, Mistral, le pari open-weight européen, Cloud souverain : où en est l’Europe en 2026, Gouvernance des données : la nouvelle frontière des DSI.
