Souveraineté IA : 655 millions sans preuve ne suffisent pas

655 millions pour l’IA : financer ne suffit pas à maîtriser

La France vient d’annoncer 655 millions d’euros supplémentaires en faveur de l’intelligence artificielle. L’objectif affiché est clair : soutenir les infrastructures, la puissance de calcul, la recherche et les entreprises, tout en accélérant l’utilisation de l’IA dans les services publics. Mais la souveraineté IA ne peut pas être réduite au montant investi ou à la nationalité du fournisseur retenu. Elle suppose de démontrer que les systèmes déployés restent contrôlables, auditables, réversibles et capables de fonctionner en situation de rupture.

Le 16 juin 2026, à la veille de l’ouverture de VivaTech, le Premier ministre Sébastien Lecornu a annoncé que France 2030 consacrerait 655 millions d’euros supplémentaires au développement de l’intelligence artificielle.

Ces crédits doivent soutenir « les infrastructures, les capacités de calcul, la recherche, les entreprises et les filières industrielles ». Dans le même temps, les ministères devront démontrer comment ils utilisent l’IA pour simplifier les démarches, améliorer les services publics, réduire certaines tâches et dégager des économies.

Deux autres annonces donnent à cette orientation une portée stratégique particulière.

La Direction générale de la sécurité intérieure aurait décidé de mettre fin à son contrat avec l’entreprise américaine Palantir et de retenir l’éditeur français ChapsVision. L’Assurance maladie doit également déployer sur Ameli un assistant public destiné à guider les usagers, avec l’objectif déclaré de ne pas confier leurs données de santé à une entreprise étrangère.

La direction politique est donc lisible : davantage d’IA dans les administrations, davantage de solutions françaises et moins de dépendance aux fournisseurs étrangers.

Mais une question reste insuffisamment traitée : comment l’État démontrera-t-il que ces nouveaux systèmes sont effectivement maîtrisés ?

La souveraineté IA ne se réduit pas au passeport du fournisseur

Remplacer un acteur étranger par un acteur français peut réduire certains risques stratégiques.

Cette substitution peut faciliter le dialogue avec le prestataire, rapprocher les équipes techniques, renforcer la maîtrise contractuelle et limiter l’exposition à certaines décisions extraterritoriales. Dans des secteurs régaliens, ces avantages sont loin d’être secondaires.

Ils ne suffisent cependant pas à établir une souveraineté opérationnelle.

Une solution française peut encore dépendre :

• de composants logiciels étrangers ;
• de bibliothèques dont la maintenance échappe au prestataire ;
• de processeurs ou d’accélérateurs importés ;
• d’infrastructures cloud ou de services techniques tiers ;
• de modèles dont les conditions d’accès peuvent évoluer ;
• de compétences concentrées chez quelques personnes ou sous-traitants.

La bonne question n’est donc pas uniquement : « Où se trouve le siège social du fournisseur ? »

Il faut également demander :

• où les traitements sont exécutés ;
• qui contrôle les composants critiques ;
• quelles juridictions peuvent affecter la chaîne technique ;
• dans quels formats les données et les journaux peuvent être récupérés ;
• combien de temps nécessiterait une migration ;
• quelle solution alternative a déjà été testée ;
• qui conserve les connaissances nécessaires à la continuité du service.

L’État français a lui-même reconnu cette nécessité en créant, en janvier 2026, un Observatoire de la souveraineté numérique. Sa mission consiste précisément à diagnostiquer les dépendances critiques et à fournir des outils d’aide à la décision aux acheteurs publics et privés.

La souveraineté ne peut donc pas être assimilée à une préférence nationale abstraite. Elle correspond à une capacité vérifiable à conserver le contrôle malgré un incident, une rupture contractuelle ou un changement géopolitique.

L’affaire Palantir montre que l’annonce politique ne suffit pas

Le cas Palantir illustre directement cette difficulté.

À la fin de l’année 2025, le contrat entre l’entreprise américaine et la DGSI avait été renouvelé pour trois ans. Le 27 mai 2026, devant l’Assemblée nationale, le ministre de l’Intérieur Laurent Nuñez expliquait encore que cette reconduction résultait d’un problème technique : aucun opérateur national n’aurait alors été capable de répondre pleinement aux exigences du renseignement intérieur.

Moins de trois semaines plus tard, le Premier ministre annonçait que la DGSI avait décidé de rompre avec Palantir et de retenir ChapsVision.

Ces deux positions ne sont pas nécessairement incompatibles. Elles peuvent correspondre à des étapes différentes : décision politique, sélection industrielle, migration technique, validation de sécurité puis bascule opérationnelle.

Mais les annonces disponibles ne précisent pas encore :

• la date effective de fin d’utilisation de Palantir ;
• les fonctions qui seront reprises par ChapsVision ;
• les critères ayant permis de valider la solution ;
• les modalités d’export et de reprise des données ;
• la période éventuelle de coexistence des deux systèmes ;
• les tests de charge, de sécurité et de continuité réalisés ;
• les conditions de retour arrière en cas d’échec.

Cette absence d’information ne signifie pas que ces travaux n’existent pas. Dans le domaine du renseignement, une part importante des dispositifs doit naturellement rester confidentielle.

Elle montre néanmoins qu’une déclaration de souveraineté ne permet pas, à elle seule, d’évaluer la réalité de la transition.

La sélection d’un fournisseur est une décision. La souveraineté est une capacité démontrée dans la durée.

Accélérer l’IA publique augmente le besoin de gouvernance

Demander à chaque ministère de démontrer son utilisation de l’IA peut accélérer l’identification de cas d’usage pertinents.

Cette orientation comporte toutefois un risque : transformer l’adoption de l’IA en indicateur budgétaire, avant que les administrations disposent des moyens nécessaires pour en mesurer les effets.

Un ministère peut facilement comptabiliser :

• le nombre de projets lancés ;
• le nombre d’agents équipés ;
• le nombre de requêtes adressées à un assistant ;
• le nombre d’expérimentations engagées.

Ces données ne démontrent ni la valeur du système ni sa maîtrise.

Il est plus difficile de prouver que :

• les réponses produites sont suffisamment fiables ;
• les erreurs sont détectées et corrigées ;
• les agents savent dans quelles situations ne pas utiliser l’outil ;
• les décisions sensibles restent supervisées ;
• les versions des modèles sont identifiables ;
• un incident peut être reconstitué ;
• les gains économiques annoncés sont réellement obtenus ;
• les usagers disposent d’une voie de recours humaine.

Le NIST AI Risk Management Framework structure la gestion des risques autour de quatre fonctions : gouverner, cartographier, mesurer et gérer. Cette logique rappelle qu’un système d’IA ne peut pas être évalué uniquement au moment de son acquisition. Sa gouvernance doit accompagner l’ensemble de son cycle de vie.

Le règlement européen sur l’intelligence artificielle prévoit également, pour certaines catégories de systèmes à haut risque, des exigences portant notamment sur la documentation, la journalisation et la supervision humaine. Leur application dépend toutefois de la finalité et de la classification réelles de chaque système : tout assistant conversationnel public n’est pas automatiquement un système à haut risque.

L’assistant Ameli devra être gouverné selon ses fonctions réelles

Le futur assistant public de l’Assurance maladie constitue un cas particulièrement sensible.

Un outil qui se contente de fournir des informations générales sur les remboursements ou les démarches administratives ne présente pas les mêmes risques qu’un système qui :

• interprète des données médicales ;
• recommande une conduite à tenir ;
• hiérarchise des demandes ;
• oriente un patient ;
• influence l’accès à une prestation ou à un soin.

Sa gouvernance ne devra donc pas être déterminée par son appellation commerciale ou administrative, mais par ses fonctions effectives, les données auxquelles il accède et les conséquences possibles de ses réponses.

La CNIL rappelle que les chatbots peuvent traiter des données personnelles, notamment lorsqu’un historique de conversation est conservé. Elle souligne également qu’une conversation automatisée ne devrait pas conduire seule à une décision importante affectant une personne, sauf dans des conditions juridiques précisément encadrées.

Dans le cas d’un assistant de santé, plusieurs preuves seront indispensables :

• définition exacte de sa finalité ;
• séparation entre information administrative et conseil médical ;
• identification des sources utilisées ;
• protection des données saisies par les usagers ;
• règles de conservation des conversations ;
• tests sur les réponses dangereuses ou ambiguës ;
• procédure d’escalade vers un interlocuteur humain ;
• suivi des erreurs et des réclamations.

L’enjeu n’est pas de bloquer l’innovation par précaution. Il est d’empêcher qu’une innovation insuffisamment gouvernée ne produise ultérieurement une crise de confiance, un dommage individuel ou une dépendance difficile à corriger.

Ce que disent les données

• 655 millions d’euros supplémentaires doivent être mobilisés par France 2030 pour soutenir l’IA, notamment les infrastructures, le calcul, la recherche et les filières industrielles.
• 54 milliards d’euros constituent l’enveloppe globale annoncée du programme France 2030, toutes priorités stratégiques confondues.
• L’objectif du plan « Osez l’IA » est de porter l’adoption de l’intelligence artificielle à 80 % des PME et ETI d’ici 2030.
• Le contrat de Palantir avec la DGSI avait été renouvelé pour trois ans à la fin de 2025, avant l’annonce du choix de ChapsVision en juin 2026.
• Le NIST organise son cadre de gestion des risques IA autour de quatre fonctions : Govern, Map, Measure, Manage.

Ces chiffres montrent que le mouvement ne porte plus seulement sur quelques expérimentations. Il concerne désormais l’infrastructure économique, les administrations, les services publics et les fonctions régaliennes.

Chaque euro devrait produire une preuve de valeur et une preuve de maîtrise

La réussite du programme ne devrait pas être évaluée uniquement à partir du nombre de projets financés, des capacités de calcul installées ou du nombre d’agents utilisant une interface conversationnelle.

Chaque projet public devrait produire deux catégories de preuves.

La preuve de valeur

Elle doit répondre à des questions élémentaires :

• quelle tâche est améliorée ;
• quel délai est réduit ;
• quelle qualité de service progresse ;
• quelle charge de travail est réellement évitée ;
• quelle économie est constatée ;
• quel indicateur permet de comparer la situation avant et après le déploiement.

Sans situation de référence, un gain de productivité reste déclaratif.

Sans indicateur stable, une économie annoncée ne peut pas être vérifiée.

La preuve de maîtrise

Elle doit établir :

• quelles données sont utilisées ;
• qui peut accéder au système ;
• quelle version du modèle est active ;
• quelles opérations sont journalisées ;
• comment les erreurs et incidents sont signalés ;
• quelle supervision humaine est organisée ;
• comment les données peuvent être récupérées ;
• comment le fournisseur peut être remplacé ;
• comment le service est maintenu en cas d’indisponibilité.

Sans preuve de valeur, l’investissement risque de devenir un catalogue d’expérimentations.

Sans preuve de maîtrise, il risque de créer les dépendances mêmes que la politique de souveraineté cherche à combattre.

Ce que les financements publics devraient désormais exiger

L’État dispose d’un levier déterminant : la commande et le financement publics.

Chaque projet d’IA financé pourrait être assorti d’un socle minimal de livrables :

1. une fiche de finalité et de périmètre ;
2. un responsable métier et un responsable technique identifiés ;
3. une mesure de référence avant déploiement ;
4. des indicateurs de qualité, de coût et d’incident ;
5. un registre des modèles, versions et composants critiques ;
6. un plan de réversibilité contractuel et techniquement testé ;
7. un scénario de continuité en cas de rupture du fournisseur ;
8. une procédure de supervision et de recours humain ;
9. une évaluation périodique des dépendances ;
10. une décision documentée de maintien, de modification ou d’arrêt.

Toutes ces informations n’ont pas vocation à devenir publiques, notamment dans les secteurs régaliens. Elles doivent néanmoins exister, être actualisées et pouvoir être contrôlées par une autorité compétente.

La gouvernance ne consiste pas à produire davantage de documents. Elle consiste à produire les preuves nécessaires pour décider.

De la déclaration de souveraineté à une maîtrise mesurable

C’est précisément l’écart que les démarches de gouvernance doivent permettre d’objectiver.

Le **Svar-IA Risk Scan** vise à révéler rapidement des angles morts de gouvernance. Le Svar-IA Resilience Scan examine plus spécifiquement les dépendances fournisseurs, la continuité, la réversibilité et l’accès aux preuves techniques. L’Audit Svar-IA transforme ensuite ces constats en responsabilités, arbitrages et feuille de route.

Cette démarche ne remplace ni l’expertise juridique, ni la cybersécurité, ni le travail des intégrateurs ou des acheteurs publics. Elle cherche à établir le lien entre ces disciplines : la démonstration que l’organisation comprend, contrôle et assume le système qu’elle déploie.

Le Svar-IA Risk Scan constitue un prédiagnostic. Il ne vaut ni certification ni avis juridique.

Trois trajectoires possibles pour les prochains mois

Au cours des six à dix-huit prochains mois, trois scénarios peuvent se dessiner.

Dans le premier, la France associe ses investissements à des exigences communes de mesure, de réversibilité et de gouvernance. Les projets les plus utiles sont industrialisés et les autres sont arrêtés sur la base de résultats documentés.

Dans le deuxième, les fournisseurs étrangers sont remplacés par des acteurs nationaux sans que les dépendances techniques soient réellement cartographiées. La souveraineté change alors de prestataire, mais pas nécessairement de nature.

Dans le troisième, les administrations multiplient les assistants et expérimentations afin de répondre à la pression politique et budgétaire. Les usages progressent, mais les preuves, les responsabilités et les plans de continuité restent dispersés.

Le montant de 655 millions d’euros est important. Il ne constitue pourtant que le début de la politique publique.

La question décisive n’est pas seulement de savoir combien la France investira dans l’intelligence artificielle.

Elle est de savoir comment l’État, ses opérateurs et leurs prestataires démontreront que les systèmes financés sont utiles, contrôlables, réversibles et réellement souverains.

La souveraineté IA ne doit pas devenir un label politique ou commercial. Elle doit devenir une capacité mesurable.

Ce qui est mesuré peut être gouverné. Ce qui est documenté peut être audité. Et ce qui est réellement maîtrisé peut être déployé sans abandonner le contrôle.

Sources et références

Institutions publiques

• Haut-commissariat à la stratégie et au plan — Observatoire de la souveraineté numérique : https://www.strategie-plan.gouv.fr/actualites/lancement-de-lobservatoire-de-la-souverainete-numerique-mesurer-les-dependances-pour
• Ministère de l’Économie — Stratégie française pour l’intelligence artificielle : https://www.economie.gouv.fr/france-leader-mondial-intelligence-artificielle-IA
• Ministère de l’Économie — Solutions souveraines d’IA pour les PME et ETI : https://presse.economie.gouv.fr/france-2030-lancement-dun-appel-a-manifestation-dinteret-ami-pour-identifier-des-solutions-souveraines-dia-pour-les-pme-et-eti/

Normes et régulateurs

• Règlement européen sur l’intelligence artificielle — EUR-Lex : https://eur-lex.europa.eu/eli/reg/2024/1689/oj/fra
• CNIL — Recommandations pour le développement des systèmes d’IA : https://www.cnil.fr/fr/developpement-des-systemes-dia-les-recommandations-de-la-cnil-pour-respecter-le-rgpd
• CNIL — Chatbots et droits des personnes : https://www.cnil.fr/fr/chatbots-les-conseils-de-la-cnil-pour-respecter-les-droits-des-personnes
• NIST — AI Risk Management Framework : https://www.nist.gov/itl/ai-risk-management-framework
• NIST — AI RMF Playbook : https://airc.nist.gov/airmf-resources/playbook/

Entreprises

• ChapsVision — Présentation institutionnelle : https://www.chapsvision.com/fr/a-propos/
• Svar-IA Risk Scan : https://www.svar-ia.com/svar-ia-risk-scan/

Médias et presse

• AFP/Boursorama — Annonce des 655 millions d’euros, ChapsVision et assistant Ameli : https://www.boursorama.com/actualite-economique/actualites-amp/la-france-va-investir-655-millions-d-euros-supplementaires-dans-l-ia-annonce-lecornu-1b0fa49d74afe12842cc1799683e87f6
• Reuters — Investissements et assistant commun aux services de l’État : https://www.reuters.com/technology/france-invest-655-mln-ai-set-up-common-chatbot-all-state-services-2026-06-16/
• LCP — Explications du ministre de l’Intérieur sur la reconduction de Palantir, 27 mai 2026 : https://lcp.fr/actualites/dgsi-pourquoi-le-contrat-de-palantir-geant-americain-controverse-de-la-surveillance-a