En quelques années, la souveraineté numérique est passée du vocabulaire des spécialistes à celui des pouvoirs publics. L'arrivée de l'intelligence artificielle générative a mis la question au premier plan : avant de confier des documents à un modèle, beaucoup de collectivités et d'établissements publics veulent d'abord savoir d'où il vient et où il tourne. Faute de réponses claires, l'incompréhension freine souvent l'adoption de l'IA plus qu'elle ne la précipite.
Mais de quoi parle-t-on exactement ? La souveraineté n'est pas un interrupteur qu'on allume ou qu'on éteint. C'est une chaîne, et chaque maillon pose ses propres questions.
Une priorité des pouvoirs publics
En France
La France s'appuie depuis plusieurs années sur la qualification SecNumCloud de l'ANSSI pour identifier les offres de cloud de confiance. Une proposition de loi portée par le député Philippe Latombe vise à l'imposer aux collectivités de plus de 30 000 habitants pour leurs données sensibles. Pour les directions générales et les DSI, la question n'est donc plus théorique : elle touche directement les marchés publics numériques.
En Europe
Côté modèles, Mistral AI a annoncé en septembre 2026 une levée de 3 milliards d'euros pour bâtir une « couche d'IA souveraine » européenne, du modèle ouvert jusqu'à la capacité de calcul. Le signal est clair : l'Europe veut disposer de ses propres briques, et pas seulement de règles pour encadrer celles des autres.
Ailleurs dans le monde : l'exemple du Canada
Le mouvement n'est pas propre à l'Europe. En 2024, le gouvernement fédéral canadien a lancé une stratégie sur la capacité de calcul souveraine pour l'IA, dotée de 2 milliards de dollars canadiens sur cinq ans. Au Québec, le ministère de la Cybersécurité et du Numérique a publié en février 2026 un énoncé de politique qui mise sur l'hébergement souverain, le contrôle des données, le logiciel libre et l'expertise locale.
La souveraineté se joue sur toute une chaîne
1. Les puces
Tout commence par le matériel. En 2025, le fondeur taïwanais TSMC détenait 69,9 % du marché mondial de la fonderie de semi-conducteurs, selon TrendForce. Aucune organisation publique ne maîtrise ce maillon, mais il rappelle que la souveraineté totale n'existe pas : il s'agit plutôt de réduire ses dépendances là où c'est possible.
2. Les centres de données
Où sont stockées les données, et sous quelle juridiction opère l'entreprise qui exploite le centre ? Un serveur situé en France mais exploité par une entreprise soumise à des lois extraterritoriales n'offre pas les mêmes garanties qu'un hébergeur européen qualifié. C'est tout l'enjeu de SecNumCloud.
3. Les modèles d'IA
Les grands modèles sont développés surtout aux États-Unis et en Chine. Selon l'AI Index 2026 de Stanford, les organisations américaines ont publié 50 modèles jugés notables en 2025, et la Chine réduit rapidement l'écart. L'Europe mise notamment sur Mistral AI. Utiliser un modèle, c'est lui envoyer des données : savoir où il tourne et ce qu'il conserve devient essentiel.
4. Les modèles ouverts et le déploiement local
Aux côtés des modèles fermés, de plus en plus de modèles dits ouverts (open weight) peuvent être installés sur une infrastructure maîtrisée par l'organisation. On les combine souvent avec une approche RAG (génération augmentée par la recherche) : le modèle répond en s'appuyant sur les documents de l'organisation, indexés localement, sans qu'ils quittent l'environnement choisi.
5. Les logiciels et leurs sous-traitants
Enfin, chaque logiciel en mode SaaS s'appuie sur d'autres fournisseurs : hébergement, messagerie, support, analytique, et désormais fournisseurs de modèles d'IA. La vraie question devient : quelles données sont partagées avec quels tiers, et pourquoi ?
Modèles géants ou modèles locaux : un arbitrage
Il n'y a pas de bonne réponse unique. Les grands modèles dans le cloud sont généralement plus performants et plus simples à utiliser, mais les données sortent de l'environnement de l'organisation. Les modèles ouverts déployés localement offrent plus de maîtrise, mais demandent de l'infrastructure, de l'expertise, et restent souvent moins performants sur les tâches complexes.
Le bon choix dépend de la sensibilité des données et de l'usage. Traduire une note de suivi n'a pas les mêmes exigences qu'analyser des documents confidentiels. C'est le type de déploiement plus local que nous avons exploré pour le module de conformité de Planivore, développé grâce à une initiative financée par Scale AI : un RAG qui s'appuie sur la documentation d'une organisation pour valider des contenus stratégiques. Un bon exemple de ce qu'un déploiement plus local rend possible, et des compromis qu'il demande.
Six questions pour s'y retrouver
- Où sont hébergées nos données, et sous quelle juridiction ?
- Quels tiers reçoivent nos données, et lesquelles ?
- Quel modèle d'IA est utilisé, par qui est-il développé et où tourne-t-il ?
- Nos données servent-elles à entraîner un modèle ?
- Peut-on activer ou désactiver les fonctions d'IA selon la sensibilité des données ?
- Peut-on récupérer nos données dans un format exploitable si l'on change de prestataire ?
En résumé
La souveraineté numérique n'est pas un état à atteindre une fois pour toutes. C'est une série de choix éclairés, maillon par maillon, entre maîtrise, performance et coût. Pour une collectivité ou un établissement public, le point de départ est simple : savoir où vont ses données, qui les voit, et pouvoir en décider.
Appel à l'action
Pour structurer la gouvernance de votre plan stratégique, consultez nos guides.
Sources
- Banque des Territoires, cloud souverain et collectivités (26 févr. 2026)
- Escaramozzino, cloud souverain et marchés publics des collectivités (26 mai 2026)
- LeMagIT, Mistral AI lève trois milliards d'euros
- OCDE.AI, stratégie canadienne sur la capacité de calcul souveraine
- Laboratoire de cyberjustice, Énoncé de politique du Québec (4 mars 2026)
- Taipei Times, part de marché de TSMC (TrendForce)
- IEEE Spectrum, Stanford AI Index 2026
