Gouverner l'IA comme on a gouverné l'atome : par l'accès à la puissance

L'IA bouscule l'échelle, la vitesse et l'accès aux compétences. Gouverner l'accès à la puissance, c'est agir sur les trois. Les clouds en sont les centrales : reste à savoir qui en tiendra les vannes.

L'intelligence artificielle modifie trois variables à la fois. L'échelle : un acteur seul peut agir sur des millions de cibles. La vitesse : le délai entre l'intention et l'effet s'effondre. Les compétences : des savoir-faire réservés hier aux experts deviennent accessibles à qui dispose de l'outil. Ces trois déplacements mettent à l'épreuve les cadres de régulation existants.

Jusqu'ici, la régulation cherche à encadrer les modèles d'un côté, les usages de l'autre. Gouverner l'accès à la puissance permet de relier les deux : ce que les modèles rendent possible et ce que les usages produisent. C'est cette puissance qui démultiplie l'échelle, comprime le temps et se substitue à la compétence. Agir sur elle, c'est agir sur les trois d'un même geste.

Le siècle dernier a connu ce problème. Face à l'atome, les États ont encadré les usages, mais aussi l'accès aux matières, aux installations et aux technologies sensibles. L'uranium faiblement enrichi alimente des réacteurs ; hautement enrichi, il peut servir à fabriquer une arme. Les capacités effectivement accessibles déterminent donc le niveau de contrôle adapté. C'est ce principe qu'il faut transposer à l'IA.

Un socle de puissance, des accès différenciés

Qu'est-ce que la puissance d'une IA ? Prenons un même modèle. Ici, il se contente de répondre à des questions. Là, il peut lire des documents, chercher sur Internet, écrire et exécuter du code. Ailleurs, agentique, il agit directement dans le monde : il envoie des messages, passe des commandes, pilote une machine. Le modèle est le même ; la puissance accessible ne l'est pas. Elle dépend du socle qui la porte, calcul, modèles, infrastructures et données, et de l'accès que l'on ouvre aux outils et à l'autonomie.

Un usage quotidien n'appelle pas la puissance dont ont besoin la défense, le renseignement ou un laboratoire de recherche. Rien ne justifie d'ouvrir à tous la même puissance dans les mêmes conditions. Mais le contrôle suit les capacités ouvertes, non le statut de celui qui les demande : un particulier qui présente les mêmes garanties qu'une entreprise doit pouvoir accéder aux mêmes capacités.

La règle est simple : plus l'accès ouvre de capacités, plus il doit être contrôlé ; un accès limité peut être largement ouvert, sous des conditions allégées. Les fournisseurs des accès les plus puissants doivent connaître leurs clients et garder la trace de ce qu'ils leur ouvrent. On ne certifie plus seulement celui qui fournit, mais aussi celui qui accède. C'est la logique de la connaissance client bancaire, appliquée à l'accès aux capacités de l'IA.

Chacun répond de ce qu'il rend possible

Le risque n'a rien de théorique. En 2025, une campagne d'espionnage a visé une trentaine d'organisations ; selon l'entreprise qui l'a déjouée, une IA en exécutait 80 à 90 % des tâches. L'attaquant n'a forcé aucune porte : il a découpé l'opération en petites tâches anodines, chacune autorisée, dont seul l'ensemble était dangereux.

Le fournisseur de modèle répond donc des capacités qu'il ouvre ; celui qui combine modèles et outils, de ce que la combinaison rend possible ; l'utilisateur, de ses actes et de leurs effets. Le critère commun est la puissance effectivement accessible : ce que le système sait faire, à quelle échelle, avec quels outils, quelles données et quelle autonomie.

Ce choix découle de la technologie elle-même. Un modèle seul ne dit pas ce qu'il peut faire : tout dépend des outils, des données et de l'autonomie qu'on lui donne. Faire l'inventaire des modèles ne suffit donc pas. Il faut aussi gouverner les conditions dans lesquelles leur puissance devient accessible.

Il faut faire ce que le nucléaire a fait de la mine au réacteur : repérer, tout au long de la chaîne, les points par lesquels on accède à la puissance, et placer les contrôles à ces points de passage. La règle suit la chaîne, quel que soit le secteur. Elle devient lisible pour les industriels et s'impose à quiconque veut accéder au marché.

Personne ne tient toute la chaîne

Reste la question décisive : qui tient les vannes ? La France a construit sa puissance nucléaire en maîtrisant les grandes étapes du cycle. Dans l'IA, personne ne maîtrise seul toute la chaîne, des puces aux modèles, du cloud aux données. Chacun négocie son accès à partir du maillon qu'il contrôle. La puissance ne se possède plus seulement : elle se négocie. Les États-Unis l'ont compris en contrôlant l'exportation des puces les plus avancées.

L'open source redistribue ce jeu sans l'abolir. L'atome impose des contraintes matérielles fortes ; un modèle open source se copie à l'infini, et une fois publié, il ne peut plus être retiré. Le contrôle se déplace alors vers le calcul nécessaire pour le faire tourner et vers ceux qui le déploient, sur qui pèse davantage la sécurité. Les clouds deviennent ainsi les centrales de l'IA : le modèle se copie, la puissance de calcul nécessaire pour l'exploiter à grande échelle ne se copie pas. C'est là que la puissance est produite et distribuée, donc là que se situe le point de maîtrise. Les plus performants ne sont pas européens. 

Mais une centrale ne tourne pas sans combustible ni énergie : les données et l'électricité, que l'Europe, et la France grâce à l'atome, peuvent conditionner. Pour un pays qui ne produit pas les modèles les plus avancés, l'open source est aussi le moyen d'en maîtriser un sans l'avoir développé.

La résilience exige de maîtriser plusieurs maillons. La souveraineté aussi. Avec l'IA comme avec l'atome, le levier ultime est la capacité crédible de conditionner l'accès à la puissance, jusqu'à le refuser. La question n'est plus de savoir si l'IA sera gouvernée, mais qui tiendra les vannes, et à quelles conditions.

Sébastien Garnault, fondateur de Garnault & Associés et du Paris Cyber Summit