Le pari français de 2,5 milliards d'euros sur l'IA : un plan d'État peut-il suivre le rythme des laboratoires privés ?

La France veut être un leader européen de l'IA. Cette ambition est inscrite dans la stratégie nationale pour l'IA, ou SNIA, un investissement public de 2,5 milliards d'euros lancé en 2018 et intégré au plan industriel plus large France 2030. Le gouvernement a fixé des objectifs quantifiables : former des dizaines de milliers d'étudiants, capter une part à deux chiffres du marché de l'IA embarquée et diffuser l'IA dans des centaines de petites et moyennes entreprises. Mais à l'approche de l'horizon 2025, l'écart entre le plan et la réalité d'une course mondiale à l'IA en évolution rapide devient plus difficile à ignorer.

Le cadre de l'ambition : France 2030 et la SNIA

La SNIA a été mise en place en deux phases. La première, allant de 2018 à 2022, a reçu 1,5 milliard d'euros. Elle a financé un réseau d'instituts interdisciplinaires d'IA, 180 chaires d'excellence, 300 programmes doctoraux et le supercalculateur Jean Zay. La seconde phase, dotée d'un budget d'un milliard d'euros et active de 2021 à 2025, se concentre sur la diffusion de l'IA dans l'économie à travers trois piliers : soutenir les start-up deep tech, former et attirer les talents, et combler le fossé entre l'offre et la demande d'IA. L'ensemble de la stratégie s'inscrit dans le cadre de France 2030, le plan plus large du gouvernement pour reconquérir la souveraineté technologique dans les secteurs critiques.

Les objectifs chiffrés : talents, parts de marché, démonstrateurs

La stratégie énumère une série d'objectifs spécifiques pour 2025. Sur le plan des talents : former entre 40 000 et 100 000 étudiants par an en IA, et financer 200 thèses de doctorat supplémentaires chaque année. En ce qui concerne l'IA embarquée, un segment couvrant les puces, les logiciels embarqués et les appareils de périphérie, la France vise à capter 10 à 15 % du marché mondial et à devenir un leader mondial. Le gouvernement souhaite également soutenir 10 projets d'IA frugale, fournir trois à quatre plateformes de développement et de test à l'échelle européenne pour l'IA embarquée et de confiance, et accompagner 400 PME et ETI dans l'adoption de solutions d'IA. Côté recherche, l'objectif est de placer au moins une institution française parmi les meilleurs rangs internationaux pour la recherche et l'éducation en IA, et de recruter 15 scientifiques étrangers de premier plan d'ici début 2024.

Où en est la France ? Les premiers résultats mesurables

Certains des premiers indicateurs sont concrets. Le supercalculateur Jean Zay est opérationnel et utilisé par les chercheurs. Les 180 chaires et 300 programmes doctoraux ont été lancés. Mais la source ne fournit pas de chiffres actualisés sur le nombre d'étudiants réellement formés ni sur l'atteinte de l'objectif de recrutement de 15 scientifiques. L'objectif d'accompagnement de 400 PME fait partie d'un programme qui comprend des accélérateurs, mais aucune donnée d'achèvement n'est publiée dans le document stratégique lui-même. L'objectif de part de marché de l'IA embarquée est également présenté comme une aspiration plutôt qu'un résultat mesuré. Sans rapports d'avancement réguliers, il est difficile d'évaluer si le plan est sur la bonne voie.

Les obstacles structurels : talents, concurrence et financement

Les chiffres révèlent l'ampleur du défi. Former 100 000 étudiants par an en IA nécessiterait une expansion massive des capacités d'enseignement. La France diplôme actuellement environ 40 000 ingénieurs chaque année toutes disciplines confondues. L'objectif suppose également que ces diplômés restent en France, ce qui est incertain étant donné que les entreprises technologiques américaines offrent régulièrement des salaires plusieurs fois supérieurs à ce que les start-up françaises peuvent payer. L'objectif de l'IA embarquée fait face à la concurrence des fabricants de puces et des plates-formes logicielles établies. Et bien qu'un milliard d'euros pour la deuxième phase paraisse important, ce n'est qu'une fraction de ce que les laboratoires privés américains et chinois dépensent en une seule année. Le succès de la stratégie dépend de la coordination entre la recherche publique, les start-up et les grandes entreprises, un domaine où la France a un bilan mitigé.

Scénarios d'impact : que signifierait un échec ou une réussite ?

Si la France atteint ses objectifs, elle se taillera une place significative dans l'IA mondiale, en particulier dans l'IA embarquée et de confiance où la réglementation européenne lui confère un avantage potentiel. La plateforme d'IA soutenue par l'État pour les journalistes, qui donne un accès gratuit à des modèles entraînés sur des archives de médias français, est un exemple de la manière dont l'investissement public peut créer des outils au service des écosystèmes locaux tout en respectant la souveraineté des données. Si les objectifs ne sont pas atteints, la France risque de prendre encore plus de retard sur les États-Unis et la Chine, et ses ambitions de souveraineté numérique resteraient lettre morte. La SNIA n'est pas seulement un ensemble d'objectifs : c'est un test pour savoir si une stratégie pilotée par l'État peut rivaliser avec la rapidité du secteur privé dans un domaine qui évolue au fil des mois. Les deux prochaines années montreront si le plan était audacieux ou tout simplement trop lent.