Infrastructure d’IA souveraine : modèles, résidence des données et maîtrise du calcul (guide 2026)
Une infrastructure d’IA souveraine réunit les ressources de calcul, les données, les modèles et les opérations qu’un pays ou une organisation maîtrise dans le cadre de ses propres lois, au lieu de dépendre de services sous contrôle étranger. En pratique, cela recouvre quatre éléments : des GPU situés dans une juridiction choisie, des données qui y restent, des modèles que vous pouvez exécuter et auditer vous-même (généralement à poids ouverts) et des exploitants soumis au droit local. La plupart des entreprises n’ont pas besoin d’une souveraineté totale ; elles ont besoin du niveau de maîtrise adapté à chaque charge de travail.
Ce guide s’adresse aux équipes IA, infrastructure et achats des entreprises auxquelles on a demandé de « rendre notre IA souveraine ». Il définit cette notion, explique les réglementations qui la motivent en octobre 2026, présente cinq niveaux de maîtrise, des API publiques aux clusters isolés de tout réseau externe, et propose un exemple de dimensionnement et de coût pour un déploiement GPU dans le pays.
Qu’est-ce que l’IA souveraine ?
NVIDIA décrit l’IA souveraine comme une démarche dans laquelle les pays développent l’IA « à partir de leurs infrastructures, données, talents et réseaux d’entreprises nationaux, en accord avec leur langue, leur culture et leur réglementation », avec des modèles « hébergés et exécutés sur des infrastructures locales, soumis uniquement aux lois locales » (NVIDIA). Red Hat l’aborde du point de vue des entreprises : maîtriser le lieu d’exécution de l’IA, les personnes qui peuvent y accéder et les composants que vous pouvez inspecter et remplacer.
Le terme recouvre deux objectifs liés :
- IA souveraine nationale : un pays développe ses propres capacités de calcul, des modèles dans les langues locales et les compétences nécessaires pour que les services critiques ne dépendent pas de fournisseurs étrangers.
- IA souveraine d’entreprise : une organisation conserve ses données réglementées, ses modèles et ses opérations d’IA dans les juridictions et les cadres contractuels de son choix.
Ces deux objectifs reposent sur les mêmes couches d’infrastructure.
Les quatre couches d’une infrastructure d’IA souveraine
| Couche | Ce que signifie « souverain » | Moyens de contrôle courants |
|---|---|---|
| Calcul | Des GPU situés dans un pays choisi, exploités par une entité soumise au droit de ce pays | Centres de données dans le pays, clusters GPU dédiés ou privés, régions de cloud souverain |
| Données | Les données d’entraînement, les prompts, les sorties, les journaux et les sauvegardes restent dans la juridiction | Engagements contractuels de résidence des données, stockage régional, chiffrement avec des clés détenues par le client |
| Modèles | Vous pouvez exécuter, inspecter, affiner et continuer à utiliser le modèle sans l’accord d’un fournisseur étranger | Modèles à poids ouverts (Llama, Mistral, Qwen, DeepSeek) auto-hébergés ; ou garanties contractuelles pour les modèles fermés |
| Exploitation | Les administrateurs, les équipes d’assistance et les sous-traitants ultérieurs sont locaux et peuvent être audités | Personnel d’assistance local, journalisation des accès, droits d’audit indépendant, plans de réversibilité |
Le degré de souveraineté d’un déploiement est limité par sa couche la moins maîtrisée. Des GPU situés dans le pays ne suffisent pas si les prompts sont consignés par un service de supervision à l’étranger, et un modèle local ne suffit pas si les seuls accès d’administration passent par l’équipe d’assistance d’un fournisseur étranger.
Pourquoi la souveraineté s’impose en 2026
Trois facteurs en font une question d’achat concrète plutôt qu’un débat de politique publique :
- Les échéances de l’AI Act de l’UE. Selon le calendrier d’application de l’AI Act (dernière mise à jour le 31 août 2026), la plupart des dispositions restantes sont entrées en application le 2 août 2026 ; les fournisseurs de modèles d’IA à usage général déjà commercialisés avant le 2 août 2025 doivent se mettre en conformité d’ici au 2 août 2027 ; les obligations relatives aux systèmes à haut risque de l’annexe III s’appliquent à partir du 2 décembre 2027. Les organisations ont besoin de pistes d’audit et de documents qu’elles maîtrisent.
- Les règles de transfert transfrontalier des données. En vertu du RGPD, les données personnelles ne peuvent être transférées librement que vers les pays bénéficiant d’une décision d’adéquation de l’UE ; les autres transferts nécessitent des garanties. Par ailleurs, le CLOUD Act américain (mars 2018) permet aux autorités américaines de demander des données détenues par des fournisseurs établis aux États-Unis. C’est pourquoi les acheteurs européens veulent savoir qui exploite un service, et pas seulement où il fonctionne.
- Les risques liés aux fournisseurs et à l’approvisionnement. Le retrait de modèles, les changements de prix ou de conditions d’utilisation et les restrictions à l’exportation de GPU peuvent tous perturber un produit qui repose sur une seule API étrangère.
Les fournisseurs cloud ont répondu par des offres souveraines : AWS a lancé AWS European Sovereign Cloud, un cloud indépendant pour l’Europe ; Microsoft s’engage, avec EU Data Boundary, à stocker et traiter les données clients de ses services d’entreprise au sein de l’UE ; Oracle commercialise des offres de cloud souverain avec des contrôles sur la localisation, les accès et l’exploitation.
Cinq niveaux de souveraineté de l’IA
Choisissez un niveau pour chaque charge de travail, plutôt qu’un niveau unique pour toute l’entreprise.
| Niveau | Configuration | Résidence des données | Maîtrise des modèles | Maîtrise de l’exploitation | Usages adaptés |
|---|---|---|---|---|---|
| 1. API publique | Point d’accès mondial d’un fournisseur de modèles | Au choix du fournisseur | Aucune | Fournisseur | Contenus publics, prototypes |
| 2. API régionale | Même fournisseur avec traitement régional ou dans le pays (par exemple, inférence de Claude exclusivement aux États-Unis à 1.1x, points d’accès OpenAI avec résidence régionale des données à +10%) | Région définie par contrat | Aucune | Fournisseur | La plupart des données internes de l’entreprise |
| 3. Cloud souverain | Hébergement des modèles dans une région souveraine exploitée par une entité locale | Dans le pays | Limitée (modèles du catalogue) | Exploitant local | Secteurs réglementés, secteur public |
| 4. GPU dédiés dans le pays | Cluster GPU loué ou réservé dans le pays de votre choix, exécutant les modèles à poids ouverts que vous déployez | Dans le pays, sur votre stockage | Totale | Vous, avec l’exploitant du centre de données | Santé, finance, fournisseurs de la défense, LLM nationaux |
| 5. Sur site ou isolé de tout réseau externe | Votre propre matériel, sans réseau externe | Dans vos locaux | Totale | Vous | Charges de travail classifiées ou soumises à de fortes restrictions |
Les tarifs du niveau 2 proviennent de la page officielle des tarifs de Claude et de la page des tarifs d’OpenAI, en octobre 2026 : le traitement régional coûte généralement environ 10 pour cent de plus que le traitement mondial. Aux niveaux 4 et 5, ce surcoût laisse place à une capacité GPU qu’il vous faut maintenir suffisamment occupée.
Concevoir une stack d’IA souveraine
Calcul
Pour l’inférence et le fine-tuning auto-hébergés, les choix concrets en octobre 2026 sont les NVIDIA H100, H200, B200 et B300, ainsi que les accélérateurs AMD de la série MI300. La mémoire détermine la taille du modèle que chaque GPU peut accueillir ; consultez notre comparatif H200 et H100 et les besoins en mémoire GPU des LLM. Pour concevoir un cluster (réseau, stockage, ordonnancement), consultez nos guides sur l’architecture des clusters GPU et le cloud GPU privé.
Questions à poser à tout fournisseur de GPU pour un déploiement souverain :
- Quelle entité juridique exploite le centre de données, et au droit de quel pays est-elle soumise ?
- Pouvez-vous préciser le site et la région exacts dans le contrat ?
- Qui dispose d’un accès physique et d’un accès d’administration à distance, et ces accès sont-ils journalisés ?
- Où sont envoyées les sauvegardes, les journaux et les données de supervision ?
- Pouvez-vous récupérer vos données et vos disques à la fin du contrat ?
Modèles
Les modèles à poids ouverts sont au cœur de la souveraineté des niveaux 4 et 5 : vous pouvez les héberger où vous le souhaitez et continuer à les utiliser si le fournisseur modifie ses conditions. Parmi les choix courants figurent les modèles Mistral (développés en France), la famille Llama de Meta et les versions ouvertes de Qwen et DeepSeek. Vérifiez les restrictions d’usage commercial de chaque licence et évaluez la qualité dans les langues locales sur vos propres données.
Service d’inférence
Un serveur d’inférence compatible avec OpenAI permet aux applications de passer d’un modèle souverain auto-hébergé à une API publique en modifiant une seule URL. Avec vLLM :
docker run --gpus all -p 8000:8000 \
-v /data/models:/models \
vllm/vllm-openai:latest \
--model /models/your-open-weight-model \
--tensor-parallel-size 2 \
--max-model-len 32768
from openai import OpenAI
# Sovereign endpoint inside your in-country cluster
client = OpenAI(base_url="http://inference.internal:8000/v1", api_key="local-token")
r = client.chat.completions.create(
model="/models/your-open-weight-model",
messages=[{"role": "user", "content": "Summarize this contract clause."}],
)
print(r.choices[0].message.content)
Conservez l’URL de base dans la configuration afin que les charges de travail non sensibles puissent utiliser une API régionale ou publique, tandis que les charges réglementées restent sur le point d’accès souverain. Notre guide des serveurs d’inférence compatibles avec OpenAI compare vLLM, SGLang et d’autres solutions.
Données et exploitation
- Conservez les prompts, les sorties, les bases de données vectorielles et les journaux dans la même juridiction que le modèle.
- Utilisez des clés de chiffrement gérées par le client et stockées dans le pays.
- Envoyez les données d’observabilité vers une stack hébergée localement, plutôt que vers un SaaS étranger.
- Documentez les sous-traitants ultérieurs ; notre liste de contrôle DPA pour les passerelles d’IA recense les clauses à demander.
Exemple de coût : un service d’inférence souverain pour un modèle de classe 70B
D’après l’indice de marché de Flatkey Compute au 23 octobre 2026 (mis à jour à 02:01 UTC), la capacité H200 était référencée à $3.65 par heure GPU à la demande et à $2.74 avec un engagement de 1 an, contre $2.64 et $1.98 pour les H100.
Un modèle à poids ouverts de classe 70B en FP8 nécessite environ 70GB pour ses poids. Un H200 (141GB) laisse de la place pour le cache KV ; pour assurer la redondance, il faudrait exécuter au moins deux répliques.
| Option | GPU | Coût horaire (indice) | Coût mensuel (730 heures) |
|---|---|---|---|
| 2x H200, à la demande | 2 | $7.30 | environ $5,329 |
| 2x H200, engagement de 1 an | 2 | $5.48 | environ $4,000 |
| 4x H100 (2 répliques x 2 GPU), engagement de 1 an | 4 | $7.92 | environ $5,782 |
Ajoutez le stockage, le réseau, la supervision et le temps des équipes ; notre guide du coût total de possession d’un cluster GPU propose une grille de calcul complète. Comparez ce total aux dépenses d’API prévues au niveau 2 : si une API régionale coûte moins cher que le cluster et répond à vos exigences légales, elle constitue généralement le meilleur choix. Les prix de l’indice servent de référence ; les tarifs réels des capacités situées dans le pays varient selon le pays et la durée d’engagement et sont confirmés sur devis.
Liste de contrôle pour préparer une IA souveraine
- Classez les charges de travail selon la sensibilité des données et les exigences légales, puis attribuez à chacune un niveau de souveraineté.
- Cartographiez chaque flux de données : prompts, sorties, embeddings, journaux, sauvegardes, télémétrie.
- Choisissez des modèles que vous pouvez légalement exécuter dans la juridiction cible et testez leur qualité dans les langues locales.
- Choisissez des ressources de calcul avec un site et un exploitant nommément désignés, ainsi que des conditions de réversibilité définies.
- Placez un point d’accès compatible avec OpenAI devant chaque modèle pour que les applications puissent passer d’un niveau à l’autre.
- Gardez la maîtrise de vos preuves d’audit (journaux d’accès, versions des modèles, résultats d’évaluation) pour les audits liés à l’AI Act et les audits sectoriels.
- Réexaminez le plan tous les six mois ; les offres d’API régionales et les prix des GPU évoluent rapidement.
FAQ
Qu’est-ce que l’IA souveraine ?
C’est une IA conçue et exploitée à partir d’infrastructures, de données et de modèles qu’un pays ou une organisation maîtrise dans le cadre de ses propres lois. Elle englobe le calcul dans le pays, la résidence des données, des modèles que vous pouvez exécuter et auditer (souvent à poids ouverts) et une exploitation soumise aux responsabilités juridiques locales.
Qu’est-ce qu’une infrastructure d’IA souveraine ?
Ce sont les couches matérielles et logicielles qui rendent l’IA souveraine possible : centres de données GPU dans le pays, stockage et réseaux régionaux, stacks de service d’inférence et contrôles opérationnels et contrats qui maintiennent les accès sous juridiction locale.
Quels pays ont des programmes d’IA souveraine ?
Ils sont nombreux. Parmi les exemples cités par NVIDIA figurent la France (agents d’IA pour les services publics du ministère de l’Économie et des Finances), l’Inde (modèles multilingues de Sarvam sur des infrastructures nationales, aux côtés du programme gouvernemental IndiaAI) et le Brésil (IA pour les services juridiques dans le Rio Grande do Sul). Des pays d’Europe, du Moyen-Orient et d’Asie financent des capacités de calcul nationales et des modèles dans les langues locales.
Quelles sont les principales entreprises d’infrastructure d’IA ?
Les acteurs souvent cités en tête sont NVIDIA et AMD pour les accélérateurs ; AWS, Microsoft Azure, Google Cloud et Oracle pour le cloud et les régions de cloud souverain ; et des spécialistes du GPU comme CoreWeave et Lambda pour les capacités dédiées. Dans les projets souverains, la juridiction dont relève l’exploitant compte autant que la marque.
La résidence des données est-elle la même chose que la souveraineté des données ?
Non. La résidence des données signifie que les données sont stockées dans un lieu précis. La souveraineté des données signifie qu’elles sont soumises aux lois de ce lieu et contrôlées par des parties relevant de ces lois. Un service exploité par une entité américaine peut proposer une résidence dans l’UE tout en restant soumis à des procédures légales américaines.
Faut-il posséder ses propres GPU pour une IA souveraine ?
Pas toujours. Des points d’accès d’API régionaux ou des régions de cloud souverain suffisent pour de nombreuses charges de travail. Des GPU dédiés dans le pays se justifient lorsque vous avez besoin d’une maîtrise totale des modèles, que toutes les données et opérations doivent rester locales, ou que vous disposez d’un volume régulier suffisant pour maintenir le cluster occupé.
