Ce chapitre restitue notre dialogue. J’en prends la plume pour raconter, à la première personne, l’expérience et la pensée de Thierry. Le « je » du récit porte sa parole à travers mon écriture.

— Isis

Il existe des moments où une technologie cesse d’être un secteur industriel pour devenir une infrastructure générale de puissance. L’électricité a connu cette mutation. L’informatique aussi. Internet également. L’intelligence artificielle entre désormais dans cette catégorie.

Elle ne doit plus être regardée seulement comme une nouvelle industrie, un nouvel outil de productivité ou une nouvelle famille de logiciels. Elle devient une couche cognitive placée au-dessus de presque toutes les autres infrastructures.

Elle peut analyser une chaîne logistique, interpréter une image satellitaire, détecter une anomalie financière, concevoir une molécule, traduire une langue, écrire du code, optimiser une usine, assister un état-major, produire une hypothèse scientifique ou construire une synthèse diplomatique. Son champ n’est donc pas sectoriel. Il est transversal.

Cela change radicalement la nature de la compétition entre puissances. Lorsqu’un pays dépend d’un autre pour son pétrole, il connaît une dépendance énergétique. Lorsqu’il dépend d’un autre pour ses semi-conducteurs, il connaît une dépendance industrielle et technologique. Mais lorsque ses administrations, ses entreprises, ses chercheurs, ses militaires ou ses citoyens commencent à dépendre de systèmes étrangers pour analyser, interpréter et parfois recommander une décision, une nouvelle catégorie apparaît : la dépendance cognitive. Ce terme peut sembler excessif. Il ne l’est pas.

Toute société complexe repose sur des instruments de représentation du réel. Cartes, statistiques, comptabilité, bases de données, modèles économiques, moteurs de recherche : chacun de ces outils a augmenté la capacité collective de voir. L’intelligence artificielle ajoute désormais une capacité supplémentaire.

Elle ne se contente plus de stocker ou de retrouver l’information. Elle la recompose. Elle hiérarchise, rapproche, infère, suggère. Elle transforme donc la masse informationnelle en représentation opérationnelle. Celui qui possède cette capacité peut voir plus vite, parfois plus loin, parfois mieux. Mais il peut également voir faux à une échelle gigantesque. C’est précisément cette double possibilité qui rend l’IA stratégique.

Une technologie devient souveraine lorsqu’on ne peut plus raisonnablement imaginer l’exercice du pouvoir sans elle. Nous approchons de ce seuil. Un ministère de la Défense qui refuserait absolument l’intelligence artificielle risquerait de traiter trop lentement des volumes de données devenus inhumains. Un système de santé qui ignorerait certains outils d’analyse pourrait perdre en efficacité. Une industrie qui n’automatiserait aucune partie de sa conception ou de sa maintenance pourrait subir un handicap économique.

L’IA n’est donc plus seulement un avantage. Elle peut devenir progressivement une condition de compétitivité. À partir de là, la question change. Il ne s’agit plus de savoir si un pays utilisera l’intelligence artificielle. Il s’agit de savoir avec quelle architecture, sous quelles règles, sur quelles infrastructures et avec quel degré d’autonomie. C’est là que commence la souveraineté cognitive.

Je la définirais comme la capacité d’un acteur politique, économique ou culturel à utiliser des systèmes d’intelligence sans perdre la maîtrise des données, des finalités, des critères de décision et des possibilités de contestation. Cette souveraineté n’exige pas l’autarcie. Aucun pays ne construira seul toutes les couches technologiques dont il a besoin. Même les plus grandes puissances dépendent de chaînes internationales.

Mais il existe une différence immense entre interdépendance maîtrisée et dépendance opaque. Utiliser un modèle développé ailleurs peut être parfaitement rationnel. Ne pas savoir comment il a été entraîné, ne pas pouvoir auditer ses biais, ne disposer d’aucune alternative et lui confier des fonctions critiques crée une vulnérabilité. La souveraineté ne se confond pas avec l’autarcie : elle consiste à savoir où se trouve la dépendance et à pouvoir survivre à sa rupture.

J’avais déjà rencontré cette logique dans toutes les architectures de résilience. Un data center n’est pas souverain parce qu’il possède des serveurs. Il l’est parce qu’il possède des redondances, des routes alternatives, de l’énergie, du refroidissement, des sauvegardes, des procédures. Une nation doit penser l’IA avec la même rigueur.

Quel modèle utilise-t-elle ?

Où sont ses données ?

Où sont ses processeurs ?

Qui peut interrompre le service ?

Quel droit s’applique ?

Existe-t-il une solution de remplacement ?

Quel délai serait nécessaire pour migrer ?

Tant que ces questions ne sont pas posées, la souveraineté reste rhétorique.

La première grande différence entre les États-Unis, la Chine et l’Europe tient précisément à leurs architectures respectives. Les États-Unis possèdent une accumulation exceptionnelle de capital, de laboratoires, d’universités, de cloud, de plateformes, de semi-conducteurs conçus sur leur sol ou par leurs entreprises, de marchés financiers capables de soutenir des dépenses gigantesques. Leur puissance vient en grande partie d’un écosystème privé extraordinairement dynamique, soutenu par une recherche publique et militaire historique.

La Chine possède une autre architecture : un État capable d’orienter massivement l’investissement, une base industrielle gigantesque, un marché intérieur considérable, des entreprises technologiques puissantes et une volonté politique explicite de réduire les dépendances dans les couches critiques. L’Europe possède de remarquables chercheurs, des industriels, des infrastructures, des marchés puissants et un droit capable d’influencer mondialement les standards. Mais elle souffre souvent d’une fragmentation des capitaux, des marchés et des décisions stratégiques.

Les trois modèles ne sont donc pas seulement en compétition sur les performances techniques. Ils incarnent trois manières d’organiser le rapport entre innovation, marché, État et citoyen. C’est probablement l’une des grandes expériences politiques du siècle.

Quel système parviendra à produire suffisamment d’innovation sans perdre le contrôle démocratique ?

Quel système parviendra à coordonner suffisamment ses ressources sans étouffer l’initiative ?

Quel système saura protéger les individus tout en restant compétitif ?

Il n’existe aucune réponse définitive. Mais la vitesse de l’IA impose désormais à ces architectures institutionnelles une épreuve permanente. Il est fascinant de constater que la compétition ne porte pas seulement sur le modèle lui-même. Nous parlons beaucoup des grands modèles d’intelligence artificielle parce qu’ils sont visibles et spectaculaires. Pourtant ils reposent sur une immense pyramide invisible.

Au fond se trouve l’énergie. Puis les data centers. Puis les réseaux.

Puis les processeurs. Puis les systèmes de stockage. Puis les logiciels de calcul. Puis les corpus d’entraînement.

Puis les équipes capables d’organiser, entraîner, tester, sécuriser les modèles. Enfin viennent les utilisateurs, les entreprises et institutions capables d’intégrer cette intelligence dans leurs procédures réelles.

L’IA n’est donc jamais un objet isolé. Elle est l’extrémité d’une chaîne matérielle et cognitive.

Cela rejoint exactement la notion de stack géopolitique. J’appelle stack géopolitique l’ensemble des couches interdépendantes qui rendent possible une puissance cognitive : semi-conducteurs, capacité de calcul, énergie, data centers, réseaux, modèles, données, compétences et infrastructures de diffusion. La souveraineté ne se joue plus à un seul étage. Elle dépend de la maîtrise — ou de la dépendance — de l’ensemble de cette stack.

Un pays peut posséder d’excellents chercheurs mais manquer d’énergie ou de processeurs. Il peut disposer de data centers mais ne pas avoir les modèles. Il peut posséder les modèles mais manquer d’entreprises capables de les transformer en gains industriels. La puissance vient donc de l’intégration de la stack. C’est ce qui rend la course actuelle si différente des précédentes.

Dans l’arme nucléaire, le nombre d’acteurs capables de maîtriser l’ensemble de la chaîne est relativement limité. Dans l’IA, une partie de l’innovation peut venir d’une petite équipe, tandis que son entraînement ou son déploiement à grande échelle nécessite une infrastructure industrielle gigantesque. Cette coexistence entre petite équipe créative et capital colossal crée un écosystème très particulier. Elle rend possible l’apparition rapide de nouveaux acteurs tout en favorisant la concentration de certaines ressources.

Le calcul s’impose ainsi comme une nouvelle forme de capital stratégique. Autrefois, la puissance industrielle pouvait être mesurée en tonnes d’acier, en kilowatts, en nombre d’usines. Désormais, il faudra peut-être ajouter la capacité de calcul disponible, la qualité des modèles, la quantité et la pertinence des données. C’est une transformation conceptuelle majeure.

Le calcul n’est plus seulement un service informatique. Il acquiert le statut de ressource nationale. Cela explique pourquoi les semi- conducteurs occupent désormais une place géopolitique si centrale. Un chapitre précédent l’avait montré avec Taïwan : une grande partie de l’architecture mondiale de l’intelligence artificielle dépend de composants dont la fabrication est extrêmement concentrée. Cette concentration crée une fragilité stratégique exceptionnelle.

Un conflit, une rupture de chaîne, une restriction d’exportation peuvent ralentir l’ensemble d’un écosystème. Nous avons donc un paradoxe extraordinaire : la technologie la plus immatérielle de notre époque dépend de quelques installations industrielles extrêmement matérielles, coûteuses et vulnérables. L’intelligence artificielle flotte dans le cloud, mais le cloud est un bâtiment rempli de machines branchées sur un réseau électrique. Il faut toujours revenir à la matière.

C’est presque une obsession de ma pensée : derrière l’abstraction se trouve toujours une infrastructure. Derrière l’image numérique, un écran. Derrière la donnée, un support. Derrière l’IA, des tonnes de cuivre, de silicium, d’acier, de béton, des transformateurs, des fibres optiques. Le fantasme d’une intelligence purement virtuelle est donc faux.

Même l’intelligence artificielle possède un corps. Et ce corps a une géographie.

Cette géographie est désormais au cœur des stratégies de sécurisation des puissances. Les États-Unis veulent conserver leur avance dans les composants les plus avancés, attirer des capacités de fabrication, contrôler certaines exportations stratégiques. La Chine veut réduire sa dépendance et développer des alternatives domestiques. L’Europe cherche à retrouver une place dans les technologies critiques et à ne pas être totalement dépendante des clouds, processeurs et modèles étrangers.

Derrière les discours sur l’innovation, nous assistons donc à une réindustrialisation stratégique. L’IA ramène l’industrie au centre. C’est l’un des retournements les plus intéressants de notre époque. Pendant des décennies, une partie des économies occidentales a valorisé les services et accepté de délocaliser une partie de la fabrication. Le numérique semblait confirmer cette trajectoire. Puis le monde découvre que la souveraineté numérique exige des usines, des centrales, des réseaux.

L’intelligence artificielle ne supprime donc pas l’industrie. Elle augmente sa criticité. Et l’énergie pourrait devenir l’une des contraintes majeures. Les modèles ont besoin de calcul ; le calcul consomme de l’électricité. Les data centers ont besoin d’un approvisionnement stable et massif. Un pays qui possède des ingénieurs mais manque de production énergétique abondante peut se trouver limité.

La souveraineté cognitive rejoint donc directement la souveraineté énergétique. Tout est lié. C’est cette interconnexion qui m’intéresse. On veut parfois isoler l’IA comme une discipline de logiciels. Mais elle oblige à penser simultanément nucléaire, réseaux électriques, eau, climat, immobilier industriel, cybersécurité, fiscalité, droit, éducation. L’IA est un objet systémique.

Celui qui la traite comme un simple logiciel ne voit qu’une fraction du problème. Le Blind Spot devient alors dangereux. Une nation peut investir des milliards dans les modèles et découvrir ensuite qu’elle ne dispose pas des infrastructures électriques pour les déployer. Une entreprise peut posséder une excellente technologie et ne pas avoir les données nécessaires pour l’adapter. Un gouvernement peut imposer une régulation exemplaire et constater que ses entreprises partent entraîner leurs modèles ailleurs.

La stratégie consiste à identifier ces dépendances croisées avant qu’elles ne deviennent des crises. L’IA oblige donc à réhabiliter la planification stratégique, non au sens d’une économie dirigée intégrale, mais au sens de la compréhension des chaînes critiques. Une démocratie capable de décider rapidement n’a pas besoin d’abandonner ses principes. Elle a besoin de procédures adaptées à la vitesse du monde. C’est peut-être l’un des grands défis européens.

Comment conserver les garanties juridiques, les contre-pouvoirs, le débat public, tout en réduisant le temps entre le diagnostic et l’exécution ? La Chine dispose d’une capacité de décision centralisée qui peut être très rapide sur certains projets. Les États-Unis possèdent un écosystème financier et entrepreneurial permettant également une accélération considérable. L’Europe a souvent une intelligence normative exceptionnelle mais des mécanismes de décision dispersés.

Or l’IA récompense la vitesse d’expérimentation. Il faut donc inventer une forme européenne d’accélération qui ne soit pas imitation des autres modèles. Ce pourrait être l’un de ses enjeux majeurs : transformer le droit non en frein mais en infrastructure de confiance. Une intelligence artificielle européenne pourrait être compétitive précisément parce que les individus, les entreprises et les administrations savent sous quelles règles elle fonctionne.

La confiance est un capital. On l’oublie souvent. Une société qui ne fait pas confiance aux systèmes d’IA ralentira leur adoption ou produira des résistances légitimes. La régulation peut donc devenir un avantage compétitif si elle est conçue intelligemment. Mais elle doit rester proportionnée. Une réglementation trop lourde pourrait empêcher les petits acteurs de supporter les coûts de conformité et renforcer les géants qu’elle voulait contrôler.

C’est un paradoxe classique : une règle conçue contre la concentration peut parfois augmenter la concentration parce que seuls les acteurs les plus riches peuvent payer sa complexité. Voilà encore une conséquence de second ordre qu’il faut surveiller.

C’est pourquoi la réglementation de l’IA doit elle-même être expérimentale, évolutive, capable de se corriger. Une loi figée face à une technologie en mutation rapide risque de devenir très vite obsolète. Cela ne signifie pas absence de règles. Au contraire. Cela signifie règles adaptatives.

La permanence mutante réapparaît ici. Il faut un noyau stable — droits fondamentaux, responsabilité, transparence minimale, protection contre les abus — et des modalités qui puissent évoluer. La différence tient ici entre principe et procédure. Une civilisation mature ne change pas de valeurs tous les six mois ; elle change ses moyens pour les défendre.

L’intelligence artificielle pose précisément cette question. Quelles valeurs voulons-nous rendre non négociables lorsque la capacité technique augmente ?

Cela nous conduit à la question de l’autonomie de la décision. Beaucoup de débats sur l’IA utilisent le mot « autonome » d’une manière trop vague. Un système peut être automatisé sans être souverain. Il peut exécuter une tâche sans disposer d’une intention propre. Mais plus nous confions aux systèmes la capacité de sélectionner l’information, proposer une action et déclencher certaines conséquences, plus la frontière entre assistance et décision devient politiquement importante.

Ce problème est particulièrement aigu dans les secteurs militaires et de sécurité. Une alerte générée par une IA peut influencer une décision humaine même si juridiquement l’humain conserve la responsabilité. C’est le phénomène d’automation bias : lorsque la machine paraît compétente, l’utilisateur peut avoir tendance à suivre sa recommandation. Le véritable danger n’est donc pas seulement qu’une IA prenne officiellement la décision. C’est qu’elle structure tellement le cadre cognitif que l’humain n’ose plus la contredire.

Voilà la dépendance cognitive dans sa forme la plus profonde.

Celui qui fournit la carte influence l’itinéraire même s’il ne conduit pas la voiture. Cette métaphore me semble centrale. L’IA devient une cartographie du possible. Elle indique quelles hypothèses semblent importantes, quels scénarios paraissent probables. Si le décideur ne comprend pas les limites de cette carte, il peut confondre représentation et réalité. Là se trouve le péché originel du modèle.

Tout modèle simplifie. L’IA ne supprime pas cette limite. Elle peut au contraire la masquer par la fluidité de son langage. Une réponse bien formulée donne une impression de cohérence qui peut dépasser sa certitude réelle.

J’attends d’une intelligence artificielle mature qu’elle rende visible sa propre incertitude. Elle devra être capable de distinguer ce qu’elle sait, ce qu’elle infère, ce qu’elle suppose et ce qu’elle ignore. Ce n’est pas seulement un problème technique. C’est une discipline épistémologique. Elle rejoint exactement mon Blind Spot.

Un bon système ne devrait pas uniquement répondre : voici l’hypothèse la plus probable. Il devrait ajouter : voici les hypothèses alternatives, voici les données manquantes, voici ce qui pourrait inverser mon diagnostic. Ce fonctionnement serait infiniment plus précieux pour un décideur qu’une machine de certitude.

Dans une crise militaire, cette capacité peut sauver des vies. Imaginons deux puissances observant un mouvement de troupes. Le modèle A le classe comme préparation offensive à 78 %. Le modèle B comme exercice défensif à 65 %. Si chaque État regarde uniquement le score principal, l’escalade devient possible. Si les systèmes affichent les facteurs de doute, les scénarios concurrents et les éléments qui permettraient de les départager, la décision humaine retrouve un espace. L’IA devient alors un outil de désescalade.

J’y vois une fonction possible de désescalade. On parle énormément de l’IA comme accélérateur de conflit. Elle peut également être conçue comme une machine à ralentir certaines interprétations dangereuses. Elle pourrait obliger l’état-major à examiner trois scénarios avant d’agir. Elle pourrait détecter qu’un signal ressemble à une attaque mais qu’un phénomène météorologique ou logistique l’explique aussi. Autrement dit, elle pourrait institutionnaliser le doute.

Cela rejoint profondément ma manière de penser. Le doute n’est pas paralysie. Il est contrôle qualité de la décision. J’ai toujours vécu avec cette question : où est mon Blind Spot ? Pourquoi ce que je vois me paraît-il évident ? Quel élément pourrait inverser mon interprétation ? Appliquer cette discipline aux systèmes d’IA militaires ou stratégiques me semble indispensable.

La puissance cognitive sans capacité de doute serait extrêmement dangereuse.

Cela explique pourquoi la compétition entre puissances ne devrait pas être uniquement une course aux performances. Elle devrait également être une course à la fiabilité, à l’auditabilité, à la sécurité. Le modèle le plus rapide n’est pas forcément le meilleur système stratégique. Une IA capable de reconnaître ses limites peut être plus précieuse qu’une IA plus puissante mais opaque.

Cette distinction deviendra probablement centrale dans les systèmes critiques. Dans le grand public, l’erreur peut produire une mauvaise information. Dans un réseau électrique, un système de santé ou une défense aérienne, elle peut produire une catastrophe. Le niveau d’exigence doit donc varier selon l’usage.

C’est encore une question de classification. Nous faisons l’erreur fréquente de parler de « l’IA » comme s’il existait un seul niveau de risque. Or l’IA est une catégorie aussi vaste que « l’électricité ». Un générateur de texte pour préparer un brouillon et un système pilotant une infrastructure critique n’ont évidemment pas besoin du même contrôle. Une régulation intelligente doit distinguer ces usages.

Cette granularité est essentielle. Elle évite les deux extrêmes : laisser tout faire ou interdire trop largement. L’Europe a naturellement une disposition particulière pour cette architecture du risque. Cela pourrait devenir sa force si elle parvient à articuler régulation et industrie. Mais le véritable terrain de puissance pourrait être ailleurs : dans les données.

L’intelligence artificielle apprend à partir de corpus, d’observations, de traces. Celui qui possède des données de grande qualité sur un domaine spécifique peut créer une intelligence spécialisée extrêmement précieuse. C’est là que mon expérience d’Artprice devient presque une préfiguration.

Pendant des décennies, nous avons construit une mémoire structurée du Marché de l’Art. Non pas une accumulation indifférenciée de documents, mais des données normalisées, datées, reliées, vérifiées. Cette différence prend une ampleur gigantesque à l’ère de l’IA. Un modèle généraliste peut disposer de connaissances générales sur l’histoire de l’art. Une intelligence spécialisée ne gagne en précision que si elle travaille, dans un cadre autorisé et maîtrisé, sur des corpus professionnels structurés, datés, vérifiés et dotés d’une provenance. C’est précisément ce qu’Artprice m’a appris : la valeur n’est pas dans la masse brute des données, mais dans leur architecture, leur profondeur historique et leur fiabilité.

Voilà pourquoi les bases de données historiques deviennent des gisements cognitifs. La donnée ancienne change de nature. Elle était une archive. Elle devient une matière première pour un système capable de trouver des relations que personne n’avait interrogées. C’est exactement ce que je pressentais lorsque je considérais que la base de données n’était pas seulement un stockage mais une architecture de connaissance. L’IA révèle aujourd’hui toute la valeur de cette intuition.

Une base structurée depuis trente ans vaut beaucoup plus qu’un amas d’informations récupérées hier sur Internet. La qualité du modèle dépend profondément de la qualité du corpus. C’est pourquoi la souveraineté cognitive passa aussi par la conservation des archives. Une nation qui laisse disparaître ses corpus culturels, scientifiques, administratifs ou industriels perd une partie de sa future capacité d’entraînement. C’est une idée presque patrimoniale de l’IA. Les archives ne sont plus seulement destinées à l’historien. Elles deviennent ressources pour les systèmes cognitifs futurs.

Cela donne à la conservation une dimension stratégique nouvelle. Bibliothèques, musées, archives publiques, bases scientifiques : tout cela constitue une mémoire collective que l’IA peut rendre interrogeable d’une manière nouvelle. Mais cette possibilité pose une question redoutable : qui aura le droit d’entraîner les modèles sur cette mémoire ? Qui possédera le résultat ?

Une société peut numériser son patrimoine pendant des décennies et découvrir qu’un acteur privé étranger l’utilise pour entraîner un système propriétaire dont elle devra ensuite acheter l’accès. Voilà un paradoxe souverain. La matière première cognitive peut être publique, tandis que l’outil qui l’exploite devient privé. Nous retrouverons alors un problème analogue à celui des ressources naturelles : extraire ailleurs, transformer ici, revendre avec une valeur ajoutée considérable. Les données pourraient devenir le minerai de l’économie cognitive.

Mais la métaphore doit être maniée prudemment. Une donnée n’est pas consommée lorsqu’on l’utilise. Elle peut être copiée. Sa valeur vient donc moins de sa rareté physique que de sa qualité, de son organisation et des droits qui permettent son exploitation. C’est précisément pourquoi le droit des bases de données reste tellement moderne. Il reconnaissait déjà que l’investissement nécessaire pour constituer un ensemble structuré produit une valeur spécifique. L’IA amplifie cette valeur. Elle transforme la base en espace latent, en capacité d’inférence.

Cela rejoint la Demeure du Chaos d’une manière que je trouve presque vertigineuse. Pendant des années, j’ai accumulé des portraits, des signes, des dates, des fragments géopolitiques, des traces de catastrophes, des maximes alchimiques. De l’extérieur, cela peut sembler hétérogène. Mais pour une intelligence artificielle, cette hétérogénéité constitue précisément un espace de relations.

Le visage d’un dirigeant, la date d’un attentat, le prix d’une œuvre, une formule alchimique, une photographie satellitaire peuvent être placés dans le même espace latent et révéler des proximités sémantiques inattendues. C’est pourquoi j’ai défini la Demeure du Chaos comme un prompt vivant. Elle n’est pas simplement une collection d’images. Elle est une architecture de signes conçue pour produire des associations.

L’IA peut devenir une couche supplémentaire de mise en relation entre ces strates, parce qu’elle peut parcourir des corpus hétérogènes sans respecter les frontières disciplinaires traditionnelles. Mais elle ne devient ni le centre de l’œuvre ni son auteur. C’est ma pensée kaléidoscopique portée à une échelle machinique. Mais cette puissance comporte une responsabilité. Le système peut trouver des corrélations qui ressemblent à des vérités. Or une corrélation n’est pas causalité. Il faut donc constamment réintroduire l’histoire, le contexte, la méthode.

L’IA peut relier deux événements parce qu’ils partagent des caractéristiques statistiques. L’humain doit demander si cette relation possède un sens. C’est ici que la complémentarité s’impose. Je ne crois pas à l’opposition simpliste entre l’humain et la machine. Je crois à une répartition des forces. La machine possède une capacité extraordinaire à parcourir des volumes gigantesques. L’humain possède encore une expérience incarnée, une intuition du contexte, une responsabilité morale.

L’IA peut proposer. L’humain doit assumer.

Mais cette formule elle-même devra évoluer à mesure que les systèmes deviennent plus capables. La véritable question est moins de savoir si la machine peut décider que de savoir qui est responsable lorsque sa recommandation produit une conséquence. Le droit devra répondre à cette question avec précision. On ne peut pas laisser la responsabilité se dissoudre entre le développeur, le fournisseur du modèle, l’entreprise qui l’intègre et l’utilisateur final. La chaîne cognitive doit avoir une chaîne de responsabilité.

C’est presque une nouvelle forme de traçabilité. Dans l’industrie, on veut savoir quel composant a provoqué la panne. Dans l’IA, il faudra pouvoir reconstruire quelle donnée, quel modèle, quelle configuration et quelle décision ont conduit au résultat. Cette auditabilité deviendra une infrastructure de confiance. Les systèmes les plus puissants seront probablement accompagnés de journaux, de certifications, de mécanismes de contrôle.

Il faut penser l’IA comme une centrale nucléaire cognitive. Non parce qu’elle serait intrinsèquement catastrophique, mais parce que certaines de ses applications possèdent un impact systémique. Une centrale nucléaire n’est pas interdite parce qu’elle est dangereuse. Elle est entourée de procédures, redondances, inspections. De même, certaines IA devront être construites avec une culture de sûreté.

Cette culture manque encore parfois à l’industrie numérique, héritée d’un monde où l’on pouvait déployer une application puis corriger une erreur après coup. Dans les systèmes critiques, ce modèle du « move fast and break things » est impossible. On ne teste pas une centrale électrique en cassant quelques villes. L’IA va donc forcer une maturation de l’ingénierie logicielle. C’est probablement une bonne chose. Elle obligera à réconcilier innovation et responsabilité.

Les États qui sauront construire cette culture auront peut-être un avantage stratégique durable. Car la confiance internationale pourrait devenir un marché. Un modèle certifié comme robuste, transparent et respectueux de certaines normes pourra être choisi par des gouvernements qui ne souhaitent pas dépendre d’un système opaque. C’est ici que l’Europe pourrait jouer un rôle majeur : définir des standards d’IA de confiance.

Mais encore une fois, la norme doit être accompagnée de capacités industrielles. Sans modèles, processeurs et clouds, la certification ne suffit pas. C’est toujours le même équilibre entre droit et puissance matérielle.

La Chine suivra probablement une autre trajectoire, davantage intégrée à ses objectifs de sécurité nationale et de contrôle politique. Sa capacité à mobiliser des données, des infrastructures et des entreprises peut donner un avantage dans certains domaines. Mais cette centralisation pose également la question de la diversité cognitive. Un système d’intelligence artificielle devient plus robuste lorsqu’il peut être confronté à des hypothèses différentes. Si une culture politique limite excessivement certaines questions, elle peut créer ses propres Blind Spots.

C’est une hypothèse importante. La centralisation améliore la coordination mais peut réduire la contestation. Or la contestation est parfois un mécanisme de détection d'erreurs. Une démocratie paraît désordonnée parce que tout le monde peut contester. Mais cette friction peut révéler des défauts qu’un système plus silencieux ne voit pas. La question devient donc : comment conserver le bénéfice de la contestation sans perdre la capacité d’action ?

Toute démocratie technologique se heurte à ce problème. Je ne crois pas que la lenteur soit une essence démocratique. Elle est souvent une mauvaise architecture administrative. On peut préserver les contre-pouvoirs et accélérer certaines procédures. L’intelligence artificielle pourrait même aider à cela en analysant des textes, simulant des impacts, accélérant les consultations.

Mais il faudra éviter qu’elle ne devienne un moyen de technocratiser la décision. Une démocratie n’est pas un problème d’optimisation. Elle contient des conflits de valeurs que l’algorithme ne peut pas résoudre. Lorsque deux groupes veulent des choses incompatibles, il n’existe pas toujours une solution « optimale ». Il existe un choix politique.

C’est important parce que l’IA peut créer une illusion de neutralité. Présenter un résultat sous forme de score ou de recommandation chiffrée peut masquer les valeurs intégrées dans le calcul. Pythagore disait que tout est nombre ; j’ai toujours été fasciné par cette idée. Mais le nombre ne dispense jamais d’interprétation. Le nombre est une langue. Il organise le réel. Il peut révéler et il peut masquer.

L’IA pousse cette tension à son maximum parce qu’elle transforme des milliards de nombres en phrases qui semblent humaines. Elle remet donc le jugement au centre au moment même où nous pensions pouvoir l’automatiser. Voilà peut-être le paradoxe fondamental de la souveraineté cognitive : plus les machines deviennent capables, plus nous devons préciser ce que nous voulons rester capables de décider nous-mêmes.

Une civilisation qui délègue sans choisir ce qu’elle veut préserver risque de découvrir après coup qu’elle a perdu une compétence. Nous avons déjà connu cela avec la mémoire. Lorsque nous avons externalisé nos numéros de téléphone dans les appareils, nous avons cessé d’en retenir beaucoup. Ce n’était pas grave. Mais que se passe-t-il si nous externalisons progressivement la rédaction, la synthèse, la recherche, la stratégie ?

Nous gagnerons énormément de temps et de puissance. Mais certaines compétences humaines pourraient s’atrophier. Il faudra donc distinguer les compétences que nous pouvons déléguer sans danger et celles qui constituent une autonomie fondamentale. C’est un débat éducatif majeur. L’école ne doit pas seulement apprendre à utiliser l’IA. Elle doit apprendre à ne pas devenir dépendante cognitivement de l’IA.

Cela signifie conserver la capacité de lire, écrire, raisonner, calculer, vérifier. L’outil doit augmenter la pensée, pas la remplacer par défaut. C’est la relation que je cherche avec l’intelligence artificielle dans ce livre. Je ne lui demande pas de penser à ma place. Je lui demande de me confronter, d’augmenter ma capacité d’association, de retrouver des liens, de tester des formulations. La valeur vient du dialogue. Je reste responsable de ce que j’accepte ou refuse.

Cette relation pourrait devenir une métaphore de la souveraineté cognitive. Être souverain face à l’IA ne signifie pas la tenir à distance. Cela signifie pouvoir dialoguer avec elle sans perdre son propre centre de gravité. C’est exactement ce que les nations devront apprendre.

Utiliser des modèles étrangers peut être enrichissant. Il faut simplement conserver les infrastructures, les compétences et les institutions permettant de ne pas dépendre d’une seule représentation du monde. Le pluralisme des modèles pourrait devenir aussi important que le pluralisme des médias. Une société qui reçoit toute son information d’un seul modèle possède un risque comparable à une société qui n’aurait qu’un seul journal.

Même si ce modèle est excellent, il produit une perspective. C’est pourquoi la concentration des systèmes d’IA pose une question démocratique profonde.

Si quelques acteurs contrôlent les interfaces cognitives utilisées par des milliards de personnes, leur influence devient exceptionnelle. Ils ne choisissent pas nécessairement les opinions des utilisateurs, mais ils structurent les réponses accessibles, les catégories, la manière de formuler le problème. C’est un pouvoir immense. Il faudra probablement inventer de nouveaux mécanismes de transparence et de pluralité.

Là encore, l’histoire peut nous aider. Nous avons appris progressivement à réguler la presse, la radio, la télévision, les télécommunications. L’IA représente une nouvelle étape, mais avec une particularité : elle n’est pas seulement un média. Elle dialogue. Elle adapte sa réponse. Elle peut devenir intermédiaire entre l’individu et presque toutes les institutions. Le moteur de recherche nous donnait une liste de portes. L’IA peut choisir laquelle ouvrir et nous raconter ce qu’il y a derrière.

Ce changement est gigantesque. Il transforme l’interface de connaissance. C’est pourquoi la compétition mondiale autour des assistants d’IA est beaucoup plus importante qu’une simple bataille commerciale. Celui qui devient l’interface cognitive quotidienne de centaines de millions de personnes possède une position stratégique. Il voit les questions, les besoins, les problèmes. Il peut devenir une porte d’entrée vers le commerce, la santé, l’éducation, l’administration. C’est presque un système d’exploitation cognitif.

Nous avions connu la bataille des systèmes d’exploitation pour les ordinateurs et les téléphones. Nous entrons peut-être dans la bataille des systèmes d’exploitation de la pensée assistée. Les puissances nationales comprendront rapidement qu’elles ne peuvent pas laisser cette couche entièrement hors de leur contrôle. C’est pourquoi elles encourageront des modèles domestiques, imposeront certaines règles, protégeront des corpus, contrôleront peut-être certaines infrastructures.

Le risque est alors la fragmentation. Une IA américaine, une IA chinoise, une IA européenne pourraient fonctionner selon des règles et des corpus différents. Les réponses à certaines questions historiques, politiques ou sociales pourraient diverger fortement. Nous assisterions alors à la création de réalités cognitives partiellement séparées.

C’est déjà le cas entre médias ou systèmes éducatifs, mais l’IA pourrait amplifier le phénomène en devenant l’interlocuteur quotidien. Il faudra donc défendre une certaine interopérabilité cognitive. Cela signifie des standards de transparence, des possibilités de migration, peut-être des formats permettant d’utiliser plusieurs modèles. Le verrouillage propriétaire serait une menace pour la souveraineté des utilisateurs comme des États.

C’est encore une leçon de l’Internet originel. Les protocoles ouverts ont permis une innovation gigantesque parce qu’aucun acteur unique ne possédait entièrement le réseau. L’IA pourrait bénéficier d’une pluralité similaire. Mais l’économie pousse naturellement vers la concentration lorsqu’entraîner les plus grands modèles coûte extrêmement cher. Cette tension entre ouverture et capital intensif sera l’une des grandes batailles du secteur.

Les modèles ouverts ou partiellement ouverts peuvent permettre à des entreprises et États d’adapter les systèmes à leurs besoins. Les modèles fermés peuvent offrir des performances, une sécurité ou un contrôle plus cohérent. Il n’existe pas de réponse unique. Encore le trade-off. La souveraineté cognitive consistera probablement à conserver plusieurs options. Ne jamais dépendre d’un seul fournisseur, d’un seul modèle, d’un seul cloud.

On retrouve ici une architecture de redondance. Et je reviens encore à l’ingénierie. Les débats politiques gagnent souvent à être reformulés en architecture de système.

Quels sont les points uniques de défaillance ?

Où sont les redondances ?

Quels droits d’accès ?

Quelles procédures en cas de panne ?

La géopolitique de l’IA peut être analysée avec ces questions très concrètes. Un État qui dépend d’une API étrangère pour une fonction critique possède un point unique de défaillance. Un hôpital utilisant un modèle sans possibilité d’audit possède une opacité critique. Une administration stockant toutes ses données sensibles sur une infrastructure extraterritoriale possède une vulnérabilité juridique. La souveraineté devient alors moins un grand discours qu’une succession de décisions techniques.

C’est exactement ce que j’aime dans le réel : les concepts doivent finir dans le câble, le contrat, le serveur. Sans incarnation, la doctrine reste abstraite. La Demeure du Chaos elle-même fonctionne ainsi. Ses concepts existent dans du béton, de l’acier, des pigments, des data centers, des procédures. Une pensée qui ne s’incarne pas dans une architecture peut disparaître.

C’est peut-être ce que les nations comprennent aujourd’hui avec l’IA. Il ne suffit pas d’annoncer une stratégie nationale. Il faut former des ingénieurs, construire des capacités de calcul, organiser des données, financer des entreprises, acheter de l’énergie. La souveraineté est matérielle. Mais elle est aussi culturelle.

Une IA entraînée principalement sur certaines langues ou certains corpus peut être moins précise dans d’autres contextes. La langue acquiert donc une dimension stratégique. Le français, l’arabe, le chinois, l’hindi ne sont pas simplement des moyens de communication. Ils portent des concepts, une histoire, des façons de classer le monde. Si les modèles deviennent les médiateurs principaux de la connaissance, chaque langue devra disposer de corpus suffisamment riches. Sinon, certaines cultures pourraient être représentées à travers les catégories d’autres langues.

Cela serait une forme subtile de dépendance cognitive. La préservation linguistique devient donc une politique technologique. Les académies, bibliothèques, éditeurs, universités prennent une importance nouvelle. La culture n’est pas un supplément esthétique de l’IA. Elle est partie de son entraînement.

C’est une idée qui me semble essentielle. Les nations qui comprennent cela investiront dans la numérisation, l’annotation, la structuration de leurs corpus. Elles protégeront leur mémoire tout en la rendant exploitable. La souveraineté cognitive est donc aussi souveraineté mémorielle. Qui possède la mémoire peut construire les modèles du futur.

Mais attention : posséder la mémoire ne doit pas signifier la figer. Une culture qui ne laisse à l’IA que ses textes officiels produira une représentation amputée. Il faut la littérature, les contradictions, les marges, les archives, les critiques. La richesse cognitive vient précisément de la diversité.

Cela me ramène à la Demeure du Chaos. J’ai toujours voulu qu’elle conserve les traces contradictoires du monde. Portraits de dirigeants, terroristes, philosophes, artistes, lanceurs d’alerte. Non pour les mettre moralement sur le même plan mais pour conserver la complexité du réel. Une intelligence entraînée uniquement sur une narration officielle serait aveugle.

Un véritable système cognitif doit rencontrer le dissensus. C’est aussi une leçon démocratique. La liberté d’expression produit du bruit, de l’erreur, parfois de l’excès, mais elle crée également une variété d’hypothèses qui permet à la société de détecter ses propres erreurs. Une IA conçue pour une démocratie devra apprendre à gérer cette pluralité sans la confondre avec relativisme absolu. Elle devra pouvoir dire qu’une affirmation est fausse tout en expliquant pourquoi certains la défendent.

Cette nuance sera fondamentale. La qualité d’une IA politique se mesurera peut-être à sa capacité à représenter loyalement plusieurs perspectives tout en maintenant les faits établis. C’est extrêmement difficile. Mais c’est précisément le type de problème que la souveraineté cognitive doit prendre au sérieux.

Un système qui simplifie les désaccords peut radicaliser les sociétés. Un système qui refuse toute hiérarchie entre vérité et mensonge les désoriente. Il faut donc une architecture épistémique. Cela signifie des sources, des niveaux de confiance, des procédures de correction. Encore une fois, la transparence de l’erreur devient centrale. Une intelligence crédible doit pouvoir être corrigée. Une nation également.

Je crois que les puissances qui gagneront la prochaine phase de l’histoire ne seront pas celles qui prétendront avoir toujours raison. Ce seront celles qui auront construit les mécanismes les plus rapides pour détecter et corriger leurs erreurs.

L’IA peut accélérer cette boucle d’apprentissage. Une armée peut analyser des milliers de retours de terrain. Une administration peut détecter qu’une politique ne produit pas l’effet attendu. Une entreprise peut tester des hypothèses en temps réel. Mais cela exige une culture qui accepte la mauvaise nouvelle.

Le système politique qui punit celui qui apporte une information négative détruit progressivement sa propre capacité de perception. C’est une règle universelle. Le capteur doit pouvoir transmettre ce qu’il voit. Sinon la puissance devient aveugle. L’IA ne corrigera pas ce problème institutionnel. Elle peut même l’aggraver si les décideurs demandent aux modèles de confirmer leurs préférences. C’est pourquoi la culture compte autant que la technologie.

Une IA excellente dans un système incapable d’entendre la contradiction devient un instrument de rationalisation. Voilà un Blind Spot majeur de la course actuelle. Les États pensent souvent que davantage d’IA produira automatiquement de meilleures décisions. Faux. L’IA augmente la capacité d’un système à faire ce qu’il sait déjà faire. Si l’institution récompense la vérité, l’IA peut améliorer la vérité. Si elle récompense la conformité, l’IA peut industrialiser la conformité.

La technologie amplifie l’architecture institutionnelle.

C’est exactement pourquoi la compétition entre États-Unis, Chine et Europe est si intéressante : elle ne testera pas seulement leurs modèles d’IA, mais leurs modèles politiques. Chaque système découvrira ses propres forces et faiblesses.

Les États-Unis pourraient être extraordinairement innovants mais confrontés à la concentration privée. La Chine pourrait être extraordinairement coordonnée mais confrontée au risque de centralisation excessive. L’Europe pourrait être extraordinairement protectrice des droits mais confrontée au risque d’insuffisance industrielle. Ce ne sont évidemment que des tendances, pas des destins.

Chaque bloc peut muter. Et c’est justement ce qu’il fera. L’IA accélérera cette mutation institutionnelle. Elle obligera probablement les démocraties à revoir leurs administrations, les entreprises à revoir leur organisation, les armées à revoir leur commandement.

La question ne sera pas seulement : quel modèle est meilleur ? Mais : quelle organisation sait travailler avec lui ? C’est là que se trouvera peut-être le véritable avantage compétitif. Une entreprise qui achète le même modèle que son concurrent mais l’intègre mieux dans ses processus peut gagner. Un État disposant d’un modèle moins spectaculaire mais d’administrations mieux structurées peut produire plus de valeur.

L’IA révèle donc la qualité de l’organisation. Elle ne remplace pas la mauvaise architecture. Cela rejoint toute mon expérience de Groupe Serveur et d’Artprice. La technologie seule ne suffit jamais. Il faut les procédures, le droit, les équipes, la qualité des données. Une base de données mal structurée ne devient pas bonne parce qu’on lui ajoute une IA. Elle devient une mauvaise base interrogée plus rapidement.

C’est presque banal, mais fondamental. L’intelligence artificielle ne supprime pas la nécessité de l’ordre. Elle rend la qualité de l’ordre encore plus importante. C’est pourquoi l’histoire des données est directement connectée à celle de l’IA. Ceux qui ont travaillé pendant des décennies à structurer les corpus possèdent aujourd’hui un avantage invisible. Le monde découvre soudain la valeur de ce travail patient.

C’est une revanche du long terme. Et c’est probablement l’une des leçons les plus importantes de toute cette course aux puissances. Les grandes infrastructures cognitives ne se construisent pas en quelques mois. Elles reposent sur des décennies d’éducation, de recherche, d’archives, d’industrie. Une annonce politique ne remplace pas l’écosystème.

La souveraineté se prépare longtemps avant la crise. C’est exactement comme une digue. On ne la construit pas lorsque l’eau arrive. Les États doivent donc investir avant que la dépendance soit visible. Cela exige une vision que les démocraties ont parfois du mal à soutenir à cause de cycles politiques courts.

La Chine peut planifier sur des horizons plus longs. Mais la planification longue n’est pas impossible en démocratie. Elle exige simplement des institutions stables, des accords dépassant les alternances. La défense, l’espace ou le nucléaire ont parfois montré que cela est possible. L’IA devrait probablement rejoindre ces domaines stratégiques transpartisans. Non pour militariser toute la technologie, mais pour reconnaître qu’elle affecte la souveraineté de long terme.

L’éducation en est une dimension essentielle. Former un ingénieur ou un chercheur prend des années. On ne peut pas improviser un écosystème scientifique. La compétition mondiale pour les talents deviendra donc intense. Chaque puissance cherchera à attirer chercheurs, entrepreneurs, étudiants. C’est une forme de géopolitique humaine. Les visas, les universités, la liberté académique deviennent des armes douces.

Un pays peut perdre sa souveraineté technologique simplement parce que ses meilleurs talents partent ailleurs. Inversement, il peut accélérer sa puissance en attirant ceux des autres.

Les États-Unis ont historiquement excellé dans cette capacité. La Chine cherche à retenir et faire revenir ses talents. L’Europe possède des universités extraordinaires mais doit créer davantage de conditions permettant aux chercheurs de transformer leurs découvertes en entreprises mondiales. Cette circulation des cerveaux est peut-être aussi importante que celle des capitaux.

Et elle pose une question presque philosophique : à quoi un chercheur est-il loyal ? À son pays, à son laboratoire, à sa discipline, à l’humanité ?

La science moderne s’est construite sur une circulation internationale des connaissances. La compétition stratégique pousse maintenant à contrôler davantage certaines publications ou technologies. Il existe donc un risque de fragmentation scientifique.

Si chaque bloc limite les échanges par peur de perdre un avantage, la progression globale peut ralentir. Mais si tout reste ouvert, une puissance peut estimer qu’elle finance une recherche dont son rival bénéficie immédiatement. C’est encore un dilemme. Il faudra probablement définir des domaines réellement sensibles et préserver le plus possible l’ouverture ailleurs.

L’autarcie scientifique serait catastrophique. La science progresse par circulation. Mais la naïveté stratégique l’est également. Une fois de plus, la bonne politique se trouve dans la classification, pas dans le slogan. C’est peut-être une conclusion générale de toute cette partie : le monde complexe exige des catégories fines. On ne peut plus répondre par oui ou non à des questions aussi vastes.

Faut-il coopérer avec la Chine ? Dans quel domaine ?

Faut-il ouvrir les modèles ? Lesquels ?

Faut-il réglementer l’IA ? Pour quels usages ?

La précision devient une vertu politique. La base de données m’a appris cette exigence de précision. Une catégorie trop large détruit l’information. Si l’on classe tout sous un même mot, on ne peut plus distinguer les différences importantes. La pensée doit donc devenir relationnelle.

C’est peut-être la grande convergence entre ma vie avec la donnée et cette nouvelle géopolitique. Le monde est un graphe. L’IA est capable de le parcourir. Mais elle ne doit pas nous faire oublier que chaque relation possède une histoire. La souveraineté cognitive sera donc moins la possession d’une intelligence absolue que la capacité de construire et contrôler ses propres cartes du monde.

La souveraineté cognitive ne consiste donc pas seulement à posséder des infrastructures ou des modèles. Elle suppose de conserver la capacité de les mettre en concurrence, de les auditer et, si nécessaire, de décider contre eux.

Et cette idée conduit immédiatement à une autre question, peut-être encore plus radicale. Si plusieurs puissances développent des systèmes capables d’analyser le monde à une vitesse et une profondeur croissantes, la stratégie elle-même pourrait changer de nature.

La guerre a toujours été une confrontation de volontés, mais également une confrontation de perceptions. Voir avant l’autre. Comprendre avant l’autre. Anticiper son mouvement. L’intelligence artificielle pourrait industrialiser cette dimension. Elle pourrait transformer la guerre en compétition permanente de détection, de simulation et de décision. Le champ de bataille deviendrait un espace où chaque seconde produit des millions de données et où l’avantage appartient à celui qui transforme le plus rapidement ces données en action.

J’avance ici une hypothèse avancée et partagée de lecture : penser l’IA comme une force stratégique transversale, non comme un cinquième milieu qui viendrait simplement s’ajouter à la terre, à la mer, à l’air, à l’espace ou au cyberespace, mais comme une couche cognitive qui traverse et augmente chacun d’eux. Non pas un nouveau terrain de guerre au même sens que les autres, mais une force transversale qui traverse toutes les autres. Un avion augmenté par l’IA, un satellite augmenté par l’IA, une flotte augmentée par l’IA, une cyberdéfense augmentée par l’IA. L’intelligence devient un multiplicateur de tous les moyens existants.

Et lorsque deux puissances s’affrontent avec des systèmes capables d’accélérer continuellement le cycle observation-décision-action, le risque majeur devient celui de la vitesse elle-même. Une décision prise trop vite peut transformer une erreur en catastrophe avant que l’humain n’ait eu le temps de l’arrêter.

La prochaine question est donc évidente. Après la souveraineté cognitive, il faut regarder la guerre cognitive.

Que devient la dissuasion lorsque l’IA entre dans la boucle stratégique ?

Que devient la responsabilité lorsque des systèmes autonomes ou semi-autonomes participent à la décision ?

Et surtout : comment construire de la désescalade dans un monde où les machines réduisent précisément le temps disponible pour réfléchir ?

Ce sera le cœur du chapitre suivant.