J'ai rarement lu un article qui explique aussi bien, un peu malgré lui, pourquoi la France reste à l'arrière-garde de la tech que celui qui décrit la proposition d'opération Prométhée publiée dans Le Grand Continent. Bon si je faisais du mauvais esprit je commencerais par dire qu'un projet ambitieux qui porte le nom de Prométhée montre une lecture incomplète des différentes versions du mythe.
Blague à part, j'ai lu pas mal de réactions qui pour la plupart se concentrent sur le caractère irréaliste du projet. On peut effectivement douter de la capacité de la France à réaliser tout cela, mais en réalité le vrai problème n'est pas celui-là.
Pour moi, le souci est qu'on propose de consacrer une quantité invraisemblable de ressources à simplement reproduire un modèle conçu ailleurs. Les auteurs évoquent les frontier labs américains, constatent qu'ils disposent de plusieurs GW de compute, de milliards de dollars, de personnels payés des fortunes. C'est un constat totalement exact.
Mais de là, ils déduisent qu'il faudrait reconstituer la même chose en France. Leur raisonnement est celui d'exécutants chargés de reproduire un système existant à partir de ses caractéristiques visibles. Là encore l'exemple du nucléaire est convoqué : « tout comme il était nécessaire dans les années 1970 de copier et déployer en France le modèle américain des réacteurs nucléaires à eau légère ». En réalité, cet exemple est très mal choisi : copier une méthodologie en mode blackbox (le contexte actuel) n'a rien à voir avec acheter une techno et l'apprendre en mode white box (les réacteurs Westinghouse dans les années 70).
Cette pensée défaitiste de l'imitation, c'est devenu une constante assez française. Nos élites parlent volontiers d'innovation, tout en confondant les produits et la manière dont ils sont faits. Dans l'intelligence artificielle, copier avec plusieurs années de retard une infrastructure dont les méthodes, les architectures et l'économie changent tous les mois ne constitue pas une stratégie de rattrapage.
Reproduire la trajectoire américaine ?
La proposition Prométhée repose sur l'idée, totalement fausse, que la notion de frontière en IA a une forme industrielle stable et donc copiable. Pour produire les meilleurs modèles, il faudrait réunir à peu près les mêmes facteurs que les laboratoires américains, dans des proportions comparables. L'exercice devient tout simplement comptable ! Et c'est sans doute politiquement très pratique...
Evidemment, tout n'est pas faux dans le raisonnement exposé. Le compute compte énormément. Les labs américains n'investissent pas des sommes pareilles dans les infrastructures par hasard. Il serait tout aussi ridicule de prétendre qu'une équipe brillante, quelques algorithmes astucieux et un cluster de taille moyenne suffiront à rattraper OpenAI ou Anthropic.
Mais passer de « le compute est indispensable » à « il faut reproduire leur infrastructure et leurs méthodes » est un raccourci considérable. Même en supposant que cette reproduction soit réalisable, elle poserait un problème évident de calendrier. Un programme lancé en 2027 pour reproduire en 2029 la structure des laboratoires américains de 2026 ne rencontrera pas la frontière de 2029. Il rencontrera, au mieux, une version maison d'une architecture que les autres auront déjà fait évoluer.
Quand on parle de frontière en IA, on ne pense pas à une installation industrielle standardisée qu'il suffirait d'acquérir une fois pour tout, mais plutôt à la capacité à produire les méthodes suivantes. Cette frontière dépend du calcul, mais aussi et surtout de la vitesse d'expérimentation, des intuitions scientifiques et de la capacité à abandonner rapidement ce qui ne fonctionne pas (un point sur lequel on ne sait pas bien faire en France, notre inertie étant souvent trop importante).
Un programme français sérieux ne devrait pas commencer par la question : « Combien faut-il dépenser pour faire comme eux ? » Il doit commencer par : « quelles hypothèses différentes pouvons-nous tester, vu nos compétences et nos moyens ? ». Il faut se poser cette question, et signaler aux décideurs que c'est LA question qui compte.
Le compute : d'abord un problème d'architecture
Les auteurs regardent les annonces américaines, en déduisent une cible de 12 GW et organisent ensuite tout le projet autour de ce chiffre. Il est possible que les meilleurs laboratoires contrôlent effectivement des capacités de cet ordre à la fin de la décennie. Cela ne démontre pas qu'un programme français compétitif nécessite une infrastructure construite selon les mêmes principes.
La méthode américaine est une méthode de bourrin. Elle s'appuie sur de très grands clusters homogènes, des interconnexions extrêmement rapides, et une concentration géographique du calcul. Elle est cohérente avec les principaux avantages américains que sont l'argent magique, l'existence des hyperscalers, et l'accès prioritaire aux GPUs.
La France ne dispose pas de cela. Mais nous avons d'autres atouts : compétences en HPC, en systèmes distribués, en optimisation, en ordonnancement et en exploitation d'infrastructures complexes. C'est là qu'il faut chercher notre avantage.
Il existe déjà des travaux sur l'entraînement distribué à faible communication. On ne sait pas si leur scalabilité est compatible avec un entrainement de modèle frontière. Mettons du monde et du compute sur ce sujet pour résoudre ce problème.
Personne ne parle d'agréger naïvement des milliers de GPU dispersés sur Internet. L'idée est plutôt de faire travailler plusieurs grands îlots de calcul localement, avec un mécanisme de synchronisation régulier.
Une telle architecture sera probablement moins efficace qu'un cluster homogène. Mais la recherche d'un rendement idéal n'est pas ici l'objectif (il suffit de voir le chiffrage proposé).
Si la priorité politique est d'obtenir rapidement un modèle très performant, une perte de rendement est acceptable. Un système distribué utilisant deux ou trois fois plus de calcul théorique, mais mobilisant des capacités déjà disponibles dans plusieurs sites est préférable à une infrastructure du futur.
Une opération nationale cohérente pourrait mobiliser les équipes françaises d'IA, de HPC, de réseau, etc. autour d'un objectif clair : entrainer de très grands modèles sur des infrastructures hétérogènes.
L'angle mort de la donnée
L'angle mort de tous les discours autour des modèles, c'est la donnée. Alors que c'est de la donnée que tout découle.
Au-delà des données pour ce que l'on appelle le pré-entraînement, il faut des données d'alignement, des couples problèmes-solutions abondés par des experts, des tests divers et variés, un harnais qui tient la route, etc.
Produire cette donnée coûte une fortune et nécessite des équipes spécialisées conséquentes. La qualité du modèle en dépend bien davantage que ne le suggère le discours simpliste consistant à compter les GPUs.
Là, la France possède une ressource que les auteurs regardent à peine : son capital intellectuel. Nous avons des enseignants, des chercheurs, des ingénieurs, des experts, sans compter une quantité absurde de diplômés très qualifiés qui peinent à trouver un emploi. Avec ce vivier de compétences, on peut organiser une production de données très structurées et de grande qualité.
Un programme national doit mettre la donnée au même niveau stratégique que l'énergie et le calcul.
Il serait assez caractéristique de la France de dépenser plusieurs centaines de milliards en puces américaines tout en considérant que les personnes capables de produire les données les plus utiles peuvent être rémunérées à vil prix. C'est l'écueil à éviter.
Les raccourcis font partie du jeu
Sur la Chine, le texte adopte une prudence morale assez commode. Lorsque des laboratoires obtiennent des résultats élevés avec moins de calcul apparent, l'explication proposée est qu'ils ont probablement utilisé de la distillation, des modèles étrangers ou des données dérivées de systèmes américains.
C'est probablement vrai. Mais ce constat devrait conduire à étudier ces méthodes, pas à les disqualifier. Se draper dans une belle morale et dépenser de l'argent « pour rien » c'est très sympa, mais si on pense qu'il y a une nécessité pour le futur de notre pays, il faut savoir pratiquer la realpolitik à bon escient.
Quand on part avec du retard, ou avec peu de ressources, on doit chercher des asymétries. On peut penser aux modèles ouverts, à louer du compute, à la distillation permise légalement, à la data synthétique, etc. Sans donner directement une capacité propre cela peut accélérer son acquisition (et c'est d'ailleurs ce qu'il faut retenir de l'exemple des réacteurs Westinghouse).
Le projet Prométhée est présenté comme une doctrine de puissance alors qu'il refuse presque toutes les formes de pensée asymétrique. Il imagine la France jouant exactement au même jeu que les États-Unis, avec les mêmes équipements, les mêmes méthodes et les mêmes facteurs de production, mais en partant plus tard et avec une chaîne d'approvisionnement contrôlée par son concurrent. Pas besoin d'être un fin stratège pour prédire que seule la guerre asymétrique nous permettra de ne pas perdre le conflit de l'IA (si on y voit un conflit).
La frontière n'est pas une architecture
L'autre erreur importante consiste à confondre une mesure de capacité avec une méthode de fabrication. Un modèle frontière est un modèle qui atteint le meilleur niveau sur des tâches jugées importantes.
Rien, dans cette définition très intuitive, n'impose de reproduire l'architecture dominante du moment. La prochaine rupture peut venir d'un modèle plus gros, mais aussi d'une nouvelle manière de comprendre la mémoire, de la recherche web (c'est mon pari avec ibou), d'un nouveau type d'architecture théorique, etc.
Il faut identifier et financer franchement ces pistes. Cela impose de rediriger une partie de la recherche publique et privée sur ces sujets, avec des financements rapides et des équipes autonomes ayant le droit d'échouer.
Aujourd'hui, lorsque l'on propose quelque chose d'assez éloigné des méthodes admises, la probabilité d'être recalé par les dispositifs de financement augmente avec l'originalité du projet. Les jurys savent évaluer un travail qui prolonge une littérature établie. Ils savent beaucoup moins bien évaluer une hypothèse qui modifie le cadre du problème.
Une cause nationale implique de casser le manque d'audace traditionnel des instances de gestion de la R&D. Le projet Prométhée ne dit par ailleurs rien sur comment créer un environnement propice à l'invention. Son imaginaire reste celui de l'administration d'un grand programme industriel.
Les humains ne sont pas des biens
Le passage sur les RH est peut-être le plus naïf. Les auteurs prennent acte des rémunérations très élevées pratiquées par les laboratoires américains et inscrivent quelques milliards supplémentaires pour recruter plusieurs dizaines de chercheurs d'élite.
Évidemment, il faut payer. Il n'est pas sérieux de prétendre attirer les meilleurs ingénieurs et chercheurs mondiaux avec les salaires usuels français. Un laboratoire qui se veut compétitif doit proposer des salaires conséquents. Mais raisonner comme si un pro de l'IA était une ressource disponible sur un marché liquide, c'est une erreur car ce n'est pas ainsi que fonctionnent les meilleurs.
Les personnes brillantes sont rarement motivées par leur seul salaire, elles vont plutôt suivre d'autres personnes brillantes, capables d'exprimer une vision suffisamment forte pour justifier plusieurs années de travail obsessionnel sur un projet risqué.
Or l'opération Prométhée ne propose aucune aventure scientifique nouvelle à ces profils. Elle leur propose de venir reproduire en France ce qu'ils font déjà aux États-Unis, avec moins de moyens et plus de contraintes politiques.
Même avec un salaire astronomique, ce n'est pas une offre particulièrement séduisante pour un cador du domaine.
À quoi pourrait ressembler un programme moins médiocre ?
Je ne dis pas qu'il suffit d'avoir de bonnes idées, il faudra du compute, de l'argent et l'aide de l'état.
Concrètement, il y a quatre chantiers. En premier, construire des capacités de calcul importantes. Plusieurs sites pourraient être développés en parallèle, avec une architecture pensée dès le départ pour permettre différents degrés de couplage.
En second, un programme de recherche spécifique doit travailler sur la problématique du training distribué. Pour cela, il faut réorienter massivement les compétences françaises en HPC sur ces sujets.
Un troisième point est de construire une véritable filière de la donnée. Cela suppose des outils, des standards, des équipes, et peut-être même des changements de lois. Il faut rémunérer les experts pour produire de la donnée à un niveau motivant. Enfin, le quatrième chantier est celui de la recherche en algorithmie.
La direction d'un tel dispositif ne doit pas être confiée à un comité d'élites comme on en a tant en France. Il faut identifier quelques personnes capables de porter un projet technique et scientifique audacieux, leur donner beaucoup de pouvoir et accepter le risque associé.
C'est probablement le point le plus difficile pour l'État français, qui n'a jamais su reconnaître une vision puis laisser ceux qui la portent travailler sans les entourer immédiatement de mécanismes destinés à neutraliser leur pouvoir.
Évitons de reproduire le mode de pensée perdant
Prométhée rappelle utilement que l'indépendance dans l'IA coûtera cher. Son problème est qu'il donne le sentiment d'une débauche de moyens au service d'une proposition technique trop conventionnelle.
Si la France doit consacrer une part significative de sa richesse à l'intelligence artificielle, ce ne peut pas être pour simplement construire une copie nationale de ce que les Américains construisent aujourd'hui. Le programme doit partir de nos contraintes, de nos compétences et des endroits où l'état de l'art reste incertain. Nous devons chercher des méthodes que les acteurs dominants n'ont pas intérêt à privilégier parce que leur abondance de capital et de calcul les conduit naturellement vers d'autres solutions.