Disons-le sans détour. Dans la course à l’intelligence artificielle, la France a perdu la bataille. En 2025, les investissements privés dans l’IA ont atteint 285,9 milliards de dollars aux États-Unis, vingt-trois fois plus qu’en Chine et près de cinquante fois plus qu’au Royaume-Uni, premier investisseur européen, selon l’AI Index 2026 de l’université Stanford. Et l’écart se creuse : en un an, ces investissements ont progressé de 160 % aux États-Unis, contre 7 % en Europe. Les puces sont américaines ou asiatiques. Les grands modèles de langage, ces LLM qui font tourner ChatGPT et ses concurrents, sont presque tous américains ou chinois. On objectera Mistral AI. C’est une belle réussite, mais une entreprise, même en pleine expansion, ne suffit pas à rééquilibrer le rapport de force. Et ce champion aura lui-même besoin de données vérifiées, traitées et précises pour être meilleur que ses concurrents.
Une seule bataille demeure pourtant ouverte, et elle est à notre portée. C’est celle de la donnée nette. Si la France sait la mener, elle peut devenir le raffineur mondial de la donnée, c’est-à-dire rendre la donnée intelligente.
Sans donnée nette, l’IA tourne à vide
Comme le pétrole, la donnée ne sert pas à grand-chose tant qu’elle n’est pas raffinée. Une donnée nette est une information dont on connaît l’origine, la date de validité, le sens exact et les conditions d’usage.
Prenons la documentation de maintenance d’un avion. Brute, ce sont des milliers de pages, plusieurs versions qui se contredisent et des remarques d’atelier jamais reportées. Nette, chaque consigne est datée, rattachée à sa source et validée par un technicien. L’IA sait alors laquelle s’applique aujourd’hui. Avec la première, elle répond avec aplomb, et parfois à tort. Avec la seconde, elle répond juste.
L’enjeu n’a rien de théorique. Selon S&P Global, les organisations interrogées abandonnent en moyenne 46 % de leurs projets d’IA entre le prototype et la mise en service. La RAND Corporation, grand centre de recherche américain, range les données insuffisantes ou inadaptées parmi les causes de ces échecs. Le modèle le plus puissant du monde ne vaut rien s’il raisonne sur des informations fausses ou périmées.
Les Américains l’ont compris. En juin 2025, Meta a payé 14,3 milliards de dollars pour 49 % de Scale AI, spécialiste de la préparation des données qui servent à entraîner les modèles. Le marché existe donc, et il vaut cher. Il n’est pas fermé pour autant. Dans les jours qui ont suivi, selon la presse américaine, Google et OpenAI, deux des principaux clients de Scale AI, ont commencé à s’en détacher. Ils ne voulaient plus confier leurs données d’entraînement à une entreprise désormais liée à Meta, leur concurrent direct. Un raffineur neutre a donc toute sa place. Dans ce métier, la confiance compte autant que la technique.
Trois atouts que peu de pays réunissent
Le premier tient à nos connaissances. Nos fonds juridiques, scientifiques, éditoriaux et industriels portent des décennies de travail. Surtout, chaque professionnel sait qu’aucune procédure n’écrit l’exception, l’erreur à éviter, le geste qui fait la différence. C’est lui qui transforme une donnée brute en donnée nette. Une machine sait trier, elle ne sait pas ce qui compte.
Ce rôle change aussi le regard sur l’emploi. Le salarié qui organise et vérifie les connaissances de son métier ne prépare pas sa propre sortie, il en devient le garant. L’Organisation internationale du travail estime d’ailleurs que, pour la plupart des emplois exposés à l’IA générative, la transformation est plus probable que le remplacement.
Le deuxième atout est énergétique. Raffiner la donnée demande du calcul, car extraire, classer et vérifier des millions de documents fait tourner des modèles en continu. Or la demande explose déjà : l’Agence internationale de l’énergie prévoit que la consommation des centres de données doublera à peu près d’ici 2030. Selon RTE, 95,2 % de l’électricité produite en France métropolitaine en 2025 était bas-carbone, et environ 68 % provenait du nucléaire. Peu de pays offrent une électricité aussi stable et aussi peu carbonée.
Le troisième atout est la confiance. La qualification SecNumCloud, délivrée par l’ANSSI, l’autorité nationale de cybersécurité, atteste qu’un service d’hébergement protège les données qu’on lui confie, y compris face aux lois étrangères. Ajoutons-y une règle qui pourrait devenir notre signature : un client qui change de modèle ou de fournisseur ne doit jamais avoir à reconstruire ses connaissances. Sa donnée nette lui appartient. Nous le garderons par la qualité, jamais par la contrainte.
Ce que nous pouvons vendre au monde
Le raffinage ouvre trois marchés. Nous pouvons d’abord valoriser nos propres fonds en les rendant exploitables par l’IA, sous le contrôle de leurs détenteurs. Nous pouvons ensuite exporter notre méthode, nos outils, nos formations et notre contrôle qualité vers des clients étrangers qui gardent leurs données chez eux. Nous pouvons enfin raffiner des données étrangères et devenir la référence d’un secteur ou d’une région du monde.
Ces trois marchés se nourrissent entre eux. Chaque fonds que nous préparons affine la méthode que nous vendons et chaque client satisfait renforce une réputation qui, dans ce métier, vaut tous les brevets.
Les conditions du succès
Rien de cela ne se fera seul. L’avantage énergétique n’a de valeur que si les centres de données obtiennent leur raccordement au réseau dans des délais raisonnables. Les professionnels doivent être associés dès le départ, avec du temps, de la formation et des perspectives de carrière. Les droits sur les données doivent être clairs, pour les détenteurs comme pour les clients. Enfin, chaque projet doit être mesuré en fiabilité, en coût, en rapidité et en énergie consommée.
Commencer petit, viser loin
Il convient maintenant de mettre cette thèse à l’épreuve des faits, en choisissant deux ou trois secteurs pilotes dans lesquels la France possède des fonds d’exception et des professionnels reconnus. À partir de là, le travail consistera à préparer et raffiner ces données, pour mesurer ce que la donnée nette change réellement. Et en parallèle, il conviendra de préciser qui doit agir, et comment : l’État, les détenteurs de fonds, les entreprises du numérique et les professionnels eux-mêmes.
Nous ne fabriquerons pas les puces du monde. Nous ne gagnerons sans doute pas la course aux modèles. Mais nous pouvons devenir le pays à qui le monde confie ses connaissances pour les rendre utiles et mieux exploitables. Cette bataille-là, nous pouvons la gagner !
Alexandre Malafaye, Président de l’Institut Synopia
Benoit de La Bourdonnaye, Conseiller en Transformation Digitale & Intelligence Artificielle de l’Institut Synopia et Directeur Général de Nuxos AI

