L'IA souveraine, qu'est-ce que c'est ?

Le déploiement de l'IA souveraine correspond au passage de la location d'une IA à la possession de l'IA. L'intérêt est de posséder des technologies, de conserver les données en local et de s'assurer de l'adéquation des systèmes avec les valeurs uniques de l'entreprise et les exigences réglementaires. 

L'IA souveraine s'inscrit dans une logique de souveraineté numérique. Elle vise à décentraliser les capacités d'IA en éliminant toute dépendance aux acteurs externes, en s'appuyant sur des modèles Open Source et une infrastructure locale. Dans le cadre de l'IA souveraine, l'IA est considérée comme un ensemble de systèmes détenus et exploités localement.

Plus précisément, le terme « IA souveraine » désigne les infrastructures physiques et de données qui sont détenues et exploitées de manière indépendante. Il peut s'agir d'accélérateurs d'IA tels que les processeurs graphiques (GPU), les grands modèles de langage (LLM) et les serveurs d'inférence qui les hébergent localement. Avec cette configuration, l'ensemble du cycle de vie de l'IA, de l'entraînement à l'inférence, peut rester dans les limites d'un territoire spécifique. 

Découvrir Red Hat AI

Parce que l'IA intervient chaque jour un peu plus dans nos vies et dans les systèmes qui nous permettent de nous organiser, il devient de plus en plus important de savoir comment fonctionne cette technologie et qui la contrôle. 

La raison principale qui motive le développement d'un système d'IA souveraine est sans doute l'élimination des risques. L'IA souveraine fournit l'architecture nécessaire pour conserver les données de grande valeur dans une zone protégée par des réglementations, dans laquelle les entités sont seules à établir des règles et à contrôler les résultats. Il existe aussi d'autres raisons :

• Confidentialité : l'envoi de données vers un cloud situé dans un autre pays peut enfreindre la réglementation locale sur la confidentialité et entraîner un risque de fuite et de collecte illicite d'informations. Pour réduire ce risque, certains États exigent que les systèmes d'IA traitent les données dans les limites de leur territoire. Le déploiement de l'IA souveraine permet de conserver les données en local, ce qui contribue à la protection de la confidentialité.

• Indépendance technologique : une infrastructure d'IA souveraine protège les systèmes qui assurent le bon fonctionnement des technologies, notamment en cas de changements géopolitiques ou des conditions de service. Les pays peuvent ainsi passer du statut de consommateurs à celui de créateurs, voire d'exportateurs. 

• Croissance économique : l'IA souveraine contribue à préserver les emplois et les bénéfices au niveau local. Lorsqu'un pays possède des « usines d'IA » (ou datacenters) et des modèles, les fonds alloués à l'IA contribuent exclusivement à l'économie nationale.

• Sécurité nationale : comme les systèmes militaires utilisent de plus en plus l'IA, les États veulent s'assurer que leur sécurité nationale ne repose pas sur des technologies étrangères. Les pays qui mettent au point des systèmes d'IA souveraine bénéficient d'un accès aux données privé et plus sécurisé, qui ne compromet pas la sécurité nationale.

• Identité culturelle : ce sont des entreprises américaines qui développent certains des modèles d'IA les plus couramment utilisés. Ces modèles sont donc entraînés sur la base de données et de valeurs occidentales, ce qui peut engendrer des biais et des incompréhensions dans d'autres cultures. L'IA souveraine permet d'utiliser des données d'entraînement basées sur une langue, une culture et d'autres caractéristiques locales. 

Les phases de création et de maintenance d'un système d'IA souveraine ne suivent pas une liste de contrôle statique : il s'agit d'opérations dynamiques qui reposent sur de nombreuses variables. Il est nécessaire de contrôler et de comprendre tous les éléments en jeu, de l'expérimentation à la production. Les systèmes d'IA souveraine fonctionnent par superposition de couches, et tout niveau supplémentaire renforce leur degré d'autonomie ou de souveraineté. Dans cette « pile d'IA », chaque couche correspond à une dimension distincte qui détermine les éléments suivants :

• Matériel : qui possède les puces et les datacenters ?

• Données : qui possède et fournit les données utilisées pour entraîner et ajuster l'IA ?

• Modèles : qui possède les algorithmes utilisés par l'IA ?

• Applications : qui crée et a accès à l'interface utilisateur, et aux données qui sont collectées ?

• Énergie (couche bonus) : la nation ou l'entreprise a-t-elle les moyens de développer sa propre IA ?

   

Pour créer un système d'IA souveraine, il faut aussi se poser d'autres questions :

• Qui crée les modèles ?
• Avec quelles données les modèles sont-ils entraînés ?
• Quels sont les systèmes de valeur des modèles ?
• Quelles langues et variétés régionales maîtrisent-ils ?
• Qui est responsable en cas de problème ?

La création d'un système souverain nécessite d'abord une infrastructure, ou « usine d'IA ». Ces datacenters doivent être capables de traiter, d'analyser et de générer une énorme quantité de données, très rapidement.

Avec des logiciels d'optimisation tels que vLLM et llm-d, les requêtes des utilisateurs et les flux de données en direct sont traités localement, sans jamais passer par une interface de programmation d'application (API) publique. Ces technologies optimisent l'utilisation de la mémoire GPU via le mécanisme PagedAttention et permettent de partager des modèles de fondation massifs entre plusieurs GPU plus petits. Ce processus, appelé « inférence distribuée », offre aux entreprises les capacités techniques et financières nécessaires pour héberger des modèles d'IA générative à hautes performances sur leurs infrastructures existantes. De cette manière, elles n'ont pas à louer d'API cloud non souveraines et coûteuses.

L'exploitation d'un système d'IA nécessite également une équipe spécialisée, en charge de définir les règles, de créer les systèmes et de vérifier les résultats. Cette équipe se compose généralement d'ingénieurs, de data scientists, de conseillers juridiques et de chercheurs. Elle doit en outre collaborer avec les autorités gouvernementales pour définir un cadre réglementaire. L'objectif est d'élaborer des consignes pour le développement et le déploiement de l'IA, avec des meilleures pratiques pour des aspects tels que l'explicabilité, la transparence, la protection des données et la cybersécurité. 

Même si la souveraineté est leur but ultime, les entreprises peuvent avoir besoin d'aide au début. Elles peuvent envisager de collaborer avec des entités d'autres pays afin de mettre en commun les ressources et expertises. Ce type de partenariat aide également à définir des normes mondiales pour l'utilisation de l'IA et à simplifier la circulation transfrontalière des données. 

Définition de l'inférence confidentielle 

L'inférence confidentielle est la technologie qui rend la souveraineté concrètement possible. Elle permet aux pays et entreprises de ne plus seulement espérer que leurs données sont en sécurité, mais de s'en assurer. 

L'inférence confidentielle garantit la sécurité au niveau du matériel grâce au chiffrement des données pendant leur analyse par l'IA. La confidentialité des données est ainsi assurée et le fournisseur cloud n'y a pas accès. Les données sont chiffrées (illisibles) pendant leur transit sur le réseau et lorsqu'elles arrivent sur le serveur. 

Lorsque les données atteignent le processeur ou le GPU, elles sont temporairement déchiffrées. Elles restent toutefois privées, car elles entrent dans un élément physique du matériel (processeur ou GPU) appelé environnement d'exécution de confiance ou TEE (Trusted Execution Environment). Cette enclave dans la puce isole une partie des circuits et la rend inaccessible au reste de l'ordinateur. Il s'agit essentiellement d'un bouclier physique de la confidentialité.

Les données sont ensuite déchiffrées (mais toujours protégées) lors de la phase d'inférence. Elles sont à nouveau chiffrées lorsqu'elles passent par le serveur cloud, puis déchiffrées une nouvelle fois lorsqu'elles atteignent l'appareil de destination.

Pour s'affranchir des infrastructures étrangères et parvenir à la souveraineté, une entité doit contrôler quatre composants clés de la pile d'IA :

• Souveraineté des données : ce concept repose sur le plein contrôle de la manière dont les données sont collectées, classées, traitées et stockées conformément aux réglementations. Les données sensibles doivent être hébergées dans un espace de stockage physiquement situé dans le périmètre souverain dans lequel seule la réglementation locale s'applique. 

  Dans le contexte de l'IA souveraine, la souveraineté des données influe sur l'entraînement, l'inférence et les pondérations. Les données utilisées pour entraîner l'IA appartiennent à l'entité. Lorsqu'un utilisateur pose une question, ces données ne sont pas envoyées à un datacenter étranger, elles sont traitées localement. Enfin, la souveraineté des données dans le cadre de l'IA souveraine garantit que l'entité peut contrôler et personnaliser les instructions qui déterminent la façon dont l'IA « pense ».

• Souveraineté technique : ce concept repose sur la possession (et la capacité de validation) du schéma de la pile d'IA. L'IA n'est pas seulement un composant logiciel : c'est comme une recette nécessitant de nombreux ingrédients. Une pile d'IA utilise des composants issus de différents fournisseurs. La souveraineté technique nécessite une chaîne de contrôle transparente qui tient compte de chaque composant du système d'IA. On parle également de nomenclature logicielle ou de nomenclature d'IA. Cette nomenclature fournit un inventaire complet des technologies utilisées et facilite la vérification de leur intégrité. 

  Prenons l'exemple d'une entreprise qui externalise sa comptabilité. Elle remet ses dossiers financiers à un prestataire tiers et lui accorde sa confiance. Un jour, l'entreprise fait l'objet d'un audit. On découvre alors que le responsable de la comptabilité n'a conservé aucun reçu, et que les chiffres fournis sont incorrects. 

  La mise en place de la souveraineté technique s'apparente à la décision de conserver la comptabilité en interne. L'entreprise utilise ses propres logiciels sur ses propres ordinateurs et exige un reçu numérique pour chaque entrée. Ainsi, en cas d'audit, un dossier horodaté peut être remis avec tous les reçus ainsi qu'un journal qui référence chaque personne ayant modifié les fichiers. 

• Souveraineté de l'exploitation : ce concept concerne les personnes qui exploitent les systèmes. La souveraineté de l'exploitation nécessite un contrôle administratif total, une autonomie (grâce aux talents nationaux) et des mesures de protection d'urgence. Cette approche élimine les risques liés à une désactivation ou une modification à distance des paramètres de l'IA de l'entreprise par une entité étrangère. En bref, la souveraineté de l'exploitation permet d'exploiter les technologies de manière indépendante. 

  Prenons l'exemple d'une banque en Inde qui utilise un système d'IA basé aux États-Unis. Une mise à jour logicielle de ce système introduit des dérives dans la façon dont l'IA traite les données et fonctionne. Les utilisateurs commencent alors à rencontrer des problèmes et, soudainement, les clients ne peuvent plus accéder à leurs comptes. Au lieu de s'adresser à des ingénieurs locaux pour résoudre l'incident, la banque doit appeler le service clientèle du système d'IA pour obtenir de l'aide. 

• Souveraineté de l'assurance : ce concept repose sur la capacité de vérifier et garantir de manière indépendante l'intégrité, la sécurité et la fiabilité des systèmes et processus numériques. En d'autres termes, la souveraineté de l'assurance revient à s'assurer que l'IA agit bien comme elle le prétend. Cette approche repose sur des audits continus du système et des validations indépendantes qui utilisent des mesures personnalisées plutôt que celles définies par le fabricant ou le fournisseur.

  Sans souveraineté de l'assurance, un système d'IA peut produire des hallucinations ou ne pas se comporter comme ses utilisateurs le souhaiteraient. La souveraineté de l'assurance garantit que la logique des systèmes répond aux normes et aux attentes des entités souveraines. En cas de problème, ces dernières peuvent explorer le système et diagnostiquer le problème. 

  La souveraineté de l'assurance permet également de produire des preuves vérifiables du comportement de l'IA, ce qui peut être un atout considérable du point de vue réglementaire. Les outils Open Source tels que Feast recueillent des données issues de différentes sources, les rassemblent dans un seul et même système organisé et fournissent des reçus. Ainsi, si une autorité de réglementation demande pourquoi une IA a refusé un prêt, il est possible de lui fournir la version exacte des données utilisées pour prendre cette décision.
  
  En savoir plus sur Feast

L'Open Source fournit les modèles et outils nécessaires au développement d'une IA souveraine. Sans les modèles Open Source, seules quelques entreprises fortunées auraient les ressources nécessaires pour développer des solutions d'IA, obligeant les autres à louer des technologies au lieu de concevoir des solutions propriétaires. 

L'un des plus grands obstacles à la création d'une IA souveraine reste le coût de l'entraînement de modèles et de systèmes à partir de zéro. Avec des logiciels Open Source et des modèles de type Open Weight, les entreprises ou les nations peuvent utiliser un modèle de fondation et l'ajuster avec leurs données pour répondre à leurs besoins. Elles peuvent également utiliser des bibliothèques de code Open Source (comme vLLM) pour réduire les coûts. 

L'IA souveraine désigne le droit pour une entreprise de contrôler ses systèmes d'IA. L'IA explicable permet d'exercer ce droit. Pour revendiquer la souveraineté (ou le pouvoir) sur une machine, il faut comprendre son fonctionnement et l'origine des résultats qu'elle produit. Sans explicabilité, l'IA souveraine n'est qu'une boîte noire qui pourrait avoir des biais cachés.

En savoir plus sur l'IA explicable

Tandis que l'IA passe du statut d'outil capable de répondre à des questions à celui de système qui comprend le contexte, les entreprises doivent créer des couches sémantiques et des passerelles MCP (Model Context Protocol) qui permettent à un agent intelligent de naviguer en toute sécurité dans l'ensemble de son parc de données. 

Si l'IA est autorisée à accéder à de nombreuses informations afin de fournir du contexte, alors celles-ci doivent être protégées en particulier s'il s'agit de données sensibles. 

Pour exploiter l'IA agentique dans un système d'IA souveraine, il faut effectuer l'entraînement et la certification des agents, des graphes de connaissances et des systèmes back-end dans les limites du territoire dans lequel s'exécutent ces agents. Ainsi, l'IA peut être entraînée avec les connaissances potentiellement privées propres à son cas d'utilisation. Cette proximité réduit également la latence (le délai).

Prenons l'exemple d'un agent intelligent qui se spécialise dans le droit allemand et aide à prendre des décisions en matière de politiques. Sans systèmes d'IA souveraine, plusieurs problèmes pourraient survenir :

• S'il utilise des ensembles de données entraînés avec des données mondiales ou sur la base de la législation américaine, il risque de créer des biais ou des résultats qui ne sont pas tout à fait exacts dans le contexte allemand.
• Si cet agent est hébergé dans un cloud étranger (et non dans un cloud souverain), alors le fournisseur peut consulter les données, la mémoire et la logique, et éventuellement exploiter ces informations.
• Si l'agent commet une erreur, les instances locales et internationales peuvent être en désaccord quant à la réglementation à appliquer.
• En cas de litige international, l'agent peut être désactivé si le fournisseur étranger révoque la clé d'API associée. 

L'IA souveraine garantit que les agents sont traités en respectant les contraintes et les limites du territoire dans lequel ils sont exploités. Reprenons notre exemple d'agent intelligent allemand : si la souveraineté est mise en place, il a accès aux données d'archive qui se trouvent sur des serveurs allemands. Il comprend les nuances de la culture allemande. Il a accès aux formations et certifications requises pour obtenir un diplôme en droit allemand. Il utilise un graphe de connaissances des décisions de justice allemandes qui sont stockées physiquement en Allemagne. 

Sans pratiques d'IA souveraine, les législateurs allemands pourraient utiliser une IA qui échange des données entre l'Allemagne et un autre pays. Cette IA pourrait utiliser des graphes de connaissances contenant des informations juridiques provenant du monde entier. Elle n'aurait peut-être pas accès aux décisions de justice allemandes qui pourraient l'aider à défendre un dossier. L'entraînement de l'agent pourrait être culturellement différent de ce que les législateurs allemands attendent de leurs systèmes juridiques et de leurs politiques. 

En savoir plus sur l'IA agentique

Avec la généralisation de l'IA souveraine, un réseau d'écosystèmes d'IA spécialisés et localisés pourrait se développer et apporter les avantages suivants :

• Sécurité et protection des données : l'IA souveraine revêt une grande importance dans les secteurs hautement réglementés tels que la santé, les services financiers et les services publics. Elle renforce la cybersécurité et protège les données propriétaires ainsi que la propriété intellectuelle. Elle favorise également l'auditabilité de la chaîne d'approvisionnement des logiciels. Des outils tels que vLLM et llm-d permettent de vérifier chaque composant logiciel avant qu'il utilise des données sensibles. La sécurité passe ainsi d'une défense passive à une vérification active.

• Indépendance vis-à-vis des fournisseurs d'IA étrangers : la création et l'utilisation de systèmes d'IA propriétaires permettent aux États et aux entreprises de garder le contrôle et d'assurer la continuité des activités face à des facteurs externes de perturbation (guerres commerciales, évolutions réglementaires, problèmes géopolitiques, pannes de courant, etc.)

• Avantage concurrentiel : lorsqu'elles contrôlent l'infrastructure et les modèles d'IA, les entreprises peuvent effectuer le réglage fin de leurs modèles et personnaliser les résultats pour que l'IA s'adapte à leur contexte culturel et à leurs besoins métier. 

• Amélioration de la confiance des utilisateurs : les utilisateurs et les clients peuvent se sentir rassurés de savoir que leurs données sont stockées localement.

• Durabilité et contrôle des ressources : lorsqu'elles contrôlent la méthode et l'emplacement d'exécution de leurs charges de travail, les entreprises peuvent décider de la manière dont elles souhaitent les alimenter. Par exemple, elles peuvent utiliser des sources d'énergie renouvelable afin d'aligner leurs activités sur les engagements environnementaux pris au niveau local. En d'autres termes, l'IA souveraine peut rendre une entreprise ou une nation autonome et indépendante. 

L'IA souveraine est une stratégie qui nécessite des investissements à long terme. Pour gérer une pile souveraine personnalisée, il faut accepter de renoncer à un certain confort et d'endosser certaines responsabilités. Cette transition s'accompagne de plusieurs défis :

• Ambiguïté réglementaire : les lois diffèrent selon les territoires. Les entreprises doivent s'adapter à différents cadres réglementaires, parfois contradictoires, pour prendre des décisions judicieuses concernant l'IA. Il leur est donc parfois nécessaire de solliciter une assistance juridique.

• Évolution lente : les organismes de conformité et de réglementation ont souvent besoin de temps pour agir. Les décisions ne seront probablement pas prises rapidement, obligeant les entreprises à gérer leurs projets de manière stratégique.

• Coûts : en plus de payer pour la puissance de calcul et l'infrastructure nécessaires à l'exploitation de l'IA, les entreprises doivent faire appel à des spécialistes compétents pour mettre en œuvre les solutions techniques qu'elles souhaitent créer. Elles doivent également investir dans la recherche et le développement afin de créer des services avantageux pour leurs utilisateurs. 

• Complexité technique : pour créer une pile d'IA souveraine, il est souvent nécessaire d'apporter des modifications à l'ensemble de l'infrastructure informatique. Ce processus requiert notamment de créer du code et de migrer des données existantes. Il est souvent plus difficile de le gérer sans aide que d'utiliser une solution déjà prête telle qu'un système MaaS (Model-as-a-Service).

Les stratégies de mise en œuvre de l'IA souveraine peuvent varier, en fonction de la disponibilité des ressources. Voici quelques exemples qui illustrent les efforts de différents pays dans ce domaine :

• Souveraineté totale par défaut : la Chine est actuellement l'exemple le plus notable de mise en œuvre d'une IA souveraine quasi totale. Le gouvernement chinois contrôle les données (via des lois strictes et un accès aux données du secteur privé), les applications (écosystème entièrement national) et les modèles (via des laboratoires nationaux). Le pays investit dans le développement de puces locales, mais n'est pas encore totalement indépendant en matière de matériel. Il a mis en place un système de censure Internet géré par l'État, qui fait de la Chine le pays qui se rapproche le plus de la souveraineté numérique. 

• Prédominance du secteur privé : aux États-Unis, de grandes entreprises privées ont créé des systèmes d'IA dominants avec peu d'aide directe du gouvernement américain. À ce titre, le contrôle qu'exercent ces entreprises (notamment Google, Microsoft, OpenAI et Anthropic) sur le développement de l'IA à l'échelle mondiale est une forme de souveraineté. 

• Souveraineté réglementaire : l'approche de l'Union européenne en matière de souveraineté met l'accent sur la gouvernance plutôt que sur l'infrastructure. La loi européenne sur l'IA classe les systèmes d'IA en fonction de leurs risques et définit les normes qu'ils doivent respecter pour être exploités au sein de l'Union européenne. Au lieu d'essayer d'égaler les infrastructures et les budgets de calcul de pays comme les États-Unis ou la Chine, l'Union européenne investit dans des projets locaux tels que Mistral et établit des réglementations claires pour guider le secteur.

• Simplification maximale de la souveraineté : si les plus petits pays acceptent de dépendre de modèles de fondation étrangers, ils allouent leur temps et leurs investissements au réglage fin des modèles en fonction de leurs langues, à l'élaboration d'un cadre national de gouvernance et à la conservation en local de leurs données. Cette approche implique d'investir dans la recherche à un niveau local, sans pour autant essayer de concevoir leur propre version du modèle ChatGPT d'OpenAI. À Singapour, le projet SEA-LION sollicite les talents locaux pour créer de grands modèles de langage destinés aux communautés d'Asie du Sud-Est. 

Ces termes sont parfois utilisés l'un pour l'autre, et il est facile de les confondre. Ces notions sont pourtant différentes.

L'IA souveraine fait référence aux produits, à la pile technologique et aux outils qui permettent à un pays ou à une entité de déployer des systèmes d'IA selon ses propres conditions. L'intérêt est ici de pouvoir décider de la manière dont l'IA s'exécute. C'est une question de capacités, de possibilités et de moyens. 

La souveraineté de l'IA est une notion plus philosophique. Elle consiste à s'interroger sur les entités qui contrôlent les politiques en matière d'IA. L'objectif est de s'assurer que les citoyens et communautés ont leur mot à dire sur les effets de l'IA sur leur vie et leur avenir. Ce concept ne se limite pas au champ d'utilisation de l'IA. Il englobe les droits humains, la démocratie, le consentement, la préservation des cultures et les valeurs. 

Prenons l'exemple d'un pays qui développerait une IA souveraine mettant en péril la souveraineté de l'IA pour ses propres citoyens. Un pays pourrait très bien disposer d'outils d'IA sophistiqués fonctionnant indépendamment de tout autre pays, mais les utiliser d'une manière non juste ou équitable pour ses citoyens. 

Les notions d'IA souveraine et de souveraineté de l'IA se recoupent également sensiblement. Pour créer un système d'IA souveraine, il faut se poser des questions sur les valeurs, le pouvoir, la responsabilité et la représentation, des questions qui nous obligent à réfléchir à certains aspects de la souveraineté de l'IA.

Le terme IA monopolisée ou centralisée renvoie à une situation dans laquelle seuls quelques hyperscalers contrôleraient l'ensemble des systèmes d'IA internationaux, c'est-à-dire l'infrastructure, l'accès aux données brutes et les technologies qui façonnent les sociétés. Dans un tel contexte, les nations non propriétaires dépendraient de puissances étrangères, ce qui pourrait alimenter des conflits géopolitiques. L'IA souveraine est, de nombreuses façons, une initiative qui consiste à empêcher la réalisation de ce scénario. 

L'approche MaaS (Model-as-a-Service) consiste à payer l'accès à un modèle tel que ChatGPT. Avec le MaaS, si le fournisseur modifie le modèle ou désactive l'accès d'une entreprise, il n'y a rien qu'elle puisse faire. Avec l'IA souveraine, l'entreprise ne dépend plus d'un service tiers : elle possède son propre service. 

Dans le cadre de l'adoption de l'IA souveraine, il est important pour une entreprise de comprendre le spectre de la souveraineté afin de savoir où elle en est aujourd'hui et quelle direction prendre :

• Zéro souveraineté : la plupart des entreprises commencent à cette étape, en s'appuyant sur le MaaS. Elles utilisent un modèle qu'elles ne maîtrisent pas pleinement et envoient des données à traiter par-delà leurs frontières. Dans ce cas de figure, elles sont de simples clientes : si leur fournisseur se retire, elles perdront l'accès à l'IA.

• Souveraineté partielle : il s'agit d'un juste milieu où les entreprises utilisent des modèles de type Open Weight et les hébergent sur une infrastructure régionale. Elles comprennent comment façonner les connaissances des modèles et possèdent le code. Dans ce cas de figure, elles utilisent probablement des puces NVIDIA ou ont recours à des fournisseurs cloud situés dans d'autres pays. Elles dépendent donc de matériel externe.

• Souveraineté complète : l'IA des entreprises s'appuie sur des serveurs nationaux et sur du matériel qui leur appartient. Celle-ci est entraînée à partir de données locales et fonctionne grâce à des sources électriques nationales. 

En savoir plus sur le MaaS

Le concept d'IA souveraine soulève la question suivante : une nation peut-elle façonner l'IA qui influe de plus en plus sur sa société ? C'est l'élément central d'un ensemble plus large qui inclut d'autres types de souveraineté, comme la souveraineté numérique et la souveraineté technique.

La souveraineté numérique concerne les règles, les droits et les responsables du contrôle dans un espace numérique.

La souveraineté technique concerne la possession et le contrôle de l'infrastructure et des technologies sous-jacentes.

L'IA souveraine combine ces deux concepts et se concentre sur les systèmes d'IA régis par des règles personnalisées, basés sur une infrastructure propriétaire, entraînés avec des données internes et conformes aux valeurs de l'entreprise. 

La plupart des pays adoptent une approche de souveraineté numérique ou de souveraineté technique. Même si le but ultime est de mettre en place une IA souveraine, il faut poursuivre le développement des politiques technologiques pour espérer y parvenir. 

Au cours des prochaines années, nous constaterons probablement une multiplication des systèmes d'IA ancrés au niveau régional ou national. C'est ce que tendent à montrer les efforts déployés par l'UE pour adopter la loi sur l'IA et ses investissements dans des modèles tels que Mistral, qui témoignent de sa volonté de se créer une identité différente de celle que proposent actuellement les États-Unis et la Chine. 

La gamme Red Hat® AI offre des fonctionnalités d'inférence rapides, flexibles et efficaces au moyen d'un serveur basé sur vLLM. Elle relie de manière fiable les modèles aux données pour unifier la personnalisation et le développement d'agents spécialisés sur une seule et même plateforme. Conçus sur une base Open Source, nos produits donnent un contrôle total sur les workflows d'IA, de bout en bout et à toutes les échelles. 

Nous proposons une base pour l'IA souveraine en aidant les entreprises à créer des usines d'IA « air gap » (isolées) tout en gardant le contrôle sur la sécurité, les données, les modèles et les résultats.

La force de notre écosystème réside dans son ouverture. Aucun fournisseur ne peut relever seul les défis de l'IA souveraine. En leur permettant d'associer diverses plateformes matérielles et cloud, nous aidons les entreprises à se conformer aux réglementations nationales et à éviter toute dépendance vis-à-vis d'un fournisseur étranger. 

Axée sur la transparence, la contribution en amont et les normes ouvertes, notre approche permet la vérification indépendante de l'ensemble de la pile technologique.