Menu principal
Une stratégie initiale ambitieuse mais appliquée de manière incomplète
En mars 2018, Monsieur le Président Emmanuel Macron annonçait la Stratégie nationale pour l’intelligence artificielle. Elle reposait sur quatre piliers identifiés dans le rapport Villani : la recherche, l’ouverture des données, la transformation des secteurs économiques et l’encadrement éthique. Cette initiative plaçait la France dans le mouvement international engagé depuis le milieu des années 2010 pour structurer une politique publique dédiée à l’IA.
Dans son rapport, la Cour des comptes constate que cette première phase s’est « surtout focalisée sur le renforcement de la recherche en IA, laissant de côté l’essentiel des enjeux liés aux autres axes ». Elle souligne dans ungraphique qu’un tiers des recommandations du rapport Villani demeure encore en 2025 « à mettre en œuvre », révélant un décalage entre les ambitions initiales et l’exécution réelle.
Ce constat, loin d’être anodin, illustre la difficulté à embrasser simultanément l’ensemble des composantes d’une révolution technologique. La SNIA naissante a privilégié un périmètre maîtrisable, à savoir la recherche, au détriment d’enjeux pourtant identifiés comme essentiels dès l’origine.
Un montage budgétaire complexe et un suivi difficile
L’architecture financière de cette première phase révèle les limites d’une gouvernance morcelée. Plutôt que de créer de nouveaux dispositifs, l’État a choisi de mobiliser des instruments existants : redéploiement de crédits ministériels ou des programmes d’investissement d’avenir et mobilisation de fonds spécifiques.
Cette approche pragmatique, qui devait permettre un déploiement rapide, s’est heurtée à une difficulté importante, celle d’assurer la transparence et l’évaluation des dépenses publiques. La Cour souligne avec une sévérité inhabituelle que « les administrations chargées du pilotage budgétaire de la SNIA n’ont pas effectué de suivi exhaustif rigoureux des crédits que l’État a programmés, engagés et dépensés ». Plus alarmant encore, ces administrations « ont eu les plus grandes difficultés à reconstituer des données budgétaires cohérentes et fiables » lors du contrôle.
Le montant officiel a fluctué en fonction des communications gouvernementales, avant que la Cour n’établisse, « sous réserves », un chiffre d’engagement de moins de 1,3 milliard d’euros, contre 1,5 milliard initialement programmé. La recherche en IA a capté près de la moitié de cette enveloppe (588 millions d’euros), suivie des volets défense et sécurité (366 millions), transformation publique et données (204 millions), et économie (114 millions). Le volet formation supérieure, initialement prévu, n’a tout simplement pas été mis en œuvre.
Une gouvernance complexe rendant difficile toute coordination
Le pilotage de la première phase illustre également la difficulté française à coordonner l’action publique sur des sujets transversaux. Plus d’une vingtaine d’intervenants se sont trouvés impliqués, dans des fonctions « non toujours explicitement définies » : le coordonnateur national, l’Inria, le SGPI, la Dinum, la DGE, les opérateurs ANR et Bpifrance, les ministères sectoriels ou encore les instituts 3IA.
La gouvernance stratégique a connu plusieurs évolutions : un comité de pilotage interministériel animé par le coordonnateur, puis à partir d’octobre 2021, un comité stratégique réunissant le secrétariat général pour l’investissement (SGPI), les ministères impliqués, l’Inria, et les opérateurs (ANR, Bpifrance). Mais la Cour observe qu’avec le temps, « le pilotage de la SNIA s’était affaibli », avec l’abandon progressif du suivi d’indicateurs de mise en œuvre, sans qu’aucune mesure de performance alternative ne soit élaborée.
Des succès structurants en matière de recherche
Malgré ces limites organisationnelles, le volet recherche peut revendiquer des réalisations tangibles. La création de pôles d’excellence constitue l’acquis majeur de cette période : les instituts 3IA (PR[AI]RIE, Côte d’Azur, MIAI, ANITI).
Ces centres ont progressivement développé une recherche interdisciplinaire de pointe, en lien avec la communauté scientifique mondiale. Selon l’Inria, ce réseau et ses plus de 150 partenaires ont mobilisé plus de 500 chercheurs, financé près de 500 doctorants et post-doctorants, et formé chaque année plus de 13 000 personnes. Plus d’une centaine de partenariats industriels ont été conclus avec des entreprises de premier plan.
Le supercalculateur Jean Zay, exploité par le CNRS pour le compte du Grand équipement national de calcul intensif (Genci), constitue le second succès structurant. Opérationnel depuis 2019 sur le campus de l’Université Paris-Saclay, il offrait initialement une puissance de 16 pétaflop/s, portée à 37 pétaflop/s après plusieurs extensions. Au-delà de l’infrastructure, un réseau d’ingénieurs d’accompagnement a été déployé, servant de modèle aux programmes européens EuroHPC/AI Factories.
Cependant la Cour souligne plusieurs faiblesses. La première est la temporalité trop courte des financements qui freine un ancrage structurel durable. La deuxième est que la sélection des instituts 3IA s’est fondée essentiellement sur la qualité des projets présentés et non sur la puissance des acteurs. Cela a conduit à exclure certains pôles majeurs, tels que l’université Paris-Saclay. Ensuite, les faibles niveaux de rémunération et l’absence de dispositifs d’accueil adaptés ont, sans surprise, limité l’attractivité de la France pour les talents internationaux. Enfin, la SNIA n’a pas réussi à anticiper la vague de l’IA générative. Cet échec est notamment illustré par l’impossibilité de transformer le projet BigScience et son modèle BLOOM en innovation d’usage comparable à ChatGPT, faute d’une gouvernance forte et d’un soutien financier suffisant.
Des avancées contrastées sur les autres volets
Les résultats de la SNIA sur les volets défense, action publique et économie apparaissent nettement moins aboutis.
Le ministère des Armées a conduit de manière autonome un volet défense doté de 366 millions d’euros, avec ARTEMIS.IA. Cette première plateforme souveraine d’IA déployée en 2023 permet le renseignement interarmées. Elle est le fruit de plusieurs partenariats avec le CNRS, l’Inria et le CEA.
Le volet transformation publique (204 millions d’euros) n’a produit que des effets limités. Les 46 projets financés sont restés dispersés, sans impact structurel. Le Health Data Hub illustre ces difficultés : controverses liées à son hébergement sur un cloud américain, critiques du Conseil d’État sur les risques d’accès extraterritorial et retards de migration vers une solution européenne. La Cour a jugé ses résultats « très en-deçà » des objectifs.
Le volet économique (114 millions d’euros) a soutenu quelques défis sectoriels et l’écosystème entrepreneurial, sans résultats probants : certains dispositifs ont été qualifiés de « peu performants », même si la structuration progressive d’un écosystème IA constitue un actif immatériel notable.
Plus préoccupant encore, le volet formation supérieure prévu n’a pas été réalisé. L’absence d’adaptation de l’enseignement et l’abandon du PEPR « numérique et éducation » ont retardé de plusieurs années l’intégration de l’IA dans les apprentissages.
Un bilan en demi-teinte
La Cour des comptes livre une appréciation mesurée : la première phase de la SNIA a bien posé les bases d’une politique publique de l’IA, mais n’a couvert qu’une partie des enjeux identifiés en 2018.
Son apport majeur tient à la structuration de la recherche et de l’innovation, avec la création de pôles d’excellence, le développement d’infrastructures de calcul et le soutien à un tissu de startups. En revanche, les progrès sont restés limités dans les autres volets où les résultats apparaissent nettement moins affirmés. Plus grave encore, des priorités essentielles, notamment la formation supérieure et l’accompagnement des transformations professionnelles liées à l’IA, n’ont été que très partiellement mises en œuvre, exposant la France à un risque de retard stratégique.
Cette phase inaugurale a mis en lumière les difficultés récurrentes des politiques d’innovation : un décalage entre ambition et champ réel d’action ainsi qu’une gouvernance complexe qui freine l’efficacité opérationnelle.