Le 27 janvier 2025, l'entreprise la plus valorisée au monde a perdu en une seule séance plus de valeur qu'elle n'en avait jamais perdu — plus qu'aucune entreprise auparavant. La capitalisation de Nvidia a chuté de 589 milliards de dollars en une séance, une chute de 17 % et la plus forte perte journalière de l'histoire boursière. La cause n'était ni une guerre, ni un scandale, ni une récession. C'était un modèle d'IA chinois, simplement moins cher. En quelques heures, le marché a remis en cause une conviction sur laquelle reposait toute l'industrie américaine de l'IA : que la première place revient à celui qui dépense le plus. Cet article explique pourquoi cette croyance est fausse, comment la Chine l’a mise à l’épreuve, et pourquoi l'Europe — écartée de presque tous les classements IA — en tire les mauvaises conclusions. L’occasion à saisir pour l’Europe n’est pas de dépenser jusqu’à égaler ses concurrents, mais de renoncer à les affronter sur ce seul terrain.
La « guerre asymétrique » n'est pas une métaphore vague de l'infériorité de moyens ; c'est une idée précise. Le politologue Andrew Mack demandait en 1975 pourquoi les grandes puissances perdent les petites guerres, et Ivan Arreguín-Toft a affiné la réponse : le plus faible l'emporte lorsqu'il refuse de combattre selon les termes du plus fort et adopte la stratégie opposée. B.H. Liddell Hart parlait d'approche indirecte — ne jamais attaquer de front une position préparée ; la disloquer d'abord. John Boyd l'a réduite au tempo : vaincre en opérant à l'intérieur du cycle de décision de l'adversaire plutôt qu'en le dominant par la force.
Cette idée a déjà été transposée au monde des affaires. Dans Judo Strategy, David Yoffie et Mary Kwak (Harvard) soutiennent que, plutôt que d'opposer la force à la force, les nouveaux entrants qui réussissent utilisent la taille et la puissance de leurs adversaires pour les faire tomber, selon trois principes : mouvement, équilibre et levier. L'instinct de l'acteur dominant est l'inverse — le sumo : vaincre par la masse, en étant plus gros et en poussant plus fort. La rivalité actuelle dans l’IA est un combat de sumo entre les États-Unis et la Chine, à qui réunira le plus de puissance de calcul et de capital. L'Europe se demande sans cesse comment entrer dans cette arène. La meilleure question est : pourquoi le ferait-elle ? Un judoka ne devient jamais plus fort que le géant ; il utilise l'élan du géant pour le mettre au sol. Tout ce qui suit plaide pour que l'Europe combatte en judo.
Revenons à ce matin de janvier. Le déclencheur de la plus grande perte boursière de l'histoire n'était pas un modèle plus grand — mais un modèle moins cher, et la panique a révélé ce que les dominants avaient manqué : leur force déterminante, la croyance que l'IA de pointe exige toujours plus de capital et de calcul, était devenue un handicap. Décomposons la manœuvre de DeepSeek en trois mouvements asymétriques.
Mouvement un — la contrainte comme catalyseur. Privé, par les restrictions américaines à l’exportation, des meilleures puces de Nvidia, DeepSeek a entraîné son modèle sur des puces H800 aux capacités volontairement limitées : même puissance de calcul que le H100 mais bande passante réseau réduite, la version conforme à l'export que Nvidia a conçue pour le marché chinois. Plutôt que de subir cette contrainte, ses équipes en ont tenu compte dès la conception — un modèle Mixture-of-Experts de 671 milliards de paramètres mais seulement 37 milliards actifs à la fois, une Multi-Head Latent Attention pour réduire l'usage mémoire, et un entraînement en précision mixte FP8, sur 2 048 GPU H800 pendant environ deux mois, soit près de 2,7 millions d'heures-GPU de pré-entraînement. La pénurie censée les paralyser a forcé un avantage d'efficacité que les laboratoires américains, bien approvisionnés, n'avaient aucune raison de découvrir. Selon une analyse matérielle, le résultat offrait des performances comparables pour un coût matériel environ onze fois moindre.
Mouvement deux — les modèles ouverts comme levier. DeepSeek a publié les paramètres de ses modèles en accès ouvert, selon l’approche dite « open-weight ». C'est le judo le plus pur de l'histoire : cela banalise la couche exacte — l'accès aux modèles de pointe — que les laboratoires américains vendent à prix élevé. Quand la capacité que vous vendez à forte marge devient soudain gratuite et bien moins chère à faire tourner, votre pouvoir de fixation des prix s'évapore. L'effacement de 589 milliards de dollars chez Nvidia, c'était ce levier rendu visible : les investisseurs ont compris en une séance que l'efficacité pouvait découpler le progrès de l'IA de la demande illimitée de GPU sur laquelle reposait toute la valorisation. Révélateur : Nvidia elle-même a reconnu que le modèle était une avancée importante réalisée avec des équipements autorisés à l’exportation.
Mouvement trois — tirer parti des modèles concurrents, une méthode contestée. OpenAI affirme avoir trouvé des preuves de « distillation » par des groupes basés en Chine cherchant à répliquer les modèles américains, et a déclaré au Congrès que des comptes liés à DeepSeek avaient développé des méthodes pour atteindre ses modèles par des services tiers dissimulant l’origine des requêtes. Le conseiller IA de la Maison-Blanche, David Sacks, a qualifié les preuves de « substantielles », sans toutefois les détailler. DeepSeek a elle-même reconnu avoir distillé certains de ses plus petits modèles à partir de systèmes ouverts comme Llama, mais l'accusation de distillation d'OpenAI reste une allégation, non un fait prouvé. Stratégiquement, la logique est néanmoins limpide : transformer l'actif le plus coûteux d'un rival — les réponses de son modèle de pointe — en données d’entraînement peu coûteuses, c'est le levier à l'état brut.
Une précision s’impose toutefois pour bien interpréter ce cas. Le fameux « 5,6 millions de dollars » n'était que le coût d'un unique cycle de pré-entraînement sur la base de tarifs de location théoriques, hors R&D, salaires, essais ratés et matériel. SemiAnalysis estime les investissements matériels de DeepSeek à environ 1,3 milliard de dollars de dépenses en serveurs, sur une flotte d'environ 50 000 GPU Hopper. Même Demis Hassabis (DeepMind) a jugé le chiffre affiché « exagéré et un peu trompeur », ne reflétant que le cycle d'entraînement final. À titre de comparaison, l'entraînement de GPT-4 d'OpenAI aurait coûté plus de 100 millions de dollars.
La leçon n'est donc pas « une startup fauchée a battu les géants ». Elle est plus tranchante : un nouvel entrant disposant d'une fraction des ressources des dominants s’est imposé en refusant de jouer selon leurs règles — l'efficacité plutôt que l'échelle, l'ouverture plutôt que l'enfermement, la vitesse plutôt que le capital. Ce n'est pas une histoire de budget. C'est une histoire de stratégie. Et c'est celle dont l’Europe doit tirer les bonnes conclusions.
Commençons par l'arithmétique, car elle clôt le débat. Un rapport de scénario du MIT estime que l'Europe ne contrôle que 5 % du calcul IA mondial contre 80 % pour les États-Unis, que l'engagement InvestAI de 200 milliards d'euros de l'UE est éclipsé par une seule année de dépenses américaines, et que l'été 2026 est la dernière période propice à une action avant que l'écart ne devienne auto-entretenu. Mistral, le laboratoire le plus crédible du continent, dispose de moyens très inférieurs à ceux des grands laboratoires américains ou chinois. L'industrie européenne paie son électricité environ deux fois plus cher que ses homologues américains. Et la réponse phare — quatre centres de calcul géants consacrés à l’IA dans le cadre de cette mobilisation de 200 milliards d'euros — ne sera opérationnelle qu'en 2027-2028, sur des calendriers de marchés publics, face à une fenêtre que ces mêmes analystes disent se refermer cet été.
Dit simplement : si l'Europe entre dans l'arène de sumo, elle perd avant même le combat. Elle a moins de calcul, moins de capital, une énergie plus chère et des institutions plus lentes. Chaque euro consacré à reproduire la puissance américaine ne ferait alors que retarder la défaite. La conclusion honnête n'est pas le désespoir mais la réorientation. Le jeu frontal est ingagnable ; l'Europe doit donc trouver les domaines dans lesquels la taille des géants devient un handicap.
L’Europe dispose de plus d’atouts que ne le suggèrent les discours sur son déclin. Certains sont déjà bien établis ; d’autres dépendent des orientations qu’elle choisira de prendre.
Le goulet d'étranglement dont personne ne parle. Toute la course au calcul entre les États-Unis et la Chine passe par une entreprise européenne. ASML, aux Pays-Bas, détient un monopole de 100 % sur la lithographie EUV et environ 94 % du marché global de la lithographie — les machines qui impriment chaque puce avancée de la planète ; sans elles, pas de GPU Nvidia, pas de silicium Apple, pas de révolution IA. Cette position a demandé trois décennies, des dizaines de milliards d'euros et une chaîne d'approvisionnement de quelque 5 000 partenaires spécialisés, avec des machines désormais facturées environ 200 millions d'euros pièce, et elle a fait d'ASML l'entreprise technologique la plus valorisée d'Europe, à plus de 553 milliards de dollars. Ce constat renverse le récit du déclin : l'Europe détient déjà la position la plus défendable de toute l’infrastructure de l’IA — sa base. Quand Washington a voulu ralentir la Chine, le levier qu'il a saisi était l'accès aux outils de gravure — c'est-à-dire la technologie européenne.
L'énergie propre la moins chère du continent. Le calcul IA est, au fond, de l'électricité déguisée en silicium — et l'industrie européenne paie déjà environ deux fois le tarif américain. Sauf là où elle ne le paie pas. En France, le nucléaire représente environ 67 % de la production électrique, avec 95 % de sources décarbonées dans son mix et une intensité carbone de 21,3 grammes de CO2 par kilowattheure — parmi les plus basses au monde, contre une moyenne mondiale proche de 470. L'électricité y coûte environ un sixième de celle de l'Allemagne, association rare de faible coût d'exploitation et de faibles émissions pour les calculs d’IA réalisés en continu, et la demande électrique des centres de données reste très stable, ne variant que d'environ 5 % sur la journée — exactement le profil auquel le nucléaire répond le mieux et les renouvelables intermittents le moins bien. La France est déjà exportatrice nette d'électricité, à un record de 89 TWh. L'Europe ne peut pas égaler la puissance de calcul américaine, mais la France et les pays nordiques peuvent offrir ce que le réseau américain sous tension peine de plus en plus à fournir : une base abondante, bon marché et décarbonée pour l'entraînement et l'inférence. L'énergie propre et bon marché est un avantage qui se mesure en décennies, pas en trimestres.
Un vaste vivier de talents. L'Europe forme plus de talents IA que ses deux rivaux : selon une cartographie, elle compte environ 30 % de professionnels IA par habitant de plus que les États-Unis et près de trois fois plus que la Chine. Sa faiblesse n’est pas la formation, mais la difficulté à retenir ses meilleurs talents, qui partent vers les États-Unis, le Royaume-Uni et le Golfe. Pourtant le courant s'inverse : le durcissement de l'immigration américaine repousse des chercheurs de l'autre côté de l'Atlantique, et l'initiative « Choose Europe » de 500 millions d'euros, avec bourses de long terme et primes de relocalisation, est une première tentative pour les retenir. L’enjeu n’est donc pas seulement de former davantage de talents, mais de leur donner des raisons de rester.
Les données que les géants n'ont pas. L’IA de pointe ne se limite plus au texte : elle s’étend au monde physique — robotique, agents, systèmes industriels. Les laboratoires américains se sont bâtis sur les données de l'internet grand public ; ils ne possèdent pas les données d'atelier, de machine-outil, de réseau électrique, d'aérospatiale et de fabrication de précision qui alimenteront cette nouvelle génération d’applications. L'Europe, si — Siemens, Schneider, Bosch, Airbus, ASML, ainsi que ses bases automobile et pharmaceutique. Qui détient les données propriétaires du paradigme à venir possède un avantage qu'aucun moissonnage du web ne reproduit. C’est un terrain encore peu disputé : rivaliser là où les dominants n'ont aucun ancrage plutôt que là où ils sont retranchés.
Transformer l'écart de calcul en exigence d'efficacité. Le déficit de 5 % contre 80 % est, en logique de sumo, une condamnation à mort ; en logique de judo, c'est précisément la condition H800 qui a produit l'avantage de DeepSeek. La contrainte est le plus fiable des moteurs d'efficacité algorithmique — et l'efficacité, non l'échelle brute, est le terrain sur lequel les acteurs dominants sont les moins protégés. L'Europe devrait cesser de s'excuser de son déficit de calcul et commencer à y voir une contrainte susceptible de faire naître des modèles plus petits, moins chers et plus rapides.
Faire de l'ouverture et de la réglementation des armes. Mistral ne devrait pas chercher à rivaliser en taille avec les grands laboratoires ; ses vrais atouts sont une expérience des modèles à paramètres ouverts et un marché européen où la confiance compte. L’ouverture des paramètres rend accessible ce que les laboratoires américains cherchent à garder propriétaire. Et l'AI Act et le RGPD, systématiquement présentés comme des handicaps, sont un point de levier : pour les banques, hôpitaux, ministères de la défense et administrations publiques, la résidence des données et la conformité prouvable ne sont pas un frein — elles sont le produit. C'est l'effet Bruxelles transformé en stratégie de mise sur le marché : la juridiction qui écrit les règles peut vendre une infrastructure qui les respecte dès sa conception.
Développer les applications fondées sur des agents. La valeur dans l'IA migre du modèle vers l'agent — des systèmes qui planifient et exécutent un travail en plusieurs étapes plutôt que de répondre à une seule requête. Cette couche récompense les petites équipes rapides plutôt que les grands acteurs très consommateurs de capital ; c'est le seul endroit où une start-up européenne peut lancer des améliorations chaque semaine tandis qu’un grand laboratoire poursuit ses arbitrages. Mistral a montré l'exemple, levant 830 millions de dollars pour un centre de données souverain avec la banque publique Bpifrance comme prêteur principal et engageant 1,2 milliard d'euros d'infrastructures en Suède. L’occasion à saisir consiste moins à reproduire OpenAI qu’à maîtriser les outils de coordination et les applications qui se situe au-dessus de tout modèle — européen ou non.
Être le troisième pôle de confiance. Une grande partie du monde veut une IA inféodée ni à Washington ni à Pékin. L’approche européenne fondée sur les droits et les règles — d'ordinaire raillée comme un handicap — est précisément une garantie que des clients indépendants des deux blocs pourraient rechercher : gouvernements, industries régulées et les nombreux États réticents à devenir dépendants d’une superpuissance. La souveraineté comme service, adossée à un marché unique d'environ 450 millions de personnes et d'une vingtaine de langues, permet à l'Europe d'offrir une IA multilingue et respectueuse des juridictions qu'aucune superpuissance ne bâtira.
L'Europe devrait copier la logique stratégique de la Chine et refuser certaines de ses méthodes. La logique est légitime et solide : choisir la dimension où le dominant est le plus faible, retourner sa masse contre lui, agir plus vite qu'il ne peut réagir, et banaliser la couche qu'il monétise. La tactique à rejeter est la tactique contestée — l’utilisation contestée des réponses des modèles de pointe d’un concurrent. Au-delà de l'exposition juridique, elle est stratégiquement superficielle : un avantage ponctuel qui appelle exactement les représailles qu'il a suscitées, des contrôles à l'export aux contre-mesures d'accès. L'asymétrie durable se bâtit sur des actifs qu'un rival ne peut révoquer — énergie propre bon marché, monopole de lithographie, données industrielles propriétaires, confiance institutionnelle — non sur une capacité empruntée.
Deux idées plus anciennes devraient éclairer cette démarche. L'« intention stratégique » de Gary Hamel et C.K. Prahalad décrit comment des acteurs disposant de peu de ressources — le Japon d'après-guerre, puis la Corée — l'ont emporté en fixant une ambition follement disproportionnée à leurs moyens et en tirant le meilleur parti de ressources rares plutôt qu'en les déplorant. Et les « avantages du retard » d'Alexander Gerschenkron expliquent comment les pays qui s’industrialisent plus tard peuvent progresser rapidement en adoptant directement les technologies les plus avancées, sans reproduire toutes les étapes suivies par leurs prédécesseurs. Les déficits de l'Europe, bien lus, sont les conditions préalables d'un bond. Une réserve que les données imposent : l'Europe ne manque pas réellement de capital — elle manque de circuits de financement, avec une épargne des ménages colossale qui dort. Mobiliser ce capital européen patient vers ses propres paris asymétriques est la moitié financière de la même stratégie.
L'image sur laquelle finir est celle par laquelle nous avons commencé : un géant au sol, défait non par un géant plus grand mais par un adversaire plus petit et plus rapide qui a refusé de lutter selon les termes du géant. L'Europe a passé des années à observer une compétition de sumo qu’elle ne peut remporter, prenant son absence de ce combat pour de l'insignifiance. Elle n'est pas insignifiante. Elle détient le goulet dont dépend toute l’infrastructure de l’IA, l'énergie propre la moins chère du continent, un immense vivier de talents et une confiance qu'aucune superpuissance ne peut fabriquer. Ce qui lui a manqué, ce ne sont pas des atouts mais une stratégie — la compréhension que le vainqueur d'un combat asymétrique est rarement le plus fort, mais celui qui choisit le mieux où combattre. La fenêtre est ouverte jusqu'à cet été. Le choix de l'Europe est net et simple : concevoir son propre jeu, ou rester locataire de l'empire de calcul d'un autre.
Une étude de cas sur la revue de code à l’heure des agents de développement, à partir des données de l’espace de travail Pyratz Labs du 13 août au 5 novembre 2026.
Pourquoi nous avons créé des salons chiffrés autour des sessions d’agents existantes, et comment le démon de Paseo, les questions structurées et le partage d’images rendent cette collaboration possible.
Une thèse d’investissement pour l’ère de l’intelligence : financer les technologies qui créent l’abondance, les ressources rares dont elles dépendent et les institutions réglementées qui permettent leur déploiement, tout en préservant la propriété, la liberté de choix et la capacité d’agir.