Jensen Huang appelle l’Europe à bâtir ses propres usines d’IA

Le patron de Nvidia n’est pas venu à Paris uniquement pour vanter une nouvelle génération de processeurs. Le 11 juin 2025, à l’occasion de l’European GTC organisé pendant Viva Technology, Jensen Huang a défendu une idée beaucoup plus large : pour rester compétitive, l’Europe doit construire sa capacité à produire de l’intelligence artificielle, plutôt que de dépendre uniquement d’outils et d’infrastructures venus d’ailleurs.

Ce discours intervient alors que l’IA générative change déjà la manière de chercher de l’information, d’écrire du code, de concevoir des produits ou d’automatiser certaines tâches de bureau. Mais derrière les assistants conversationnels se trouve une industrie lourde : des centres de données, des puces spécialisées, de l’électricité, des réseaux, des ingénieurs et des logiciels. C’est sur ce terrain, moins visible du grand public mais décisif, que Jensen Huang appelle l’Europe à accélérer.

À Paris, Nvidia fait de l’IA un enjeu industriel européen

La thèse du dirigeant de Nvidia est simple : l’intelligence artificielle doit être regardée comme une nouvelle infrastructure, au même titre que l’électricité, les télécommunications ou Internet. Une infrastructure ne se résume pas à un produit que l’on achète. Elle sert de socle à des milliers d’entreprises, de services publics, de chercheurs et de créateurs.

Jensen Huang parle ainsi de centres de calcul capables de fonctionner comme des « usines de génération d’intelligence ». La formule désigne les infrastructures qui transforment de très grandes quantités de données et d’énergie en capacité de calcul, puis en modèles d’IA, réponses automatisées, simulations ou logiciels intelligents. Ces centres ne remplacent évidemment pas le travail humain, mais ils deviennent le moteur matériel de nombreux usages numériques.

Pour l’Europe, le sujet est aussi stratégique que technique. Les modèles les plus puissants et les services de cloud les plus utilisés sont largement opérés par de grands groupes américains. Disposer de capacités locales ne signifie pas se couper du reste du monde. Cela permet en revanche à des entreprises et administrations européennes de mieux choisir où sont traitées leurs données, de développer leurs propres services et de ne pas dépendre d’un seul type de fournisseur.

Cette ambition exige une coordination entre États, fournisseurs de technologie, opérateurs de centres de données, entreprises utilisatrices et jeunes pousses. Jensen Huang a insisté à Paris sur l’importance de partenariats nationaux solides, capables de faire émerger des infrastructures durables plutôt que des annonces isolées.

Pourquoi parler d’« usines d’IA » ?

L’expression peut sembler abstraite. Elle décrit pourtant assez bien le fonctionnement de l’IA moderne. Entraîner un grand modèle ou le faire fonctionner à grande échelle demande des milliers de processeurs graphiques, souvent appelés GPU, reliés entre eux et installés dans des centres de données. Historiquement conçus pour accélérer les calculs graphiques, ces composants sont devenus essentiels à l’apprentissage automatique car ils effectuent simultanément un très grand nombre d’opérations.

L’infrastructure d’IA ne sert pas qu’à entraîner un assistant généraliste. Elle peut aussi être utilisée pour traduire des documents, détecter des anomalies industrielles, concevoir des molécules, accélérer des simulations scientifiques ou créer des agents logiciels. Plus un pays peut proposer cette puissance de calcul à ses chercheurs et à ses entreprises, plus il peut développer des applications adaptées à ses besoins économiques et linguistiques.

La notion d’« usine » souligne aussi que la compétitivité se joue dans la continuité. Il ne suffit pas d’acquérir une machine : il faut la déployer, l’alimenter, la maintenir, sécuriser les données, former les équipes et trouver des usages économiques viables.

Mistral AI et Nvidia annoncent une infrastructure de calcul en France

L’annonce la plus concrète de la journée concerne le partenariat entre Mistral AI et Nvidia. Les deux entreprises ont présenté un projet de plateforme de cloud dédiée à l’IA en France, avec un déploiement initial de 18 000 systèmes Nvidia Grace Blackwell. Les annonces de la journée l’ont associé à un investissement de l’ordre de 1 milliard d’euros.

Une précision est utile : il ne s’agit pas simplement de 18 000 puces posées côte à côte. Un système destiné aux centres de données rassemble plusieurs composants de calcul, de mémoire et d’interconnexion. C’est cet assemblage qui permet de faire travailler de très nombreuses unités de calcul ensemble, condition nécessaire pour entraîner ou exploiter des modèles d’IA de grande taille.

Mistral AI, entreprise française connue pour ses modèles de langage, entend ainsi proposer une offre de calcul et de services d’IA. L’objectif affiché est de donner aux entreprises européennes une alternative pour développer et déployer leurs applications, tout en bénéficiant de l’expertise matérielle et logicielle de Nvidia, acteur central du marché des processeurs destinés à l’IA.

La présence d’Emmanuel Macron lors de cette annonce illustre la dimension politique du projet. Pour la présidence française, l’IA est un sujet de souveraineté technologique et de compétitivité. Le défi est cependant considérable : construire une offre européenne ne suffit pas à rivaliser instantanément avec les capacités déjà installées des géants américains du cloud. Il faut convaincre des clients, garantir des performances et disposer d’un modèle économique capable de financer des infrastructures très coûteuses.

Jensen Huang a résumé cet enjeu par une formule : « L’intelligence d’un pays ne peut pas être simplement importée. » Son propos ne vise pas seulement les données ou les serveurs. Il renvoie à la capacité d’un écosystème national à créer ses logiciels, former ses équipes, comprendre ses secteurs industriels et définir ses propres priorités.

Souveraineté locale ou services importés : une opposition à nuancer

Les services mondiaux de cloud restent indispensables à de nombreuses entreprises européennes. Ils fournissent des outils prêts à l’emploi, des capacités massives et une présence internationale. À l’inverse, une capacité de calcul implantée localement peut répondre à des impératifs de maîtrise, de proximité et de spécialisation. En pratique, les organisations les plus importantes combineront souvent plusieurs fournisseurs et plusieurs environnements.

L’enjeu n’est donc pas de choisir entre une IA nationale fermée et une dépendance totale. Il consiste à éviter qu’un continent se retrouve sans marge de manœuvre sur une technologie devenue aussi structurante. Les partenariats autour de Mistral AI s’inscrivent dans cette recherche d’équilibre : utiliser des composants américains très performants tout en développant une offre, des modèles et une exploitation ancrés en Europe.

Robotique, simulation : la prochaine étape défendue par Nvidia

Jensen Huang a également consacré une part importante de son intervention à la robotique. Pour Nvidia, l’IA ne doit pas seulement rester sur un écran ou dans un centre de données. Elle doit progressivement permettre à des machines de comprendre leur environnement, de planifier des actions et d’intervenir dans le monde physique, notamment dans les usines, les entrepôts ou les laboratoires.

La difficulté est immense. Un robot n’évolue pas dans un univers parfaitement prévisible : il doit composer avec des objets mal placés, des mouvements humains, des surfaces variables et des situations inattendues. Nvidia mise donc sur la simulation massive. Avant d’agir dans le monde réel, un système peut s’entraîner dans des environnements numériques où il répète un grand nombre de scénarios, sans risque matériel.

Cette approche permet d’accélérer l’apprentissage et de tester des cas rares ou dangereux. Mais elle a une limite bien connue : une simulation, même très détaillée, ne reproduit jamais totalement le réel. Le passage du virtuel au monde physique reste un défi central pour les robots autonomes. Les progrès dépendront autant de la qualité des capteurs et des données que des capacités de calcul.

Quel avenir pour les emplois avec l’IA ?

Sur l’emploi, Jensen Huang a défendu une vision de transformation plutôt que de disparition générale du travail. Certains rôles deviendront obsolètes, a-t-il prévenu, mais de nouvelles fonctions apparaîtront. Son raisonnement est qu’une entreprise devenue plus productive grâce à l’IA peut croître, créer de nouvelles activités et, au total, augmenter ses effectifs.

Cette hypothèse ne dispense pas d’une préparation concrète. L’automatisation ne touche pas tous les métiers de la même manière. Les tâches répétitives, très codifiées ou fondées sur la production de contenus standardisés peuvent être profondément modifiées. À l’inverse, les activités exigeant une responsabilité humaine, une relation de confiance, une expertise de terrain ou une décision dans l’incertitude ne se résument pas facilement à un logiciel.

Pour les salariés comme pour les entreprises, l’enjeu est d’apprendre à utiliser l’IA comme un outil de travail, à vérifier ses résultats et à comprendre ses limites. Les besoins en ingénierie, en sécurité, en maintenance des infrastructures, en données et en déploiement de logiciels pourraient croître. Mais les bénéfices ne seront pas automatiques : ils dépendront de la formation, du dialogue social et de la façon dont les gains de productivité seront répartis.

L’AGI dans moins de cinq ans, une prévision qui dépend de sa définition

Le dirigeant de Nvidia a aussi évoqué l’intelligence artificielle générale, souvent désignée par le sigle AGI. L’expression renvoie à une IA qui serait capable de réaliser un très large éventail de tâches intellectuelles à un niveau comparable à celui des humains. Jensen Huang estime qu’elle pourrait devenir réalité en moins de cinq ans.

Cette prédiction doit être lue avec prudence, car il n’existe pas de définition scientifique unique de l’AGI. Faut-il qu’un système réussisse des examens variés ? Qu’il puisse apprendre seul dans de nouveaux contextes ? Qu’il raisonne de manière fiable sur le long terme ? Ou qu’il soit capable de travailler dans le monde réel ? Selon le critère retenu, la réponse peut être très différente.

Les modèles actuels impressionnent par leur capacité à produire du texte, du code, des images ou des résumés. Ils restent néanmoins susceptibles d’erreurs, de réponses inventées et de difficultés face à des situations inhabituelles. La performance dans des tests ne suffit pas nécessairement à démontrer une compréhension générale ou une autonomie fiable. La déclaration de Jensen Huang décrit donc une trajectoire technologique ambitieuse, pas un consensus établi.

Ce qu’il faut surveiller en Europe

Les annonces de Paris placent l’infrastructure au centre du débat européen sur l’IA. Dans les mois à venir, plusieurs questions permettront de mesurer la portée réelle de cette accélération : le calendrier effectif de déploiement des systèmes Blackwell, la capacité de Mistral AI à attirer des clients, l’accès des chercheurs et entreprises à cette puissance de calcul, ainsi que l’impact énergétique des nouveaux centres de données.

Il faudra aussi observer la capacité des États européens à coordonner leurs investissements sans fragmenter le marché. Les règles sur les données, la sécurité et l’IA peuvent devenir un avantage si elles inspirent confiance, mais elles ne remplaceront ni les infrastructures ni les compétences. Le message de Jensen Huang est clair : l’Europe ne pourra pas peser durablement dans l’IA en se limitant à en consommer les services.

Enfin, le projet Stargate, parfois cité pour illustrer la course mondiale aux infrastructures, ne doit pas être confondu avec une initiative de Nvidia. Annoncé en janvier 2025 par OpenAI, SoftBank, Oracle et leurs partenaires, il incarne lui aussi l’ampleur des investissements envisagés dans les centres de calcul. À Paris, Nvidia défend surtout sa propre vision : aider à équiper des « usines d’IA » et encourager les pays européens à bâtir autour d’elles leurs capacités technologiques.