Royaume-Uni et NVIDIA : former les talents pour soutenir l’ambition dans l’IA

Le Royaume-Uni ne veut pas seulement attirer les capitaux et installer davantage de serveurs pour consolider sa place dans l’intelligence artificielle. Il lui faut aussi des personnes capables de concevoir, entraîner, évaluer et déployer ces systèmes. C’est l’objectif affiché du partenariat conclu avec NVIDIA, qui associe formation, puissance de calcul et soutien à l’innovation dans un écosystème britannique déjà très actif.

L’initiative intervient alors que l’IA exige simultanément des infrastructures coûteuses et des compétences très recherchées. Une grappe de processeurs graphiques, ou GPU, peut accélérer l’entraînement de grands modèles. Mais sans ingénieurs, chercheurs, spécialistes des données et équipes métiers formés, cette puissance de calcul reste difficile à convertir en nouveaux services, en découvertes scientifiques ou en gains de productivité.

Un AI Technology Center pour relier formation et calcul

Au cœur du rapprochement se trouve l’engagement de NVIDIA à établir un AI Technology Center au Royaume-Uni. Ce centre doit proposer une formation pratique aux technologies d’IA, notamment à la science des données et à l’informatique accélérée.

L’informatique accélérée consiste à confier certaines tâches particulièrement lourdes à des processeurs spécialisés, tels que les GPU. Initialement très utilisés pour l’affichage graphique, ces composants excellent aussi dans les calculs effectués en parallèle. C’est précisément ce dont ont besoin l’entraînement et l’utilisation de nombreux modèles d’intelligence artificielle.

Le programme vise des domaines qui dépassent les seuls assistants conversationnels. Sont notamment cités :

• la conception de modèles de base, ces grands modèles entraînés sur de vastes jeux de données et réutilisables pour de multiples tâches ;
• l’IA incarnée, qui s’intéresse aux systèmes capables de percevoir et d’agir dans un environnement physique ;
• la science des matériaux ;
• la modélisation des systèmes terrestres, utile pour étudier des phénomènes complexes liés à la planète.

Cette orientation est importante : le manque de compétences ne concerne pas uniquement les développeurs qui écrivent du code. Il porte aussi sur la préparation des données, l’évaluation des résultats, l’exploitation d’infrastructures de calcul, la compréhension des besoins d’un secteur et la capacité à vérifier qu’un modèle se comporte comme prévu.

Pourquoi le fossé des compétences est devenu un enjeu économique

La compétition mondiale dans l’IA se joue souvent sur les modèles les plus visibles, mais elle dépend tout autant d’un vivier de talents. Pour une université, un laboratoire, une administration ou une entreprise, l’accès à des spécialistes peut conditionner la possibilité même de lancer un projet.

Le partenariat avec NVIDIA répond à cette difficulté en rapprochant l’apprentissage des outils effectivement utilisés pour les calculs intensifs. Il peut ainsi intéresser plusieurs publics : les chercheurs qui travaillent sur des simulations complexes, les ingénieurs qui développent des applications, les professionnels des données et les organisations souhaitant adopter l’IA de façon structurée.

L’enjeu est aussi de mieux répartir la valeur créée par l’IA. Si seules quelques grandes entreprises disposent du matériel et des équipes nécessaires, les petites structures, les universités et les services publics risquent de dépendre d’acteurs externes pour leurs projets les plus ambitieux. Développer des compétences locales contribue donc à la capacité du pays à orienter ses propres priorités scientifiques, économiques et sociales.

Le Royaume-Uni dispose déjà d’atouts dans ce domaine. En 2024, il a continué à dépasser ses concurrents européens en matière d’investissements dans les startups de l’IA. Depuis 2013, les entreprises britanniques spécialisées dans ce secteur ont attiré près de 22 milliards de livres sterling de financements privés. Des entreprises comme DeepMind et Stability AI participent à la visibilité de cet écosystème auprès des investisseurs et des talents.

Ces montants ne garantissent toutefois pas, à eux seuls, la diffusion des compétences. Le financement de jeunes pousses, la formation technique, la recherche publique et les infrastructures de calcul répondent à des besoins différents. La stratégie présentée cherche justement à les articuler.

Les projets d’infrastructure annoncés

La formation doit s’appuyer sur une puissance de calcul disponible. Plusieurs annonces faites autour de cette dynamique visent à accroître les capacités britanniques en GPU, des puces centrales pour de nombreux travaux d’IA.

Les GPU Blackwell évoqués par Nscale appartiennent à une génération de processeurs NVIDIA conçus pour les charges de travail d’IA. Pour les utilisateurs, l’enjeu n’est pas seulement la performance théorique d’une puce. Il s’agit de pouvoir réserver du calcul à un coût, dans un délai et avec un niveau de sécurité compatibles avec les besoins d’un projet.

Nscale a annoncé vouloir déployer 10 000 GPU NVIDIA Blackwell sur le territoire d’ici à la fin de 2026. De son côté, Nebius prévoit d’ouvrir sa première usine d’IA au Royaume-Uni, ajoutant 4 000 GPU à l’infrastructure disponible. Ces annonces peuvent intéresser les organismes de recherche, les universités et les services publics, y compris le NHS, le système national de santé britannique.

Il convient néanmoins de distinguer une capacité annoncée d’une capacité effectivement accessible. Le bénéfice dépendra des conditions d’accès, de la localisation des centres de données, des coûts de fonctionnement, de l’énergie disponible et des compétences nécessaires pour exploiter ces ressources.

Que peuvent apporter les centres de données à l’économie britannique ?

Les centres de données sont devenus une infrastructure aussi stratégique que les réseaux de télécommunications pour les activités numériques. Ils hébergent des serveurs, du stockage et des équipements réseau. Dans le cas de l’IA, ils accueillent aussi des grappes de GPU qui permettent d’entraîner ou d’exécuter des modèles à grande échelle.

Une étude évoquée lors de la London Tech Week établit un lien entre la robustesse de ces infrastructures et l’activité économique des régions qui les accueillent. Selon l’analyse du cabinet Public First, même une hausse modeste de la capacité des centres de données spécialisés dans l’IA pourrait injecter près de 5 milliards de livres sterling dans l’économie britannique.

L’analyse va plus loin : un doublement des niveaux d’accès pourrait, selon ses estimations, produire des retombées annuelles pouvant atteindre 36,5 milliards de livres sterling.

Ces chiffres sont des projections économiques, non une promesse automatique. Construire un centre de données ne crée pas mécaniquement de la valeur dans tous les territoires. Les retombées dépendent aussi de l’existence d’entreprises utilisatrices, d’établissements de formation, de réseaux électriques adaptés et de projets concrets capables d’utiliser ce calcul.

La finance comme terrain d’expérimentation encadré

Le secteur financier britannique pourrait être l’un des premiers bénéficiaires de ces nouvelles capacités. Les banques, assureurs et autres établissements financiers manipulent de vastes volumes de données et s’intéressent déjà à l’IA pour assister certaines tâches, analyser des informations ou améliorer leurs processus internes.

La Financial Conduct Authority, l’autorité britannique de régulation financière, a mis en place un nouveau dispositif de type « sandbox » consacré à l’IA. Dans ce cadre contrôlé, les entreprises peuvent expérimenter des modèles tout en restant soumises à des exigences de documentation.

Un sandbox, ou bac à sable réglementaire, n’est pas une zone sans règles. Son objectif est de permettre des essais supervisés afin d’identifier les difficultés avant un déploiement plus large. Pour les entreprises, cela suppose d’être en mesure d’expliquer les données employées, les choix de conception et les résultats produits par leurs systèmes.

Cette approche illustre un enjeu plus large : l’adoption de l’IA ne repose pas uniquement sur la capacité à faire fonctionner un modèle. Elle implique aussi de savoir le contrôler, l’auditer et justifier son usage, particulièrement lorsqu’il peut influer sur des décisions sensibles ou sur la relation avec des clients.

Startups et souveraineté technologique : deux ambitions liées

L’effort ne vise pas seulement les grandes entreprises. Barclays Eagle Labs doit installer à Londres un hub d’innovation destiné à accélérer des startups travaillant dans l’IA et les technologies avancées. Les entreprises sélectionnées pourront accéder à des ressources, dont le programme NVIDIA Inception, qui propose des outils et une formation ciblée aux jeunes pousses technologiques.

Pour une startup, l’accès à des ressources techniques et à un accompagnement peut réduire le temps nécessaire pour expérimenter, développer un prototype et consolider une équipe. Dans un secteur où le calcul peut représenter un poste de dépense majeur, il peut aussi faciliter l’accès à des technologies autrement difficiles à mobiliser.

Derrière cette politique se trouve enfin la question de la souveraineté technologique. Elle ne signifie pas qu’un pays doit tout produire seul. Elle renvoie plutôt à sa capacité à conserver un accès fiable aux infrastructures, aux compétences et aux standards indispensables à son économie numérique.

Pour le Royaume-Uni, cela passe par l’investissement dans des infrastructures locales, par la formation de talents et par la promotion de normes ouvertes. Réduire la dépendance à des capacités extérieures peut renforcer la résilience à long terme, à condition que ces investissements répondent aux besoins réels de la recherche, des entreprises et des services publics.

Ce qu’il faut surveiller

Le succès de ce partenariat ne se mesurera pas uniquement au nombre de GPU annoncés. Plusieurs éléments permettront d’évaluer sa portée au cours des prochaines années : la mise en service effective des infrastructures, l’accès des universités et des jeunes entreprises au calcul, ainsi que le nombre de professionnels réellement formés aux usages avancés de l’IA.

Il faudra aussi observer la capacité des organisations à transformer cette infrastructure en projets concrets. Les domaines ciblés, de la science des matériaux à la modélisation des systèmes terrestres, nécessitent des équipes pluridisciplinaires et des méthodes rigoureuses d’évaluation. La disponibilité du matériel est une condition nécessaire, mais elle ne remplace ni la qualité de la recherche ni la gouvernance des usages.

Enfin, le dispositif de la Financial Conduct Authority constituera un test de l’équilibre recherché par le Royaume-Uni : encourager l’expérimentation sans renoncer à la traçabilité et à la responsabilité. C’est dans cette combinaison entre infrastructures, formation, innovation et règles claires que le pays espère consolider sa place dans l’économie mondiale de l’IA.