La souveraineté de l’intelligence artificielle ne signifie pas qu’un seul pays doive construire tous les composants de l’écosystème, de l’électricité et des puces jusqu’aux modèles et aux applications. C’est la conclusion centrale de l’analyse d’ITmedia AI Plus, fondée sur les avis de Kunihiro Tanaka, président de Sakura Internet, et de Junya Ishii, analyste politique international chez Sakana AI. Le critère le plus réaliste consiste à déterminer les couches qui doivent être contrôlées et à réduire la dépendance envers une seule source extérieure, tout en conservant la capacité de poursuivre les activités si un fournisseur tombe en panne ou modifie ses conditions d’utilisation.
Trois aspects de la souveraineté
Tanaka divise la souveraineté de l’infrastructure d’intelligence artificielle en trois aspects. Le premier est la souveraineté des données, c’est-à-dire le fait de conserver les données dans le pays et de les gérer dans un périmètre local. Le deuxième est la souveraineté opérationnelle, qui comprend la maîtrise des décisions concernant l’exploitation de l’infrastructure, ainsi que l’emplacement et la capacité des serveurs. La souveraineté technologique concerne quant à elle la capacité à développer les modèles et les logiciels eux-mêmes.
Tanaka estime que les risques associés à ces aspects ne sont plus théoriques. Des problèmes sont apparus concernant la sortie de données de serveurs situés à l’étranger, le refus de fournisseurs étrangers d’investir dans des serveurs au Japon, ainsi que les risques liés à l’interdiction d’exporter des logiciels. L’article cite la suspension temporaire par Anthropic, en juin, de l’accès à Claude Fable 5 et Mythos 5, sur ordre du gouvernement américain, comme exemple montrant que la dépendance à une alliance politique ne garantit pas la continuité de l’accès aux logiciels ou aux serveurs.
Ces risques sont d’autant plus difficiles à gérer qu’ils n’apparaissent souvent pas dans des conditions normales. Le service peut sembler stable et peu coûteux, puis devenir inutilisable en cas d’évolution politique ou commerciale. Tanaka compare cette situation au problème du « naphta », où la dépendance à des importations bon marché en temps de paix entraîne des perturbations de l’approvisionnement lorsque les conditions changent.
Pourquoi une « orientation entièrement locale » ne suffit-elle pas ?
Tanaka et Ishii s’accordent à dire que couvrir 100 % des couches de l’intelligence artificielle au Japon est impossible et irrationnel. Ishii présente l’écosystème en quatre couches : les matériaux d’infrastructure tels que l’électricité et les semi-conducteurs, la couche de gestion des données via le cloud ou une infrastructure locale, puis la couche des modèles fondamentaux, et enfin les applications.
Selon cette conception, aucun pays ni aucune entreprise ne peut posséder efficacement tous ces composants. Ishii propose donc de réduire la dépendance étrangère à chaque couche et de diversifier les produits et les fournisseurs lors de l’utilisation de technologies étrangères. Il indique que le Japon, la Corée du Sud, l’Inde, l’Australie et le Canada, en tant que puissances moyennes, tendent à raisonner de la même manière.
Sakura Internet ne considère pas qu’abandonner les unités de traitement graphique de NVIDIA soit une option réaliste ; cette partie de l’industrie dépend d’un fournisseur mondial, y compris pour les entreprises américaines. Tanaka distingue toutefois la puce elle-même des couches supérieures que le Japon peut développer, telles que l’infrastructure cloud, les services d’inférence et les logiciels d’exploitation.
Qu’est-ce qui change concrètement pour les entreprises ?
Sakura Internet souligne que la question « les données sont-elles conservées au Japon ? » ne suffit pas pour évaluer un service d’intelligence artificielle. La question la plus importante est la suivante : les données saisies sont-elles utilisées pour entraîner le modèle ? Les données peuvent se trouver physiquement sur un serveur japonais, tout en perdant une partie de leur souveraineté si elles sont intégrées à des processus d’entraînement que l’entreprise ne contrôle pas.
Les entreprises doivent également vérifier l’isolation physique des serveurs et déterminer s’ils leur sont dédiés, un point qui suscite une attention particulière chez les clients du secteur manufacturier. Cela n’est pas nécessairement lié à la nationalité du modèle ; Tanaka estime qu’un modèle ouvert chinois tel que Kimi ou Qwen peut être exécuté sur des serveurs locaux afin que les données ne sortent pas du pays, tout en maintenant la nécessité d’évaluer les autres risques liés à la source et aux logiciels.
La capacité réelle d’utilisation constitue également un enjeu. Le fait de disposer sur le papier d’un GPU puissant ne garantit pas sa disponibilité au moment voulu, en raison d’un manque de ressources, de contraintes électriques ou d’un plafond de performance fixé par le fournisseur de services. Tanaka propose notamment d’utiliser des modèles plus petits et spécialisés, même s’ils sont moins performants que les modèles de pointe en termes de performances générales, et de les exécuter sur une infrastructure d’inférence locale. Cette solution peut être plus rentable lorsque les applications d’agents nécessitent la consommation de grandes quantités de tokens.
Cette approche ne signifie pas isoler le Japon des technologies étrangères. Sakura Internet coopère avec Microsoft pour rendre son infrastructure et ses services accessibles via le panneau de contrôle de Microsoft Azure. Tanaka insiste toutefois sur la nécessité d’utiliser les technologies étrangères tout en développant localement la capacité à fournir ultérieurement des services similaires, plutôt que de se limiter à la consommation.
Adapter les modèles plutôt que les construire à partir de zéro
Sakana AI suit une voie différente au niveau des modèles. Au lieu de construire entièrement l’architecture et les poids du modèle à partir de zéro, l’entreprise s’appuie sur des modèles ouverts avancés et utilise des techniques d’entraînement ultérieur pour modifier leur comportement et les adapter aux exigences japonaises.
Ishii affirme que les modèles américains et chinois ont été développés avec des ressources considérables, ce qui rend difficile le fait de les rattraper en reproduisant la même approche. En revanche, les modèles étrangers peuvent refléter certaines valeurs ou certains biais politiques. Sakana AI a donc développé le modèle Namazu et a lancé en mai le chatbot Sakana Chat qui l’utilise.
L’entreprise ne cherche pas à rendre les résultats fortement biaisés en faveur du point de vue japonais. Selon Ishii, elle vise plutôt à fournir des réponses neutres sur les questions historiques et territoriales, tout en présentant clairement la position japonaise, car une réponse unilatérale pourrait réduire la confiance des utilisateurs à l’étranger. L’intérêt de l’entraînement ultérieur réside dans la possibilité de l’appliquer à plusieurs modèles, ce qui réduit l’impact de l’arrêt d’un modèle donné.
Ce besoin apparaît notamment dans les secteurs public, financier et de la défense. Sakana AI travaille avec un institut de recherche rattaché à l’Agence d’acquisition, de technologie et de logistique du ministère japonais de la Défense, dans le cadre d’un contrat pluriannuel visant à développer des technologies fondamentales, avec une expérimentation s’étendant sur deux ans. Les travaux comprennent une intelligence artificielle légère fonctionnant sur des drones dans des environnements où les communications sont faibles, ainsi que des systèmes exploitant les informations recueillies par les drones pour le commandement et le contrôle.
Conclusion : le contrôle compte davantage que la nationalité
Les expériences de Sakura Internet et de Sakana AI proposent une définition pratique de l’intelligence artificielle souveraine : non pas un système fermé portant l’étiquette « fabriqué localement », mais la capacité à contrôler les données, l’exploitation et les modèles, avec des solutions de rechange permettant de poursuivre les activités en cas de perte d’un fournisseur ou d’un modèle.
Les entreprises japonaises doivent donc commencer par dresser l’inventaire des couches de leur infrastructure actuelle : les données sont-elles utilisées pour l’entraînement ? Qui gère l’infrastructure ? Que se passe-t-il si le modèle cesse de fonctionner demain ? Répondre à ces questions est plus utile que de se fonder uniquement sur la nationalité du modèle. Les projets de construction complète à partir de zéro, comme l’approche suivie par Preferred Networks, restent une option importante, mais l’article les présente comme faisant partie d’un ensemble de choix et non comme une solution unique. De même, l’utilisation par Sakana AI de l’infrastructure cloud « Takabi » de Sakura Internet dans le cadre du projet GENIAC montre comment des composants locaux peuvent s’intégrer à travers différentes couches.