Pendant plus d’un siècle, la puissance des États s’est mesurée à leur capacité de contrôler les ressources énergétiques, les routes commerciales et les infrastructures industrielles. Le charbon avait accompagné l’ascension des premières puissances manufacturières. Le pétrole avait redessiné les équilibres géopolitiques du XXe siècle, déterminé des alliances, alimenté des conflits et donné à certains territoires une importance stratégique sans rapport avec leur poids démographique. Une autre ressource entre désormais dans cette histoire : la puissance de calcul.

Le 13 octobre 2026, l’Organisation de coopération et de développement économiques (OCDE) a publié, dans le cadre de ses travaux liés au Partenariat mondial sur l’intelligence artificielle, un rapport intitulé Securing AI Compute: Government Policy Approaches. Derrière son vocabulaire administratif, le document décrit une transformation profonde des politiques industrielles. Les gouvernements ne considèrent plus les infrastructures informatiques avancées comme de simples équipements techniques. Ils commencent à les traiter comme des actifs stratégiques dont la disponibilité, la localisation et le contrôle peuvent déterminer leur autonomie économique.

Sur les 46 pays membres du Partenariat mondial sur l’intelligence artificielle examinés par l’OCDE, 44 disposent d’une stratégie nationale en matière d’IA. En tenant également compte de l’Union européenne, 21 juridictions font désormais de la puissance de calcul un pilier spécifique de leur stratégie, tandis que dix autres formulent des engagements explicites. Le mouvement s’accélère : parmi les 18 stratégies adoptées ou actualisées en 2025 et 2026, treize accordent au calcul une place centrale, contre huit sur 26 pour la période 2019-2024.

Cette évolution marque un changement de nature. La première phase de la compétition mondiale pour l’intelligence artificielle concernait principalement les algorithmes, les données et les talents. La suivante se joue dans les usines de semi-conducteurs, les centres de données, les réseaux électriques et les chaînes d’approvisionnement. L’intelligence artificielle cesse progressivement d’apparaître comme une industrie essentiellement immatérielle. Elle révèle son infrastructure physique, son intensité capitalistique et ses dépendances territoriales.

Le calcul devient une ressource stratégique

Un processeur graphique, ou GPU, était initialement conçu pour accélérer le traitement des images. Son architecture, adaptée à l’exécution simultanée d’un grand nombre d’opérations, en a fait un instrument central de l’apprentissage automatique. Les systèmes d’intelligence artificielle les plus avancés reposent aujourd’hui sur des ensembles de processeurs spécialisés, reliés par des réseaux à très haut débit et installés dans des centres de données dont la complexité technique se rapproche de celle des grandes installations industrielles.

La valeur stratégique ne réside pourtant pas dans le processeur isolé. Elle dépend de l’ensemble qui permet de le faire fonctionner : mémoire à haute bande passante, interconnexions, logiciels, alimentation électrique, refroidissement, maintenance et accès continu aux infrastructures.

Cette interdépendance transforme la puissance de calcul en ressource systémique. Un État peut disposer de chercheurs de premier plan, d’entreprises innovantes et de bases de données considérables sans posséder les moyens matériels nécessaires à l'entraînement de modèles avancés. Il doit alors louer cette capacité auprès d'opérateurs étrangers, accepter leurs conditions commerciales et dépendre de leurs arbitrages d'investissement.

La question n’est donc plus seulement de savoir qui développe les meilleurs modèles. Elle devient celle de savoir qui peut les entraîner, les exploiter à grande échelle, les adapter à ses besoins et garantir leur fonctionnement lorsque les relations économiques ou politiques se détériorent.

La comparaison avec le pétrole possède ici une portée historique, mais aussi une limite fondamentale. Le pétrole est une ressource naturelle concentrée dans certains territoires. La puissance de calcul est une capacité industrielle produite, renouvelée et continuellement rendue obsolète par l’innovation. Elle peut être construite presque partout en théorie, mais seulement là où convergent les capitaux, les équipements, les compétences et l’énergie.

Sa rareté n’est pas géologique. Elle est technologique, financière et organisationnelle.

Une souveraineté construite sur des dépendances

La géographie mondiale du calcul présente une particularité : aucune grande puissance ne contrôle seule l’ensemble de la chaîne de valeur.

Les États-Unis occupent une position dominante dans la conception des accélérateurs avancés, les logiciels d’intelligence artificielle et les plateformes mondiales de cloud computing. Nvidia, AMD et les grands fournisseurs américains de services numériques jouent un rôle structurant dans l’écosystème. Mais la production physique des semi-conducteurs les plus sophistiqués repose largement sur des capacités industrielles situées en Asie, particulièrement à Taïwan.

La Corée du Sud occupe une position stratégique dans les mémoires avancées. Les Pays-Bas disposent, avec ASML, d’un acteur indispensable dans les équipements de lithographie de pointe. Le Japon conserve des compétences majeures dans les matériaux, les composants et les machines nécessaires à la fabrication des puces.

Il en résulte une chaîne de production profondément internationalisée, dont chaque segment peut devenir un point de vulnérabilité.

Les restrictions américaines sur l’exportation de certains semi-conducteurs avancés vers la Chine ont démontré que cette interdépendance pouvait être utilisée comme instrument de politique étrangère. La maîtrise d’une technologie ne procure pas seulement un avantage commercial. Elle peut permettre d’influencer la trajectoire industrielle d’un concurrent.

La Chine a répondu en renforçant ses investissements dans les semi-conducteurs nationaux, les accélérateurs domestiques, les infrastructures de calcul et les logiciels capables de réduire sa dépendance aux technologies étrangères. Cette stratégie poursuit deux objectifs distincts : accroître la capacité disponible et diminuer l’exposition aux restrictions extérieures.

Cependant, produire davantage de composants ne garantit pas une autonomie complète. Les procédés de fabrication, les équipements, les mémoires, les logiciels et les rendements industriels imposent des contraintes qui ne disparaissent pas avec une décision politique.

La souveraineté du calcul se construit donc dans un espace contradictoire : les États recherchent l’autonomie à travers des infrastructures dont la fabrication exige une coopération internationale considérable.

Les États-Unis et la logique de concentration

La position américaine repose sur une combinaison difficile à reproduire : grandes entreprises technologiques, marchés financiers profonds, capacités de recherche, fournisseurs de composants et demande commerciale massive.

Les principaux opérateurs de cloud et d’intelligence artificielle peuvent mobiliser des investissements de plusieurs dizaines de milliards de dollars, développer leurs propres accélérateurs, conclure des contrats énergétiques à long terme et construire des centres de données dans plusieurs régions du monde.

Cette puissance industrielle crée un avantage cumulatif. Les entreprises disposant des meilleures infrastructures attirent les chercheurs, les développeurs et les clients. Les revenus et les capitaux obtenus permettent ensuite de financer une nouvelle génération de capacités. L’accès au calcul devient ainsi un facteur de concentration économique.

Mais ce modèle présente également des fragilités. Les dépenses d’investissement précèdent souvent de plusieurs années les revenus attendus. Les équipements se déprécient rapidement, tandis que les besoins en énergie, en foncier et en raccordements électriques augmentent.

La rentabilité dépend donc non seulement de la demande future pour l’intelligence artificielle, mais aussi du taux d’utilisation des infrastructures, du prix de l’électricité, de la durée de vie des accélérateurs et de la capacité des entreprises à convertir leurs investissements en services commercialement viables.

Un centre de données annoncé n’est pas un centre de données construit. Une capacité installée n’est pas nécessairement une capacité utilisée. Et une capacité utilisée ne garantit pas un rendement financier satisfaisant.

Cette distinction devient essentielle dans une industrie où les annonces de projets peuvent atteindre des montants considérables avant que leur viabilité opérationnelle soit démontrée.

L’Europe face au problème de l’échelle

L’Union européenne aborde cette compétition depuis une position différente. Elle dispose de capacités scientifiques, industrielles et réglementaires importantes, mais son écosystème numérique demeure plus fragmenté que celui des États-Unis.

Les initiatives européennes de calcul à haute performance, notamment à travers EuroHPC, cherchent à mutualiser les investissements et à rendre accessibles des infrastructures avancées aux chercheurs, aux entreprises et aux administrations.

Cette approche répond à une contrainte structurelle : la plupart des États européens ne disposent pas individuellement de la profondeur financière, de la demande intérieure ou des ressources industrielles nécessaires pour reproduire l’ensemble du modèle américain.

La mutualisation constitue donc un instrument de puissance, mais elle introduit également des questions de gouvernance. Qui décide de l’allocation des capacités ? Quels projets bénéficient d’un accès prioritaire ? Comment répartir les investissements entre les territoires ? Et jusqu’où peut aller la souveraineté européenne lorsque les équipements essentiels proviennent de fournisseurs extérieurs ?

La difficulté européenne ne se résume pas à un déficit d’investissement. Elle tient à la transformation de la dépense publique et privée en capacité industrielle effectivement disponible.

Financer un supercalculateur, attirer un opérateur de cloud ou construire un centre de données ne produisent pas nécessairement les mêmes effets sur la souveraineté. La propriété des équipements, le contrôle des logiciels, la localisation des données et les conditions d'accès doivent être examinés séparément.

L’Europe peut accueillir des infrastructures considérables tout en restant dépendante d’acteurs étrangers pour leur fonctionnement ou leur évolution technologique.

À l’inverse, une infrastructure développée dans le cadre d’une coopération internationale peut renforcer l’autonomie européenne si elle garantit un accès durable, sécurisé et maîtrisé.

La souveraineté ne se confond donc ni avec la localisation géographique ni avec la propriété juridique. Elle dépend de la capacité effective de décision.

Le Canada et le Royaume-Uni expérimentent une autre voie

Le rapport de l’OCDE identifie le Canada et le Royaume-Uni comme les deux premiers membres du Partenariat mondial sur l’intelligence artificielle à avoir adopté des stratégies nationales spécifiquement consacrées à la puissance de calcul, distinctes de leurs stratégies générales sur l’IA.

Le Canada a présenté en décembre 2024 une stratégie dotée d’une enveloppe de 2 milliards de dollars canadiens. Elle prévoit jusqu’à 1 milliard pour des infrastructures publiques souveraines, 700 millions pour encourager la construction de centres de données commerciaux et 300 millions pour faciliter l’accès des entreprises et des chercheurs aux ressources de calcul.

Le Royaume-Uni a pour sa part défini une feuille de route comprenant 2 milliards de livres sterling d’engagements publics à l’horizon 2030, avec notamment l’expansion des infrastructures nationales de recherche et le développement d’un nouveau supercalculateur à Édimbourg.

Ces politiques révèlent une conception plus pragmatique de la souveraineté. Il ne s’agit pas nécessairement de fabriquer tous les composants ou de concurrencer directement les géants américains, mais de garantir qu’une capacité critique reste accessible aux institutions publiques, aux chercheurs et aux entreprises nationales.

Cette distinction est fondamentale. Une économie peut être technologiquement ouverte sans être entièrement dépendante, à condition de disposer de mécanismes crédibles assurant la continuité de ses fonctions essentielles.

Mais les enveloppes budgétaires annoncées ne doivent pas être confondues avec des infrastructures livrées. Le rapport de l’OCDE décrit principalement des orientations et des instruments publics, non un inventaire exhaustif de capacités opérationnelles comparables.

Il documente l'émergence d'une politique industrielle. Il ne démontre pas encore son succès.

Le Golfe et la conversion du capital énergétique

Pour les pays du Golfe, la montée en puissance du calcul ouvre une possibilité particulière : convertir une partie de leur avantage énergétique et financier en positionnement technologique.

L’Arabie saoudite et les Émirats arabes unis cherchent depuis plusieurs années à développer des écosystèmes numériques avancés, à attirer des partenaires internationaux et à investir dans les infrastructures nécessaires à l’intelligence artificielle.

Leur stratégie repose sur une logique de diversification économique, mais également sur une continuité historique. Les ressources énergétiques ont permis d’accumuler des capitaux considérables. Ces capitaux peuvent désormais financer les infrastructures d’une industrie dont le fonctionnement exige, précisément, une énergie abondante et fiable.

Le parallèle avec les grandes transformations industrielles du XXe siècle devient alors particulièrement visible.

Toutefois, disposer d’énergie et de capitaux ne suffit pas à créer un écosystème technologique autonome. L’accès aux accélérateurs les plus avancés reste soumis à des considérations commerciales et géopolitiques. Les compétences spécialisées, les logiciels et les capacités de maintenance constituent d’autres dépendances.

Les conditions climatiques introduisent également une contrainte. Dans les régions chaudes, le refroidissement des centres de données peut exiger des solutions techniques plus coûteuses ou plus complexes, selon les technologies retenues et les ressources locales en eau.

La réussite dépendra donc de la capacité de ces États à transformer des investissements physiques en compétences industrielles durables, en entreprises locales et en applications économiques productives.

Sans cette transformation, les infrastructures risquent de devenir de simples extensions territoriales d’écosystèmes technologiques contrôlés ailleurs.

L’électricité, nouvelle frontière de l’intelligence artificielle

La compétition pour la puissance de calcul rencontre une limite que les stratégies numériques ont longtemps reléguée au second plan : l’électricité.

Dans son rapport Energy and AI, publié en 2025, l’Agence internationale de l’énergie estimait que les centres de données avaient consommé environ 415 térawattheures d’électricité en 2024, soit près de 1,5 % de la consommation mondiale.

Son scénario central projetait une consommation d’environ 945 térawattheures en 2030, plus du double du niveau de 2024. Les centres de données représenteraient alors un peu moins de 3 % de la demande électrique mondiale.

Ces chiffres concernent l’ensemble des centres de données, et non exclusivement l’intelligence artificielle. Celle-ci constitue néanmoins l’un des principaux moteurs de la croissance anticipée.

L’enjeu dépasse la quantité totale d’électricité produite. Une infrastructure de calcul avancé nécessite une alimentation stable, des réseaux suffisamment dimensionnés et une capacité de refroidissement adaptée. Elle doit être implantée dans des territoires où les contraintes de raccordement, de foncier et de disponibilité énergétique peuvent être levées.

Or les calendriers industriels ne sont pas synchronisés.

Un centre de données peut être développé en quelques années, tandis que les nouvelles lignes électriques, les capacités de production ou les équipements de réseau nécessitent parfois des délais nettement supérieurs.

La disponibilité des transformateurs, des turbines, des équipements électriques et des personnels spécialisés peut devenir aussi déterminante que celle des processeurs.

La concurrence technologique se déplace ainsi vers les infrastructures énergétiques. Les États capables de produire une électricité abondante, compétitive et fiable, puis de l'acheminer rapidement vers les nouveaux centres de calcul, disposent d'un avantage potentiel.

Les sources d’énergie ne sont cependant pas interchangeables. Le solaire et l’éolien peuvent fournir une électricité compétitive, mais leur variabilité impose des solutions de stockage, de flexibilité ou d’approvisionnement complémentaire. Le gaz offre une production pilotable, au prix d’une exposition aux marchés des combustibles et aux émissions. Le nucléaire présente des avantages en matière de production continue et bas carbone, mais ses délais de construction et ses coûts initiaux peuvent limiter sa contribution immédiate.

Le calcul réintroduit donc au cœur de l’économie numérique des arbitrages énergétiques et industriels classiques.

Le pays qui possède les meilleurs algorithmes n’est pas nécessairement celui qui pourra les exploiter au coût le plus compétitif.

Une géographie qui pourrait avantager de nouveaux territoires

L’intensité énergétique de l’intelligence artificielle pourrait modifier la carte des investissements numériques.

Les pays disposant d’une électricité compétitive, de ressources foncières, de connexions internationales et d’une stabilité institutionnelle peuvent attirer des infrastructures qui étaient auparavant concentrées dans quelques grands pôles technologiques.

Les régions nordiques, certaines économies du Golfe et plusieurs pays disposant d’importantes ressources renouvelables présentent, à des degrés différents, des caractéristiques favorables.

Mais cette redistribution n’est ni automatique ni uniforme.

La proximité des utilisateurs demeure essentielle pour certaines applications nécessitant une faible latence. Les grands centres d’entraînement peuvent, en revanche, bénéficier d’une implantation plus éloignée des marchés finaux, à condition que les réseaux de communication, la sécurité et l’approvisionnement énergétique soient suffisants.

Cette distinction pourrait favoriser une spécialisation territoriale entre centres d’entraînement, infrastructures d'inférence, stockage des données et services numériques.

Elle ouvre également une question pour les économies émergentes. Faut-il chercher à construire des infrastructures nationales coûteuses ou privilégier des partenariats régionaux donnant accès à des capacités mutualisées ?

Pour de nombreux pays, la seconde solution pourrait être économiquement plus rationnelle.

Une politique de souveraineté ne devrait pas nécessairement viser l’autarcie technologique. Elle devrait chercher à identifier les fonctions dont la dépendance extérieure représente un risque stratégique et celles pour lesquelles une coopération contractuelle suffit.

Le calcul pourrait ainsi devenir un nouveau domaine d’intégration régionale, comparable, sous certains aspects, aux interconnexions énergétiques ou aux infrastructures de télécommunications.

Le coût caché de la souveraineté

Les stratégies nationales mettent souvent l’accent sur les investissements initiaux. Pourtant, le coût réel d’une infrastructure de calcul dépasse largement l’achat des accélérateurs et la construction des bâtiments.

Il comprend les dépenses énergétiques, le refroidissement, les réseaux, les licences logicielles, la cybersécurité, les personnels spécialisés, la maintenance et le renouvellement des équipements.

Cette dernière dimension est particulièrement importante. Contrairement à une infrastructure de transport ou à certaines installations énergétiques dont la durée de vie peut atteindre plusieurs décennies, les équipements de calcul avancé évoluent à un rythme rapide.

Un investissement considérable peut perdre une partie de sa compétitivité économique bien avant la fin de sa durée de fonctionnement physique.

Les gouvernements doivent donc arbitrer entre propriété publique, partenariats industriels, subventions à l'accès et contrats de long terme.

La propriété nationale d'un centre de calcul peut garantir certaines prérogatives, mais elle expose également les finances publiques au risque d'obsolescence. À l'inverse, la location de capacités privées peut offrir davantage de flexibilité, tout en créant une dépendance contractuelle.

Il n'existe pas de solution universelle.

Le choix dépend de la nature des usages, de la sensibilité des données, des besoins de sécurité nationale, du tissu industriel et de la capacité financière des États.

La question décisive n’est donc pas combien un pays annonce investir, mais quelle capacité utile il obtient, à quel coût complet et avec quel degré de contrôle.

Une nouvelle hiérarchie des puissances

L’émergence du calcul comme infrastructure stratégique pourrait modifier les critères traditionnels de la puissance économique.

Les grandes économies disposent d’un avantage évident en matière de financement, de recherche et de demande intérieure. Mais d’autres facteurs deviennent déterminants : accès à l’énergie, disponibilité des équipements, stabilité réglementaire, connectivité internationale et capacité à organiser des partenariats industriels.

Cette évolution ne signifie pas que les GPU remplaceront le pétrole dans la hiérarchie des ressources mondiales. Les hydrocarbures demeurent essentiels aux transports, à l’industrie et à de nombreux systèmes énergétiques. Le calcul ne possède ni les mêmes usages ni les mêmes propriétés économiques.

La comparaison traduit plutôt une transformation du rôle des infrastructures critiques.

Au XXe siècle, contrôler l’énergie permettait d’alimenter les machines, les transports et les industries. Au XXIe siècle, maîtriser les infrastructures de calcul contribue à déterminer qui peut développer, déployer et utiliser les systèmes intelligents qui orienteront une partie croissante de la production, de la recherche, de la défense et des services.

La différence tient à l’accumulation des dépendances. La puissance de calcul exige elle-même des ressources énergétiques, des matières premières, des industries de précision, des réseaux de télécommunications et des capitaux.

Elle ne remplace pas les fondements matériels de la puissance. Elle les superpose.

Cette superposition pourrait renforcer les États capables de coordonner plusieurs politiques autrefois traitées séparément : industrie, énergie, recherche, commerce extérieur, sécurité et financement.

À l’inverse, les pays qui abordent l’intelligence artificielle uniquement comme une question de logiciels ou de réglementation risquent de sous-estimer les conditions physiques de leur autonomie.

De la souveraineté proclamée à la souveraineté mesurable

Le rapport de l’OCDE témoigne d’une prise de conscience rapide. En quelques années, la puissance de calcul est passée du statut de ressource technique à celui d’objectif explicite des politiques nationales.

Mais cette évolution appelle une exigence nouvelle : mesurer les résultats plutôt que les intentions.

Le nombre de stratégies adoptées, les budgets annoncés ou les centres de données projetés ne suffisent pas à établir la puissance réelle d’un pays.

Il faudrait pouvoir comparer les capacités effectivement installées, leur performance, leur disponibilité, leur taux d’utilisation, leur coût énergétique, leur accessibilité aux entreprises et leur degré de dépendance technologique.

Il faudrait également distinguer les infrastructures utilisées pour entraîner les modèles les plus avancés de celles consacrées à leur exploitation quotidienne, à la recherche scientifique ou aux applications industrielles.

Ces différentes fonctions ne nécessitent ni les mêmes équipements ni les mêmes volumes d'investissement.

Une économie peut développer une autonomie significative dans l’utilisation de l’intelligence artificielle sans posséder les infrastructures nécessaires à l’entraînement des modèles les plus coûteux.

À l’inverse, accueillir un centre de données de grande dimension ne garantit pas que les entreprises locales bénéficieront d’un accès compétitif à ses ressources.

La souveraineté devient ainsi une question de maîtrise fonctionnelle, et non de prestige technologique.

Le véritable indicateur sera la capacité d’un État à maintenir ses services essentiels, soutenir son tissu productif et développer ses propres usages de l’intelligence artificielle, y compris lorsque les conditions extérieures deviennent défavorables.

L’histoire industrielle montre que les grandes transformations technologiques ne redistribuent pas immédiatement la puissance. Elles commencent souvent par renforcer les acteurs déjà dominants, avant d’ouvrir de nouvelles possibilités aux territoires capables d’identifier les ressources et les compétences devenues stratégiques.

L’intelligence artificielle pourrait suivre cette trajectoire.

Les États-Unis disposent aujourd’hui d’avantages considérables. La Chine poursuit une stratégie de substitution industrielle. L’Europe cherche à mutualiser ses moyens. Le Canada et le Royaume-Uni expérimentent des politiques de capacité souveraine. Les pays du Golfe tentent de convertir leur puissance énergétique et financière en influence technologique.

Derrière ces stratégies différentes apparaît une même réalité : l’intelligence artificielle n’est plus seulement une compétition pour produire de meilleurs systèmes. Elle devient une compétition pour posséder les conditions matérielles de leur existence.

Pendant longtemps, la question stratégique fut de savoir qui contrôlait les ressources capables de faire fonctionner les économies industrielles. Une autre s’y ajoute désormais : qui contrôlera les infrastructures capables de faire fonctionner leurs intelligences artificielles ?

La réponse ne se trouvera pas uniquement dans les laboratoires ou les annonces d’investissement. Elle se dessinera dans les usines de semi-conducteurs, les contrats énergétiques, les réseaux électriques et les centres de données effectivement mis en service.

Après le pétrole, le GPU ne marque pas la disparition de la géographie. Il rappelle, au contraire, que même les technologies les plus avancées restent tributaires des territoires, des ressources et des infrastructures qui les rendent possibles.

Sources principales

  1. OCDE (13 octobre 2026) — Securing AI Compute: Government Policy Approaches, OECD Policy Briefs, nº 67. https://doi.org/10.1787/7f96dc99-en
  2. Agence internationale de l’énergie (2025) — Energy and AI. https://www.iea.org/reports/energy-and-ai
  3. Gouvernement du Canada — Canadian Sovereign AI Compute Strategy. https://ised-isde.canada.ca/site/ised/en/canadian-sovereign-ai-compute-strategy
  4. Gouvernement du Royaume-Uni — Compute Roadmap, Department for Science, Innovation and Technology, juillet 2025.
  5. OCDE (2023) — A Blueprint for Building National Compute Capacity for Artificial Intelligence.