Dossiers Stratégiques

Le 3 décembre 2025, Jensen Huang ne s'exprimait ni à Davos, ni lors d'un sommet technologique, ni devant une communauté d'innovateurs. Il intervenait au Center for Strategic and International Studies.

Ce choix de lieu n'est pas anodin. Il marque un seuil.

Lorsqu'une technologie devient un objet de discussion au CSIS, elle sort du champ de l'innovation économique pour entrer dans celui de la puissance stratégique. Elle cesse d'être évaluée à l'aune de ses performances ou de ses promesses de productivité ; elle est désormais jugée pour ce qu'elle permet — ou empêche — à l'échelle d'un État, d'une industrie ou d'un système économique.

Ce déplacement institutionnel révèle un basculement plus profond : l'intelligence artificielle a changé de statut.

Du progrès technologique à l'infrastructure critique

L'IA n'est plus une technologie que l'on adopte. Elle est devenue une infrastructure que l'on construit.

Ce glissement transforme radicalement la nature des décisions en jeu. Une technologie se teste, se compare, se remplace. Une infrastructure engage le temps long, mobilise des volumes de capital massifs et crée des dépendances durables. Elle structure ce qui devient possible — et ce qui ne l'est plus.

Ce passage de la technologie à l'infrastructure redéfinit le registre stratégique tout entier. La performance cède la place à la puissance. Le projet ponctuel s'efface devant l'architecture de long terme. L'expérimentation laisse place à l'engagement irréversible.

Le paradoxe central : investir sans gouverner

C'est ici que se situe le point de tension décisif. Les organisations savent investir dans l'IA. Elles savent lancer des initiatives, allouer des budgets, signer des partenariats, recruter des talents. En revanche, elles ne savent pas encore la gouverner.

Elles continuent de penser l'IA avec les cadres mentaux de l'innovation — expérimentation, agilité, retour sur investissement rapide — alors qu'elle obéit désormais aux logiques lourdes des infrastructures : irréversibilité, dépendances systémiques, arbitrages politiques et industriels de long terme.

Ce décalage crée une illusion de maîtrise. Les décisions structurantes s'accumulent sans être assumées comme telles. Les dépendances se forment avant même d'avoir été débattues. Et la responsabilité se dilue précisément au moment où elle devrait être portée, explicitement, au plus haut niveau de l'organisation.

Ce que les grandes ruptures nous ont déjà appris

Cette situation n'a rien d'inédit. Elle se trouve au cœur de toutes les grandes ruptures industrielles. Les travaux réunis dans Lead and Disrupt le montrent sans ambiguïté : les organisations échouent rarement face aux ruptures par manque de technologie ou d'intuition stratégique. Elles échouent parce qu'elles sont incapables de gouverner, dans la durée, la coexistence de logiques fondamentalement contradictoires.

L'intelligence artificielle place aujourd'hui dirigeants et conseils d'administration exactement face à cette épreuve. Non comme un défi d'innovation supplémentaire, mais comme une mise à l'épreuve de leur maturité stratégique.

Les grandes ruptures technologiques ne surprennent jamais vraiment les organisations établies. Elles sont observées, analysées, parfois même anticipées. Les dirigeants financent des laboratoires, créent des unités d'innovation, recrutent des talents réputés « disruptifs ». Pourtant, l'histoire économique est implacable : ce ne sont pas les organisations les moins innovantes qui disparaissent, mais celles qui échouent à transformer l'innovation en capacité durable.

Cet écart entre lucidité technologique et échec stratégique constitue l'un des paradoxes les plus constants du capitalisme contemporain. Il ne relève ni de l'aveuglement, ni de l'incompétence. Il relève d'un angle mort beaucoup plus profond : la gouvernance.

L'ambidextrie : une condition structurelle, pas une posture

C'est précisément ce que formalise Lead and Disrupt. Contrairement à une lecture simplifiée, l'ambidextrie organisationnelle n'est ni un état d'esprit, ni un équilibre subtil entre prudence et audace. Elle désigne une condition structurelle de survie face aux ruptures majeures.

Exploiter et explorer ne sont pas deux variantes d'une même activité. Ce sont deux logiques antagonistes. L'exploitation repose sur la discipline, la standardisation et la répétition. L'exploration, à l'inverse, exige l'acceptation de l'incertitude, des investissements sans retour immédiat et une tolérance explicite à l'échec.

Chercher à gouverner ces deux dynamiques avec les mêmes indicateurs, les mêmes processus et les mêmes horizons de décision revient à en sacrifier une. Dans les faits, c'est presque toujours l'exploration qui cède.

Quand l'innovation est là, mais pas la gouvernance

Kodak a inventé la photographie numérique. Nokia a dominé la téléphonie mobile mondiale au moment même où l'écosystème des smartphones émergeait. Dans les deux cas, la technologie était présente. La vision initiale aussi. Ce qui a manqué, ce n'est pas l'innovation, mais la capacité à gouverner une transition qui remettait en cause les fondations mêmes du modèle existant.

La rupture n'a pas été combattue ; elle a été administrée jusqu'à l'asphyxie.

L'apport décisif de Lead and Disrupt

L'ambidextrie ne consiste pas à demander aux mêmes équipes de faire deux choses incompatibles. Elle repose sur une architecture de gouvernance précise. D'un côté, une séparation opérationnelle claire : des unités dédiées à l'exploration, protégées des métriques et des arbitrages de court terme. De l'autre, une intégration stratégique au sommet : la responsabilité explicite du leadership de maintenir la cohérence de l'ensemble.

L'ambidextrie ne supprime pas la tension ; elle la rend gouvernable. Elle déplace la complexité là où elle doit être traitée : au sommet.

Les ruptures technologiques échouent rarement là où elles sont visibles. Elles échouent presque toujours là où elles sont lourdes, lentes et politiquement inconfortables. L'intelligence artificielle ne fait pas exception.

C'est précisément ce que révèle la lecture de la stack IA proposée par Jensen Huang : avant d'être une révolution logicielle, l'IA est une infrastructure industrielle lourde. Et toute infrastructure engage des arbitrages que l'on ne peut ni accélérer artificiellement, ni corriger aisément une fois engagés.

L'énergie : le prérequis que l'on aimerait négocier

L'IA est aujourd'hui l'une des industries les plus intensives en énergie jamais construites. Les « AI factories » consomment des volumes d'électricité comparables à ceux de complexes industriels lourds. Or, dans de nombreuses organisations, l'énergie reste traitée comme un sujet de conformité ou de reporting ESG. Elle est rarement assumée comme ce qu'elle est devenue : un facteur de puissance non négociable.

Les semi-conducteurs : l'illusion confortable de l'avance technologique

Les semi-conducteurs ne sont pas qu'un exploit d'ingénierie ; ils sont d'abord une industrie manufacturière lourde. Confondre avance technologique et maîtrise industrielle est une erreur classique de gouvernance dans les grandes ruptures.

Les infrastructures physiques : le temps long que l'on ne peut pas accélérer

Contrairement au logiciel, ces infrastructures obéissent à des délais incompressibles. Construire une capacité de calcul industrielle prend des années, mobilise des capitaux massifs et engage des choix quasi irréversibles.

Rendre visibles ces couches, c'est forcer les dirigeants à reconnaître que le véritable risque n'est pas d'investir trop tôt, mais de sous-investir trop longtemps dans ce qui ne produit pas immédiatement de performance mesurable.

Si les couches basses de l'intelligence artificielle concentrent les investissements les plus lourds et les engagements les plus irréversibles, ce sont souvent les couches supérieures qui déterminent, à bas bruit, la répartition réelle du pouvoir. C'est là que se joue une part décisive de la domination future — non pas par la force visible de la technologie, mais par la structuration des usages, des dépendances et des trajectoires d'apprentissage.

Le pouvoir des standards : l'infrastructure invisible

Les grandes ruptures industrielles ne se gagnent jamais uniquement par de meilleurs produits. Elles se gagnent par la capacité à imposer des standards autour desquels un écosystème entier s'organise.

CUDA illustre parfaitement cette logique. Développée sur plusieurs décennies, cette infrastructure logicielle n'est ni spectaculaire ni directement monétisable au sens classique. Elle n'en est pas moins l'un des piliers les plus puissants de l'écosystème IA contemporain.

L'open source joue un rôle complémentaire mais tout aussi stratégique. Loin d'être un simple choix philosophique, il constitue un accélérateur systémique : il abaisse les barrières à l'entrée, diffuse rapidement les compétences et permet à des écosystèmes entiers de monter en maturité à grande vitesse.

Les modèles : la fascination pour le sommet de la pyramide

La grande majorité de la valeur créée par l'IA ne provient pas de quelques modèles généralistes ultra-performants, mais de la prolifération massive de modèles spécialisés, souvent discrets, conçus pour des usages industriels, scientifiques ou sectoriels précis.

La valeur se déplace progressivement de la prouesse algorithmique vers la capacité d'intégration.

Les applications : là où les ruptures s'ancrent — ou s'évanouissent

L'histoire industrielle est constante : les grandes ruptures ne se gagnent pas dans les laboratoires, mais dans la diffusion. L'électricité n'a pas transformé les économies parce qu'elle a été inventée, mais parce qu'elle a été appliquée plus vite, plus largement et plus profondément que ses alternatives.

La vitesse d'adoption, l'acceptation sociale et la capacité à transformer les usages réels priment désormais sur l'innovation initiale.

C'est ici que se niche l'erreur de gouvernance la plus fréquente : surinvestir ce qui est visible, mesurable et immédiatement valorisable, tout en sous-investissant l'architecture invisible qui conditionnera la liberté d'action future.

Les grandes ruptures technologiques cessent d'être des enjeux managériaux le jour où elles deviennent des infrastructures. À partir de ce point de bascule, l'ambidextrie — longtemps pensée comme une compétence organisationnelle — quitte le périmètre de l'entreprise pour s'imposer au niveau des États, des alliances et des systèmes économiques entiers.

La Chine : une ambidextrie pilotée par l'État

La trajectoire chinoise constitue un cas d'école. Ce qui se dessine est une ambidextrie explicitement pilotée par l'État, fondée sur une cohérence rare entre plusieurs dimensions clés : énergie, industrialisation, formation, standards logiciels et diffusion des usages.

L'accès à une énergie abondante et continuellement étendue constitue le socle de cette stratégie. L'open source y joue un rôle central : non comme renoncement à la valeur, mais comme accélérateur d'apprentissage collectif.

Nuances indispensables : la face cachée de la cohérence

Lire cette trajectoire sans nuance conduirait à une forme d'admiration béate, intellectuellement paresseuse et stratégiquement dangereuse. Toute ambidextrie pilotée par l'État comporte ses propres fragilités. La centralisation des décisions crée des rigidités structurelles. Les dépendances à l'appareil étatique peuvent ralentir l'adaptation.

Le risque stratégique du retrait : se retirer, c'est désapprendre

Se retirer d'un écosystème majeur, ce n'est pas seulement renoncer à des parts de marché. C'est se priver d'un espace d'apprentissage, d'expérimentation et d'influence sur les standards et les usages émergents.

Dans une rupture infrastructurelle, l'isolement n'est pas une protection. C'est une faiblesse structurelle.

Alliances technologiques : vers une souveraineté relationnelle

La souveraineté ne peut plus être pensée comme une autonomie absolue. La véritable question n'est donc pas l'indépendance, mais la capacité à structurer des interdépendances choisies.

Cette logique conduit à une forme de souveraineté relationnelle, dans laquelle la puissance se mesure moins à la capacité de tout produire seul qu'à celle de coordonner des écosystèmes complexes sur le long terme.

Lorsque l'intelligence artificielle devient une infrastructure structurante, elle déplace le centre de gravité de la décision. Ce qui relevait hier de choix technologiques ou opérationnels devient aujourd'hui un enjeu de gouvernance au plus haut niveau. À ce stade, l'IA ne teste plus la capacité d'innovation des organisations ; elle met à l'épreuve la maturité des dirigeants et des conseils d'administration.

Repositionner l'IA au niveau du board : de la délégation à la responsabilité

La première rupture est institutionnelle. Tant que l'IA reste déléguée à l'IT, à la data ou à l'innovation, elle est mécaniquement traitée comme un moyen. Or une infrastructure ne se délègue pas : elle se gouverne.

L'IA engage des investissements lourds, souvent sans retour visible à court terme. Elle expose l'organisation à des risques systémiques qui dépassent largement le périmètre d'un comité spécialisé.

Gouverner le travail augmenté, pas la substitution

La distinction entre tâche et métier est ici déterminante. Les tâches peuvent être automatisées, recomposées ou augmentées. Les métiers, eux, portent une finalité, un jugement et une responsabilité qui demeurent profondément humains.

Les entreprises qui gouvernent l'IA sous l'angle de la substitution s'inscrivent dans une logique d'exploitation défensive. Celles qui la gouvernent comme un amplificateur de jugement humain investissent dans une logique d'exploration durable.

Orchestrer des écosystèmes plutôt qu'optimiser des silos

L'IA rend définitivement obsolète l'illusion de l'autonomie stratégique. Aucune organisation ne maîtrise seule l'ensemble de la stack. Le leadership ne se mesure plus à la capacité de contrôle, mais à la capacité d'orchestration.

Trois décisions irréductibles pour les boards

Toute gouvernance sérieuse de l'IA confronte les dirigeants et les conseils à trois décisions qui ne peuvent être ni déléguées ni contournées :

Accepter des investissements incompatibles avec les métriques actuelles. Une infrastructure se construit avant d'être rentable.

Assumer des dépendances plutôt que de les nier. Toute architecture crée des interdépendances. La question n'est pas de les éviter, mais de les choisir.

Arbitrer publiquement des tensions inconfortables : entre court et long terme, ouverture et contrôle, performance immédiate et puissance future.