Le 16 juin 2026 s’est tenu le forum annuel du gf2i sur le thème : « IA de confiance, entre promesses, réalités et régulation ». Henri Stiller vous propose ici une synthèse.

Introduction – Thomas Parisot

En ouverture de la manifestation, Thomas Parisot, Président du gf2i, a immédiatement posé les jalons d'un débat qui dépasse largement le simple cadre technique.

Selon la vision du gf2i, cette confiance s’articule autour de trois piliers indissociables : l’intégrité des sources, la transparence des modèles (avec une mention spéciale sur l'identification systématique des erreurs) et une responsabilité juridique claire. Le constat est d’une logique implacable : sans l’instauration de la confiance, le risque majeur est la dévalorisation de toute forme de connaissance. Pour contrer cette menace, le gf2i prône une trajectoire combinant une gouvernance profondément humaniste et une infrastructure technique robuste, matérialisée par l’explicabilité (qu’elle soit intrinsèque ou post hoc, jusqu'à l'étape ultime de la certification et de la régulation).

Jean Baptiste de Vathaire – Isako

Comment traduire ces grands principes en architectures applicatives viables ? Jean Baptiste de Vathaire (Isako) a apporté un éclairage opérationnel en s'appuyant sur les lignes directrices de la Commission Européenne de 2019 (transparence, explicabilité, fiabilité, sécurité, contrôle des données, responsabilité et équité).

Pour Isako, faire face au déploiement de l'IA exige une « méfiance constructive » articulée autour d'un triptyque stratégique :

• Souveraineté : Placer le contrôle au niveau des plateformes et des humains, notamment via des interfaces homme-machine repensées.
• Sobriété : Une exigence à la fois économique et écologique. Isako en fait la démonstration concrète : l’utilisation de techniques optimisées permet de traiter 4 millions de requêtes par an avec une consommation énergétique équivalente à seulement 2 convecteurs électriques.
• Subsidiarité : Garantir la durabilité en affectant des Large Language Models (LLM) dédiés et spécialisés à des tâches précises, plutôt que de recourir systématiquement à des modèles massifs et généralistes. Dans la pratique, Isako Studio cantonne l'usage des IA aux interfaces, privilégiant des algorithmes classiques pour le reste des traitements, à l'image du RAG SophIA déployé pour CAIRN.

L’optimisme est affirmé : l’existence d’un monde techno-informationnel unifié garantit l’accès immédiat aux dernières innovations. De plus, les agencements techniques possèdent une forme d'existence propre (« les agencements techniques ont une âme, un mode d’existence ») dont la conception — architecture, objectifs, organisation — dépend entièrement de notre libre choix. Enfin, l’émergence de l’IA agentique offre une opportunité historique de reprise en main collective du marché par les acteurs de l'écosystème, dans une démarche fondamentalement coopérative.

Blaise Vignon – SENS

L'innovation technologique ne peut s'affranchir d'une sécurité des infrastructures de premier ordre. C’est le message porté par Blaise Vignon pour SENS, la joint-venture entre Thales et Google Cloud. En tant que premier hyperscaler européen entièrement sous le contrôle de Thales, SENS répond directement aux besoins des 80% d'entreprises qui migrent vers le cloud pour libérer l’innovation, garantir leur compétitivité, optimiser leur efficience et gérer les risques cyber. Face aux risques d’ingérence extraterritoriale, la réponse réside dans le Cloud de confiance certifié SecNumCloud 3.2. La souveraineté de l’IA est un édifice qui exige la maîtrise absolue à deux niveaux interconnectés : la souveraineté des données et la souveraineté des modèles, guidée par le Cloud Sovereignty Framework (CSF).

Perica Sucevic – Direction juridique de la DINUM

Du côté du secteur public, Perica Sucevic (Direction juridique de la DINUM) a apporté une vision régalienne rigoureuse. Dans la fonction publique, la souveraineté se traduit par trois impératifs : maîtrise, pérennité et indépendance. L’introduction de l'IA pose des défis déontologiques majeurs, en particulier le respect du secret professionnel par les juristes et avocats. La position de la DINUM est affirmée : l’IA ne doit pas être utilisée pour prendre des décisions ou formuler des réponses individuelles, en raison de son incapacité structurelle à la transparence totale. La doctrine actuelle consiste à réserver l'usage de l'IA aux agents les plus performants et experts — capables de valider et de critiquer la qualité des réponses générées — et à privilégier le déploiement de « petites IA » (modèles compacts) entraînées sur des données rigoureusement maîtrisées.

Mickael Reault – Sindup

Mickael Reault (Sindup) a chiffré l'impact économique du manque de confiance et d'alignement au sein des organisations. Le coût du désengagement des collaborateurs s'élève à 14 840 € par salarié et par an, ce qui représente une perte de compétitivité de 297 millions d'euros pour l'économie française. Dès lors, la confiance se présente comme un actif immatériel stratégique, mesurable et quantifiable, reposant sur la fidélité (fondée sur les faits passés) et la loyauté (garantie par les engagements futurs). Cet alignement exige des outils fiables et une gouvernance stricte. Pour incarner cette fiabilité — à l'instar des garanties offertes par la blockchain — Sindup a fait le choix fort de se transformer en SCIC (Société Coopérative d'Intérêt Collectif). La performance de l'IA s'appuie désormais sur 4 piliers : une vision à long terme, l’équité économique, une gouvernance partagée et une souveraineté technologique.

Sébastien Perrin – Directeur de la bibliothèque de l’école des mines de Paris, Couperin

Pour le monde académique et de la recherche, Sébastien Perrin (Directeur de la bibliothèque de l'École des Mines de Paris, représentant Couperin) a rappelé la définition universelle de l'IA de confiance validée par les experts de l'UE et l'INRIA. Ce cadre de référence repose sur 7 critères d’excellence :

1. Action et contrôle humains : Préservation des droits fondamentaux.
2. Robustesse technique et sécurité : Résilience face aux cyberattaques, plans de secours et reproductibilité des résultats.
3. Respect de la vie privée et gouvernance des données : Intégrité absolue des accès.
4. Transparence : Traçabilité et explicabilité des modèles.
5. Diversité et équité : Élimination radicale des biais discriminatoires.
6. Bien-être sociétal et environnemental : Alignement avec les objectifs de durabilité et de respect démocratique.
7. Responsabilité : Auditabilité et mécanismes clairs de recours.

Transposée aux besoins spécifiques de l'enseignement supérieur et de la recherche, l'IA de confiance académique se décline selon trois axes :

• Des choix documentaires stricts : Utilisation exclusive de sources validées scientifiquement, pertinentes et licites.
• Des méthodes transparentes : Valorisation et accès direct aux textes sources ayant servi à la génération de contenu (RAG), maîtrise de la tokenisation et paramétrage transparent des algorithmes de recherche.
• Des choix techniques engagés : Confidentialité, éco-soutenabilité, haute fréquence de mise à jour des bases de connaissances, et maintien indispensable des anciens outils de recherche pour garantir la continuité du service public.

Etienne Cailleau – AFNOR

En clôture de forum, Etienne Cailleau (AFNOR) a rappelé la dimension géopolitique et économique de la normalisation dans le domaine du numérique. Les normes et les certifications ne sont pas de simples contraintes administratives : elles constituent de puissants instruments d'influence et de soft power sur l'échiquier technologique mondial.

Réflexions conclusives

A travers la diversité des interventions, un fil conducteur a émergé : la confiance n’est pas un supplément, mais une condition de viabilité des systèmes d’IA.

Trois enseignements principaux peuvent être retenus :

1. La confiance est systémique : elle implique simultanément technologie, gouvernance, droit et économie.
2. La transparence devient structurante : sans explicabilité, l’IA se heurte à une limite d’acceptabilité.
3. La souveraineté s’impose comme un cadre stratégique : maîtrise des données, des infrastructures et des modèles.

Face au risque d'une dévalorisation des connaissances évoqué en ouverture, la normalisation, la souveraineté des infrastructures (comme le modèle SecNumCloud) et les architectures hybrides (alliant IA et algorithmes classiques) constituent la meilleure approche pour transformer les promesses de l'intelligence artificielle en réalités industrielles pérennes.

Henri Stiller, Président de l’ADBS