Ce que « souverain » veut vraiment dire : les choix d'infrastructure d'EvalIA (RGPD, CLOUD Act, écologie, IA Act)

Quand on parle d'intelligence artificielle à l'école, un mot revient plus que les autres : « souverain ». On l'oppose aux géants américains, on le brandit comme une garantie, on l'attend d'un outil qui touche aux données des élèves. Le problème, c'est qu'il ne veut pas dire une seule chose. Derrière ce mot unique se cachent au moins cinq exigences différentes, qui ne s'obtiennent pas au même endroit et qui parfois se contredisent : où vivent les données, à quelle loi répond l'entreprise, si le modèle est ouvert, si l'on peut en changer, et combien d'énergie il consomme.

EvalIA édite ce blog, et traite des copies d'élèves. Nous avons donc dû trancher ces questions pour de vrai, pas en slogan. Cet article expose nos choix d'infrastructure, contrainte par contrainte, sans cacher le point où nous concédons quelque chose. Il n'existe aucun fournisseur d'IA qui coche toutes les cases à la fois : choisir, c'est arbitrer. Toutes les affirmations chiffrées ci-dessous ont été vérifiées sur les sources primaires en juillet 2026, et sont listées en fin d'article. Nous n'écrirons jamais « EvalIA est souverain », parce que ce mot, employé comme étiquette, promet plus qu'aucun acteur ne peut tenir. Nous préférons montrer l'arbitrage.

« Souverain » : un mot pour cinq réalités distinctes

On traite la souveraineté numérique comme une case à cocher. C'est en réalité un empilement de propriétés qui ne s'acquièrent pas ensemble.

Dimension	La vraie question	Ce qui la règle
Résidence des données	Où les données sont-elles traitées et stockées ?	Une région européenne du fournisseur
Juridiction de l'entreprise	À quelle loi la maison-mère obéit-elle ?	Une société hors droit américain
Ouverture du modèle	Peut-on récupérer les poids et l'exécuter soi-même ?	Un modèle à poids ouverts
Réversibilité	Peut-on changer de fournisseur sans tout casser ?	Un code abstrait, une sauvegarde indépendante
Empreinte écologique	D'où vient l'électricité, et combien en consomme-t-on ?	Un mix décarboné et la frugalité du modèle

Le point décisif : on peut être fort sur une dimension et faible sur une autre. Un modèle français fermé, servi depuis un cloud américain, est indépendant par sa conception mais pas par son exécution. Un modèle américain à poids ouverts, exécuté sur un serveur français, est l'inverse. Le mot unique « souverain » écrase toutes ces nuances. La suite les sépare.

Où vivent les données : le RGPD et la résidence européenne

EvalIA traite les copies via les modèles Gemini sur Vertex AI, l'infrastructure gérée de Google Cloud, dans des régions européennes : le cœur du service en Belgique, la correction sur l'infrastructure multi-région européenne de Google. Les données ne quittent pas l'Union européenne, et le traitement se fait côté serveur.

Deux garanties comptent autant que la localisation. D'abord, la minimisation : aucun compte élève à créer, des prénoms chiffrés côté serveur, des copies purgées trente jours après leur correction. Ce qui n'est pas collecté ne peut pas fuir. Nous détaillons ces choix dans nos articles sur la protection des données des élèves et sur le chiffrement des noms d'élèves.

Ensuite, l'absence d'entraînement sur les données. Sur Vertex AI, les contenus envoyés au modèle ne servent pas à entraîner les modèles de Google. C'est un engagement contractuel explicite : « par défaut, Google Cloud n'utilise pas les données client pour entraîner ses modèles de fondation, ce qui inclut les invites, les réponses et les données d'entraînement des modèles adaptés ». Un cache technique de courte durée existe pour réduire la latence, et une option de rétention nulle est disponible.

Source : Google Cloud, How generative AI and data governance work on Vertex AI ; Google Cloud, livre blanc « Generative AI, Privacy, and Google Cloud ».

Sur cet axe précis, la résidence des données, Google Vertex AI en Europe et un acteur comme Mistral sont l'un comme l'autre défendables. La résidence est nécessaire. Elle n'est pas suffisante, et la section suivante explique pourquoi.

À quelle loi répond l'entreprise : le CLOUD Act, notre point faible assumé

Voici le point que nous ne cacherons pas. Google est une société américaine. Or le CLOUD Act, une loi américaine de 2018, permet aux autorités des États-Unis d'exiger d'une entreprise américaine qu'elle communique des données, quelle que soit leur localisation physique.

Source : U.S. Department of Justice, CLOUD Act Resources.

C'est une question de nationalité de l'entreprise, pas d'emplacement des serveurs. Et cette distinction, longtemps théorique, a été confirmée de la manière la plus nette possible. En juin 2025, devant la commission d'enquête du Sénat français sur la commande publique, le directeur des affaires publiques et juridiques de Microsoft France, Anton Carniaux, a été interrogé sous serment : pouvait-il garantir que les données de citoyens français ne seraient jamais transmises aux autorités américaines sur injonction, sans l'accord des autorités françaises ? Sa réponse : « non, je ne peux pas le garantir. »

Source : Sénat, compte rendu de la commission d'enquête « Commande publique », semaine du 9 juin 2025 ; L'Usine Digitale, juillet 2025 ; The Register, 25 juillet 2025.

Choisir une région européenne d'un fournisseur américain ne sort donc pas du CLOUD Act. C'est précisément pour réduire ce type de dépendance que l'Union a adopté le Data Act, entré en application en septembre 2025, qui oblige les fournisseurs opérant dans l'UE à contester les demandes d'accès non européennes illégales. Mais ce cadre ne neutralise pas la portée extraterritoriale de la loi américaine.

Source : Commission européenne, Data Act.

Ce que nous concédons, donc : une exposition résiduelle au CLOUD Act, que la résidence européenne n'efface pas. Ce que nous faisons pour la réduire : traitement côté serveur uniquement, aucune donnée d'élève utilisée pour entraîner un modèle, prénoms chiffrés, copies purgées, régions européennes. Et ce que nous refusons de prétendre : qu'une infrastructure serait « inviolable ». La souveraineté, au sens honnête, veut dire « relever d'une juridiction européenne et du RGPD », pas « être hors d'atteinte de toute réquisition légale ». Aucun acteur, européen compris, ne peut promettre cela.

« Français » ne veut pas dire « souverain » : le cas Mistral, en toute honnêteté

La réponse spontanée serait : « prenez Mistral, c'est français, donc souverain ». Mistral est un acteur remarquable, et sur une dimension il est même en avance sur Google : l'ouverture des modèles. La famille Mistral 3, y compris son modèle phare Mistral Large 3, est publiée en poids ouverts sous licence Apache 2.0, téléchargeable et exécutable par qui le souhaite.

Source : Mistral AI, Mistral 3 (« All models are released under the Apache 2.0 license »).

C'est un vrai atout, parce que des poids ouverts rendent possibles l'auto-hébergement, l'audit du modèle et l'absence d'enfermement. Mais deux faits nuancent le raccourci « français égale souverain ».

D'abord, l'exécution. Les modèles de Mistral sont distribués sur les grands clouds, dont Microsoft Azure, dans le cadre d'un partenariat annoncé en 2024. Consommer Mistral via Azure, c'est retomber sous une infrastructure américaine, donc sous le même CLOUD Act que Google. Mistral construit en parallèle sa propre infrastructure européenne, Mistral Compute, présentée comme fonctionnant sur une « énergie décarbonée », mais elle est encore naissante. Autrement dit, un modèle conçu en France ne tourne pas automatiquement sur une infrastructure française.

Source : Microsoft Azure, partenariat Microsoft et Mistral AI ; Mistral AI, Mistral Compute.

Ensuite, l'ouverture ne suit pas la nationalité. Google publie aussi des modèles à poids ouverts, la famille Gemma. Le modèle qu'utilise EvalIA, Gemini, est fermé, mais Google n'est pas purement fermé pour autant. À l'inverse, OpenAI et Anthropic, américains, gardent leurs modèles fermés. « Ouvert » n'est donc pas synonyme d'« européen », ni « fermé » d'« américain ».

Il y a même un dernier degré de nuance : l'ouverture elle-même est un spectre. Apache 2.0, la licence des modèles ouverts de Mistral, est pleinement permissive. Les modèles Gemma de Google étaient ouverts en poids sous une licence maison, les « conditions d'utilisation Gemma », assorties d'une politique d'usages interdits ; la génération Gemma 4, publiée en avril 2026, est passée à Apache 2.0, la licence pleinement permissive. Un modèle d'API fermé, lui, ne livre aucun poids. Trois niveaux d'ouverture, donc, et non deux camps, et une frontière qui bouge.

Source : Google AI, Gemma terms of use ; Google Open Source Blog, Gemma 4 sous licence Apache 2.0 (avril 2026).

L'écologie : la frugalité par conception, et un accord avec Mistral

L'empreinte d'une IA dépend de deux choses : où tourne le calcul, et combien il consomme.

Sur le « où », la région belge qui héberge le cœur d'EvalIA figure parmi les moins carbonées du parc de Google : elle fonctionne à 84 % d'énergie décarbonée, mesurée heure par heure et non simplement compensée en fin d'année, pour une intensité carbone de 103 gCO₂ par kilowattheure (données 2024). Google la classe « faible CO₂ », un seuil réservé aux régions dépassant 75 % d'énergie sans carbone.

Source : Google Cloud, Carbon free energy for Google Cloud regions (europe-west1).

Sur le « combien », la frugalité est un choix d'architecture, pas un argument ajouté après coup. EvalIA utilise les modèles les plus légers de la gamme, les versions Flash, jamais les plus lourds. Le raisonnement du modèle est ajusté à la tâche, minimal quand elle est simple. La résolution est abaissée quand on traite une vidéo. Une partie des fonctions s'exécute même sans le moindre appel à l'IA.

Le plus frappant, c'est que cette logique est exactement celle que valide la première grande étude de cycle de vie de l'industrie, menée par Mistral avec le cabinet Carbone 4 et l'ADEME, publiée en juillet 2025. Elle chiffre l'empreinte marginale d'une réponse de 400 tokens à 1,14 gramme de CO₂ et 45 millilitres d'eau, et surtout elle démontre que « les impacts sont à peu près proportionnels à la taille du modèle : un modèle dix fois plus grand génère des impacts d'un ordre de grandeur supérieur ». Choisir le bon modèle pour la bonne tâche est donc le levier numéro un. EvalIA l'applique à la lettre, sans avoir attendu qu'un concurrent le publie.

Source : Mistral AI, Our contribution to a global environmental standard for AI (avec Carbone 4 et l'ADEME, 22 juillet 2025).

Nous ne prétendrons pas que l'impact est nul. Il ne l'est pas. Mais une correction de copie reste une tâche courte sur un petit modèle, dans une région largement décarbonée, à des années-lumière d'une campagne d'entraînement de plusieurs mois. C'est un impact réel, pas un impact catastrophique, et c'est un rapport bénéfice sur coût que chacun pèse en conscience.

L'IA Act : ce que la loi demande d'une IA qui évalue, et comment nous l'avons conçue

Le règlement européen sur l'intelligence artificielle, l'IA Act, range certaines utilisations dans la catégorie « à haut risque ». L'éducation en fait partie. Son annexe III vise précisément « les systèmes d'IA destinés à être utilisés pour évaluer les acquis d'apprentissage, y compris lorsque ces acquis sont utilisés pour orienter le processus d'apprentissage de personnes physiques dans les établissements d'enseignement et de formation professionnelle à tous les niveaux ». Ces obligations, d'abord attendues pour le 2 août 2026, ont été reportées au 2 décembre 2027 pour les systèmes autonomes de l'annexe III, dont l'éducation, par le règlement de simplification européen (le « Digital Omnibus ») adopté fin juin 2026. Un report de calendrier, pas d'allègement des exigences : elles restent identiques.

Source : EU Artificial Intelligence Act, Annexe III, point 3 et calendrier d'application, Règlement (UE) 2024/1689 ; report des obligations haut risque au 2 décembre 2027 : Conseil de l'UE, accord de simplification de l'IA Act (7 mai 2026).

Ces obligations tournent autour de quelques principes : gestion des risques documentée, gouvernance des données, transparence, documentation technique, et surtout supervision humaine. Nous n'affirmons pas ici que tel ou tel système échappe à telle qualification, c'est une question juridique qui se tranche au cas par cas. Ce que nous pouvons dire, c'est que la conception d'EvalIA vise directement ces exigences, et qu'elle les précède.

Le principe est câblé, pas déclaratif : l'IA propose, le professeur décide, toujours. Sur les copies, le modèle positionne mais c'est le code qui chiffre la note, jamais le modèle lui-même. Une correction reste invisible pour l'élève tant que l'enseignant ne l'a pas relue et publiée. Le moteur est entouré d'une cinquantaine de garde-fous : il ne peut pas inventer un critère absent du barème, et devant une copie vierge il s'abstient plutôt que de noter du vide. La supervision humaine n'est pas une option de conformité, c'est le cœur du produit. Nous avons développé cette lecture face aux recommandations de la recherche dans notre article sur l'IA à l'école et les préconisations du CSEN.

La vraie question n'est pas « êtes-vous souverain ? » mais « pouvez-vous changer d'avis ? »

Voici notre position de fond. Le vrai marqueur d'indépendance n'est pas le fournisseur d'aujourd'hui, c'est la capacité d'en changer demain. Et c'est là que l'axe des modèles ouverts, vu plus haut, devient central.

Un modèle fermé de tout premier plan est un pari qu'on ne peut pas dénouer : si son prix, ses conditions ou sa disponibilité changent, on n'a que l'API. Un modèle à poids ouverts est un pari réversible : Mistral Large 3 étant sous Apache 2.0, le jour où l'auto-hébergement sur une infrastructure européenne atteint une qualité et une frugalité équivalentes, la bascule est possible. Notre architecture est faite pour cela : la couche d'appel au modèle est isolée, une migration vers une infrastructure européenne a déjà été menée une fois, et un plan de sortie complet est documenté, une sauvegarde chiffrée hors du fournisseur en tête de liste.

Autrement dit, EvalIA utilise aujourd'hui un modèle fermé pour la qualité de correction, l'empreinte carbone et la résidence européenne, tout en s'appuyant sur l'écosystème ouvert européen comme rampe de sortie explicite. La souveraineté que nous revendiquons honnêtement n'est pas « nous sommes souverains », c'est « nous avons gardé la main pour le devenir quand le compromis basculera ».

Ce que nous choisissons, ce que nous concédons

Contrainte	Notre position	Concrètement
Résidence RGPD	Maximisée	Régions UE, traitement serveur, aucun entraînement sur les données d'élèves
Écologie	Maximisée	Région à 84 % décarbonée, modèles Flash, raisonnement ajusté, fonctions sans IA
Qualité de correction	Maximisée	Un modèle de premier plan là où la copie de l'élève est en jeu
IA Act	Traitée par conception	L'IA propose, le prof décide, le code chiffre, garde-fous, traçabilité
CLOUD Act	Concédée, réduite	Exposition résiduelle, minimisation, chiffrement, sauvegarde hors fournisseur
Réversibilité	Tenue ouverte	Code abstrait, plan de sortie, écosystème ouvert comme assurance

La question n'est pas « pour ou contre l'IA à l'école », ni « français ou américain ». Elle est de savoir qui garde la main, et à quel prix, sur chacune de ces dimensions. Nous préférons une réponse honnête et arbitrée à un slogan qui promettrait tout à la fois.

Questions fréquentes

Les données des élèves quittent-elles l'Europe avec EvalIA ?

Non. Les copies sont traitées via Gemini sur Vertex AI dans des régions européennes de Google Cloud, le cœur du service étant hébergé en Belgique. Le traitement se fait côté serveur, avec une logique de minimisation : prénoms chiffrés, aucun compte élève, copies purgées trente jours après correction.

EvalIA est-il soumis au CLOUD Act ?

Une exposition résiduelle existe, parce que Google est une société américaine et que le CLOUD Act peut viser une entreprise américaine quelle que soit la localisation des données. La résidence européenne ne l'efface pas. Nous l'assumons et la réduisons par la minimisation, le chiffrement et l'absence d'entraînement sur les données. Aucun fournisseur, européen compris, ne peut par ailleurs se dire hors d'atteinte de toute réquisition légale.

Pourquoi ne pas utiliser Mistral, un modèle français ?

Parce que « français » ne veut pas dire « souverain » de façon automatique. Mistral est un excellent acteur, en avance sur l'ouverture de ses modèles (Apache 2.0), mais ses modèles sont largement distribués via des clouds américains comme Microsoft Azure, ce qui ramène au CLOUD Act, et son infrastructure européenne propre est encore naissante. Nous suivons de près l'écosystème ouvert européen, que notre architecture nous permet d'adopter le moment venu.

Quelle est l'empreinte écologique d'une correction ?

Elle est réelle mais modeste. Une correction est une tâche courte, exécutée sur un petit modèle (les versions Flash), dans une région à 84 % d'énergie décarbonée. À titre de repère public, l'étude de cycle de vie menée par Mistral avec l'ADEME chiffre une réponse de 400 tokens à environ 1,14 gramme de CO₂. C'est sans commune mesure avec l'entraînement d'un grand modèle.

Les données envoyées à l'IA servent-elles à l'entraîner ?

Non. Google Cloud s'engage contractuellement à ne pas utiliser les données client, invites et réponses comprises, pour entraîner ses modèles de fondation sur Vertex AI.

EvalIA est-il conforme au règlement européen sur l'IA ?

L'IA Act classe l'évaluation des acquis d'apprentissage parmi les usages à haut risque. Les obligations correspondantes (gouvernance des données, transparence, supervision humaine, documentation), d'abord prévues pour le 2 août 2026, ont été reportées au 2 décembre 2027 par le règlement de simplification européen adopté fin juin 2026, sans que les exigences elles-mêmes changent. Sans préjuger de la qualification juridique, EvalIA est conçu autour de ces exigences sans attendre l'échéance : supervision humaine systématique (l'IA propose, le professeur décide), notes chiffrées par le code et non par le modèle, garde-fous, et traçabilité.

À lire aussi sur le blog EvalIA

• Protection des données des élèves : transparence totale
• Chiffrement des noms d'élèves : le principe zéro connaissance
• Comment l'IA évalue vos copies, en détail
• Correction de copies par IA en 2026 : comparatif de 6 outils
• IA à l'école : les recommandations du CSEN et la réponse d'EvalIA

Sources

• EU Artificial Intelligence Act, Annexe III (point 3, éducation et formation professionnelle), Règlement (UE) 2024/1689
• EU Artificial Intelligence Act, calendrier d'application (obligations haut risque de l'annexe III reportées au 2 décembre 2027)
• Conseil de l'UE, accord de simplification de l'IA Act « Digital Omnibus » (7 mai 2026, report des obligations haut risque)
• Mistral AI, Our contribution to a global environmental standard for AI (étude de cycle de vie avec Carbone 4 et l'ADEME, 22 juillet 2025)
• Mistral AI, Mistral 3 (modèles sous licence Apache 2.0, poids ouverts)
• Mistral AI, Mistral Compute (infrastructure européenne, énergie décarbonée)
• Microsoft Azure, partenariat Microsoft et Mistral AI (2024)
• Google AI, Gemma terms of use (licence maison, Gemma 4 vers Apache 2.0)
• Google Cloud, Carbon free energy for Google Cloud regions (europe-west1 : 84 % CFE, 103 gCO₂/kWh, 2024)
• Google Cloud, How generative AI and data governance work on Vertex AI (pas d'entraînement sur les données client)
• Google Cloud, livre blanc « Generative AI, Privacy, and Google Cloud »
• U.S. Department of Justice, CLOUD Act Resources
• Sénat, commission d'enquête « Commande publique », audition Microsoft France, semaine du 9 juin 2025
• L'Usine Digitale, sur l'audition de Microsoft France au Sénat (juillet 2025)
• The Register, « Microsoft exec admits it cannot guarantee data sovereignty » (25 juillet 2025)
• Commission européenne, Data Act (application depuis septembre 2025)