La France valorise les récits qui organisent la pensée stratégique : la French Tech, les champions nationaux, les annonces budgétaires ambitieuses. Pourtant, l’intelligence artificielle ne se mesure pas à l’intention, ni même à la promesse. Elle se lit dans l’observation de flux tangibles : circulation des talents, capital mobilisé, accès au compute, production de modèles, et surtout capacité à transformer des projets en entreprises durables. Deux productions récentes permettent de dépasser le commentaire pour entrer dans l’analyse factuelle. La première est une cartographie détaillée des fondateurs de startups IA en France, qui identifie les origines académiques et professionnelles de 834 profils impliqués dans 403 entreprises DeepTech. La seconde est le Global AI Index, publié par The Observer, qui classe les pays selon trois indicateurs agrégés — investissement, innovation, implémentation — et met en lumière les dynamiques géopolitiques en matière d’IA.

Ces deux grilles d’analyse, bien que complémentaires, ne racontent pas la même histoire. L’une décrit une dynamique de réseau : comment, où et par qui se forment les fondateurs d’entreprises IA. L’autre évalue la capacité d’un pays à industrialiser ces talents pour en faire un levier économique et stratégique. Cette tension pose une question de fond : la France construit-elle une puissance IA, ou alimente-t-elle simplement une filière de formation et d’essaimage dont la valeur réelle se capte hors de son périmètre souverain ?

Le premier enseignement de la cartographie, surnommée « French AI Mafia », est net : l’écosystème français repose essentiellement sur des institutions publiques de recherche.

Inria apparaît comme la première pépinière de fondateurs en volume, suivie de près par le CNRS et le CEA. Ce socle public-scientifique profond constitue une force indéniable, mais il implique également des contraintes structurelles : temporalités longues, rigidités de transfert, complexité des mécanismes de valorisation. Autre constat saillant : la France s’affirme comme une base européenne majeure pour les laboratoires de recherche des Big Tech. Les origines professionnelles des fondateurs identifiés incluent massivement des expériences au sein de Google (DeepMind), Meta (FAIR) et IBM. Cela reflète un haut niveau de porosité entre le secteur public, les grandes écoles françaises et les géants technologiques américains. Cette fluidité crée certes un effet d’entraînement. Mais elle pose également une question stratégique centrale. Dans quelle mesure la France conserve-t-elle un « droit de suite » sur les talents qu’elle forme, lorsque ceux-ci s’inscrivent dans des architectures industrielles, techniques et financières qui ne relèvent pas de sa sphère de gouvernance ?

L’étude montre également que les résultats changent radicalement lorsqu’on raisonne non plus en volume brut, mais en densité rapportée aux effectifs.

En ce sens, le CNRS apparaît comme l’institution la plus efficiente, et l’Inserm émerge comme un vivier en forte croissance, en particulier dans le champ de la santé. Côté formation, l’École polytechnique domine largement, représentant à elle seule 15 % des fondateurs recensés, tandis que HEC s’impose par son rôle d’incubation et d’accélération à travers ses programmes et ses plateformes comme Station F. Ce modèle, combinant recherche publique, grandes écoles d’élite et passerelles vers les Big Tech, constitue un moteur efficace de production de fondateurs. Reste à déterminer si ce moteur est également capable de produire des entreprises pérennes, capables d’opérer, de croître et de structurer des chaînes de valeur au sein de l’économie française.

En miroir, le Global AI Index 2025 dessine un paysage beaucoup plus déséquilibré.

Les États-Unis dominent très largement, concentrant à eux seuls près de 90 % du financement privé mondial en IA sur les neuf premiers mois de l’année, tandis que l’Europe plafonne à 3,8 %. La Chine, de son côté, accélère fortement. Des pays asiatiques comme Taïwan, la Corée du Sud ou les Émirats arabes unis progressent à grande vitesse. Trois indicateurs synthétiques témoignent du décrochage européen. D’une part, le recul de la part des publications scientifiques de l’UE dans les grandes conférences internationales, passée de 16 % à 12 %. D’autre part, la part des modèles de pointe issus de l’Europe reste modeste, avec seulement 13 % des modèles « state-of-the-art ». S’y ajoute une contribution particulièrement faible de l’Europe aux grandes levées de fonds dans le domaine de l’IA. Ce diagnostic dépasse la seule question de prestige scientifique : il s’agit d’un risque industriel majeur. Ne pas maîtriser l’IA, c’est potentiellement manquer la technologie de rupture la plus stratégique depuis l’électricité. L’exemple britannique illustre une mécanique bien connue : le Royaume-Uni forme, attire, mais ne retient pas. Les profils migrent là où convergent compute, capital et conditions de mise à l’échelle.

Dans cette perspective, la montée de la France dans les classements — de la 13e à la 6e place selon les dernières éditions — ne peut être lue comme un indicateur autonome de succès. Il faut interroger la nature de cette progression : est-elle tirée par le volume de startups, par l’open source, par la visibilité médiatique, ou par une dynamique réellement industrialisable ?

La question sous-jacente est structurante : la France est-elle une fabrique de fondateurs, ou une fabrique de champions ?

Trois transitions critiques doivent être examinées. La première concerne le passage du laboratoire au produit : malgré la richesse de la recherche publique, les transferts restent lents et complexes. La deuxième relève du passage de la série A au scale international : un pays peut réussir l’amorçage, puis voir ses sièges sociaux, ses équipes et sa propriété intellectuelle se déplacer là où le capital est plus abondant. La troisième concerne le passage du modèle au déploiement réel : l’index valorise l’implémentation, c’est-à-dire l’adoption dans l’économie réelle, bien au-delà des démonstrateurs.

Le nœud dur de cette chaîne est connu : compute, capital, et droit de suite sur les talents. Sans accès direct à des capacités d’entraînement et d’inférence performantes, les ambitions « frontier » deviennent des dépendances. Sans capital patient, capable de soutenir des trajectoires longues et incertaines, les innovations se brident. Sans mécanismes de rétention, les talents circulent vers les écosystèmes dominants. L’articulation des deux lectures est alors limpide : l’Europe forme, les États-Unis transforment.

Il faut donc relire la « French AI Mafia » non comme un palmarès, mais comme un actif stratégique.

Un réseau n’est utile que s’il permet d’accélérer trois fonctions clés : la formation d’équipes complémentaires, l’accès aux premiers marchés et l’accès aux ressources critiques (compute, financement, infrastructure). Dans les données, deux verticales sectorielles ressortent clairement. La première concerne la santé et la biotech, où le couple Inserm/Owkin illustre un début d’ancrage industriel ; La seconde touche à la défense et à l’aérospatial, avec des acteurs comme Dassault, Airbus, Thales, et des acquisitions stratégiques telles que celle de Preligens par Safran. Ces domaines combinent données sensibles, cas d’usage critiques, acteurs établis et, bien souvent, une commande publique structurante. Ils peuvent devenir des moteurs d’implémentation, et non de simples laboratoires.

Trois angles morts doivent être traités avec lucidité.

Le premier est la concentration sociale et scolaire du pipeline : Polytechnique, HEC, quelques grands établissements. Efficace à court terme, ce modèle peut appauvrir la diversité des profils, des cas d’usage et donc de l’innovation. Le second est la dépendance fonctionnelle aux Big Tech : si les profils « frontier » passent massivement par des architectures non européennes, la chaîne de valeur se reconstituera ailleurs. Le troisième est l’écart entre innovation et diffusion : un pays peut briller en recherche et échouer à faire adopter ses innovations dans les PME, les collectivités, ou les grands services publics.

Ces données invitent à l’action.

Pour les entrepreneurs, la priorité est de sécuriser une trajectoire autonome : stratégie compute dès le départ, structuration de clients dans des secteurs à forte intensité de données, anticipation des enjeux de gouvernance dès la série A. Pour les institutions de recherche, il faut fluidifier les transferts, valoriser l’entrepreneuriat scientifique sans dégrader l’exigence académique, et créer des parcours de productisation concrets. Pour l’État et les grands donneurs d’ordre, il est urgent de cesser de mesurer la performance à l’aune des annonces. Ce qui compte, c’est la rétention, la croissance effective, et l’impact industriel.

La vraie question, aujourd’hui, n’est donc pas de savoir si la France produit des talents. Elle est de savoir si ces talents resteront maîtres de leur trajectoire. L’enjeu est de ne pas transformer un pipeline exceptionnel en vivier stratégique… pour d’autres.

Sources

Finck, L. (2026). French AI Mafia : Which Companies and Schools Produce the Most AI Founders? The Big Byte (Substack).

White, J., Cesareo, S., Schuller, H., & Clarke, P. (2025). The Observer Global AI Index 2025. The Observer.

Tortoise Media. (2024). The Global Artificial Intelligence Index 2024.

Tortoise Media. (2024). The Global AI Index – Methodology Report.

Maslej, N., Fattorini, L., Perrault, R., et al. (2025). Artificial Intelligence Index Report 2025. Stanford Human-Centered AI Institute.

rench AI Mafia et Global AI Index : comment transformer un vivier de fondateurs en puissance industrielle