Découvrir une molécule coûte plus d’un milliard de dollars et une quinzaine d’années. En produire le générique, une fois le brevet tombé, se chiffre en quelques millions et suppose une tout autre compétence : chimie de procédé, dossier réglementaire, contrôle qualité. Des pays entiers ont bâti leur autonomie sanitaire sur la seconde sans jamais avoir inventé la première. L’autonomie industrielle ne se confond pas avec la primauté scientifique.
Le raisonnement se transpose presque terme à terme aux grands modèles de langue. Bâtir un système de pointe depuis la page blanche engage des budgets à huit ou neuf chiffres ; reprendre un socle déjà entraîné pour l’accorder à une langue, à un droit et à une administration se règle avec une fraction de cette somme, et relève de savoir-faire universitaires. Le 1er juillet 2026, le gouvernement portugais en a fait la démonstration publique en présentant Amália, au centre d’innovation de l’Instituto Superior Técnico, à Lisbonne.
Ses concepteurs y voient le premier grand modèle de langue ouvert développé en portugais européen. L’événement fait passer en code ouvert un objet dont la version de base était sortie en septembre 2025, financé par le plan de relance et de résilience (PRR) pour un investissement public porté à 7 millions d’euros d’ici 2027. Dix millions d’habitants suffisent donc à produire un modèle réputé souverain, là où la France, mieux dotée et adossée à un champion mondial, passe pour n’avoir rien livré de comparable. Restent à examiner la livraison, ce que le montant recouvre et ce que le dossier français lui oppose.
La livraison de Lisbonne dans le détail
Le communiqué officiel du gouvernement attribue le travail à une alliance d’universités et de centres de recherche du pays, où plus de soixante chercheurs se sont relayés. La coordination revient à la NOVA University de Lisbonne, avec l’Instituto Superior Técnico et les universités de Coimbra, Porto, Minho, Beira Interior et Évora, appuyées par la Fondation pour la science et la technologie (FCT). Le tout paraît sous licence Apache 2.0 sur Hugging Face, dans l’organisation amalia-llm, un choix qui allège ses obligations documentaires au titre du règlement européen sur l’IA.
Une famille de modèles plutôt qu’un modèle unique
L’annonce publique vante un système capable de traiter du texte, des documents, des images et de la parole, calibré sur la langue du pays, son droit et ses réalités nationales. Cette multimodalité est en réalité répartie sur des modèles distincts : un texte de 9 milliards de paramètres, un vision-langage de 10 milliards, un encodeur de parole complété par les briques FALA, et amaliaguard-4b, garde-fou de 4 milliards dédié à la modération. Le nom, acronyme d’Assistente Multimodal Automático de Linguagem com Inteligência Artificial, salue la fadiste Amália Rodrigues.
Un socle que le Portugal avait lui-même construit
Le cœur textuel n’a pas été entraîné à partir de zéro : il repart d’EuroLLM-9B, socle multilingue européen sous licence ouverte, et prolonge GlorIA, décodeur en portugais européen que la NOVA avait publié en février 2024. La fiche technique décrit un pré-entraînement poursuivi pour densifier le portugais européen, une fenêtre de contexte portée à 32 000 tokens, une coupure de connaissances fixée à juin 2024. Or EuroLLM associe Unbabel, l’Instituto Superior Técnico et l’Instituto de Telecomunicações à Édimbourg, Paris-Saclay et Amsterdam, sous la direction d’André F. T. Martins. Ce socle a demandé 4 000 milliards de tokens et 400 GPU H100 : Lisbonne capitalise moins un budget qu’une décennie de présence dans les consortiums européens.
Ce que sept millions d’euros achètent réellement
L’enveloppe se lit en deux temps : 5,5 millions d’euros au départ, puis 1,5 million ajouté à l’horizon 2027. Elle paie un travail d’adaptation, une collecte de données, la greffe des capacités multimodales et le temps d’ingénierie de plusieurs dizaines de personnes, sur des machines européennes partagées. L’AI Index de Stanford donne l’échelle inverse : le seul calcul d’entraînement de GPT-4 y est estimé à 78 millions de dollars.
Le calcul est la ligne la moins chère
Le rapport technique déposé sur arXiv le 27 mars 2026, signé par vingt-deux auteurs et accepté à PROPOR 2026, chiffre la dépense machine : 80 heures sur 256 GPU H100 pour le mi-entraînement, 76 heures sur 64 H100 pour l’ajustement supervisé, 12 heures pour l’optimisation par préférences. Soit environ 26 000 heures-GPU, entre MareNostrum 5 et Deucalion, machine pétascale inaugurée à Guimarães en 2023.
Un corpus national à cinq pour cent de portugais
Le même rapport livre une donnée que le communiqué tait : le pré-entraînement continué n’a mobilisé que 5,8 milliards de tokens en portugais européen, dans un mélange d’environ 107 milliards dominé par le code et le multilingue repris d’EuroLLM. Ces tokens ne s’achètent pas : ils sortent d’Arquivo.pt, l’archive du web portugais que la FCT opère depuis 2007, forte de 21 milliards de pages. Aucune enveloppe de sept millions ne reconstitue vingt ans de moisson systématique.
La souveraineté linguistique comme problème mesurable
Le biais silencieux vers le portugais brésilien
Les dix millions de locuteurs du portugais européen ne pèsent que quelques pour cent de la lusophonie, et les corpus reflètent ce rapport de forces. Le test P3B3, déposé le 15 juin 2026 par une équipe de la NOVA et accepté à un atelier d’ACL 2026, le mesure sur deux cents conversations multi-tours : la plupart des modèles penchent vers le portugais brésilien et y basculent sans le signaler quand le contexte appelle le pt-PT.
Les jeux d’évaluation, livrable le plus durable
L’équipe a publié quatre jeux d’évaluation propres au portugais européen : PT-C et ses soixante-dix exemples curés à la main, PT-E et ses 1 800 questions à choix multiples doublées d’autant d’ouvertes, ALBA et ses 800 questions en huit dimensions linguistiques, enfin P3B3. Amália y est comparé à treize modèles de référence, dont Gemma 2-9B, Qwen 3-8B et Llama 3.1-8B. Ces instruments survivront au modèle qu’ils servent à mesurer.
Une recette européenne déjà éprouvée
Du pays basque à l’Allemagne
La séquence est désormais balisée : reprendre des poids ouverts, les réaccorder à une langue et à un cadre national, réserver du temps machine sur les calculateurs publics d’EuroHPC, puis tout reverser en open source. Le pays basque a essuyé les plâtres avec Latxa, dérivée de Llama 2 vers l’euskara par le centre universitaire HiTZ. L’Espagne est allée plus loin en taille avec ALIA, 40 milliards de paramètres sortis du Barcelona Supercomputing Center. L’Allemagne publiait dès novembre 2024 Teuken-7B, produit du consortium public OpenGPT-X, doté d’environ 14 millions d’euros par son ministère fédéral de l’Économie.
Le guichet de calcul qui rend les budgets tenables
Ce qui rapproche ces projets tient au montage plus qu’aux résultats : des laboratoires publics en consortium, une ligne budgétaire fléchée, un socle et des calculateurs empruntés à l’échelon européen. Le mécanisme décisif est un guichet gratuit : les appels EuroHPC attribuent, sur évaluation par les pairs, des heures de calcul sans frais orientées vers les modèles de fondation. OpenEuroLLM, lancé en février 2025 avec une vingtaine d’organisations pour couvrir toutes les langues officielles de l’Union, en a obtenu plus de dix millions. L’indépendance se fabrique par pièces nationales posées sur un socle commun, non par un modèle continental unique.
Le contraste français, et ce qu’il faut en rabattre
La France dispose d’un champion de rang mondial, Mistral AI, que sa série C a valorisé autour de 11,7 milliards d’euros en septembre 2025. Une société privée qui diffuse des poids ouverts n’est pourtant pas un modèle commandé, payé et piloté par l’État. Côté administration, l’objet le plus approchant porte le nom d’Albert : la direction interministérielle du numérique y a bâti une passerelle qui sert, sur des serveurs publics, des modèles tiers venus de Meta et de Mistral, sans jamais avoir entraîné le sien. La DINUM a indiqué en janvier 2026 qu’il ne serait pas généralisé dans sa forme actuelle.
Un précédent nommé BLOOM
La France a pourtant un antécédent marquant : BLOOM, modèle multilingue de 176 milliards de paramètres entraîné à l’été 2022 sur le supercalculateur public Jean Zay, dans le cadre du projet international BigScience coordonné par Hugging Face. L’opération relevait d’une coopération de chercheurs, non d’un projet destiné à doter le français de son propre modèle. La discussion hexagonale n’a pas manqué de matière depuis : sommet de Paris en février 2025, annonces d’investissements, troisième phase de la stratégie nationale. La Cour des comptes en a dressé le bilan le 19 novembre 2025, 1,3 milliard d’euros engagés sur la première phase et 1,1 sur la deuxième, avec un suivi qu’elle juge lacunaire.
Luciole, le modèle public que la France a livré en juin
L’affirmation selon laquelle la France ne disposerait d’aucun modèle de langue public ne tient plus. OpenLLM-France et Linagora ont annoncé début juin 2026 la famille Luciole, trois modèles de 1, 8 et 23 milliards de paramètres financés par Bpifrance au titre de France 2030 et entraînés sur Jean Zay. L’ouverture y va plus loin qu’à Lisbonne : poids en Apache 2.0, scripts en AGPL v3, corpus intégral de 4 650 milliards de tokens en CC BY-SA 4.0. Mais Luciole n’existe qu’en versions de base, héritière de Lucie-7B retirée en janvier 2025 après la circulation de réponses aberrantes, quand Amália arrive avec l’alignement, la vision, la parole, un modèle de garde et un opérateur d’État chargé de l’intégrer.
Deux paris opposés, et le rendez-vous de l’usage
Quinze jours avant Amália, la France avait présenté sa réponse, mais côté déploiement. Dévoilé le 16 juin 2026 à Bercy par David Amiel, le plan « Notre IA » mobilise 655 millions d’euros annoncés par le Premier ministre Sébastien Lecornu et généralise « L’Assistant », bâti par la DINUM avec Mistral AI sur infrastructure Outscale SecNumCloud, à environ un million d’agents publics. Le pilote de dix mois auprès de 10 000 agents rapportait 12 % de temps gagné en rédaction et 16 % en synthèse documentaire, pour 750 000 euros de licences et de calcul.
Les paris sont inverses : Paris achète un service et internalise l’hébergement, gains immédiats et dépendance contractuelle à la clé, quand Lisbonne fabrique un actif réutilisable sans conditions et attend les usages. Rapporté à la population, environ 0,66 euro par habitant au Portugal contre près de 9,6 euros en France, mais les deux montants ne financent pas la même chose. La performance portugaise tient du reste dans des bornes étroites : greffée sur un socle préexistant, elle plafonne aux capacités de 9 milliards de paramètres, loin des systèmes de pointe américains ou chinois.
L’étiquette d’« alternative aux géants américains » doit d’ailleurs davantage aux titres de presse qu’aux mots de l’exécutif portugais, qui s’en tient à la souveraineté et à la transparence. Deux échéances diront ce que vaut la démonstration. La première est l’assistant virtuel du portail gov.pt, annoncé pour le second semestre 2026, avant l’écosystème éducatif IAEdu et l’aide à la décision pour la Marine : s’il tourne sur Amália, le modèle tiendra l’usage captif qui a manqué à ALIA, dont les 10,2 millions d’euros n’avaient produit que 174 téléchargements mensuels en janvier 2026. La seconde est budgétaire, tous les jalons du PRR portugais devant être exécutés au plus tard le 31 août 2026.
La leçon de Lisbonne tient en peu de mots : un modèle ouvert, gouverné par la puissance publique et accordé à une langue nationale demande des laboratoires en consortium, une enveloppe européenne dirigée vers eux et du temps machine partagé. Cette équation, déjà vérifiée du pays basque à l’Allemagne, met la France devant un calcul simple, puisqu’elle en détient chaque terme : Jean Zay a fait tourner BLOOM, les poids d’EuroLLM se téléchargent sous licence ouverte, et l’addition vient d’être présentée à sept millions d’euros.
Encore faut-il lire ce que ce montant mesure. Le calcul consommé représente moins d’une journée de la partition H100 de Jean Zay, quarante fois moins que BLOOM en 2022. Sept millions d’euros paient soixante chercheurs pendant vingt mois, la curation d’un corpus national et la fabrication d’instruments de mesure. Le budget n’est pas la barrière ; la constitution durable d’une équipe et d’une archive l’est bien davantage.
Reste ce que la livraison ne referme pas. EuroLLM-22B est documenté depuis février 2026 : le modèle présenté le 1er juillet repose déjà sur la génération précédente de son propre socle. Chaque nouvelle famille de modèles de fondation reproduira le déséquilibre entre variétés d’une même langue et exigera une réadaptation. Ce que le calendrier portugais découvre côté langue, le français le découvre côté déploiement : la souveraineté n’est pas un livrable, c’est un abonnement.
Aller plus loin
Avant tout communiqué, il faut lire le rapport technique d’AMALIA, déposé trois mois avant la présentation officielle : composition du mélange de mi-entraînement, heures-GPU consommées, protocole d’alignement, comparaison chiffrée à treize modèles. C’est le document où se mesure l’écart entre le récit politique et l’objet technique.
Pour savoir ce que l’État portugais dit, plutôt que ce que la presse lui prête, le communiqué officiel du gouvernement du 1er juillet donne la ventilation du financement, la liste du consortium et le vocabulaire retenu : souveraineté et transparence, jamais concurrence frontale.
La part la plus coûteuse du travail a été payée en amont, et le rapport technique d’EuroLLM-9B en donne la mesure : 4 000 milliards de tokens, 400 GPU H100 sur MareNostrum 5, un vocabulaire de 128 000 entrées, trente-cinq langues couvertes. Les mêmes laboratoires portugais figurent des deux côtés de la filiation.
Le problème que le projet prétend résoudre est quantifié par P3B3, un test conversationnel du biais de variété, bâti sur deux cents conversations multi-tours et accepté à un atelier d’ACL 2026. Il établit que les grands modèles glissent vers le portugais brésilien sans le signaler, même lorsque le contexte impose la variété européenne.
Ce que signifie concrètement « adapté à la langue » apparaît dans ALBA, un test en huit dimensions linguistiques construit à la main par des linguistes : variété, sémantique culturelle, discours, jeux de mots, syntaxe, morphologie, lexicologie, phonétique. Les écarts entre modèles y sont considérables.
La recette avait été formalisée deux ans plus tôt par Latxa, modèle ouvert et suite d’évaluation pour le basque, primé à ACL 2024 : socle Llama 2, corpus national de 4,2 milliards de tokens, quatre jeux d’évaluation créés pour l’occasion, pour une langue de moins d’un million de locuteurs.
L’infrastructure sans laquelle aucun de ces budgets ne tiendrait est décrite par la note sur l’accès stratégique d’OpenEuroLLM aux calculateurs EuroHPC, qui détaille plus de dix millions d’heures-GPU sur LUMI, Leonardo, Jupiter et MareNostrum 5. Comparer des enveloppes nationales sans regarder ce calcul gratuit n’a guère de sens.
Sur le versant juridique, l’article 53 du règlement européen sur l’intelligence artificielle explique pourquoi la licence libre n’est pas qu’une posture : exemption partielle de documentation depuis le 2 août 2025, maintien de la politique de droit d’auteur et du résumé des contenus d’entraînement, perte de l’exemption en cas de risque systémique.
Le contre-champ du récit de la livraison réussie tient dans une enquête sur le bilan d’usage du modèle public espagnol, qui rapporte 10,2 millions d’euros d’investissement pour 174 téléchargements mensuels et interroge l’adéquation d’un modèle de 40 milliards de paramètres au tissu des PME.
Côté français, le corpus d’entraînement de Luciole publié par OpenLLM-France montre un degré d’ouverture inédit pour un modèle national : 4 650 milliards de tokens en CC BY-SA 4.0, répartition par langue documentée, filtrage rétroactif du robots.txt, anonymisation des données.
Lus ensemble, ces documents déplacent la question. Ce qui sépare les États européens n’est ni le talent scientifique ni le calcul, distribué gratuitement sur évaluation par les pairs, mais la capacité à maintenir trois choses peu spectaculaires : une archive nationale, une équipe stable et des instruments de mesure propres à sa langue. Les modèles, eux, se démodent en dix-huit mois. Comparer les enveloppes sans regarder ces trois actifs revient à juger une bibliothèque au prix de ses rayonnages.