Arthur Mensch (MistralAI) devant la commission d'enquête sur les vulnérabilités numériques — compte de l'Assemblée nationale

À retenir

1. Cadre institutionnel. audition de la commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques créée pour examiner les dépendances numériques de la France. Présidée par Philippe Latombe (MoDem, Vendée, spécialiste souveraineté numérique). Audition sous serment (art. 6 ordonnance du 17 novembre 1958). Date approximative : mai 2026 (date de consultation 2026-05-13 ; date précise de la séance non confirmée par le transcript).
2. Témoins.
3. Arthur Mensch. , cofondateur et DG Mistral AI (cofondé 28 avril 2023 avec Guillaume Lample et Timothée Lacroix, tous trois ex-DeepMind/Meta FAIR).
4. Audry Herblin-Stoupe. , directrice affaires publiques et communication Mistral AI.
5. Métriques Mistral à retenir (mai 2026).
6. 1000 collaborateurs.
7. Valorisation 12 Md€.
8. Objectif 1 Md€ de revenus fin 2026.
9. 1 Md€ investi en R&D sur l'année.
10. Mix géographique CA. 30 % France / 70 % hors France / ~75 % Europe (donc 25 % hors Europe = US + Asie)
11. Commande publique. ~20 % du CA total, dont ~10 % commande publique française (sur partie logicielle)
12. Capital. <30 % d'investisseurs américains
13. Clients cités.
14. Public France. DINUM, Caisse des dépôts, France Travail, ministère des Armées
15. Public Europe. Luxembourg (contrats cadres significatifs, déploiement administration centrale)
16. Privé France. MACGM (Marsh & McLennan?), Stellantis, TotalEnergies, BNP Paribas
17. Note. transcript dit « MACGM » — peut être CMA CGM (transport maritime français)
18. Thèse-pivot épistémologique. « Le cloud, c'est l'intelligence artificielle » — pas de distinction entre services numériques et IA. La croissance du cloud = IA. Les services à haute valeur ajoutée = IA. Le reste du cloud = commodités, opération de logiciels open source. Conséquence stratégique : partir des services haute marge (IA) puis descendre la chaîne de valeur, jamais l'inverse.
19. Économie du token (à mémoriser).
20. 1 € pour 1 million de tokens en entrée. chez Mistral
21. 3 € pour 1 million de tokens en sortie.
22. Un token = quelques lettres. (≈ 100 tokens par ligne de code, 1 token ≈ une syllabe en moyenne)
23. 30 € par jour par employé = 10 millions de tokens/jour ≈ 100 000 lignes de code/jour.
24. 10 000 € par an par employé en IA = 1 kW de GPU loué = un demi-GPU. (1 GPU ≈ 2 kW)
25. 10 % de la masse salariale = budget IA estimé. chez Mistral en 2026
26. Économie du datacenter (à mémoriser).
27. 1 GW = 50 Md$ d'investissement sur 5 ans. ≈ 10 Md$/an
28. 1 GW génère ≈ 20 Md$ de tokens/an.
29. Marge brute fournisseur de services numériques ≈ 50 %.
30. Sur la chaîne électron→token : ~10 % de la valeur est dans l'électron, ~90 % ailleurs. (chips, mémoire, refroidissement, logiciel, services)
31. 100 hectares ≈ emprise au sol pour 1 GW.
32. Économie macro Europe (à mémoriser).
33. 10 % de la masse salariale européenne en IA = ~1 trilliard €/an.
34. Si importé hors Europe = 1 trilliard € de déficit commercial supplémentaire.
35. 1 kW de GPU par personne à 5 ans = 40 GW à fabriquer en France, 400 GW en Europe.
36. 20 trilliards $ d'investissement infrastructure pour servir l'Europe. (Mensch s'est corrigé en direct : « 2 trilliards… pardon 20 trilliards »)
37. Retour annuel attendu sur ces 20 trilliards ≈ 8 trilliards €/an.
38. États-Unis : 1 trilliard $ déployé en 2026. sur infrastructure IA
39. France : 9 GW de surplus électrique. (cible de monopolisation par hyperscalers US dans les 2 ans)
40. Fenêtre d'opportunité — 2 ans. « On n'a pas le temps » est la formule centrale. La monopolisation des ressources énergétiques européennes par les hyperscalers américains (qui peuvent déployer 100 Md$ avant la demande) doit être contrée maintenant, sinon situation irréversible (« 90 % de la valeur sort de l'Europe »).
41. Souveraineté = levier (pas isolationnisme). « Dans un monde où vous importez la totalité de vos services numériques aux États-Unis, vous n'avez pas de levier sur les États-Unis. Dans un monde où vous créez une partie de vos services, vous avez un levier supplémentaire. » Cohérent avec la position d'exportateur de Mistral (70 % CA hors France).
42. Quatre risques majeurs identifiés. 1. Sécurité économique : capacité d'autres puissances à couper l'accès aux services IA essentiels. 2. Défense / régalien : IA au cœur des centres opérationnels des armées, dissuasion conventionnelle face aux drones IA russes — dépendance étrangère = défaillance souveraine. 3. Façonnage culturel : les modèles génèrent du contenu, façonnent langue, éthique, représentations — biais et choix politiques injectés par US et Chine si pas d'alternative européenne. 4. Déficit commercial macroéconomique : +1 trilliard € de déséquilibre sur les services numériques d'ici 5 ans.
43. Position défense Mistral (vs Anthropic-Mythos).
44. Mistral travaille avec ministère des Armées français et alliés de la France.
45. Technologie à usage dual (dual-use). → régulée en contrôle export.
46. Position éthique. « On ne prétend pas avoir la légitimité démocratique pour expliquer aux armées françaises ce qu'elles peuvent faire de la technologie ». Devoir de conseil sur la fiabilité, pas droit de regard sur l'usage final. Distinction explicite avec Anthropic qui se réserve un droit de veto (refus Claude Mythos pour défense US, cf. fiche [wallace-wells-nyt-magazine-ai-populism-altman-backlash-no-one-ready-2026-05-08]).
47. Doctrine dissuasion. armées russes utilisent massivement IA dans drones → contre-IA = absolument indispensable, sinon dissuasion conventionnelle insuffisante.
48. Cybersécurité — anti-marketing de la peur.
49. Mensch reconnaît que les modèles sont d'excellents programmeurs et peuvent orchestrer des attaques, découvrir des vulnérabilités, proposer des exploitations.
50. « Ça fait 6 mois que ça commence à monter, ça monte de manière linéaire, prédictible, chez tout le monde en même temps ».
51. Pique implicite à Anthropic. (« un de nos concurrents américains qui sait très bien faire du marketing de la peur »).
52. Référence à Mythos (cf. fiche [aisi-uk-gpt55-cyber-capabilities-evaluation-2026-04-30] et [wallace-wells-nyt-magazine-ai-populism-altman-backlash-no-one-ready-2026-05-08]).
53. Cas d'usage défensif chez les clients. aider à scanner du code, identifier vulnérabilités. « Vous pouvez pas avoir les bases de données, les bases de codes de l'armée française qui sont scannées par Mythos. »
54. Campus IA (Saint-Arnoult). — détails à retenir :
55. 35 Md€ d'investissement total. (MGX fonds souverain Abu Dhabi + partenariat Nvidia)
56. 100 hectares. d'emprise au sol
57. 1,4 à 1,6 GW. de puissance installée (= 1 Flamanville)
58. Sainarnoult. (Essonne) — circonscription de Arnaud Saint-Martin (député LFI, intervenant)
59. Position Mistral. participation très minoritaire, rôle de client/fournisseur (Mistral construit ses clusters dessus), une partie ira aux hyperscalers américains (« 80 % des services numériques européens sont importés des hyperscalers »).
60. Logique. Mistral n'a pas la capacité de monter un projet de 35 Md€ seul, marchés de capitaux européens insuffisants (« on a oublié de faire des fonds de pension en France »). BPI France au board pour gouvernance.
61. Réponse environnementale. nucléaire français 70 % → empreinte carbone réduite vs Texas. « Si vous avez quelqu'un qui construit 1 GW en France, il va pas construire 1 GW au Texas — l'atmosphère se réchauffera un petit peu moins. »
62. Mistral a fait une ACV (Analyse du Cycle de Vie). avec l'ADEME sur ses modèles — première entreprise IA à le faire — refonte prévue sur nouveaux modèles. Position anti-compensation carbone : « c'est trop facile ».
63. Position parc Mistral. nouveau cluster d'entraînement en France (« le plus gros cluster en France de calcul »), 25 MW en Suède, 80 MW prévu en France l'an prochain, cluster « préféré » 40 MW.
64. Diagnostic sur la réglementation.
65. Marché fragmenté. 27 pays avec fiscalité, droit social, régimes de stock options différents → 5 personnes compliance chez Mistral, signatures de centaines de documents, dizaines de comptes en banque.
66. Empilement réglementaire. RGPD + lois copyright/text-and-data mining + AI Act (entrée en vigueur août — vraisemblablement août 2026). « Ça touche à la donnée, à la donnée personnelle, à ce qui est sur internet — et en fait, ça dit pas exactement la même chose. »
67. Régulation favorise les gros. « la réglementation, ça vous met un overhead que pour surmonter, il faut être suffisamment gros. Donc si vous avez pas des entreprises suffisamment grosses avec une charge réglementaire aussi grosse, vous retrouvez avec à emporter des acteurs américains. »
68. 60 telcos européens vs 3 US. = 20× moins de budget par opérateur côté Europe.
69. Lobbying Bruxelles. « les acteurs américains ont beaucoup plus de lobbyistes à Bruxelles que nous » → ils finissent par modeler l'implémentation des règles en leur faveur.
70. Récit toxique internalisé. « il y a un récit largement utilisé par les États-Unis qui dit l'Europe perd parce que c'est des ronds-de-cuir à Bruxelles qui réglementent parce qu'ils savent pas innover — et en fait c'est un récit qui est destructeur parce qu'il est internalisé par les Européens. C'est une forme de colonialisme. »
71. Commande publique comme levier (50 % du PIB EU).
72. Position normative forte. « C'est un atout que nos partenaires américains et chinois utilisent massivement. C'est un atout qu'on a toujours eu peur d'utiliser en Europe. Il faut absolument que ça s'arrête. »
73. Référence historique. « C'est ce que les États-Unis font depuis les années 1940 et que ça a très bien fonctionné pour eux. »
74. Recommandation. « Faut être planificateur sur ce que l'État dépense, mais pas planificateur sur comment les choses sont utilisées. » Maintenir compétition élevée.
75. Cloud Development Act + package Souveraineté. (Bruxelles, en cours) : Mistral soutient la définition stricte de cloud souverain (contrôle effectif de l'entreprise, R&D réinvestie en Europe, donnée non soumise à juridictions étrangères).
76. Distillation (réponse à Latombe).
77. Définition. prendre un gros modèle, l'utiliser pour entraîner un petit modèle plus efficace.
78. Usage Mistral. nous distillons nos gros modèles vers des petits pour réduire le coût de service client.
79. *« La distillation ne permet PAS de rattraper. C'est une technologie qui permet de réduire les coûts essentiellement en interne. ». * — démentit l'idée que la stratégie chinoise (DeepSeek) permet de « rattraper » sans investir dans les gros modèles.
80. Conséquence stratégique. il faut savoir entraîner les gros modèles → il faut beaucoup de capacité de calcul en propre → c'est de la pure R&D coûteuse → indispensable pour contrôler ce qu'il y a dans les modèles.
81. Évolution annotation. on a quitté la « notation humaine massive » (microtravailleurs) en 2023-2024. Aujourd'hui : annotateurs = thésards (résolution problèmes physique des particules, sécurité code), et surtout environnements (le modèle agit, l'environnement valide). Mistral travaille avec Madagascar pour robotique avec garanties salariales.
82. Productivité IA observée chez Mistral et chez les clients.
83. Coût IA en interne chez Mistral ≈ 10 % de la masse salariale. (« on fait cette technologie, donc on l'adopte un peu plus rapidement qu'ailleurs »)
84. Gain de productivité interne Mistral ≈ ×2 vs il y a 6 mois.
85. Cas d'usage prioritaire #1 : développement logiciel. — « Aujourd'hui, les ingénieurs chez Mistral n'écrivent plus de ligne de code. » Changement « quand même assez profond » dans les 6 derniers mois (bascule artisanat → management d'agents).
86. Posture nouvelle développeur. « Vous n'êtes plus un artisan, vous êtes un manager. Vous demandez à des agents d'écrire le code pour vous. Vous donnez les spécifications, vous êtes un donneur d'ordre. » — convergence avec Cherny/Sequoia (cf. fiche [cherny-sequoia-coding-is-solved-loops-printing-press-2026-05]), Karpathy (cf. fiche [karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29]), Curran/Intercom (cf. fiche [curran-intercom-fin-ideas-2x-nine-months-later-3x-rd-productivity-2026-04-16]).
87. Distribution inégale des gains par taille d'équipe. (point clé Mensch) :
88. Solo. ×10 à ×20 « vous pouvez aller 10 20 fois plus vite »
89. Équipe de 5. ça descend (réémergence des goulots de communication)
90. Très grosse entreprise. « soudain vous êtes dans plein de goulots d'étranglement organisationnels » → c'est ce verrou organisationnel qu'il faut lever pour atteindre « les gains de productivité dont on rêve »
91. Confirmation directe de l'obsolescence de la Pizza Team. (cf. fiche [bfmtv-tech-co-business-ia-developpeurs-disparaissent-2026-05-05] — « Pizza Team 8-10 obsolète » énoncé par Girard/SFEIR) : si Mensch constate une dégradation dès 5 personnes, la Two-Pizza Team d'Amazon (8-10) — référence d'organisation agile depuis Bezos 2002 — est mathématiquement encore plus éloignée de l'optimum en environnement agentique. La nouvelle frontière de la productivité n'est plus la pizza team mais l'individu augmenté par sa flotte d'agents (cohérent avec Cherny/Sequoia, Curran/Intercom, Girard/SFEIR « 1000 personnes, capacité production 10 000 »).
92. Convergence avec Frizzo/LinkedIn (cf. fiche [frizzo-linkedin-year-claude-code-output-doubled-attention-span-2026-05-05]) qui parle de 3-5× médiane vs 10×+ tail élite.
93. Implication structurelle (extrapolée). l'organisation du travail en IA agentique pourrait basculer du team-as-unit (Pizza Team, Scrum, Spotify Squads) vers le manager-of-agents-as-unit — ce qui rejoint la doctrine « développeur = chef d'orchestre » (Girard) et « coding is solved » (Cherny).
94. Cas client : service client × 5 de productivité. (= 20 % du temps initial pour effectuer une tâche)
95. Cas client extrême. « des cas d'usage où les gens font 50 millions de ressources investissement parce que les machines fonctionnent mieux »
96. Règle économique d'adoption client. « un client achète une technologie si la technologie ne prend pas plus que 50 % de la valeur » → la techno doit créer ≥ 2× ce qu'elle coûte → cible minimale 20 % de gain de productivité pour justifier l'achat.
97. Manque d'études macro à ce stade. « des études macro, je pense qu'il y en a pas encore beaucoup parce qu'en fait on manque de recul. L'aspect délégation de tâche, je laisse mon agent travailler pour moi pendant toute la journée, ça ne marche que depuis 6 mois. » → données macroéconomiques fiables attendues à partir de mi-2026/2027.
98. Asymétrie sectorielle. services à empreinte logicielle pure (comme Mistral) = peu de friction. Industrie lourde = plus difficile (« il faut aller tester les systèmes physiques »).
99. Échelle macro. 10-20 % des OPEX et masse salariale mondiale concernés → mais 20 % gains productivité ≠ 20 % croissance ; c'est « une partie croissance, une partie destruction d'emplois », modification très rapide de la structure de l'emploi, déplacement « de la valeur du travail vers le capital — et le capital qui pour le moment est largement pas du capital européen ».
100. Bulle IA — diagnostic Mensch.
101. Pas de bulle côté demande. « tous les gens qui viennent nous voir disent j'ai besoin de plus de token que j'avais prévu ».
102. Goulot d'offre. pas assez de chips, mémoire, cartes-mère, disques durs, hélium, électrons. « Toute la chaîne des semis est sous pression. »
103. Modèle économique équilibré. 1 GW = 50 Md$ investis → 100 Md$ ressortis → 200 Md$ de valeur créée pour le client. Pas encore complètement à ces équilibres car phase de capture de parts de marché.
104. Effets macro-explosifs à venir (« situation révolutionnaire »). 1. Destructions/modifications d'emplois très rapides sur les emplois existants 2. Conflits d'usage pour l'électricité → inflation induite par l'IA 3. Déficit commercial sur les services × 5 dans les 5 prochaines années
105. Quel rachat Mistral ?. 30 % du capital Mistral est détenu par des fonds américains. Mistral « on a pas tout l'écosystème » (fonds de pension absents). Objectif Mistral : IPO et indépendance. « Si vous faites racheter, vous avez raté quand même. » — formule cinglante contre les stratégies d'exit anglo-saxonnes des start-ups françaises.
106. Conclusion-avertissement. « Si on combine les deux [force IA + capacité électrique], on peut retrouver une part de marché qui est soutenable. Il faut absolument le faire parce que sinon on va devenir un État vassal. »
107. Mythos. (mentionné par Latombe) — référence implicite à Anthropic/Claude pour défense US :
108. Vincent Strubel (probablement, transcript dit « Vincent Schtrel ») auditionné précédemment a évoqué Mythos sans avoir manipulé le modèle.
109. Latombe demande à Mensch s'il l'a manipulé → Mensch répond indirectement : « nos modèles à nous sont capables de découvrir toutes les vulnérabilités dont il est fait état par Mythos par exemple ».
110. Lien avec dossier veille. cf. fiches [aisi-uk-gpt55-cyber-capabilities-evaluation-2026-04-30], [wallace-wells-nyt-magazine-ai-populism-altman-backlash-no-one-ready-2026-05-08], [sun-nyt-silicon-valley-permanent-underclass-2026-04-30].
111. Articulation dossier veille.
112. Convergence Cherny/Sequoia. (fiche [cherny-sequoia-coding-is-solved-loops-printing-press-2026-05]) : « 100 % du code généré chez Anthropic » (Cherny) / « plus de ligne de code écrite par les ingénieurs Mistral » (Mensch) — convergence transatlantique sur la fin de l'artisanat code.
113. Convergence Karpathy. (fiche [karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29]) sur Software 3.0 et le rôle de manager d'agents.
114. Convergence Andreessen. (fiches Lenny Podcast / X 2026-02) sur l'orchestration de bots et la productivité 1000×.
115. Contraste avec Frizzo. (fiche [frizzo-linkedin-year-claude-code-output-doubled-attention-span-2026-05-05]) : Mensch parle de productivité ×2 en interne, Frizzo de 3-5× médiane chez un praticien — Mistral est-il dans la médiane ou en avance ?
116. Contraste avec Tatsyi/Raiffeisen. (fiche [tatsyi-raiffeisen-ukraine-ai-engineers-different-not-just-faster-2026-05-05]) : Tatsyi parle de production possibility frontier — Mensch parle de transformation de l'unité économique (token).
117. Convergence Ensarguet. (fiche [ensarguet-beyond-brain-speed-economics-computation-2026-03-11]) sur le « moment kilowatt-heure » et la fin de l'heure-cerveau — Mensch en propose l'application industrielle directe.
118. Convergence avec Bain partie 1. (fiche [bain-ai-rule-of-40-headwinds-tailwinds-saas-2026-04]) sur le pricing outcome-based et la transformation de l'économie SaaS.
119. Cohérence avec Wescale Usine Logicielle Augmentée. (fiche [wescale-usine-logicielle-augmentee-juge-strategique-2026-05-03]) sur la doctrine industrielle française.
120. Articulation avec Sun/NYT « Permanent Underclass ». (fiche [sun-nyt-silicon-valley-permanent-underclass-2026-04-30]) : Mensch confirme les ordres de grandeur (déplacement travail → capital, capital non-européen, conflits d'usage), mais en tire des conclusions souverainistes plutôt que sociales.
121. Concurrence directe avec Wallace-Wells/NYT « AI Populism ». (fiche [wallace-wells-nyt-magazine-ai-populism-altman-backlash-no-one-ready-2026-05-08]) sur le rapport éthique aux armées : Anthropic refuse Mythos → Mistral assume « on n'a pas la légitimité démocratique pour faire un cadre éthique ».
122. Points faibles / questions ouvertes.
123. Pas de chiffrage précis de la dette technique invisible. dans l'argumentation Mensch sur l'usine logicielle augmentée.
124. Pas de détail sur la stratégie de cache prompt. (cf. fiches [lancemartin-anthropic-prompt-auto-caching-claude-2026-02] et [trq212-anthropic-claude-code-prompt-caching-lessons-2026-02]).
125. Pas de discussion approfondie sur les modèles ouverts. comme stratégie de défense (Mistral a basculé partiellement vers fermé).
126. Risque. l'argument « 90 % de la valeur ailleurs » sur la chaîne électron→token suppose une chaîne de valeur stable — la disruption hardware (chips chinois, Groq, Cerebras, photonique) pourrait reconfigurer le ratio.
127. Position Campus IA ambiguë. Mensch est à la fois client/utilisateur, actionnaire minoritaire, et bénéficiaire indirect de l'investissement émirati — questions de conflit d'intérêts non explicitement traitées par la commission.
128. Vocabulaire mensch-ien à retenir. transformation électron→token, token comme ressource naturelle, souveraineté comme levier, État vassal, colonialisme discursif, gigausine (anti-pattern), donneur d'ordre / manager d'agents, no consultant crowds européens (implicite), visibilité sur la demande publique, distillation = réduction de coûts, pas rattrapage, 15-20 % commande publique = trop peu.
129. À mobiliser pour.
130. Discussions de politique industrielle française et européenne sur l'IA (Bruxelles, DG Connect, DG Trésor, MEAE, MINARM).
131. Argumentaire pour les députés et hauts fonctionnaires sur le levier de la commande publique et l'urgence des 2 ans sur l'énergie.
132. Modélisation économique du SDLC IA (production token = ressource naturelle).
133. Argumentaire anti-stratégie « data center comme exportation d'énergie » (90 % de la valeur ailleurs).
134. Comparaison France/EU vs US/Chine sur le modèle de financement (fonds de pension, marchés capitaux, planification industrielle).
135. Cadrage du débat éthique défense (légitimité démocratique, devoir de conseil, anti-veto privé).