Face aux États-Unis et à la Chine, MISTRAL cherche son propre modèle d’IA et fait l’acquisition d’Emmi AI
📩 Pour nous contacter: redaction@fw.media
Depuis l’émergence de l’intelligence artificielle générative, l’Europe évolue dans une position défensive. Les infrastructures cloud restent largement dominées par les hyperscalers américains. Les GPU stratégiques proviennent quasi exclusivement de NVIDIA. Les modèles fondationnels les plus utilisés ont été développés par OpenAI, Anthropic ou Google, tandis que la Chine accélère désormais sur des architectures souveraines intégrées à ses propres infrastructures industrielles et étatiques.
Dans ce paysage, Mistral AI tente progressivement de construire une trajectoire différente. L’acquisition de la société viennoise Emmi AI, annoncée mardi pour un montant non communiqué, illustre un repositionnement stratégique majeur : plutôt que de mener une guerre frontale sur les assistants conversationnels grand public, la société française cherche à s’imposer sur un terrain où l’Europe conserve encore un avantage structurel, l’industrie.
Fondée à Vienne, Emmi AI développe des modèles spécialisés capables de traiter des phénomènes physiques complexes : flux d’air, transferts thermiques, résistance des matériaux ou simulation de systèmes industriels. Cette couche technologique rapproche l’intelligence artificielle des logiciels historiques de simulation et d’ingénierie utilisés dans l’aéronautique, l’automobile, l’énergie ou les semi-conducteurs. La startup a levée en avril 2025, 15 millions d’euros auprès de Serena, 3VC et notamment SpeedInvest
L’opération souligne surtout une évolution plus profonde du marché de l’IA. Après une première phase dominée par les modèles généralistes et les interfaces conversationnelles, la compétition se déplace désormais vers les systèmes spécialisés capables d’interagir avec le monde physique, les chaînes de production et les infrastructures critiques.
Le cas cité par Mistral autour de ASML illustre précisément cette logique. Les systèmes développés avec le groupe néerlandais utilisent des modèles de vision pour détecter les défauts de gravure sur les machines de lithographie EUV. Selon l’entreprise, les temps de diagnostic passent de plusieurs heures à huit minutes seulement, réduisant fortement les interruptions sur des équipements dont la valeur peut dépasser plusieurs centaines de millions d’euros.
L’enjeu dépasse largement le simple gain de productivité. Dans l’industrie lourde, chaque heure d’arrêt de production représente un coût immédiat. Dans l’aéronautique ou l’automobile, la simulation physique conditionne directement les cycles de conception et la maîtrise des coûts industriels.
C’est précisément sur cette couche que Mistral semble vouloir construire sa différenciation.
Depuis deux ans, la plupart des acteurs européens de l’IA ont tenté de se positionner face aux géants américains sur le terrain des modèles fondationnels. Mais les écarts d’infrastructures, de capital et de puissance de calcul restent considérables. OpenAI, Meta ou Google disposent de dizaines de milliards de dollars d’investissements, de capacités GPU massives et d’un accès privilégié aux infrastructures cloud mondiales.
L’Europe, elle, conserve encore une profondeur industrielle unique. L’automobile allemande, les infrastructures énergétiques, les équipementiers industriels, les acteurs de l’aéronautique ou les fabricants de semi-conducteurs constituent un réservoir de données et d’expertise difficilement réplicable.
Cette asymétrie devient progressivement un axe stratégique. La Commission européenne elle-même a récemment classé le manufacturing parmi les secteurs critiques pour l’IA, dans le cadre de sa stratégie de souveraineté technologique. L’objectif implicite est clair : l’Europe ne dominera probablement pas les plateformes numériques grand public, mais elle peut encore chercher un avantage compétitif dans l’industrialisation de l’IA.
Reste une difficulté majeure : l’industrie constitue aussi l’un des marchés les plus complexes à pénétrer. Les cycles de vente sont longs, les contraintes réglementaires élevées et les exigences de fiabilité beaucoup plus fortes que dans les usages grand public. Une erreur dans un assistant conversationnel produit une mauvaise réponse. Une erreur dans un système industriel peut arrêter une ligne de production, dégrader un équipement ou provoquer des pertes opérationnelles majeures.
Mais c’est précisément cette complexité qui pourrait protéger les acteurs capables de s’y imposer. Mistral accélère ses acquisitions après celle de Koyeb en février dernier.
- Face aux États-Unis et à la Chine, MISTRAL cherche son propre modèle d’IA et fait l’acquisition d’Emmi AI - 19/05/2026
- Avec 3,8 millions d’euros, LEADBAY veut réinventer la sales intelligence avec ses modèles d’inférence - 19/05/2026
- Avec EQT, Bruxelles confie sa souveraineté technologique au capital privé - 19/05/2026
