Asgard change d’échelle. Installé au Mont Valérien, à Suresnes, ce supercalculateur classifié dédié à l’intelligence artificielle répond à une logique simple et radicale à la fois : entraîner des algorithmes militaires au plus haut niveau de performance, tout en restant totalement isolé d’Internet. L’objectif est clair et assumé : raccourcir le temps entre la recherche et l’effet opérationnel sur le terrain, avec une souveraineté technique revendiquée.

Un calculateur classifié au service du combat algorithmique

Le 4 septembre 2025, le ministère des Armées a levé le voile sur Asgard, présenté comme le plus puissant supercalculateur classifié d’Europe dédié à l’IA. L’infrastructure est réservée aux applications militaires et ne dispose d’aucune passerelle vers le Web public, ce qui renforce la maîtrise des flux de données sensibles.

Ce positionnement place la France dans une posture assumée de puissance technologique. Le ministère parle d’un accélérateur pour la transformation numérique des forces et pour l’industrialisation de l’IA de défense. La logique est double : concentrer un capital de calcul rare et sécuriser un environnement fermé, un air gap strict, afin d’éviter toute exfiltration d’information.

La topologie choisie répond à une contrainte cardinale : l’entraînement de modèles sur corpus classifiés. Ceux-ci incluent des flux électromagnétiques, des images multi-capteurs, des télémetries de plateformes ou des échanges tactiques. Les volumes sont massifs, les latences critiques et la traçabilité des accès est verrouillée. Le calculateur devient ainsi un outil d’endurance, pas un simple démonstrateur.

Au-delà de l’outil, la doctrine s’affirme. Le ministre Sébastien Lecornu a évoqué une mutation du conflit, où la supériorité ne se limite plus à la manœuvre, mais se gagne aussi dans la vitesse d’itération des modèles. L’IA est envisagée comme une confrontation d’algorithmes, où l’avantage appartient à celui qui entraîne, évalue et déploie le plus vite, sans fuite d’information.

Chiffres clés annoncés pour Asgard

Inauguration le 4 septembre 2025. Localisation Suresnes, Mont Valérien. Usage entraînement et inférence IA sur données classifiées, sans connexion Internet. Gouvernance Agence ministérielle pour l’intelligence artificielle de défense. Ambition outil classifié de référence en Europe pour l’IA de défense (Ministère des Armées).

Une architecture de calcul dense, isolée et calibrée pour l’ia

Asgard se présente, vu de l’extérieur, comme une succession de conteneurs techniques posés sur une dalle sécurisée. Cette modularité simplifie la montée en puissance et la maintenance, tout en facilitant l’extension future sans interruption majeure. Derrière ce paravent, la densité informatique est élevée, avec un réseau interne dimensionné pour le débit massif des charges IA.

Le cœur du dispositif repose sur plus de 1 000 puces graphiques Nvidia de dernière génération. L’ensemble atteint une capacité de calcul annoncée proche de l’exaflop pour des charges IA, seuil symbolique où la puissance permet d’entraîner des modèles multi-domaines avec des jeux de données volumineux et hétérogènes.

Chaque accélérateur dispose d’une quantité importante de mémoire rapide, de l’ordre de 180 à 192 Go, et d’une bande passante interne pouvant atteindre jusqu’à 8 téraoctets par seconde, ce qui est critique pour la stabilité et la vitesse d’entraînement. Les lots de données circulent sur un tissu réseau à très faible latence, afin d’éviter les goulots d’étranglement typiques des jobs à grande échelle.

Le coût énergétique d’un tel système est conséquent. Les puces peuvent tirer jusqu’à 1,5 kilowatt chacune, ce qui place la barre à plus d’un mégawatt rien que pour les accélérateurs.

En comptant l’alimentation, le refroidissement et les auxiliaires, le site fonctionne comme une installation industrielle de haute intensité. Cette consommation s’explique par la nature même des tâches visées, dont l’entraînement de modèles de grande taille sur des cycles longs.

La sécurité logique et physique domine l’architecture. Aucune interface réseau externe n’est exposée. Les échanges se font via des procédures dédiées, avec des transferts contrôlés par du personnel habilité. L’ensemble des opérations, de l’injection de données à l’export des modèles, suit des protocoles d’audit stricts, afin de garantir l’intégrité et la non-divulgation.

Métriques Valeur Évolution
Capacité de calcul pour l’IA Proche de l’exaflop Saut d’échelle vs. clusters classiques
Nombre d’accélérateurs Plus de 1 000 GPU Modulaire, extensible
Consommation par GPU Jusqu’à 1,5 kW Optimisations en continu
Sécurité réseau Air gap total Contrôles renforcés
Localisation Suresnes, Mont Valérien Infrastructure durcie

À ce niveau de performance, les opérations de type attention multi-têtes, les convolutions et les multiplications matrice-matrice s’exécutent à l’échelle de milliards de milliards d’opérations par seconde. Concrètement, cela autorise l’entraînement simultané de plusieurs modèles de grande taille ou l’exécution de pipelines complexes combinant vision, audio et données de capteurs.

Gouvernance et chaîne de décision sous l’égide de l’amiad

La supervision d’Asgard est confiée à l’Agence ministérielle pour l’intelligence artificielle de défense, AMIAD, créée en 2024. Sa mission consiste à transformer les expérimentations en produits militaires déployables, à articuler la recherche et l’innovation avec les besoins des forces, et à piloter un portefeuille de projets à impact opérationnel. L’agence fluidifie ainsi l’interface entre laboratoires, industriels et unités utilisatrices.

L’AMIAD n’agit pas seule. Elle s’inscrit dans une gouvernance où interviennent la DGA pour l’armement, la DIRISI pour les systèmes d’information, et les états-majors pour la validation des besoins et la préparation de l’emploi. Cette distribution des rôles permet d’orienter le calcul vers des cas d’usage priorisés et de réduire les délais de qualification.

Le ministre des Armées a annoncé la création d’un Commissariat du numérique de défense. L’outil vise à mieux coordonner les investissements, à rationaliser les infrastructures critiques et à créer des passerelles avec les politiques de cybersécurité. La cohérence entre calcul de haute performance, données souveraines et durcissement cyber devient un axe stratégique, afin d’éviter les silos et les redondances.

La doctrine s’appuie sur une logique de cycles courts. Les équipes opérationnelles remontent des besoins concrets, l’AMIAD cadre des expérimentations, le calculateur fournit la capacité d’entraînement, et les résultats sont testés en environnement représentatif. Le cycle se répète jusqu’à atteindre un niveau de maturité suffisant pour un déploiement graduel dans les forces.

Les données et modèles traités sur Asgard relèvent de la protection du secret de la défense nationale. Les partenaires doivent respecter des exigences d’habilitation, de compartimentation des accès, et de traçabilité. Les opérations de maintenance, d’intégration logicielle et de transfert de contenus se déroulent sous contrôle d’autorités compétentes, avec des procédures de vérification systématiques.

Cas d’usage : guerre électronique, robotique et centres de commandement

Asgard est pensé pour des applications strictement militaires. La priorité porte sur la guerre électronique et l’exploitation de signaux électromagnétiques. Les armées doivent détecter des émissions faibles, caractériser des menaces émergentes et améliorer la robustesse des communications dans des environnements brouillés. L’IA permet de capter des patrons rares, d’anticiper des comportements hostiles et d’optimiser l’emploi du spectre.

La robotique militaire est l’autre pilier. L’intégration de modèles dans des drones, des vecteurs sous-marins ou des systèmes au sol ouvre la voie à des essaims coordonnés. L’IA collective, entraînée sur des scénarios réalistes, peut améliorer la navigation autonome, l’évitement, la sélection de cibles et la résilience face à l’attrition. Les gains attendus portent sur la vitesse de décision et l’efficacité tactique.

Les centres de commandement bénéficient aussi d’une montée en puissance. Des modèles multimodaux peuvent fusionner des flux hétérogènes, générer des résumés, détecter des anomalies et proposer des options de manœuvre. L’objectif n’est pas de remplacer l’humain, mais d’augmenter ses capacités d’analyse, de réduire le temps de préparation des missions et d’améliorer la qualité des évaluations de situation.

Pendragon : ia collective pour unités autonomes

Le projet Pendragon s’intéresse à la coordination d’unités robotiques autonomes. L’idée est de mettre au point des règles d’engagement apprises, capables de s’adapter à des environnements non permissifs. Les modèles formés sur Asgard doivent gérer l’évitement, la répartition des rôles au sein d’un essaim, et la continuité de service en cas de perte de liaison. Les retours attendus portent sur la robustesse en conditions dégradées.

Helsing : intégration et bancs d’essai

Des créneaux ont été réservés afin de tester des solutions développées par des acteurs privés, dont Helsing. L’enjeu est d’évaluer la compatibilité des composants logiciels avec l’environnement classifié et d’identifier les gains de performance. Les premières fenêtres de test restent encadrées par des priorités internes, et les validations se font selon des protocoles propres à la défense.

Comandai : scénarios de poste de commandement augmenté

ComandAI s’est positionné pour expérimenter des capacités d’aide à la décision. Les scénarios prévoient des synthèses de situation, des corrélations multi-capteurs et des propositions de manœuvre. L’entrainement sur données sensibles est réservé aux équipes habilitées, avec des jeux de tests calibrés pour évaluer la précision, la frugalité et la sécurité des sorties.

Repères opérationnels sur les signaux électromagnétiques

Les théâtres récents montrent une concurrence intense dans le spectre électromagnétique. Les IA entraînées sur Asgard visent à :

  • Détecter des signaux faibles au milieu d’un bruit important.
  • Identifier des profils d’émission typiques d’un adversaire.
  • Optimiser la résilience des communications face au brouillage.
  • Réduire le temps d’analyse pour les opérateurs spécialisés.

Chaîne industrielle : contributions, arbitrages et dépendances maîtrisées

La réalisation d’Asgard a mobilisé plusieurs acteurs. Les entreprises HP et Orange ont contribué à la construction et à l’intégration de l’infrastructure. La sélection d’équipements s’est faite sous contrainte de performance et de sécurité, avec un environnement réseau fermé et des exigences de durcissement élevées. Le montage industriel vise la disponibilité et la souveraineté d’exploitation.

Le choix de ne pas retenir Atos pour ce projet particulier souligne un arbitrage technique et opérationnel au bénéfice d’une architecture cohérente avec les objectifs de performance et de sécurité. Il s’agit d’aligner une chaîne de composants éprouvés pour l’IA, tout en gardant une maîtrise étroite des configurations et des mises à jour, dans un cadre classifié.

La dépendance aux accélérateurs Nvidia reflète l’état de l’art. Les charges IA de dernière génération s’appuient sur des bibliothèques et des interconnexions optimisées autour de ces puces. À court terme, l’efficacité exige de coller aux standards de fait. À moyen terme, la diversification des fournisseurs et la montée en puissance d’alternatives européennes restent des sujets d’attention, notamment pour réduire les risques de supply chain.

Le modèle de partenariat évolue. Plutôt que de chercher un fournisseur unique pour tout le cycle, l’approche privilégie une architecture modulaire où chaque brique est optimisée. Les intégrateurs orchestrent, les fabricants d’accélérateurs livrent la performance, et les équipes de défense conservent la main sur l’orchestration logicielle, la sécurité et la priorisation des charges.

Un supercalculateur classifié pour l’IA ne peut pas dépendre d’un cloud public, même qualifié. L’isolement réseau limite l’exposition, empêche l’infiltration par des dépendances logicielles et autorise des audits de bout en bout. La protection ne concerne pas seulement la donnée brute, mais aussi les poids de modèles, les pipelines d’entrainement et les métriques de performance.

Cap énergétique, coûts d’exploitation et contraintes du site du mont valérien

La puissance électrique mobilisée par Asgard impose une gestion fine de la consommation. À l’échelle du site, le refroidissement et l’alimentation redondée représentent des postes critiques. Une part substantielle du coût total de possession provient de l’énergie, de la climatisation et de la maintenance, et non uniquement de l’achat des puces.

Le choix des conteneurs techniques répond à une logique d’agilité. Ils offrent une densité élevée dans un volume maîtrisé, favorisent la compartimentation et facilitent les opérations. La topologie permet d’ajouter des baies ou des modules de refroidissement sans immobiliser l’ensemble, ce qui est crucial pour maintenir la continuité des entraînements.

À terme, l’optimisation passera par le pilotage logiciel de l’énergie. Le scheduling orienté IA peut décaler certaines charges, grouper des jobs complémentaires ou ajuster la fréquence des accélérateurs selon les phases d’apprentissage. La performance ceinture les kilowattheures, et l’efficacité se mesure autant en résultats opérationnels qu’en sobriété.

Ordre de grandeur énergétique

Avec plus de 1 000 GPU pouvant tirer chacun jusqu’à 1,5 kW, la puissance appelée par les accélérateurs se chiffre en mégawatts. Selon des estimations techniques, l’ensemble équivaut à environ 22 000 ordinateurs grand public récents configurés pour l’IA. Ce ratio illustre la marche énergétique franchie par les systèmes d’entraînement de très grande taille.

Calendrier 2025 et livrables attendus pour les forces

Les premiers résultats concrets sont planifiés d’ici la fin de l’année 2025. La priorité va aux cas d’usage internes au ministère, afin de sécuriser la qualité des jeux de données, la robustesse des modèles et la conformité aux exigences de sécurité. Les tests menés avec des industriels viennent ensuite, dans un cadre strictement contrôlé.

La trajectoire rapproche l’IA de la boucle opérationnelle. Il s’agit de valider des prototypes sur des environnements représentatifs, de mesurer leur apport par rapport aux systèmes existants et d’arbitrer leur déploiement sur des plateformes embarquées. L’industrialisation dépendra de la stabilité des modèles, de la facilité d’intégration et de la capacité à tenir le plan de maintenance.

Les livrables attendus se concentrent sur des gains mesurables. Les équipes visent l’accélération de l’analyse de signaux, l’amélioration de la détection de menaces et la réduction du temps de traitement dans les centres de commandement. L’échelle d’Asgard doit permettre d’itérer plus vite, de réentraîner à la demande et d’absorber de nouveaux formats de données.

  • Guerre électronique : modèles plus précis pour l’identification d’émetteurs et la résistance au brouillage.
  • Robotique : stratégies d’essaim plus stables, gestion d’événements rares et autonomie accrue.
  • Commandement : synthèses plus fiables, alertes contextualisées et réduction de la charge cognitive.

Le cycle court passe par des itérations très encadrées : cadrage du besoin, prototypage sur Asgard, démonstration restreinte, évaluation opérationnelle, puis montée en charge. Chaque étape produit des métriques et des retours, afin d’ancrer la décision d’investissement sur des preuves de valeur.

Stratégie numérique de défense : une trajectoire consolidée

Asgard s’inscrit dans la stratégie ministérielle sur l’intelligence artificielle. Le ministère place la souveraineté au cœur de la transformation, avec une volonté d’aligner les moyens de calcul, les données et la cybersécurité. L’annonce du Commissariat du numérique donne une colonne vertébrale à l’ensemble, pour orchestrer les priorités et arbitrer les investissements.

Le message est limpide : il faut calculer vite, haut et en sécurité. La protection de la donnée n’est pas seulement une contrainte réglementaire, c’est un avantage compétitif. En empêchant la fuite d’informations sur les modèles, en limitant les dépendances et en maîtrisant les chaînes de décision, la France renforce sa capacité à produire des effets sur le terrain avec des délais plus courts.

Le ministère des Armées qualifie Asgard de plus puissant supercalculateur classifié dédié à l’IA en Europe, ce qui en fait un symbole de la nouvelle phase du numérique de défense. L’ambition est de capitaliser sur cette avance pour faire émerger des applications qui tiennent le choc des opérations, avec des bénéfices mesurables pour les unités engagées (Ministère des Armées).

Air gap : isolement physique et logique d’un système, sans connexion réseau externe. Classification : protection juridique et technique de l’information suivant des niveaux, avec habilitation nécessaire. Entraînement : phase de calcul intensif visant à ajuster les paramètres des modèles à partir de jeux de données représentatifs.

Le dispositif tire sa force de sa cohérence. Les moyens physiques, la gouvernance et les cas d’usage forment un tout. En investissant dans un calculateur classifié à cette échelle, la France assume un choix stratégique qui engage la prochaine génération d’applications militaires. L’enjeu n’est pas la démonstration, mais l’effet militaire réel, mesuré et durable.

Asgard, un levier qui repositionne l’industrie et l’emploi des forces

Au plan industriel, Asgard clarifie la demande adressée aux fournisseurs. Les intégrateurs, les spécialistes du réseau, les éditeurs d’outils MLOps et les fabricants d’accélérateurs savent que les exigences de la défense vont imposer une discipline forte : cycles de validation serrés, documentation exhaustive et sécurité par défaut. Ce contexte tire l’écosystème vers le haut et crée des compétences rares en France.

Pour les forces, l’impact se mesurera à la rapidité d’adoption. L’IA est utile si elle est déployable sur des plateformes contraintes, si les modèles restent robustes en présence de signaux adverses et si la chaîne de soutien est prête. Asgard favorise ces transitions en réduisant le temps d’entraînement, en facilitant les réentraînements et en garantissant l’intégrité du processus de bout en bout.

Le bénéfice de souveraineté tient aussi à la continuité de service. En cas de crise majeure, disposer d’un outil autonome et classifié pour entraîner ou adapter des modèles constitue un avantage. Les décisions ne dépendent pas d’un accès à un cloud externe, et la sensibilité des données n’oblige pas à recourir à des environnements partagés. La résilience est intrinsèque à la conception.

Enfin, Asgard sert de catalyseur pour structurer une filière IA de défense. Les compétences acquises par les équipes, les méthodes d’évaluation spécifiques et les briques logicielles durcies pourront bénéficier à d’autres programmes. La diffusion sera contrôlée, mais les retombées techniques irrigueront l’écosystème, ce qui est essentiel pour maintenir un socle industriel national.

Pourquoi l’air gap change la donne

Un environnement strictement hors ligne réduit la surface d’attaque, empêche les interactions non contrôlées avec des dépendances externes et garantit la non-diffusion des poids de modèles et des jeux d’entraînement. Pour une IA de défense, cette isolation n’est pas un luxe, c’est une condition de crédibilité opérationnelle.

Le cap est fixé. Asgard ne se substitue pas aux autres capacités de calcul de la nation, mais occupe un rôle unique : un concentrateur de puissance classifié pour l’IA de défense. Cette spécialisation accélère l’émergence de solutions prêtes pour l’emploi, là où les contraintes de sécurité et de temps réel écartent d’emblée les environnements non souverains.

La suite logique est un continuum entre entraînement centralisé et déploiement embarqué. Les modèles conçus au Mont Valérien doivent vivre sur des plateformes mobiles, dans des conditions parfois extrêmes. La boucle sera bouclée quand les retours d’expérience opérationnels nourriront directement les sessions d’entraînement suivantes sur Asgard. C’est ainsi que la supériorité algorithmique se construit, pas à pas, de manière mesurable.

Asgard constitue une bascule stratégique : un calcul souverain, isolé et massif, destiné à transformer l’expérimentation IA en effets militaires concrets, avec une gouvernance et une chaîne industrielle alignées sur l’exigence opérationnelle.