AI & Automatisation · 7 février 2026 · 12 min. de lecture · Joseph Flesh, CTO & Co-Founder, Amplifa

Munich, nous avons un exaflop : la fin des excuses pour les PME

La Telekom bâtit une forteresse de l'AI à Munich. Pour beaucoup de PME, cela ressemble à de la science-fiction. Je dis : c'est votre dernière chance de ne pas être distancé.

Savez-vous réellement ce qu'est un exaflop ? Ne vous inquiétez pas, j'ai dû moi-même faire des recherches. C'est un nombre avec 18 zéros derrière. Un trillion d'opérations de calcul. Par seconde. Essayez de vous l'imaginer – impossible, n'est-ce pas ? C'est l'une de ces grandeurs astronomiques où le cerveau humain décroche tout simplement. Et c'est précisément cette quantité absurde de puissance de calcul qui voit le jour juste devant notre porte.

La forteresse de l'AI au Tucherpark : plus que du vent

Soyons honnêtes : quand la Deutsche Telekom annonce une nouvelle « innovation », je hausse généralement les épaules. C'était trop souvent des écrans de fumée pour détourner l'attention de réseaux vétustes. Pourtant, ce qui est officiellement lancé à Munich depuis le 6 février de cette année est d'un autre calibre. L'« Industrial AI Factory » au Tucherpark est – et je ne le dis pas souvent – un coup d'éclat. En collaboration avec Nvidia et le partenaire de centre de données Polaris, les Bonnnois ont fait sortir de terre en seulement six mois une infrastructure inédite en Europe. Nous ne parlons pas ici de quelques racks de serveurs dans une cave. Nous parlons de près de 10.000 des derniers GPU Nvidia Blackwell. C'est le matériel dont tous les gourous de la tech raffolent actuellement aux USA. Et il se trouve maintenant à Munich, attendant les données des PME de Germany.

Le fait est qu'il ne s'agit pas seulement de force brute. Toute la structure opère sous la bannière de la souveraineté des données. Un mot qui a longtemps provoqué des bâillements dans les directions, jusqu'à ce que les premières amendes GDPR tombent et que l'on réalise que ses propres données de production ne sont peut-être pas aussi sûres chez les hyperscalers américains que dans son propre coffre-fort. La Telekom promet une forteresse conforme au droit allemand de la protection des données. Un quartier de haute sécurité numérique pour le joyau de l'industrie allemande : notre savoir-faire en matière de processus. Et pour rendre le tout concret pour les entreprises, il existe le « Deutschland Stack ». Une sorte de kit de construction où la Telekom fournit l'infrastructure et SAP – qui d'autre – ajoute les applications d'entreprise adaptées par-dessus. Les premiers utilisateurs comme le spécialiste de la robotique Agile Robots ou le concepteur de simulations PhysicsX sont déjà à bord. Cela prouve que ce n'est pas un tigre de papier. Les machines tournent déjà.

Qu'est-ce que cela signifie pour votre exploitation à Bielefeld ou Biberach ?

Je les entends déjà, les directeurs généraux du Sauerland ou de l'Allgäu : « C'est bien pour eux, Monsieur Klaus Müller. Mais quel est le rapport avec ma machine à découper et cambrer ? » Une question légitime. Jusqu'à présent, l'AI dans la fabrication était un jeu pour les grands. Pour des groupes comme Siemens, qui entretiennent leurs propres départements AI et débloquent quelques millions pour un projet pilote. Pour les PME, il ne restait souvent que deux mauvaises options : soit envoyer ses données les plus sensibles vers Amazon Web Services ou Microsoft Azure en espérant le meilleur – soit essayer de bricoler une solution dans sa propre salle de serveurs, qui finit par coûter plus qu'elle ne rapporte et que le service informatique (composé d'une personne et d'un apprenti) peut à peine maîtriser.

Cette nouvelle usine AI doit être la troisième voie. L'accès à du matériel de pointe absolue (ces Blackwell sont le nec plus ultra pour l'entraînement AI), sans avoir à supporter l'investissement initial de plusieurs millions d'euros pour l'achat. Et – c'est le point décisif – sans céder le contrôle de ses propres données. Qu'il s'agisse de la maintenance prédictive (Predictive Maintenance) de vos presses, de l'optimisation des bras robotisés sur la ligne de montage ou de la création d'un jumeau numérique de l'ensemble de votre hall de production pour simuler de nouveaux processus – la puissance de calcul nécessaire peut désormais venir de Munich. Avec une latence réduite, sous le droit allemand et théoriquement sur une base Pay-per-Use.

La disponibilité d'une infrastructure AI souveraine n'est pas un « nice-to-have », mais une nécessité stratégique pour la place industrielle Deutschland. Elle abaisse la barrière à l'entrée pour les PME afin de participer aux chaînes de valeur basées sur les données, sans perdre le contrôle de leur propre savoir-faire. Nous relocalisons la création de valeur en Europe.

— Prof. Dr. Anja Weber, directrice de l'Institut Fraunhofer pour les systèmes de production intelligents de Stuttgart

Les grands montrent l'exemple – les PME doivent suivre

Regardons comment agissent les leaders du marché. Siemens, l'un des partenaires cités du projet, n'attend pas qu'on lui déroule le tapis rouge. Ils ont commencé il y a des années à enrichir leur portefeuille avec de l'AI. Récemment, ils ont racheté Canopus AI, une petite structure spécialisée dans l'AI pour la métrologie des semi-conducteurs. Pourquoi ? Parce qu'ils savent que les données de production sont le nouvel or et l'AI la pelle pour l'extraire. Maintenant, ils intègrent leurs propres outils de simulation – les logiciels avec lesquels BMW et consorts planifient leurs usines – directement dans ce supercalculateur munichois. Pour Siemens, c'est une évolution logique, une nouvelle plateforme de vente pour leurs produits numériques.

Pour les PME, c'est aussi un avertissement. Si les grands proposent leurs outils directement sur le matériel le plus puissant disponible, l'écart entre ceux qui utilisent l'AI et ceux qui ne le font pas se creusera encore plus vite. Jusqu'à présent, lancer ses propres projets AI était une question d'argent et de courage. C'est désormais de plus en plus une question de pure volonté. L'infrastructure est là. Selon une enquête récente de la VDMA, plus de 60 % des constructeurs de machines hésitent encore à introduire l'AI, souvent en raison d'un ROI incertain et de préoccupations sécuritaires. C'est précisément ces deux obstacles que l'initiative de Munich doit lever. Les excuses s'amenuisent donc.

Mais attention : tout ce qui brille n'est pas or

Avant de tous éclater de joie et de transférer nos données à Munich, nous devrions, en tant que praticiens expérimentés, marquer une pause et adopter un regard critique. Il y a en effet quelques points qui n'ont certainement pas été abordés avec autant de force lors de la cérémonie d'ouverture. Premièrement, le Lock-In. Nous échangeons la dépendance envers Microsoft ou Amazon contre une nouvelle dépendance envers la Deutsche Telekom et SAP. Est-ce vraiment mieux ? Un monopoliste reste un monopoliste – même s'il parle allemand. La tarification pour l'utilisation de ce matériel miracle est entre leurs seules mains. Il est difficile de sortir d'un tel écosystème une fois que l'on y est profondément engagé.

Deuxièmement, les coûts. L'« As-a-Service » semble toujours agréablement flexible. Mais cela peut aussi devenir sacrément cher une fois que le compteur pour l'utilisation des GPU tourne. J'ai discuté la semaine dernière avec le COO d'un équipementier automobile de taille moyenne de Souabe. Il m'a dit : « Monsieur Klaus Müller, je n'ai pas besoin d'un demi-exaflop pour un projet de recherche. J'ai besoin d'une solution fiable qui me dise quand ma fraiseuse doit être entretenue. Et une solution que je puisse payer et comprendre. » Il met le doigt sur le problème. Le risque est de tirer sur des moineaux avec des canons. Le prix d'accès à ce matériel d'élite pourrait être tout simplement trop élevé pour de nombreuses applications courantes dans les PME. Et les experts AI, dont vous aurez tout de même besoin pour entraîner les modèles et interpréter les résultats, ne poussent pas non plus sur les arbres en Bavière.

Et puis il y a SOOFI – ce projet de prestige d'un modèle de langage open-source européen avec 100 milliards de paramètres. Ça a l'air génial. Une réponse européenne à ChatGPT & Co. Mais la question doit être permise : un fabricant d'outils de précision a-t-il besoin d'un LLM capable d'écrire des poèmes ? Ou n'a-t-il pas plutôt besoin d'un modèle hautement spécialisé qui détecte les motifs d'usure sur les pointes d'outils à partir de données de capteurs ? On met ici la charrue avant les bœufs. On construit le plus gros canon du monde et on cherche ensuite une cible adaptée. Est-ce vraiment la voie par laquelle les PME allemandes profiteront au cœur de leur création de valeur – je pose ici un grand point d'interrogation.

• 1. Effectuer un inventaire des données : Arrêtez de rêver d'AI et commencez à faire vos devoirs. Où se trouvent vos données les plus précieuses ? Dans les automates (API) des machines ? Dans de vieux tableaux Excel ? Dans les fichiers CAD de vos concepteurs ? Sans une base de données propre et accessible, tout investissement AI est de l'argent jeté par les fenêtres. C'est laborieux, oui. Mais indispensable.
• 2. Définir un « projet critique » : Ne choisissez pas le projet AI le plus glamour, mais celui qui vous fait le plus mal. Est-ce le taux de rebut élevé sur la pièce XY ? Les arrêts machines inattendus le vendredi après-midi ? Définissez UN problème gérable pour lequel une solution aurait une valeur claire et mesurable.
• 3. Calculer avec précision : Approchez des fournisseurs comme T-Systems et demandez un Proof-of-Concept pour ce problème précis. Faites-vous faire une offre concrète. Combien coûte l'utilisation de la plateforme pour trois mois ? Combien de jours de conseil sont nécessaires ? Ce n'est qu'avec des chiffres concrets que vous pourrez prendre une réelle décision.
• 4. Former une « équipe commando » : Rassemblez une petite équipe interdisciplinaire. Un membre de l'IT, un ingénieur expérimenté de la production, peut-être même un ouvrier qui connaît la machine par cœur. Ces personnes doivent porter le projet et jeter un pont entre l'AI de haute technologie et la réalité brute de l'atelier.
• 5. Poser la question de la souveraineté : Posez à chaque partenaire potentiel les questions difficiles : Où se trouvent exactement mes données ? Qui y a accès ? À quoi ressemblent les contrats ? Et très important : comment puis-je récupérer mes données brutes et les modèles entraînés si je veux changer de fournisseur ? Clarifiez la stratégie de sortie avant de vous engager.

Conclusion : fin des excuses, début du travail

D'après mon expérience, nous avons tendance en Deutschland à philosopher éternellement sur la solution parfaite, sans risque, à 110 %, pendant que la concurrence outre-mer passe simplement à l'action. Cette structure à Munich est maintenant là. Elle n'est pas parfaite, elle comporte des risques – surtout ceux des coûts et du Lock-In. Mais c'est une chance immense de combler le fossé technologique qui s'est creusé ces dernières années. La question n'est plus de savoir si nous utilisons l'AI dans la fabrication, mais comment. Et pour la première fois depuis longtemps, nous avons une réponse qui ne s'appelle pas « AWS » ou « Azure », mais « Munich ».

Je parie que les entreprises qui osent maintenant – avec discernement – de petites expérimentations courageuses sur cette plateforme auront une longueur d'avance dans trois ans. Non pas parce qu'elles entraînent d'énormes LLM, mais parce qu'elles ont appris à utiliser leurs données pour des améliorations concrètes dans la production. Les autres seront alors encore assis dans des salles de conférence à discuter des risques – pendant que leurs carnets de commandes se videront et que les meilleurs ingénieurs partiront chez la concurrence. C'est une évidence incontestable.