En 2022, un CTO français me racontait une scène devenue presque banale dans certaines scaleups.

Le lundi matin, son équipe finance découvre que la facture cloud mensuelle a augmenté de 38 %.

Pas à cause d’une panne. Pas à cause d’un piratage. Pas à cause d’un pic d’activité client.

Non. Simplement parce que plusieurs équipes avaient commencé à multiplier les expérimentations data et machine learning : pipelines de big data, moteurs de recommandation, modèles prédictifs, automatisation de traitements métiers… Chaque projet paraissait raisonnable pris séparément. Ensemble, ils avaient transformé le budget infrastructure en machine à cash inversée.

Le plus inquiétant n’était pas la hausse des coûts.

C’était le constat qui suivait : plus personne n’avait une vision claire de ce qui tournait réellement, où cela tournait, ni combien coûterait le passage à l’échelle.

La discussion qui a suivi n’était pas technique. Elle était stratégique.

“On dépend à ce point-là d’infrastructures qu’on ne maîtrise plus ?”

À l’époque, beaucoup voyaient encore ce genre de situation comme un simple problème d’optimisation cloud. Avec le recul, c’était surtout le début d’un changement beaucoup plus profond.

Pendant quinze ans, dans la tech, le cloud a été traité comme une évidence. Et il faut reconnaître qu’il a tenu ses promesses. Les entreprises (startups incluses) ont gagné en rapidité, en flexibilité, en capacité d’expérimentation. Les équipes ont enfin pu déployer en quelques minutes ce qui nécessitait auparavant des semaines d’attente, des validations interminables et quelques sacrifices humains au dieu des tickets Jira.

Le cloud a transformé l’économie de l’innovation.

Mais en 2026, le problème n’est plus de savoir si le cloud est utile. Bien sûr qu’il l’est. Le problème, c’est qu’il est devenu tellement central que beaucoup d’entreprises ont cessé de réfléchir à leur niveau réel de dépendance.

Et l’IA est en train de rendre cette dépendance brutalement visible.

L’IA remet l’infrastructure au centre du jeu

Pendant longtemps, l’infrastructure était presque devenue invisible. Tant que “ça marchait”, les directions générales regardaient ailleurs. Le cloud gérait l’élasticité, les équipes livraient vite et tout le monde pouvait continuer à faire semblant que les coûts resteraient éternellement prévisibles.

L’IA change complètement cette équation.

Parce qu’elle remet au centre des sujets que beaucoup pensaient réglés : la puissance de calcul, la mémoire disponible, la disponibilité des GPU, la consommation énergétique, la localisation des données ou encore la maîtrise des coûts long terme.

Soudain, l’infrastructure redevient stratégique.

Et beaucoup d’entreprises découvrent qu’elles ont industrialisé leur dépendance sans réellement construire de stratégie de réversibilité.

Le problème n’est pas d’utiliser le cloud. Le problème commence quand il devient impossible de faire autrement.

Le retour discret de l’on-premise

Soyons honnêtes : il y a encore quelques années, annoncer qu’on investissait dans de l’on-premise revenait presque à expliquer qu’on utilisait encore Internet Explorer par conviction personnelle.

Dans beaucoup d’écosystèmes tech, le tout-cloud était devenu un marqueur culturel. Une preuve implicite de modernité.

Aujourd’hui, le débat change doucement de ton.

Pas parce que les entreprises veulent revenir en arrière. Mais parce qu’elles réalisent qu’un modèle unique crée mécaniquement une fragilité unique.

Certaines charges ont évidemment tout intérêt à rester dans le cloud : déploiement rapide, services managés, expérimentation produit, montée en charge ponctuelle. D’autres deviennent stratégiques à reprendre partiellement en main : workloads IA, traitements critiques, données sensibles ou infrastructures dont les coûts deviennent difficilement soutenables à long terme.

Le sujet n’est donc plus “cloud versus on-premise”. Ce débat est déjà dépassé.

Le vrai sujet est beaucoup plus concret : quelles briques une entreprise peut-elle se permettre de ne plus maîtriser ?

Et c’est là que l’hybride cesse d’être un compromis technique. Il devient une stratégie de gouvernance.

La souveraineté numérique ne commence pas à Bruxelles

On parle énormément de souveraineté numérique en Europe. Souvent avec de grands discours, des plans ambitieux et des slides pleines de drapeaux européens.

Mais dans les entreprises, la souveraineté commence rarement dans une conférence.

Elle commence quand une DSI se pose une question très simple :

“Si demain je dois déplacer cette charge ailleurs, est-ce que je peux réellement le faire ?”

C’est ça, le vrai test.

Une entreprise souveraine n’est pas une entreprise anti-cloud. C’est une entreprise qui conserve des options ouvertes. Qui garde des compétences internes. Qui sait encore arbitrer ses choix d’infrastructure au lieu de simplement subir ceux de ses fournisseurs.

Car beaucoup d’organisations ont externalisé tellement de savoir-faire qu’elles ne savent plus réellement opérer en dehors des environnements imposés par leurs prestataires.

Et dans un monde où l’IA devient une couche critique de l’économie, cette perte de maîtrise peut coûter très cher.

Le vrai luxe en 2026 ? Garder le choix

Pendant des années, les entreprises ont optimisé leur infrastructure pour aller vite.

En 2026, elles doivent aussi l’optimiser pour rester libres.

Libres de déplacer leurs charges.
Libres de maîtriser leurs coûts.
Libres de protéger certaines données sensibles.
Libres de ne pas dépendre d’un seul fournisseur devenu incontournable.

Parce qu’au fond, la souveraineté numérique n’est pas un slogan. C’est une capacité d’arbitrage.

Et dans les années qui viennent, les entreprises les plus solides ne seront probablement pas celles qui auront le plus parlé de souveraineté.

Ce seront celles qui auront gardé suffisamment de maîtrise pour ne jamais dépendre d’une seule option.

Thomas Thelliez est entrepreneur et CTO du groupe Positive.