TotalEnergies a annoncé le mardi 15 septembre un partenariat de trois ans avec Mistral AI, chiffré à plus de 100 millions d'euros, selon les informations rapportées par Challenges. L'accord vise à déployer les modèles de la société française d'intelligence artificielle dans le développement et l'exploitation des projets pétroliers et gaziers du groupe.
À première vue, l'opération ressemble à un contrat de fourniture logicielle parmi d'autres. En réalité, elle illustre un basculement stratégique : après avoir passé trois ans à courtiser les développeurs, les banques et les cabinets de conseil, les fournisseurs européens de modèles d'IA se tournent vers l'industrie lourde. Et l'énergie, avec ses gisements de données techniques accumulées sur des décennies, est peut-être le terrain le plus convoité.
Ce que l'IA vient faire sur une plateforme pétrolière
Un projet pétrolier ou gazier moderne est d'abord un monstre documentaire. Un développement offshore, c'est des dizaines de milliers de plans d'ingénierie, des campagnes sismiques 3D dont le volume se mesure en pétaoctets, des historiques de forage, des rapports d'inspection, des permis réglementaires, des contrats de sous-traitance, des procédures de sécurité rédigées dans plusieurs langues et souvent stockées dans des systèmes qui ne se parlent pas.
C'est exactement le type de matière première sur laquelle les grands modèles de langage excellent : retrouver, résumer, recouper, produire un premier jet. Les cas d'usage les plus immédiats dans ce secteur sont bien documentés par l'industrie depuis plusieurs années. On y retrouve l'assistance à l'interprétation des données de subsurface, la maintenance prédictive des équipements rotatifs, l'optimisation des arrêts de production, l'analyse des incidents de sécurité, la préparation des dossiers réglementaires et la traduction technique entre les équipes d'ingénierie dispersées sur plusieurs continents.
L'argument économique est brutal et c'est ce qui le rend convaincant pour un conseil d'administration : sur un projet dont le budget d'investissement dépasse le milliard de dollars, quelques semaines gagnées sur le calendrier de démarrage ou un point de disponibilité supplémentaire sur une installation existante valent beaucoup plus que la facture d'informatique. Un contrat de 100 millions d'euros sur trois ans représente une fraction marginale des dépenses annuelles d'investissement d'un groupe de la taille de TotalEnergies. C'est précisément ce déséquilibre qui rend ce type de partenariat attrayant : le risque financier est faible, le gain potentiel est asymétrique.
Pourquoi les groupes énergétiques valent de l'or pour un fournisseur de modèles
Pour Mistral AI, l'intérêt n'est pas seulement le chiffre d'affaires. Il est d'ordre stratégique, à trois niveaux.
Premièrement, la donnée. Les modèles généralistes ont largement épuisé le corpus public disponible. Ce qui reste rare, ce sont les corpus propriétaires spécialisés : la géologie, la métallurgie, les protocoles de sécurité industrielle, les journaux de capteurs. Un partenariat de longue durée avec un opérateur industriel donne accès, dans un cadre contractuel, à des contextes d'usage qu'aucun jeu de données ouvert ne reproduit. Ce n'est pas nécessairement de l'entraînement sur les données du client — les grands groupes l'interdisent généralement — mais c'est de l'apprentissage organisationnel : comprendre ce qui casse, ce qui fonctionne, ce que les ingénieurs acceptent d'utiliser au quotidien.
Deuxièmement, la référence. Dans la vente aux grands comptes industriels, rien ne convainc mieux qu'un pair. Mistral a bâti sa stratégie commerciale sur cette logique de contrats phares avec des champions européens : on lui connaît déjà des accords annoncés avec des acteurs comme Stellantis dans l'automobile, CMA CGM dans le transport maritime et la logistique, ou encore des institutions financières et publiques françaises. Chaque signature avec une entreprise du CAC 40 sert de démonstration aux suivantes.
Troisièmement, la souveraineté. C'est l'argument de vente central de la société fondée en 2023 par Arthur Mensch, Guillaume Lample et Timothée Lacroix, face à des concurrents américains dominants. Un opérateur pétrolier manipule des données dont la sensibilité dépasse le secret commercial : cartes de réserves, contrats avec des États hôtes, informations qui intéressent les services de renseignement autant que les concurrents. La possibilité de faire tourner les modèles dans une infrastructure contrôlée, voire sur les serveurs du client, n'est pas un argument marketing dans ce contexte. C'est une condition d'entrée.
Une jeune pousse devenue poids lourd
Mistral AI a franchi en 2025 une étape décisive avec un tour de financement de grande ampleur mené par le néerlandais ASML, le fabricant d'équipements de lithographie indispensable à toute la chaîne mondiale des semi-conducteurs. L'opération a porté la valorisation de l'entreprise dans la fourchette des dizaines de milliards, et surtout, elle a ancré son actionnariat en Europe plutôt que dans la Silicon Valley — un choix assumé.
Ce positionnement crée une attente : celle de démontrer qu'un modèle d'affaires fondé sur l'entreprise, plutôt que sur le grand public, peut générer des revenus récurrents substantiels. Les contrats industriels de plusieurs dizaines de millions d'euros sont la réponse à cette attente. Ils sont aussi, pour un fournisseur, infiniment plus prévisibles que les abonnements grand public, où la concurrence se joue à coups de produits gratuits financés par des trésoreries colossales.
Le contexte : un marché de l'IA devenu nerveux
L'annonce tombe dans un climat boursier moins euphorique. Les places asiatiques ont clôturé en baisse ce mardi 15 septembre, après un recul des valeurs liées à l'intelligence artificielle à Wall Street la veille, comme l'a rapporté Estadão. Le Kospi sud-coréen a cédé 0,85 %, le Hang Seng 1 %, tandis que le Nikkei restait pratiquement stable. À cela s'ajoutent des données économiques chinoises mitigées et un revirement spectaculaire sur les taux américains : MarketWatch a rapporté que Morgan Stanley a rejoint Goldman Sachs pour anticiper, à la dernière minute, une hausse de la Réserve fédérale — un scénario qui pèse mécaniquement sur les valorisations des sociétés de croissance.
Dans un marché qui commence à exiger des preuves plutôt que des promesses, un contrat industriel adossé à des gains opérationnels mesurables vaut mieux qu'une démonstration spectaculaire. C'est probablement le principal message envoyé par cette alliance aux investisseurs.
Le débat sur les risques de l'IA continue par ailleurs d'occuper l'espace public. Deutsche Welle rapportait récemment les avertissements de chercheurs de premier plan contre une course non régulée vers la superintelligence. Ce débat existentiel cohabite désormais avec une réalité beaucoup plus prosaïque : l'essentiel du déploiement concret de l'IA se joue dans des salles de contrôle, des services d'ingénierie et des départements de conformité.
Les angles morts
Trois réserves méritent d'être posées.
La première est le taux d'échec. Les projets d'IA en entreprise butent rarement sur la technologie et presque toujours sur la qualité des données, l'intégration aux systèmes existants et l'adoption par les équipes. Une raffinerie fonctionne avec des automates industriels dont certains ont plus de vingt ans. Brancher un modèle de langage sur cet héritage relève autant de la plomberie informatique que de l'innovation.
La deuxième est la responsabilité. Dans un environnement où une erreur de jugement peut coûter des vies, l'usage d'un système probabiliste pose des questions d'assurance, de certification et de traçabilité que les régulateurs européens commencent à peine à cadrer.
La troisième est la contradiction énergétique. Un groupe qui investit dans l'IA pour mieux développer ses projets pétroliers et gaziers augmente, en bout de chaîne, la demande électrique des centres de données tout en optimisant l'extraction d'hydrocarbures. Les deux mouvements sont rationnels du point de vue de l'entreprise. Ils sont plus difficiles à concilier avec les discours de transition.
Ce qu'il faut surveiller
Le véritable test viendra dans dix-huit à trente-six mois : combien de cas d'usage seront passés du pilote à la production, et avec quels résultats chiffrés publiés. Si le modèle fonctionne, d'autres majors européennes suivront, et les fournisseurs américains de modèles devront répondre sur le terrain de la souveraineté des données industrielles — un terrain où ils partent avec un handicap structurel en Europe.
Si le modèle déçoit, ce sera un argument de plus pour ceux qui estiment que l'IA générative produit surtout des dépenses avant de produire des économies. L'industrie pétrolière et gazière, qui a connu plusieurs vagues de numérisation aux promesses inégalement tenues, en a déjà vu passer quelques-unes.