IA souveraine : Subti.AI veut remplacer les appels répétés aux LLM par une exécution déterministe

L’IA souveraine en entreprise ne se joue plus seulement sur l’origine du modèle ou l’emplacement des serveurs. Elle commence aussi à se poser en termes d’architecture.

C’est le terrain choisi par Subti.AI. Fondée à Lyon en 2026 par Corentin Fayard, la jeune entreprise lance une technologie qui tente de séparer deux moments que l’IA générative mélange souvent : comprendre d’un côté, exécuter de l’autre.

Le principe est simple à expliquer. Lorsqu’un processus est nouveau, complexe ou comporte une exception, l’IA générative intervient. Elle analyse les documents, l’environnement, les règles métier et les interfaces. Mais lorsqu’une opération a été comprise, testée et validée, Subti.AI propose de la transformer en règles d’exécution déterministes.

Autrement dit : ne pas demander à un grand modèle de « réfléchir » à chaque fois lorsqu’il s’agit de refaire exactement la même chose.

IA souveraine en entreprise : apprendre une fois, exécuter ensuite

Cette approche hybride rapproche deux mondes. D’un côté, l’IA générative apporte sa capacité d’interprétation. De l’autre, l’automatisation classique apporte de la prévisibilité lorsqu’un processus devient stable.

Subti.AI explique que sa plateforme peut apprendre les processus, les règles métier, les documents, les logiciels et les interfaces propres à une organisation. Une fois le fonctionnement validé par les équipes, certaines opérations peuvent être exécutées sans nouvel appel à un LLM.

La société cite notamment des cas dans l’industrie, l’agroalimentaire, le BTP, le tertiaire et le secteur public, sans dévoiler pour l’instant de noms de clients dans son communiqué.

Cette promesse rejoint une évolution plus large du marché. Les directions générales ne veulent plus seulement des assistants capables de générer du texte. Elles cherchent désormais des systèmes capables d’agir dans les processus métiers.

Business Times analysait récemment cette bascule à travers l’essor de l’IA agentique chez ekino : Ekino accélère dans l’IA agentique.

Le coût de l’IA devient un vrai sujet de direction financière

Pourquoi cette idée arrive-t-elle maintenant ? Parce que les usages augmentent vite et que les modèles de facturation suivent généralement la consommation.

API, tokens, crédits, agents, puissance de calcul : à mesure que l’entreprise augmente le nombre de requêtes, sa facture peut progresser elle aussi. L’enjeu devient particulièrement sensible lorsqu’un modèle est sollicité pour des opérations répétitives dont le comportement est déjà connu.

Subti.AI présente justement son architecture comme une façon de transformer une partie de cette dépense variable en capacité d’exécution plus prévisible. Sur son site, la société annonce jusqu’à 80 % de réduction des coûts d’inférence récurrents, du temps GPU et de l’empreinte énergétique sur des processus stables. Elle précise toutefois que ces gains ne sont pas garantis pour chaque déploiement et doivent être mesurés lors d’un pilote.

C’est une nuance importante. Les performances dépendent du processus, du modèle de comparaison, de l’infrastructure et du volume réellement exécuté.

Business Times vient d’ailleurs de consacrer un entretien à une question devenue centrale : comment mesurer le ROI réel de l’intelligence artificielle.

La consommation énergétique de l’IA n’est plus un sujet marginal

L’argument de sobriété ne vient pas de nulle part.

L’Agence internationale de l’énergie estime que la consommation électrique mondiale des centres de données a progressé de 17 % en 2025. Celle des centres de données spécifiquement orientés vers l’IA aurait augmenté de 50 % sur la même période.

En France, l’ADEME a publié en juillet 2026 un avis consacré aux impacts environnementaux de l’IA générative. L’agence souligne que le développement des usages d’IA devrait contribuer fortement à la hausse de la consommation énergétique des centres de données.

Ces chiffres ne permettent pas d’attribuer une consommation universelle à une requête d’IA. Celle-ci varie énormément selon le modèle, le matériel, la longueur du raisonnement, le type de tâche et le mix électrique utilisé.

C’est précisément pourquoi les annonces de gains énergétiques doivent être documentées processus par processus.

Infographie Subti.AI : comparaison illustrative de 1 000 exécutions répétitives. Les chiffres de 98 % d’énergie en moins et « 52 fois plus efficace » présentés dans le support presse correspondent à une estimation de l’entreprise sur un scénario donné. Ils ne constituent pas un benchmark indépendant et ne doivent pas être généralisés à tous les usages.

Attention au chiffre de 98 % présenté dans l’infographie

La pièce jointe fournie par Subti.AI contient une infographie particulièrement parlante. Elle compare 1 000 actions répétitives exécutées par une IA générative traditionnelle avec le modèle hybride de Subti.

Dans cette simulation, Subti estime environ 300 Wh de consommation énergétique pour 1 000 exécutions génératives, contre 5,8 Wh après apprentissage et bascule vers une exécution déterministe. Le support en déduit environ 98 % d’énergie en moins et une efficacité multipliée par 52.

Ces chiffres sont intéressants pour comprendre la logique technique. Mais ils doivent rester présentés comme une simulation illustrative produite par Subti.AI. Le propre site de la société utilise aujourd’hui une formulation plus prudente : jusqu’à 80 % de réduction sur des processus récurrents et stables, avec mesure à valider au cas par cas.

Pour une publication destinée à des dirigeants, c’est cette formulation que nous retenons.

Souveraineté : l’hébergement local améliore le contrôle, mais ne règle pas tout

Subti.AI met également en avant la souveraineté. La solution peut être déployée sur les serveurs du client, dans un cloud privé ou sur une infrastructure dédiée.

Cette possibilité répond à une préoccupation réelle. La CNIL recommande, lorsque des données personnelles ou des documents sensibles sont utilisés, d’examiner avec attention le mode de déploiement. Elle indique qu’une solution sur site peut limiter le risque d’extraction de données auprès d’un tiers.

Mais « souverain » ne signifie pas automatiquement « sécurisé ».

L’ANSSI rappelle que les systèmes d’IA générative doivent faire l’objet de mesures de sécurité spécifiques, d’audits, de tests de robustesse et d’un déploiement maîtrisé. L’hébergement constitue donc une brique de la souveraineté, pas une garantie à lui seul.

Business Times avait déjà détaillé ces enjeux : IA en entreprise et RGPD : les règles à respecter avant de déployer un outil.

Le vrai changement : transformer le savoir-faire en actif logiciel

C’est probablement ici que le discours de Subti.AI devient le plus intéressant pour les dirigeants.

Dans un modèle classique, une entreprise paie pour accéder à une intelligence externe. Elle l’interroge, reçoit une réponse, puis recommence lors de la tâche suivante.

Subti défend une autre logique : utiliser l’IA pour extraire progressivement les règles du métier, puis conserver ces règles sous une forme exploitable par l’organisation.

Si cette approche tient ses promesses, une partie du savoir-faire qui résidait auparavant dans les procédures, les habitudes des équipes ou les interactions avec un modèle pourrait être transformée en actif technologique interne.

Ce point intéresse directement les PME et ETI françaises, alors que l’État cherche justement à accélérer l’adoption de solutions d’IA maîtrisées. Business Times avait analysé le lancement de l’appel France 2030 destiné aux solutions d’IA souveraines pour les PME et ETI : France 2030 lance un appel pour l’IA dans les PME et ETI.

Dans le BTP aussi, les éditeurs commencent à intégrer l’IA au cœur des logiciels métiers. Notre autre titre Business BTP a récemment analysé cette transformation chez Irium Software : Irium Software mise sur l’IA dans ses logiciels métiers.

L’IA de demain ne sera peut-être pas générative partout

Le discours autour de l’intelligence artificielle s’est beaucoup concentré sur la taille des modèles.

Subti.AI pose une question différente : faut-il réellement utiliser un grand modèle pour chaque action ?

Pour une opération nouvelle, ambiguë ou changeante, probablement. Pour une tâche répétitive, validée et encadrée, pas forcément.

Cette distinction paraît évidente. Elle pourrait pourtant devenir structurante dans les prochaines années, à mesure que l’IA quitte les démonstrateurs pour exécuter des millions d’opérations quotidiennes.

Pour les directions générales, le sujet ne sera alors plus seulement de choisir le meilleur modèle.

Il faudra décider où l’intelligence générative apporte réellement de la valeur, où une règle déterministe suffit et comment conserver la maîtrise des deux.

C’est sur cette frontière que Subti.AI veut désormais construire sa place.