Mistral AI : que vaut réellement le nouveau modèle français face aux géants ?

Mistral AI bouscule les lignes de l’intelligence artificielle : en quelques années, cette start-up est passée du statut de pari audacieux à celui de symbole d’une technologie française capable de rivaliser avec les géants technologiques américains et chinois. Son pari ? Proposer un modèle français de pointe, performant en langues européennes, ouvert aux développeurs et pensé pour la souveraineté numérique. Tandis que les grands groupes s’appuient sur OpenAI ou Google, de plus en plus d’entreprises européennes testent désormais les modèles Mistral pour leurs assistants, leurs moteurs de recherche internes ou leurs outils d’analyse de documents.

Dans ce contexte de concurrence mondiale féroce sur les modèles de langage, la question devient simple, presque brutale : que vaut vraiment Mistral AI face aux géants technologiques ? Les premiers benchmarks montrent une performance solide, notamment en compréhension contextuelle, en rapidité d’exécution et en gestion de plusieurs langues. Mais au-delà des chiffres, c’est tout un écosystème qui se dessine : datacenters installés en Europe, alliances avec des industriels clés, débats sur la fiscalité et la souveraineté. L’enjeu dépasse la seule innovation technique : il touche directement la capacité de l’Europe à exister dans la course mondiale à l’apprentissage automatique.

En bref 🔍

• 🇫🇷 Mistral AI incarne un modèle français d’IA visant la souveraineté technologique européenne.
• 🚀 Sa performance en langues européennes et sa rapidité en font un concurrent crédible d’OpenAI et Google.
• 🧠 L’entreprise s’appuie sur des modèles ouverts, adaptés aux besoins des développeurs et des PME comme des grands groupes.
• 🏭 Datacenters en France, partenariats industriels et levées de fonds records structurent son avantage compétitif.
• ⚖️ Fiscalité, infrastructures et accès aux talents restent des défis majeurs face aux géants technologiques américains.

Mistral AI : le pari d’un modèle français souverain dans l’intelligence artificielle

Pour comprendre ce que vaut réellement Mistral AI, il faut d’abord replacer la start-up dans son environnement : une Europe souvent décrite comme en retard dans l’intelligence artificielle, coincée entre la puissance de feu des États-Unis et l’accélération de la Chine. C’est dans ce paysage que trois anciens chercheurs de DeepMind et Meta ont lancé, en 2023, une jeune pousse parisienne avec une ambition claire : prouver qu’un champion européen de l’apprentissage automatique est possible.

Cette ambition n’est pas qu’un slogan marketing. Dès les premiers mois, Mistral AI affiche une stratégie lisible : développer des modèles de langage performants, optimiser leur usage pour les langues européennes et assumer une approche ouverte, avec des modèles en open-weight que les développeurs peuvent déployer sur leurs propres infrastructures. L’idée est simple : permettre aux entreprises, administrations et scale-ups d’intégrer l’IA sans dépendre entièrement des serveurs et des règles des géants américains.

Pour illustrer cela, imaginons Julie, directrice digitale d’un groupe industriel européen. Pendant longtemps, son service juridique refusait que les documents sensibles soient envoyés vers des API hébergées hors d’Europe. Avec les modèles de Mistral, déployés sur des serveurs installés en France ou dans le cloud européen, elle peut enfin créer un assistant documentaire interne qui interroge des milliers de contrats, en plusieurs langues, sans crainte excessive de fuite de données. C’est exactement ce type de cas d’usage que Mistral veut généraliser.

La notion de souveraineté est au cœur du projet. Elle dépasse la simple question du lieu d’hébergement des données. Elle concerne aussi la capacité à maîtriser la chaîne complète : de la conception du modèle à son déploiement industriel, en passant par l’accès aux puces, aux datacenters et aux compétences. En revendiquant une « technologie développée et détenue en France, avec des talents européens », la start-up se positionne comme un symbole de la reconquête technologique du continent.

Ce positionnement attire rapidement l’attention des investisseurs. En moins de trois ans, Mistral AI atteint une valorisation estimée à 11,7 milliards d’euros, faisant d’elle l’une des plus rapides licornes de la French Tech. Cette trajectoire fulgurante témoigne d’un appétit très clair du marché pour une alternative européenne crédible aux solutions venues de la Silicon Valley.

Reste une interrogation clé : un tel acteur peut-il rester européen tout en visant un marché mondial ? Mistral répond par un modèle hybride : ancrage européen, clientèle globale. Ses modèles sont utilisés en France, en Allemagne, mais aussi par des entreprises nord-américaines ou asiatiques désireuses de profiter de sa spécialisation multilingue. C’est là que commence vraiment la comparaison avec les géants.

Un positionnement unique face aux géants technologiques américains

Face à OpenAI, Google ou Anthropic, Mistral ne joue pas seulement la carte « européen contre américain ». La société mise sur plusieurs atouts concrets : modèles plus compacts, efficacité énergétique, transparence accrue et intégration facilitée. Là où certains géants misent sur des modèles gigantesques, la stratégie Mistral consiste à proposer des modèles plus légers, mais très bien optimisés, qui peuvent tourner avec des ressources plus raisonnables chez le client.

Cette orientation est particulièrement intéressante pour les entreprises qui ne disposent pas d’équipes data massives. Un éditeur de logiciels B2B ou une PME industrielle peut intégrer un modèle Mistral dans son application sans investir dans des supercalculateurs. Cette accessibilité change la donne pour la diffusion de l’intelligence artificielle générative dans le tissu économique européen.

Dernier élément clé : la manière dont Mistral AI communique. Là où certains géants restent très opaques sur leurs choix de données ou leurs hypothèses de conception, la jeune pousse française valorise un discours d’ouverture et de dialogue avec les chercheurs, les développeurs et les régulateurs. Dans un environnement où la confiance devient un avantage compétitif, cette posture peut faire la différence.

Cette première approche générale pose le décor. Pour mesurer plus finement ce que vaut vraiment Mistral, il faut maintenant regarder des éléments plus concrets : performance technique, cas d’usage terrain et comparaison chiffrée avec les grands noms de l’IA.

Performance des modèles Mistral AI : compréhension, vitesse et langues européennes

La valeur d’un modèle français d’IA ne se mesure pas au seul montant de ses levées de fonds. Ce qui intéresse un CTO, un responsable data ou un fondateur de start-up, ce sont des éléments concrets : précision des réponses, robustesse, latence, coût de déploiement. Sur ces points, les modèles de Mistral se sont progressivement imposés comme une alternative sérieuse face aux références nord-américaines.

Les derniers tests indépendants mettent en évidence plusieurs forces. D’abord, la compréhension contextuelle : la capacité du modèle à suivre une conversation longue, à tenir compte des messages précédents et à ne pas « oublier » des contraintes exprimées en début de dialogue. Sur ce plan, les modèles de la famille Mistral rivalisent avec les grands modèles fermés d’OpenAI sur de nombreux benchmarks publics.

Ensuite vient la question cruciale de la langue. De nombreux modèles entraînés majoritairement en anglais remontent encore des erreurs subtiles lorsqu’ils sont utilisés en français, en allemand ou en espagnol : faux amis, formulations maladroites, tournures trop littérales. Mistral AI a fait de la maîtrise des langues européennes un axe stratégique, ce qui se traduit par un niveau stylistique et terminologique souvent plus naturel pour les utilisateurs francophones et leurs clients.

Pour un service client, par exemple, cette nuance est décisive. Un chatbot qui répond de façon trop « traduite » peut dégrader l’image de marque. Un modèle qui maîtrise le registre familier, les expressions idiomatiques et les références locales crée une expérience plus crédible. C’est précisément ce que recherchent de nombreuses entreprises françaises qui testent Mistral sur leurs flux entrants.

La rapidité d’exécution est un autre facteur clef. Grâce à des modèles optimisés et à un travail approfondi sur l’inférence (la phase pendant laquelle l’IA génère une réponse), Mistral parvient à offrir des latences très compétitives, y compris sur des serveurs moins puissants. Cela se traduit, pour un site e-commerce ou une application mobile, par des interactions fluides, sans temps d’attente pénalisant pour l’utilisateur.

Pour visualiser le positionnement de Mistral dans la compétition mondiale, voici un tableau simplifié :

Ces chiffres rappellent une réalité : la puissance financière des géants reste largement supérieure. Pourtant, la performance perçue par l’utilisateur final, elle, n’est pas toujours corrélée à la taille du bilan. C’est ce que montre, par exemple, la montée en puissance de modèles plus compacts comme ceux de Mistral, capables de remplacer dans certains cas des architectures beaucoup plus volumineuses.

De nombreux développeurs soulignent l’avantage de ces modèles plus « petits » : ils sont plus faciles à intégrer dans des environnements contraints, par exemple sur un serveur privé, voire à terme sur des appareils en périphérie (edge computing). Cela ouvre la voie à des usages d’IA embarquée dans l’industrie, la santé ou la défense, où les contraintes de souveraineté et de sécurité sont encore plus fortes.

Pour compléter le tableau, il faut évoquer la robustesse : résistance aux « prompts » malveillants, qualité des réponses sur des sujets sensibles, capacité à refuser certains types de demandes. Mistral travaille, comme ses concurrents, sur des systèmes de garde-fous et de filtrage. La spécificité européenne se retrouve ici : davantage de sensibilité aux réglementations comme le RGPD ou l’AI Act, et une attention particulière portée aux biais et à la transparence.

En résumé, la valeur de Mistral AI ne tient pas uniquement à la vitesse ou aux scores sur des benchmarks. Elle repose sur un triptyque : qualité linguistique, efficacité technique, adéquation aux contraintes européennes. Cette combinaison explique pourquoi tant d’acteurs commencent à tester ces modèles dans des environnements de production.

Cas pratiques : du service client aux outils internes de productivité

Sur le terrain, les entreprises ne comparent pas les modèles sur des lignes de code, mais sur des résultats concrets. Plusieurs cas d’usage reviennent souvent lorsqu’on parle de Mistral AI :

• 💬 Assistants de service client multilingues pour répondre en français, allemand, espagnol avec un ton cohérent à la marque.
• 📄 Analyse de documents pour résumer des contrats, extraire des clauses, générer des comptes rendus en interne.
• 🧾 Automatisation marketing : rédaction de contenus, segmentation de messages, génération de scénarios d’e-mailing.
• 🛠️ Assistants développeurs pour aider à la génération de code, à la documentation technique ou au debug.

Pour des exemples plus techniques autour des outils d’IA appliquée, certains professionnels comparent aussi Mistral à d’autres solutions d’apprentissage automatique décrites sur des ressources spécialisées comme cet article détaillant un outil IA avancé. Ces comparaisons aident à évaluer la maturité des différents modèles et leur pertinence selon les secteurs.

Chaque cas pratique nourrit un constat : lorsque le français et les autres langues européennes sont au centre du besoin, Mistral joue clairement sur son terrain de prédilection.

Cette dimension pratique fait le lien naturel avec une autre question clé : comment Mistral parvient-elle à exister, économiquement et industriellement, face à des colosses adossés à des géants du cloud ? C’est ce que nous allons explorer maintenant, en plongeant dans la mécanique de la concurrence transatlantique.

Concurrence avec les géants technologiques : ressources, datacenters et alliances

Se mesurer aux géants de l’intelligence artificielle ne se joue pas seulement au niveau des algorithmes. La vraie bataille se déroule aussi dans les coulisses : capacité de calcul, accès aux puces, coûts énergétiques, partenariats industriels. Sur ce terrain, Mistral AI part logiquement avec un handicap face à OpenAI, soutenu par Microsoft, ou DeepMind, intégré à Google.

Le principal verrou ? Le calcul. Entraîner un modèle de langage de nouvelle génération exige des dizaines de milliers de GPU de dernière génération, des infrastructures de refroidissement complexes et une optimisation logicielle de très haut niveau. Pour une start-up européenne, constituer et opérer une telle infrastructure relève du défi industriel autant que scientifique.

Consciente de cet enjeu, Mistral a fait un choix stratégique fort : investir dans des datacenters situés sur le sol français, afin de disposer de capacités d’entraînement et d’inférence à l’échelle industrielle, tout en maîtrisant la localisation des données. Cette décision répond à la fois aux exigences réglementaires européennes et à la volonté de prouver que l’Europe peut se doter de ses propres « usines à modèles ».

Mais les datacenters ne suffisent pas. Ils doivent être alimentés par des puces de très haute performance, un domaine où le champion européen s’appelle ASML, spécialiste néerlandais des machines de lithographie avancée. L’alliance entre Mistral et ASML s’inscrit dans une logique de chaîne de valeur intégrée : du matériel au logiciel, l’IA européenne cherche à réduire sa dépendance aux acteurs extra-européens.

Ce partenariat est emblématique : il signifie que Mistral ne se contente pas d’optimiser son code, mais contribue à structurer un véritable écosystème industriel. En travaillant avec un acteur clé des semi-conducteurs, l’entreprise se donne les moyens d’obtenir, à moyen terme, un accès plus stable et plus prévisible aux ressources matérielles indispensables à l’apprentissage automatique de très grande échelle.

Face à cette montée en puissance, les géants technologiques ne restent évidemment pas inactifs. Les offres cloud intégrant des modèles comme GPT-4, Claude ou Gemini continuent de se développer, avec des intégrations profondes dans les suites bureautiques, les environnements de développement et les outils métier. C’est là que se joue une autre dimension de la concurrence : la bataille des plateformes.

Pour exister, Mistral doit donc proposer une alternative crédible non seulement sur le plan technique, mais aussi sur l’angle de l’intégration. D’où l’importance de son écosystème d’API, de connecteurs, de SDK, et de partenariats avec des fournisseurs de cloud européens ou globaux. De nombreuses jeunes pousses Saas, par exemple, choisissent d’intégrer les modèles Mistral comme une brique optionnelle dans leurs produits, offrant à leurs clients le choix entre différentes IA, selon leurs contraintes de souveraineté et de coût.

Les difficultés restent importantes, cependant. L’accès aux financements reste moins abondant en Europe qu’aux États-Unis, et les talents experts en IA de pointe sont courtisés par toutes les grandes entreprises mondiales. Mistral doit attirer et retenir ces profils dans un environnement où la rémunération, les perspectives de carrière et les conditions de travail sont scrutées à la loupe.

Pour résumer, la confrontation n’est pas symétrique : Mistral affronte des colosses installés depuis plus d’une décennie. Mais grâce à un mix de choix techniques agiles, d’alliances industrielles et d’ancrage européen, la start-up française est parvenue à se tailler une place réelle dans la compétition, au lieu de rester un simple symbole politique.

Impact business : pourquoi les entreprises regardent au-delà des géants

Du point de vue d’un dirigeant, la montée de Mistral offre une chose précieuse : un choix stratégique. Plutôt que de dépendre d’un seul géant de l’IA pour tous ses usages, une entreprise peut diversifier ses fournisseurs, tester plusieurs modèles, et sélectionner celui qui répond le mieux à ses besoins métier, à son budget et à ses contraintes réglementaires.

Cette pluralité profite aussi à l’innovation. Les géants ne répondent pas à tous les besoins de niche. Un acteur plus agile comme Mistral peut parfois adapter ses modèles, sa feuille de route ou ses services d’accompagnement à des secteurs spécifiques : industrie, défense, banque, secteur public. Pour ces acteurs, disposer d’un interlocuteur européen, au fuseau horaire proche, et soumis aux mêmes réglementations constitue un avantage très concret.

Au final, la valeur de Mistral dans cette compétition tient autant à ce qu’elle produit techniquement qu’à ce qu’elle change dans la structure du marché : elle redonne du pouvoir de négociation aux utilisateurs et remet l’Europe dans la conversation mondiale sur l’IA.

Défis fiscaux et réglementaires : le fragile équilibre entre justice sociale et innovation

La trajectoire de Mistral AI ne se joue pas uniquement dans les laboratoires et les datacenters. Elle se décide aussi dans les parlements et les ministères, là où se conçoivent les règles fiscales et réglementaires qui encadrent la technologie française. C’est particulièrement visible dans les débats récents sur la taxation des hauts patrimoines, comme la fameuse « taxe Zucman » évoquée par plusieurs économistes.

L’idée de cette taxe est de mieux contribuer au financement de la solidarité nationale en ciblant davantage les grandes fortunes. Sur le papier, l’objectif social peut sembler légitime. Cependant, de nombreuses voix – y compris des économistes reconnus comme Philippe Aghion – alertent sur un risque : fragiliser les entreprises innovantes comme Mistral et, à terme, décourager la création de nouveaux champions européens de l’intelligence artificielle.

Pourquoi un tel risque ? Parce que l’écosystème des start-up deeptech repose en partie sur des cycles d’investissement longs et risqués. Les premiers investisseurs – business angels, fonds de capital-risque – acceptent de perdre de l’argent sur plusieurs paris en espérant qu’une poignée de réussites compenseront leurs pertes. Si la fiscalité rend ces paris moins attractifs, l’argent se déplacera vers des marchés jugés plus favorables, souvent aux États-Unis.

Cela peut entraîner deux effets en chaîne : moins de financements disponibles pour les jeunes pousses et une tentation accrue, pour les fondateurs de scale-ups comme Mistral, de déplacer tout ou partie de leurs activités vers des territoires plus attractifs. C’est ce scénario que redoutent nombre d’acteurs de la French Tech, qui craignent une nouvelle vague de « fuite des cerveaux » et de « fuite des capitaux ».

Le dilemme est clair : comment concilier une exigence légitime de justice fiscale avec la nécessité de rester compétitif dans des secteurs comme l’IA, où les enjeux géopolitiques sont énormes ? La réponse se joue probablement dans la finesse du calibrage : dispositifs de soutien à l’innovation, crédits d’impôt recherche, régimes spécifiques pour les stock-options ou pour les réinvestissements dans l’économie productive.

Pour une entreprise comme Mistral AI, la stabilité et la lisibilité du cadre réglementaire comptent autant que le niveau exact de la taxation. Les dirigeants ont besoin de se projeter à cinq ou dix ans pour planifier la construction de datacenters, le recrutement de centaines d’ingénieurs et la signature de contrats internationaux. Une succession de signaux contradictoires peut avoir un effet dissuasif, même si la fiscalité moyenne reste compétitive sur le papier.

Du côté des régulations sectorielles, l’AI Act européen illustre un autre versant de cette équation. Pensé pour encadrer les usages de l’IA, notamment ceux à « haut risque », il impose des exigences de transparence, de documentation et de contrôle qui pèsent sur tous les acteurs, Mistral compris. Mais il peut aussi devenir un avantage comparatif : en s’alignant très tôt sur des standards exigeants, la start-up se positionne comme un fournisseur fiable pour les secteurs régulés (banque, santé, services publics).

Le véritable enjeu pour l’Europe est donc de construire un environnement où innovation, protection des citoyens et compétitivité économique ne s’opposent pas systématiquement. Mistral, par sa visibilité, cristallise ces tensions et devient un cas d’école : si la société prospère, le signal envoyé aux entrepreneurs sera puissant ; si elle vacille à cause d’un cadre trop contraignant, le message serait tout aussi clair, mais beaucoup plus inquiétant.

Comment les entreprises perçoivent ce contexte

Pour un dirigeant ou un DAF qui envisage d’adopter une solution Mistral AI, ces débats fiscaux et réglementaires ne sont pas abstraits. Ils interrogent la pérennité du fournisseur : sera-t-il encore là dans cinq ans ? Continuera-t-il à investir dans ses modèles ? Restera-t-il basé en Europe ou sera-t-il racheté par un géant étranger ?

Pour l’instant, la dynamique reste clairement positive : levées de fonds importantes, soutien politique affiché à la souveraineté numérique, intérêt croissant des grands groupes. Mais la vigilance s’impose. Les choix politiques des prochaines années pèseront lourd sur la capacité de la technologie française à rester dans la course, et sur la réponse à la question qui nous occupe : Mistral a-t-elle vraiment les moyens de tenir tête durablement aux géants ?

Impact business et marketing : comment Mistral AI change la stratégie des entreprises

Derrière les batailles de benchmarks et les débats institutionnels, Mistral AI transforme déjà la manière dont les entreprises conçoivent leurs produits, leurs services et leur marketing. Pour beaucoup d’organisations, l’émergence d’un modèle français performant change une chose essentielle : la perception du risque lié à l’IA.

Avant, un dirigeant français pouvait hésiter à confier son service client, ses campagnes marketing ou ses outils internes à une IA américaine, par crainte de problèmes de conformité, de transfert de données ou simplement de dépendance stratégique. Aujourd’hui, il peut arbitrer entre plusieurs offres, dont une option européenne forte, ce qui rééquilibre la relation de force.

Sur le plan marketing, l’intelligence artificielle générative propulsée par Mistral permet de produire en quelques minutes des contenus adaptés à chaque langue, chaque canal, chaque segment de clientèle. On peut imaginer une marque de cosmétique européenne qui génère des descriptions de produits différentes pour la France, l’Italie et l’Allemagne, avec des références culturelles adaptées et un ton harmonisé.

Pour structurer leur réflexion, beaucoup d’équipes marketing et produits se basent sur des comparaisons d’outils et d’API, qu’il s’agisse de modèles de Mistral, d’outils américains ou encore de solutions alternatives décrites dans des analyses comme celles de sites spécialisés sur les capacités des IA. Cette démarche d’évaluation multi-fournisseurs est saine : elle limite les effets de mode et pousse chaque acteur, Mistral compris, à maintenir un haut niveau de service.

Du côté des directions des systèmes d’information (DSI), l’arrivée d’un acteur européen crédible facilite les discussions avec les métiers. Les équipes peuvent proposer des solutions d’IA en mettant en avant non seulement la performance brute, mais aussi la conformité et la maîtrise des données. Pour des secteurs régulés comme la banque ou la santé, cela change la donne et accélère les projets qui stagnaient pour des raisons de compliance.

Pour les start-up, l’effet est tout aussi structurant. Intégrer un modèle Mistral via API permet de lancer rapidement un MVP (produit minimum viable) d’assistant, de moteur de recherche augmenté ou d’outil d’aide à la décision. Si le projet décolle, la possibilité de déployer plus tard le même modèle sur une infrastructure dédiée apporte une flexibilité appréciable, que n’offrent pas toujours les solutions purement cloud de certains géants.

Enfin, sur le plan de la marque employeur, travailler avec ou chez Mistral AI peut devenir un argument pour attirer des talents. Pour beaucoup de jeunes ingénieurs ou data scientists européens, contribuer à une technologie française qui défie les plus grands acteurs mondiaux a une dimension symbolique forte, presque générationnelle. Cela nourrit un cercle vertueux : plus l’entreprise attire de talents, plus ses modèles progressent, plus elle conquiert de clients, et plus elle renforce son attractivité.

Vers une nouvelle façon de penser l’IA dans la stratégie d’entreprise

Au fond, l’apport de Mistral AI ne se résume pas à une meilleure traduction ou à quelques millisecondes gagnées sur la latence. Il pousse les dirigeants à reposer une question fondamentale : quelle place voulons-nous donner à l’IA dans notre modèle économique, et avec quels partenaires ?

La possibilité de choisir un acteur européen puissant, de l’évaluer objectivement face aux géants et de construire une relation de long terme change la philosophie de nombreux projets. On ne parle plus seulement d’outillage, mais de stratégie de souveraineté numérique, à l’échelle de l’entreprise, pas seulement des États.

Mistral AI est-elle vraiment au niveau des géants comme OpenAI ou Google ?

Sur plusieurs usages concrets, notamment en français et en langues européennes, les modèles de Mistral offrent une qualité comparable à celle des grands acteurs américains. Les géants gardent une avance sur certains aspects (écosystèmes intégrés, puissance de calcul), mais Mistral compense par des modèles plus compacts, une meilleure souveraineté des données et une forte adaptation au contexte européen.

Quels sont les principaux avantages de Mistral AI pour une entreprise française ou européenne ?

Les avantages majeurs sont : une meilleure maîtrise des langues européennes, la possibilité de déployer les modèles sur des infrastructures situées en Europe, une conformité facilitée avec le RGPD et l’AI Act, et la réduction de la dépendance totale à un seul géant technologique américain. Cela permet d’intégrer l’IA dans la stratégie tout en gardant un contrôle sur les données et les coûts.

Mistral AI est-elle adaptée aux PME ou seulement aux grands groupes ?

Mistral AI cible autant les grands groupes que les PME et les start-up. Ses modèles plus compacts peuvent être intégrés via API ou déployés sur des infrastructures plus modestes, ce qui les rend accessibles à des structures qui n’ont pas de supercalculateurs ni de grandes équipes data. De nombreuses jeunes entreprises utilisent déjà Mistral pour des assistants clients, des outils internes ou des produits SaaS.

La fiscalité européenne peut-elle freiner le développement de Mistral AI ?

Un cadre fiscal trop lourd ou instable pourrait effectivement décourager certains investissements et inciter des acteurs comme Mistral à se tourner vers des marchés plus attractifs. C’est pourquoi plusieurs économistes appellent à un équilibre : préserver la justice sociale tout en offrant des conditions suffisamment favorables aux entreprises deeptech stratégiques pour l’avenir de l’Europe.