Résumé
- G42 doit être jugée sur la charge de travail d’IA souveraine acceptée, et non sur la taille de ses annonces d’investissement. Une charge de travail n’a pas créé de valeur tant qu’elle n’est pas en production avec une localisation des données opposable, une utilisation autorisée du calcul, un contrôle d’accès clair, une journalisation, une responsabilité sectorielle et un coût opérationnel défendable.
- L’entreprise dispose d’atouts inhabituellement solides pour ce marché: les produits cloud souverain Core42, la capacité des centres de données de Khazna, le partenariat avec Microsoft Azure, les plans de campus d’IA alignés sur les États-Unis, les contrôles de technologie réglementée, les plateformes de données de santé via M42, et des documents publics de gouvernance de l’IA responsable. Ces atouts renforcent la crédibilité, mais ils ne prouvent pas que chaque client réglementé puisse déployer de manière sûre ou économique.
- La tension commerciale centrale est la dépendance. La proposition souveraine de G42 est plus solide parce qu’elle est liée à Microsoft, OpenAI, Oracle, NVIDIA, Cisco, AMD, Khazna et aux canaux de calcul approuvés par les États-Unis; elle est aussi plus exposée car les acheteurs doivent faire confiance aux frontières entre le contrôle de G42, la technologie des partenaires étrangers, la surveillance gouvernementale, les contrôles à l’exportation et les règles sectorielles spécifiques sur les données.
- La lacune de preuve la plus importante est la mesure au niveau de l’acheteur. Les documents publics montrent la capacité, le langage de contrôle, les accords clients et gouvernementaux, les certifications et les cadres de gouvernance, mais ils ne fournissent pas de tests indépendants standardisés sur la latence des charges de travail en production, l’exhaustivité des audits, le comportement des modèles, la récupération après incident, l’économie de l’énergie ou les résultats pour les clients réglementés.
La charge de travail acceptée est le véritable produit
L’IA souveraine est souvent abordée à travers des symboles: stratégies nationales, autorisations de puces, grands campus, investissements phares et réunions gouvernementales de haut niveau. Ces symboles comptent car ils déterminent qui peut accéder au calcul avancé, où les centres de données sont construits et quels partenaires étrangers participeront. Ils ne sont pas le produit qu’un acheteur réglementé consomme réellement.
L’unité d’analyse utile est la charge de travail acceptée: un service gouvernemental, un modèle bancaire, une application de données de santé, un système d’analyse énergétique ou une plateforme d’IA d’entreprise qui est passée de la proposition à un état opérationnel selon des règles que le client, le régulateur, le fournisseur et l’opérateur d’infrastructure peuvent défendre.
C’est la bonne manière d’évaluer G42. L’entreprise n’est pas seulement une marque d’IA à Abou Dhabi. C’est un groupe holding et un organisateur d’infrastructure dont les sociétés opérationnelles et les partenariats couvrent le cloud souverain, le calcul IA, les centres de données, les données de santé, la cybersécurité, l’analytique, l’IA énergétique et les accords technologiques internationaux. Sa posture publique est ambitieuse: construire une « Grille d’intelligence », connecter le cloud, les données, les modèles, l’infrastructure et la gouvernance, et rendre l’IA avancée utile pour les gouvernements et les secteurs réglementés.
Le test du marché est plus étroit et plus difficile. G42 peut-elle rendre une charge de travail sensible acceptable aux personnes qui doivent l’approuver, l’exécuter, l’auditer, l’assurer et la payer?
Une charge de travail acceptée répond à plusieurs conditions. La frontière des données doit être explicite. La frontière du calcul doit être explicite. Le propriétaire de l’application doit savoir qui peut accéder au système, d’où, sous quelle autorité et avec quels journaux.
L’acheteur doit comprendre si la charge de travail s’exécute sur une infrastructure appartenant à G42, sur l’infrastructure régionale de Microsoft Azure avec les contrôles Core42, sur des GPU d’origine américaine dans un environnement de technologie réglementée, sur un cluster géré par un partenaire, ou sur une plateforme sectorielle exploitée par une autre société de G42.
L’acheteur doit savoir ce qui se passe si un service partenaire est indisponible, si un régulateur modifie une condition, si un modèle produit une mauvaise réponse, si une règle d’exportation de puces change, ou si un centre de données est retardé par des contraintes d’alimentation ou d’autorisation.
C’est ce fardeau opérationnel qui rend G42 intéressante. De nombreux fournisseurs d’IA peuvent montrer un modèle, un tableau de bord ou une démonstration. Moins nombreux sont ceux qui peuvent combiner de manière crédible la capacité locale de centres de données, le cloud hyperscale, les contrôles de sécurité, l’accès aux données sectorielles, l’alignement sur les politiques nationales et des accords de partenariat de niveau diplomatique. G42 a rassemblé bon nombre de ces éléments. Mais comme ces éléments traversent les frontières des entreprises, des nations et des partenaires, l’acheteur ne peut pas s’arrêter à l’étiquette « souverain ».
La souveraineté doit être mise en œuvre sous forme de contrôle technique, d’autorité légale, de procédure opérationnelle et de discipline économique.
Le jugement de cet article est donc conditionnel. G42 dispose d’une infrastructure crédible pour les charges de travail d’IA souveraine et réglementée. Son atout majeur n’est pas de pouvoir rendre chaque pays ou entreprise indépendant de la technologie étrangère. C’est de pouvoir assembler du calcul avancé aligné sur les États-Unis, une capacité de centres de données basée aux EAU, les couches de contrôle Core42, les services cloud des partenaires et une expertise sectorielle dans un environnement opérationnel auditable. Le point faible n’est pas le manque d’ambition.
C’est la quantité de preuves nécessaires pour démontrer que chaque charge de travail en production reste maîtrisée une fois que l’on prend en compte les dépendances aux partenaires, la demande énergétique, l’examen de gouvernance, les opérations de sécurité, la supervision des modèles et l’intégration spécifique au client.
G42 est un ensemble de sociétés et d’engagements, pas une plateforme unique
La délimitation de G42 est importante car l’entreprise est souvent décrite comme si chaque annonce appartenait à un seul produit. Ce n’est pas ainsi que l’acheteur la perçoit. G42 se présente comme un groupe technologique comptant dix sociétés et plus de 23 000 personnes dans plus de 30 pays.
Sa surface opérationnelle comprend Core42 pour le cloud souverain, l’infrastructure IA et les services numériques; Khazna pour l’infrastructure de centres de données; M42 pour les technologies de santé, la génomique et les plateformes cliniques; Presight pour l’analytique; AIQ pour l’IA énergétique; CPX pour la cybersécurité; et d’autres activités spécialisées. L’identité du groupe compte, mais la charge de travail passera généralement par une société opérationnelle spécifique, une pile partenaire ou un arrangement sectoriel.
Core42 est au cœur du récit de l’IA souveraine. Elle a été créée en combinant G42 Cloud, Inception et Injazat en une plateforme pour les déploiements cloud et d’IA générative à l’échelle nationale. Son langage produit public met l’accent sur une infrastructure conçue pour la résidence des données, le contrôle juridictionnel, la conformité réglementaire, l’auditabilité, les contrôles d’accès et une gouvernance de confiance. Son produitSovereign Public Cloudest décrit comme combinant Microsoft Azure avec les contrôles souverains Core42 via l’application Core42 Insight. Cela indique un modèle commercial hybride: l’acheteur accède aux services Azure, tandis que Core42 ajoute des contrôles centrés sur les EAU, une surveillance de la conformité, une visibilité sur la région, des capacités de gestion de clés externes, des bibliothèques de politiques, la détection de dérive et des fonctions de gouvernance.
Cette structure est commercialement puissante car les acheteurs réglementés veulent l’innovation sans renoncer au contrôle. C’est aussi là que la question de confiance devient précise. Si la charge de travail utilise les services Azure, comment exactement les opérations Azure, les contrôles Core42, les clés du client, la journalisation, la remédiation et l’accès administratif local sont-ils répartis?
Si les données sont hébergées aux EAU via l’infrastructure régionale Azure et renforcées par les contrôles Core42, que se passe-t-il lorsque le client a besoin de preuves d’incident, de traçabilité des données, d’examen des accès privilégiés ou de la preuve qu’une violation de politique a été empêchée plutôt que simplement signalée? Si un acheteur choisit la posture de cloud privé plus restrictive de Core42, quels services, choix de modèles, options de mise à l’échelle, canaux de support et coûts changent?
Khazna est le volet physique de l’histoire. G42 identifie Khazna comme la plus grande plateforme de centres de données des EAU et du Moyen-Orient, avec plus de 70 % de part de marché dans la région selon la page entreprise de G42. Le site de Khazna décrit 30 centres de données en service, six projets en cours et une capacité de portefeuille de 673 mégawatts. Elle a également annoncé une installation de 100 mégawatts optimisée pour l’IA à Ajman, avec 20 halls de 5 mégawatts chacun, une conception Tier III, Etihad Water and Electricity Company comme fournisseur d’électricité principal et une conception modulaire économe en énergie.
Ces détails comptent car l’infrastructure IA est contrainte par l’alimentation, le refroidissement, la construction, la connexion au réseau, la chaîne d’approvisionnement et les opérations, pas seulement par les commandes de GPU.
Les activités sectorielles ajoutent de la profondeur mais exigent une discipline des frontières. M42 est une entreprise de santé mondiale axée sur la technologie qui dit exploiter des centaines d’installations dans des dizaines de pays, gérer l’Abu Dhabi BioBank et les Abu Dhabi Health Data Services, et opérer Malaffi, l’échange d’informations de santé d’Abou Dhabi. Sa page sur la santé numérique indique que Malaffi a intégré plus de 90 systèmes de dossiers médicaux électroniques, plus de 3 000 établissements de santé et plus de 3 milliards de dossiers cliniques uniques.
C’est pertinent car la santé est l’un des tests les plus sensibles pour la gouvernance des données. Mais une réussite de M42 dans les données de santé ne prouve pas automatiquement que chaque charge de travail du cloud souverain de G42 fonctionnera bien. Elle montre que le groupe a accès à des contextes sectoriels exigeants; l’infrastructure exacte, la gouvernance et le résultat client doivent encore être tracés pour chaque utilisation.
Cette distinction est importante pour les achats. Un ministère, une banque, un groupe hospitalier ou une entreprise énergétique ne devrait pas seulement demander « Qu’est-ce que G42? » Il devrait demander « Quelle société de G42 exécute cette charge de travail, quelle technologie partenaire s’y trouve, où sont les données, qui exploite l’infrastructure, qui est responsable en cas de défaillance et quels contrôles peuvent être testés avant la mise en service? »
La souveraineté est un plan de contrôle, pas un mot sur une brochure
La souveraineté des données est facile à revendiquer et difficile à mettre en œuvre. La version la plus simple est la localisation physique: les données sont stockées dans un pays. C’est important, mais pas suffisant.
Une charge de travail réglementée peut également exiger un contrôle juridictionnel, des clés gérées par le client, du personnel de support local, une journalisation, la conformité aux contrôles à l’exportation, la gouvernance des identités, l’application des politiques, des preuves d’audit, une validation par des tiers, le signalement des incidents et une gestion claire des sauvegardes, de la télémétrie, des entrées des modèles, des plongements, des journaux et des données dérivées.
Un système peut être hébergé localement tout en dépendant du support à distance, des mises à jour logicielles étrangères, des métadonnées opérationnelles transfrontalières ou de la surveillance côté partenaire.
Les documents publics de Core42 montrent que G42 comprend ce fardeau de contrôle plus large. Sa pageSovereign Public Cloudfait référence à des contrôles centrés sur les EAU, des données hébergées aux EAU via l’infrastructure régionale Azure, une surveillance de la conformité via Insight, une visibilité complète sur les ressources cloud et la distribution régionale, des bibliothèques de politiques alignées sur la politique nationale de sécurité du cloud et d’autres contrôles, une surveillance des erreurs de configuration du cloud, un HSM externe avec des clés gérées par le client et un modèle de politique cohérent entre les hyperscalers. Sa pageSignature Private Cloudva plus loin pour les charges de travail secrètes, en indiquant que les données résident exclusivement dans des centres de données appartenant à G42 aux EAU, que les opérations sont effectuées localement et que l’accès administratif à distance et le support offshore sont exclus.
Ce sont des affirmations fortes, mais l’acheteur doit les traduire en tests d’acceptation. La résidence locale des données devrait devenir un rapport de localisation, une carte de conservation, une carte de sauvegarde et une politique de journalisation. Les clés gérées par le client devraient devenir une cérémonie de clés, une procédure de rotation, une règle d’accès d’urgence et une preuve de séparation avec les administrateurs du fournisseur. Les contrôles d’accès devraient devenir des rôles nommés, des procédures de verre brisé, des examens de privilèges et des journaux que le client peut inspecter.
La surveillance de la conformité devrait devenir la preuve qu’une charge de travail non conforme est bloquée, mise en quarantaine, corrigée ou escaladée. La détection de dérive devrait devenir un chemin d’alerte et de réponse testé. « Pas de support offshore » devrait devenir une liste de support, une voie d’accès et un engagement contractuel.
Le contexte du droit public des données renforce la raison pour laquelle cela importe. Le cadre fédéral de protection des données personnelles des EAU couvre le stockage et le traitement des données personnelles pour les personnes concernées aux EAU, établit les droits des personnes concernées et fixe des règles sur les transferts transfrontaliers, tout en excluant certaines catégories de données couvertes par d’autres législations, comme les données gouvernementales, les données de santé, les données de sécurité et judiciaires et les données financières personnelles.
Cela signifie qu’un client réglementé ne peut pas s’appuyer sur une seule règle générique de protection de la vie privée. Une charge de travail dans la santé, la banque, le secteur public ou à proximité de la sécurité peut relever d’exigences supplémentaires. Les contrôles de cloud souverain doivent être adaptés au secteur, et pas seulement au pays.
C’est là que la proposition de G42 est la plus forte et la plus exposée. Elle peut faire valoir qu’elle est proche des besoins réglementaires, infrastructurels et sectoriels des EAU. Elle peut assembler l’infrastructure locale de centres de données, le logiciel de contrôle Core42, les services Microsoft Azure et les équipes de prestation sectorielles. Mais parce que la proposition porte spécifiquement sur la confiance, toute ambiguïté devient matérielle.
Un acheteur doit savoir si un contrôle particulier est une fonctionnalité du produit, une pratique de service géré, un engagement contractuel, une exigence réglementaire, une dépendance partenaire ou un élément de la feuille de route future.
La question commerciale n’est pas de savoir si la souveraineté est souhaitable. Pour de nombreux organismes publics et entreprises réglementées, elle est requise. La question est de savoir si G42 peut rendre la souveraineté utilisable sans transformer chaque déploiement en un lent projet de conformité sur mesure. Le meilleur cloud souverain n’est pas seulement verrouillé. Il permet aux clients de déployer des charges de travail approuvées, de les mettre à l’échelle, de les surveiller, de les mettre à jour et de les récupérer sans perdre les preuves qui les ont rendues acceptables en premier lieu.
La dépendance aux partenaires est le contrat, pas une honte
L’histoire de l’infrastructure IA de G42 est indissociable de ses partenaires technologiques étrangers. Microsoft a investi 1,5 milliard de dollars dans G42 en 2024, Brad Smith ayant rejoint le conseil d’administration de G42 et les entreprises s’engageant à partager des capacités d’IA et de cloud sécurisées aux EAU et sur d’autres marchés. Microsoft a ensuite décrit un plan d’investissement de 15,2 milliards de dollars aux EAU jusqu’en 2029, comprenant l’investissement initial en capital dans G42, des centres de données cloud et d’IA avancés, des dépenses opérationnelles locales et des dépenses en capital futures.
Microsoft a également déclaré avoir obtenu des licences d’exportation du Département du Commerce américain pour des GPU avancés vers les EAU, sous réserve de garanties de cybersécurité, de sécurité nationale et de technologie.
L’avantage stratégique est évident. Un acheteur d’IA souveraine veut avoir accès à des puces avancées, des services cloud hyperscale, des écosystèmes de développeurs, des outils de sécurité et des plateformes de modèles. G42 seule aurait du mal à égaler l’étendue de Microsoft Azure, des systèmes NVIDIA, des opérations cloud d’Oracle, de la mise en réseau et de la sécurité Cisco, des GPU AMD, de l’infrastructure de modèles d’OpenAI et d’autres technologies américaines. En s’alignant sur ces partenaires, G42 peut offrir une voie plus crédible vers l’IA haut de gamme qu’une construction purement locale ne le permettrait.
La dépendance est tout aussi évidente. Si une charge de travail dépend des services Microsoft, de puces d’origine américaine, de clusters gérés par des partenaires, de licences d’exportation et d’engagements de sécurité des partenaires, la souveraineté de l’acheteur est conditionnée à un partenariat contrôlé, pas à l’isolement. Ce n’est pas nécessairement un problème. En pratique, la plupart des systèmes de cloud souverain dépendent de matériel, de logiciels, de micrologiciels, de systèmes d’exploitation, d’outils de sécurité ou de composants réseau étrangers.
La vraie question est de savoir si la dépendance est visible, gouvernée et économiquement acceptable.
Les actions publiques de G42 montrent une tentative de rendre cette dépendance gouvernable. Le campus IA EAU-États-Unis a été dévoilé comme un projet de 5 gigawatts à Abou Dhabi, construit par G42 et exploité en partenariat avec des entreprises américaines, avec un accès aux ressources de calcul réservé aux hyperscalers américains et aux fournisseurs de services cloud approuvés. OpenAI a décrit Stargate UAE comme un cluster de 1 gigawatt à Abou Dhabi, dont 200 mégawatts devraient être mis en service en 2026, impliquant G42, Oracle, NVIDIA, Cisco et SoftBank.
L’annonce de SoftBank indiquait que le cluster serait construit par G42 et exploité par OpenAI et Oracle, avec des systèmes NVIDIA GB300 et la connectivité et la sécurité Cisco. Cisco a ensuite déclaré qu’elle alimenterait, connecterait et sécuriserait un grand cluster d’IA de G42 utilisant des GPU AMD MI350X et agirait en tant qu’intégrateur technologique au sein de l’environnement de technologie réglementée de G42.
Ces arrangements ne sont pas une simple affirmation d’indépendance locale. Ils constituent un modèle d’interdépendance gérée. La proposition est que la technologie américaine avancée peut être déployée aux EAU sous des contrôles stricts, une supervision des partenaires, un accès approuvé et une infrastructure locale. Pour certains acheteurs, cela peut être plus crédible qu’une pile purement nationale avec des puces plus faibles et des services cloud moins matures. Pour d’autres, en particulier lorsque l’exposition à la technologie étrangère est politiquement ou légalement sensible, cela peut ajouter un fardeau d’approbation.
Le bon test d’approvisionnement n’est donc pas « G42 est-elle dépendante de partenaires? » mais « Quelles dépendances se trouvent dans cette charge de travail et sont-elles suffisamment contrôlées? » Une banque peut accepter les services Azure avec des contrôles locaux et des clés gérées par le client. Un organisme public proche de la défense peut exiger un cloud privé plus strict, des opérations locales et l’exclusion de l’accès à distance. Une plateforme de santé peut se soucier surtout de la traçabilité des données des patients, du consentement et de la gouvernance clinique.
Un développeur d’IA peut se soucier de la disponibilité des GPU, des chaînes d’outils de modèles, du prix et de la latence. Le défi de G42 est de rendre ces cartes de dépendance explicites plutôt que de demander aux clients de faire confiance à la marque ombrelle.
L’assurance du calcul est là où la confiance géopolitique devient une confiance opérationnelle
La partie la plus sensible de l’histoire de l’infrastructure de G42 est le calcul avancé réglementé. L’examen public de l’exposition passée de G42 à la Chine, les préoccupations des législateurs américains concernant le transfert de technologie vers Microsoft et les conditions de contrôle des exportations américaines signifient que l’entreprise doit prouver non seulement qu’elle peut exploiter des GPU, mais qu’elle peut contrôler qui les utilise, où ils se trouvent, ce qu’ils exécutent et si la technologie d’origine américaine peut être détournée. Ce n’est pas un cycle de vente de centres de données normal.
C’est un modèle opérationnel adjacent à la sécurité nationale.
L’annonce du cadre d’assurance du calcul 2026 de G42 est importante car elle transforme ce problème en langage de conception d’infrastructure. L’entreprise a déclaré avoir l’intention de développer et de mettre en œuvre un cadre d’assurance renforcé pour l’exportation, le déploiement et la gestion des semi-conducteurs d’IA avancés d’origine américaine. Le cadre est décrit autour d’uneImage opérationnelle communequi fournit une visibilité continue et vérifiable sur l’emplacement, le contrôle physique et l’utilisation autorisée du matériel réglementé. Il inclut la géolocalisation, le contrôle physique, la transparence du déploiement, l’utilisation finale autorisée, les garanties de contrôle des exportations, l’engagement réglementaire et le suivi cryptographique de l’utilisation du calcul.
La même annonce décrit unEnvironnement de technologie réglementée, développé en étroite coordination avec les gouvernements américain et des EAU, intégrant des contrôles alignés sur les principes NIST SP 800-53, des contrôles d’accès physiques et logiques, la sélection du personnel, une autorisation stricte, une surveillance continue, la journalisation et des mécanismes de ségrégation. La déclaration du partenariat d’accélération de l’IA de l’ambassade des EAU décrivait de manière similaire des environnements de technologie réglementée pour les organisations émiraties approuvées acquérant des technologies américaines réglementées, avec des protocoles de sécurité physique et cybernétique, des audits réguliers, des validations par des tiers, une surveillance gouvernementale active et la participation d’entreprises américaines.
Si elle est mise en œuvre comme décrit, cela pourrait constituer un pont significatif entre le risque géopolitique et l’acceptation commerciale des charges de travail. Cela donne aux clients et aux régulateurs un moyen de poser des questions concrètes: Où sont les puces? Qui peut y accéder? Quelles charges de travail les ont utilisées? Ont-elles été utilisées uniquement par des clients autorisés? Quels journaux le prouvent? Les régulateurs peuvent-ils voir les exceptions? Les entreprises partenaires peuvent-elles vérifier que leur technologie est protégée? Une charge de travail peut-elle être isolée d’un autre client?
Les enregistrements d’utilisation cryptographiques peuvent-ils révéler des schémas non autorisés?
La prudence veut que les annonces publiques ne soient pas synonymes de contrôles testés. UneImage opérationnelle communedoit être évaluée en termes d’exhaustivité, de rapidité, d’auditabilité et de visibilité pour le client. Le suivi cryptographique doit être compris quant à ce qu’il suit exactement: puce, cluster, tâche, jeton, charge de travail, modèle, client, emplacement ou une combinaison. Le contrôle d’accès doit couvrir les fournisseurs, les opérateurs de G42, le personnel partenaire, le support d’urgence, les mises à jour de micrologiciel, les équipes de maintenance et les administrateurs clients. La journalisation doit résister aux altérations et être utile lors de la réponse aux incidents. La surveillance gouvernementale doit être définie de manière suffisante pour que les acheteurs sachent quelles données peuvent être visibles par quelle autorité.
Il y a aussi un fardeau commercial. L’assurance n’est pas gratuite. La sélection du personnel, les opérations locales, la surveillance continue, la validation par des tiers, la préparation aux audits, les rapports réglementaires, la ségrégation et le support restreint ajoutent tous des coûts et des frictions. Pour la bonne charge de travail, ces frais généraux sont le prix de l’accès au calcul avancé. Pour un travail à moindre risque, ils peuvent être trop lourds.
Le marché de G42 dépend d’une segmentation claire de ces cas: toutes les charges de travail d’IA n’ont pas besoin du même niveau d’assurance, mais celles qui en ont besoin n’accepteront pas un langage de contrôle vague.
Les annonces de capacité doivent encore devenir de l’énergie et du temps fiables
L’infrastructure IA est à forte intensité de capital car elle convertit l’énergie, le terrain, le refroidissement, les puces, la mise en réseau et la construction en calcul utilisable. Le récit de capacité de G42 est suffisamment grand pour être crédible et suffisamment grand pour être risqué. Le campus IA EAU-États-Unis de 5 gigawatts, le cluster Stargate UAE de 1 gigawatt, les premiers 200 mégawatts attendus en 2026, l’extension du centre de données de 200 mégawatts Microsoft-G42, l’installation de 100 mégawatts de Khazna à Ajman et le portefeuille plus large de Khazna indiquent tous une échelle sérieuse.
Ils soulèvent également la question centrale de l’infrastructure: la capacité promise peut-elle arriver à temps, avec des opérations sécurisées, une alimentation énergétique résiliente et un coût acceptable?
L’analyse de l’Agence internationale de l’énergie sur l’IA et l’énergie fournit un contexte utile. Elle estimait la consommation mondiale d’électricité des centres de données à environ 415 térawattheures en 2024, soit 1,5 % de la consommation mondiale d’électricité, et prévoyait qu’elle doublerait pour atteindre environ 945 térawattheures d’ici 2030.
Elle avertissait également que les centres de données axés sur l’IA sont géographiquement concentrés, que l’infrastructure du réseau a des délais de construction plus longs que ceux des centres de données et qu’environ 20 % des projets de centres de données prévus pourraient risquer d’être retardés si les risques liés au réseau et à la connexion ne sont pas traités. Cela importe pour G42 car son avantage dépend en partie de la capacité des EAU à mobiliser l’énergie, le terrain, les autorisations et le capital des partenaires plus rapidement que les marchés occidentaux congestionnés.
Les documents publics de Khazna montrent que G42 dispose d’un opérateur d’infrastructure local crédible. Son site répertorie des centres de données en service, des projets en cours et des centaines de mégawatts de capacité de portefeuille. L’annonce de l’installation d’Ajman donne des détails de construction spécifiques, notamment une installation de 100 000 mètres carrés, 20 halls, une conception Tier III, une alimentation électrique principale via EtihadWE, une conception modulaire et un objectif opérationnel attendu au moment de l’annonce.
La mise à jour ultérieure de Stargate UAE indiquait que la construction était en cours, que les travaux de génie civil, structurel et architectural avaient progressé, que les systèmes mécaniques, électriques et de plomberie étaient en cours de finalisation, que l’approvisionnement en équipements à long délai était terminé et que les premières livraisons d’équipements mécaniques étaient arrivées sur le site.
Ces faits sont plus solides qu’un simple document de vision. Ils montrent l’implication du terrain, de la construction, des fournisseurs et des services publics.
Mais ils ne donnent toujours pas à un acheteur les mesures opérationnelles les plus importantes: les mégawatts effectivement disponibles pour les charges de travail des clients, l’efficacité de l’utilisation de l’énergie, les contraintes hydriques, l’historique de disponibilité des clusters d’IA, le temps moyen de provisionnement, la performance thermique sous utilisation soutenue des GPU, la latence du réseau par région client, la disponibilité réelle des GPU, la fréquence des incidents ou le prix par tâche de calcul acceptée après les contrôles d’assurance.
La capacité n’est utile que lorsqu’elle est disponible pour le bon client sous le bon régime de contrôle au bon prix.
Le mix énergétique importe également. L’annonce du campus par l’ambassade des EAU indiquait que l’installation achevée utiliserait l’énergie nucléaire, solaire et gazière pour minimiser les émissions de carbone. C’est un avantage potentiellement important car les acheteurs d’IA sont de plus en plus confrontés aux questions de climat, de coût et de risque lié au réseau. Pourtant, le mot « utiliser » laisse place à des détails d’approvisionnement.
Un client peut avoir besoin de connaître la source d’énergie contractée, la comptabilisation des émissions, l’appariement renouvelable, la production de secours, l’utilisation de l’eau, la méthode de refroidissement et si la rareté de l’énergie pourrait limiter l’allocation de calcul.
Le dossier d’infrastructure de G42 est donc crédible mais ne se prouve pas de lui-même. Il a les ingrédients pour la capacité dans une région bénéficiant d’un fort soutien étatique et de ressources énergétiques. Il lui reste à convertir la capacité annoncée en un calcul fiable, mesuré et attribuable aux clients. Pour les charges de travail réglementées, la question de livraison n’est pas seulement « Le cluster peut-il fonctionner? » mais « Le cluster peut-il fonctionner sous les contrôles qui ont rendu l’approbation possible? »
Les clients réglementés achètent des preuves opérationnelles, pas du théâtre d’IA
Les clients naturels de G42 ne sont pas des expérimentateurs occasionnels de l’IA. Le marché cible est constitué de gouvernements, d’entreprises réglementées, de groupes de soins de santé et de sciences de la vie, d’institutions financières, d’entreprises énergétiques, de développeurs d’IA et d’acheteurs de cloud régionaux. Ces clients n’achètent pas une infrastructure d’IA uniquement pour produire une réponse astucieuse lors d’une réunion.
Ils l’achètent pour soutenir un travail répété et responsable: une décision de prestation, une requête de données cliniques, un modèle anti-fraude, un assistant de service public, un outil d’optimisation énergétique, un modèle de risque de crédit, un système de révision de documents ou une plateforme de développement pour des données sensibles.
Ces charges de travail ont des fardeaux récurrents. Quelqu’un doit décider quelles données sont autorisées dans le système. Quelqu’un doit approuver l’utilisation du modèle. Quelqu’un doit surveiller les sorties. Quelqu’un doit résoudre les exceptions. Quelqu’un doit documenter le fonctionnement du système. Quelqu’un doit traiter les demandes des personnes concernées, les plaintes, les examens d’accès et les rapports d’incidents. Quelqu’un doit maintenir la base de connaissances, mettre à jour les contrôles, examiner les journaux et décider si un modèle ou une application doit être suspendu.
Si une charge de travail produit un résultat incorrect, le client a besoin d’une voie de retour en arrière et d’un enregistrement de ce qui s’est passé.
Les documents publics de G42 couvrent bon nombre des bonnes catégories. Core42 met l’accent sur la conformité, l’auditabilité, les contrôles d’accès et le mappage des politiques. LeRapport de transparence sur l’IA responsablede G42 décrit les organes de gouvernance internes, les politiques d’IA responsable, les évaluations des risques et des impacts, l’examen des cas d’utilisation sensibles, les référentiels pour les risques et les cas d’utilisation sensibles, les fiches de modèle, les exercices d’équipe rouge, les examens indépendants, les tests, la surveillance continue et l’alignement sur les cadres internationaux. Le sommet sur la gouvernance de G42 et les documents de la fondation pour l’IA responsable montrent une tentative de construire une posture de gouvernance publique, et pas seulement un argumentaire produit.
Ces preuves de gouvernance sont précieuses, mais elles sont principalement décrites par l’entreprise. L’acheteur devrait les considérer comme un point de départ pour la diligence raisonnable. Un guide d’IA responsable ne prouve pas qu’un modèle est sûr dans un hôpital. Un processus d’évaluation des risques ne prouve pas que l’assistant du service aux citoyens d’un ministère évite les traitements discriminatoires. Un comité sur les cas d’utilisation sensibles ne prouve pas que le modèle anti-fraude d’une banque est suffisamment explicable pour le traitement des litiges.
Les fiches de modèle ne sont utiles que si elles sont complètes, à jour et spécifiques au système déployé. Les exercices d’équipe rouge n’ont d’importance que s’ils testent les risques auxquels l’acheteur est réellement confronté.
Il en va de même pour les exemples sectoriels. Les plateformes de santé de M42, y compris Malaffi et Abu Dhabi Health Data Services, montrent que les entreprises liées à G42 opèrent dans des contextes de données très sensibles. L’annonce Core42-Qadi indique que les charges de travail de la plateforme de conformité réglementaire de Qadi fonctionneront sur le cloud public souverain Core42, construit sur Microsoft Azure et régi par Core42 Insight, les données, les processus de formation et le calcul d’IA restant dans les juridictions nationales des EAU.
L’accord entre le gouvernement d’Abou Dhabi, Microsoft et Core42 décrit un système de cloud souverain pour plus d’un demi-million d’interactions numériques quotidiennes et la modernisation de l’IA dans les services gouvernementaux. Ce sont des signaux significatifs, d’autant plus qu’ils impliquent des contextes réglementés ou du secteur public.
Ils ne remplacent pas des tests de charge de travail indépendants. Un acheteur devrait demander des preuves au niveau de sa propre charge de travail acceptée: latence sous demande réelle, journaux d’audit, examen d’accès, évaluation du modèle, conservation des données, basculement, limites du support, résultats des exercices d’incident, retour en arrière, coût par transaction et acceptation par les utilisateurs. Sans cela, le client achète une histoire opérationnelle crédible, pas un résultat opérationnel mesuré.
Le dossier commercial dépend de plus que l’accès aux puces
Les GPU avancés sont nécessaires pour certaines charges de travail d’IA, mais ils ne constituent pas l’intégralité du modèle de coût. Un client réglementé de G42 peut payer pour l’infrastructure cloud, le temps GPU, le stockage, la mise en réseau, le transfert de données, les services gérés, l’examen de sécurité, les services professionnels, l’intégration, la configuration de l’identité, la migration, le nettoyage des données, l’évaluation des modèles, la surveillance, la validation sectorielle, les rapports de conformité et le support continu.
Si la charge de travail utilise du calcul restreint, elle peut également supporter le coût des contrôles d’assurance, des opérations locales, des audits par des tiers, de la sélection du personnel et de la documentation supplémentaire.
Cela rend la question commerciale plus aiguë. La localisation souveraine, la capacité d’IA et l’intégration sectorielle créent-elles suffisamment de valeur pour dépasser la dépendance aux partenaires, l’intensité capitalistique, les frais généraux de gouvernance, l’examen de conformité, les contraintes énergétiques et les coûts d’intégration? La réponse variera selon le client. Un gouvernement national qui a besoin d’une base d’IA souveraine peut accepter un coût initial élevé car l’alternative est une dépendance stratégique ou une numérisation retardée.
Une banque peut accepter les contrôles souverains de Core42 s’ils réduisent le délai d’approbation de conformité et diminuent le risque opérationnel. Un groupe hospitalier peut valoriser la gouvernance locale des données plus que le calcul le moins cher. Un développeur d’IA peut se soucier surtout de la disponibilité et du prix des GPU, et ne choisir G42 que si l’infrastructure est compétitive par rapport à d’autres régions.
Le meilleur dossier commercial pour G42 est celui où plusieurs conditions sont réunies. La charge de travail est suffisamment sensible pour qu’un cloud offshore générique soit difficile à approuver. Elle est suffisamment importante pour que l’acheteur puisse payer pour le contrôle. Elle bénéficie de calcul d’IA avancé ou de services cloud. Elle nécessite une latence locale ou régionale. L’acheteur peut définir les frontières des données, les règles d’accès et les résultats acceptés. G42 peut fournir une couche de contrôle standard plutôt qu’un projet de conformité sur mesure.
La technologie des partenaires ajoute des capacités sans rendre l’approbation impossible. Le gain économique provient d’un déploiement approuvé plus rapide, d’un meilleur contrôle et d’une production d’IA utile, et non de prétendre que la souveraineté est bon marché.
Le cas le plus faible est celui où la charge de travail n’est pas très sensible, où l’acheteur manque de maturité en matière de données, où le cas d’utilisation de l’IA est vague ou où la pile partenaire requise est plus lourde que les avantages. Dans ces cas, la posture souveraine de G42 peut devenir une cérémonie coûteuse. Un client peut payer pour une infrastructure locale et des contrôles de gouvernance tout en échouant à définir le processus métier, à nettoyer les données, à maintenir le modèle ou à mesurer le résultat. L’infrastructure souveraine ne peut pas sauver une charge de travail mal spécifiée.
C’est pourquoi la perspective de la charge de travail acceptée est importante. Elle impose une discipline commerciale. L’acheteur devrait identifier la tâche répétée, pas seulement la catégorie technologique. Il devrait définir l’état accepté, pas seulement la fonction du modèle. Il devrait mesurer le coût total, pas seulement le tarif du GPU ou l’abonnement cloud. Il devrait compter la supervision, l’examen, le traitement des exceptions et le retour en arrière. Il devrait décider quelles données doivent rester locales, quels services partenaires sont autorisés et quelles preuves sont nécessaires pour l’audit.
La valeur de G42 est la plus élevée lorsque sa plateforme réduit le temps et l’incertitude de ce chemin d’approbation.
Le poids géopolitique ne peut être ignoré
La position de marché de G42 est façonnée par la géopolitique car le calcul d’IA avancé fait désormais partie de la concurrence technologique entre les États-Unis et la Chine. L’examen public s’est concentré sur les liens antérieurs de G42 avec la Chine, les cessions d’entreprises chinoises, une possible exposition à l’équipement Huawei, les demandes des législateurs américains pour un examen de l’investissement de Microsoft et le risque que la technologie américaine avancée puisse être détournée.
L’entreprise et ses partenaires ont réagi en se rapprochant des canaux technologiques américains, des environnements de technologie réglementée, des garanties de contrôle des exportations et des cadres d’assurance publics.
Pour les clients, ce poids n’est pas seulement politique. Il peut affecter l’accès, la continuité et la conformité. Si les contrôles à l’exportation américains se resserrent, l’approvisionnement en puces peut changer. Si les approbations américaines s’élargissent, la capacité de G42 peut s’améliorer. Si les conditions des partenaires deviennent plus restrictives, les voies de support ou les services disponibles peuvent changer. Si les législateurs ou les régulateurs exigent une nouvelle surveillance, les exigences de preuve des clients peuvent augmenter.
Si la confiance géopolitique s’améliore, G42 pourrait devenir une voie privilégiée pour l’infrastructure d’IA alignée sur les États-Unis au Moyen-Orient et au-delà.
La déclaration de l’ambassade des EAU de juillet 2026, saluant la décision américaine d’élever les EAU au statut de désignation de contrôle des exportations A5, montre à quel point cette question reste d’actualité. La déclaration a présenté la décision comme ouvrant des portes pour la recherche, la coopération technologique, le commerce et le partenariat de défense. Une discussion distincte de l’ambassade des EAU sur laPax Silicaindiquait que les EAU avaient rejoint l’initiative dirigée par les États-Unis en janvier 2026 et décrivait le cadre de l’Image opérationnelle commune de G42 comme offrant aux partenaires américains une visibilité continue et vérifiable sur les semi-conducteurs d’IA d’origine américaine déployés aux EAU. Ce sont des signaux officiels favorables. Ils ne suppriment pas la nécessité de contrôles au niveau du client, mais ils améliorent l’environnement politique autour de la proposition d’infrastructure de G42.
L’analyse de tiers reste plus prudente. Le CSIS a fait valoir que G42 et les ambitions des EAU en matière d’IA présentent un véritable compromis: les États-Unis peuvent utiliser l’accès aux puces, l’infrastructure cloud et la technologie des modèles pour attirer les EAU vers les normes américaines, mais ils doivent toujours se prémunir contre le détournement de technologie, les risques d’accès à distance, l’exposition des poids de modèle et une sécurité insuffisante des centres de données. Cette prudence correspond à la question d’achat.
Plus le calcul est puissant, plus les journaux, les contrôles d’accès, les audits et les frontières partenaires deviennent importants.
L’opportunité commerciale de G42 pourrait en réalité dépendre de l’acceptation de cet examen. Une entreprise d’IA souveraine qui vend de la confiance ne devrait pas considérer la vérification comme un obstacle. Elle devrait transformer la vérification en une caractéristique du produit: un calcul auditable, des contrôles visibles, des preuves de support local, les résultats des exercices d’incident, des rapports réglementaires, des examens de modèles spécifiques au secteur et des tableaux de bord clients clairs. Si G42 peut faciliter le fardeau de la conformité pour les clients, le poids géopolitique devient une partie de sa douve.
Si elle demande aux clients d’accepter des assurances générales sans preuves au niveau de la charge de travail, le poids reste un risque commercial.
Ce que les acheteurs devraient tester avant de faire confiance à la pile
Une évaluation sérieuse de G42 devrait commencer par une cartographie écrite de la charge de travail. Quelles données entrent dans le système? Où sont-elles stockées? Quels modèles ou outils d’analyse les utilisent? Quels services partenaires sont sur le chemin? Qui peut administrer l’environnement? Quels journaux sont disponibles pour le client? Quel régulateur ou propriétaire de contrôle interne doit approuver la conception? Quel est le résultat accepté? Qu’est-ce qui constituerait un échec?
Le premier test est la frontière des données. Le client devrait exiger la preuve de l’emplacement du stockage, de la sauvegarde, des journaux, de l’accès administratif, du traitement de la télémétrie, de la gestion des clés, de la conservation, de la suppression et des chemins de transfert de données. Pour les systèmes d’IA, il devrait également s’interroger sur les entrées du modèle, les plongements, les données d’affinage, les données d’évaluation, les sorties du modèle et les métadonnées dérivées.
Une charge de travail souveraine peut perdre le contrôle par les bords si des journaux, des bundles de support ou des artefacts d’évaluation de modèle franchissent une frontière que l’acheteur n’avait pas comprise.
Le deuxième test est le contrôle du calcul. Si la charge de travail utilise des puces d’origine américaine réglementées, le client doit comprendre l’Environnement de technologie réglementée, l’Image opérationnelle commune, les règles d’utilisation autorisée, le modèle d’accès utilisateur, la ségrégation des charges de travail, le suivi cryptographique et la cadence des audits. Si la charge de travail s’exécute sur Azure avec les contrôles Core42, le client doit comprendre quels contrôles sont natifs d’Azure, lesquels proviennent de Core42 Insight, lesquels sont contractuels et lesquels nécessitent une configuration du client.
Si elle s’exécute dans des centres de données appartenant à G42 sous une posture de cloud privé, le client doit comprendre quels services et voies de support sont exclus ou modifiés.
Le troisième test est la résilience. Le client devrait exécuter des scénarios d’incident avant de faire confiance à un système critique: dégradation d’un service partenaire, panne du fournisseur d’identité, latence réseau, point de terminaison de modèle indisponible, événement d’alimentation, pipeline de données défaillant, sortie de modèle erronée, tentative d’accès non autorisé et demande de support d’urgence. La question n’est pas de savoir si des incidents peuvent être imaginés. Ils le peuvent.
La question est de savoir si le client peut maintenir la charge de travail dans un état accepté, la mettre en pause en toute sécurité ou revenir en arrière sans perdre de preuves.
Le quatrième test est le coût opérationnel. Le client devrait chiffrer le cloud, le calcul, le stockage, le réseau, les services gérés, le support, les audits, la surveillance, l’examen de conformité, l’évaluation des modèles, l’intégration, le nettoyage des données, la formation du personnel et la maintenance continue. Les dossiers commerciaux d’IA souveraine surestiment souvent les économies car ils comptent l’automatisation des modèles et sous-estiment la main-d’œuvre de gouvernance. Un modèle bancaire, une plateforme de santé ou un service gouvernemental doit être supervisé. Le coût de cette supervision fait partie du produit.
Le cinquième test est la mesure des résultats. Pour un service gouvernemental, le temps de réponse, l’achèvement citoyen, le taux d’appel et l’exhaustivité des audits se sont-ils améliorés? Pour une banque, le modèle a-t-il réduit le temps d’examen sans augmenter les faux positifs, les plaintes ou les décisions inexplicables? Pour les soins de santé, l’application a-t-elle amélioré l’accès ou les opérations cliniques sans compromettre la vie privée ou la sécurité des patients? Pour les développeurs d’IA, G42 a-t-elle fourni une capacité stable, un prix prévisible, des outils utiles et une latence acceptable?
Les annonces publiques ne peuvent pas répondre à ces questions. La mesure en direct par le client le peut.
Le verdict est crédible, conditionnel et avide de preuves
La position de G42 est plus solide qu’une histoire de cloud régional ordinaire. Elle dispose d’une large base d’infrastructure locale via Khazna, d’une plateforme de cloud souverain et d’infrastructure d’IA via Core42, de liens profonds avec Microsoft, d’un alignement public avec les partenaires technologiques américains, d’un langage émergent d’assurance du calcul réglementé, de contextes opérationnels dans la santé et le secteur public, et d’une stratégie nationale qui traite l’infrastructure d’IA comme une priorité nationale.
Pour les gouvernements et les entreprises réglementées du Moyen-Orient et de certains marchés mondiaux, cette combinaison est inhabituelle.
Les risques sont tout aussi réels. L’entreprise dépend de la technologie de ses partenaires pour une grande partie de la pile d’IA avancée. Son calcul le plus précieux est lié aux contrôles à l’exportation et à la confiance géopolitique. Ses ambitions en matière de centres de données nécessitent de l’énergie, du refroidissement, de la construction, une chaîne d’approvisionnement et une livraison opérationnelle. Ses exemples sectoriels sont pertinents mais pas universels. Ses documents de gouvernance sont utiles mais principalement auto-décrits.
Ses documents publics ne fournissent pas de preuves standardisées indépendantes qu’un client réglementé peut déployer, auditer, maintenir et justifier économiquement une charge de travail spécifique à travers toutes les frontières impliquées.
Cela ne rend pas G42 faible. Cela rend le niveau de preuve élevé. L’IA souveraine ne se gagne pas par la plus grande annonce de campus ou la liste de partenaires la plus prestigieuse. Elle se gagne lorsqu’une charge de travail sensible peut s’exécuter de manière répétée sans semer la confusion chez le client sur l’endroit où vivent les données, qui contrôle le calcul, quel partenaire est responsable, ce que les régulateurs peuvent inspecter, comment les incidents sont traités et si l’économie fonctionne toujours une fois la main-d’œuvre opérationnelle réelle comptabilisée.
G42 se construit vers ce marché. La meilleure voie pour l’entreprise est de faire de l’auditabilité et de l’acceptation des charges de travail le produit, et non une note de bas de page. Cela signifie publier davantage de preuves au niveau du client, offrir des cartes de contrôle plus claires, documenter les procédures d’incident et de retour en arrière, exposer des contrôles de conformité mesurables et aider les acheteurs à chiffrer l’ensemble de la boucle opérationnelle. Si elle peut y parvenir, G42 sera plus qu’un bénéficiaire des gros titres d’investissement.
Elle sera une voie pratique pour les charges de travail d’IA réglementées qui ont besoin de capacités avancées sans perdre le contrôle.
Tant que ces preuves ne sont pas plus larges, le jugement devrait rester mesuré. G42 dispose d’ingrédients crédibles pour une infrastructure d’IA souveraine et d’un soutien stratégique inhabituellement fort. Elle n’a pas prouvé publiquement que chaque contrôle revendiqué fonctionne à travers chaque charge de travail réglementée, chaque frontière partenaire et chaque modèle de coût. L’acheteur qui traite G42 comme une réponse clé en main risque d’être déçu.
L’acheteur qui la traite comme un partenaire d’infrastructure sérieux et auditable, et qui teste la charge de travail acceptée avant le passage à l’échelle, pourrait trouver l’une des plateformes d’IA souveraine les plus importantes du marché.