Six dimensions métamorphosées par l'IA

1. Domaine économique

Comment l’IA transforme la production de richesse ?

1.1 Automatisation industrielle et productivité

L’IA est massivement utilisée pour optimiser les processus industriels et augmenter la productivité. Dans les usines intelligentes, des algorithmes pilotent la robotique pour des tâches d’assemblage, gèrent la maintenance prédictive des équipements ou optimisent les chaînes logistiques. Ces applications permettent de réduire les coûts et les temps d’arrêt, améliorant le rendement. Plus largement, les entreprises voient dans l’IA un levier de compétitivité : « le recours à l’intelligence artificielle a un impact positif sur l’efficacité et la productivité » en automatisant les tâches routinières, ce qui libère les employés pour des tâches à plus forte valeur ajoutée. Par exemple, l’IA dans la relation client (chatbots, centres d’appels augmentés) peut traiter automatiquement plus de 60% des demandes simples, laissant aux humains la gestion des cas complexes.

1.2 L’automatisation du travail intellectuel

Depuis 2024, une nouvelle étape a été franchie avec la généralisation des IA génératives et des assistants professionnels. Là où les précédentes vagues d’automatisation concernaient principalement les tâches physiques ou répétitives, l’IA s’attaque désormais à certaines tâches intellectuelles : rédaction de documents, synthèse d’informations, analyse de données, programmation informatique, assistance juridique ou production de contenus marketing. Dans de nombreuses organisations, les salariés utilisent déjà quotidiennement des outils comme ChatGPT, Copilot, Gemini ou Claude pour accélérer leur travail. L’enjeu n’est plus seulement de produire davantage avec moins de ressources, mais de redéfinir la frontière entre ce qui est réalisé par l’humain et ce qui peut être délégué à une machine. Cette évolution marque le passage d’une automatisation de la production à une automatisation partielle de la production intellectuelle.

Pendant longtemps, on a cru que l’automatisation concernerait d’abord les tâches manuelles et répétitives. Les ouvriers, les chauffeurs ou les employés administratifs semblaient les plus exposés. Pourtant, les premiers bouleversements majeurs touchent aujourd’hui des professions intellectuelles que l’on croyait relativement protégées.

Dans les cabinets d’avocats, certaines IA sont désormais capables d’analyser en quelques secondes des milliers de pages de contrats ou de jurisprudence, un travail qui mobilisait auparavant des équipes de jeunes collaborateurs pendant plusieurs jours. De grands cabinets internationaux utilisent déjà ces outils pour accélérer les recherches juridiques et la préparation des dossiers.

Le secteur de la traduction constitue un autre exemple frappant. Pendant des décennies, la maîtrise de plusieurs langues représentait une compétence hautement spécialisée. Aujourd’hui, des systèmes comme DeepL ou les modèles de langage avancés produisent des traductions d’une qualité suffisante pour de nombreux usages professionnels. De nombreux traducteurs ne font que corriger ou superviser des traductions générées automatiquement.

La programmation informatique connaît une évolution comparable. En 2025, une part croissante du code informatique est déjà écrite avec l’assistance d’outils comme GitHub, Copilot ou ChatGPT. Un développeur assisté par un “copilot” d’IA écrit en moyenne 40 % de code en plus par unité de temps. Certains développeurs décrivent désormais leur travail comme celui d’un architecte ou d’un superviseur plutôt que d’un rédacteur de code ligne par ligne. Une étude menée par Microsoft et GitHub a montré que les programmeurs assistés par IA accomplissaient certaines tâches jusqu’à deux fois plus rapidement que ceux travaillant sans assistance.

Les métiers créatifs ne sont pas épargnés. Des agences de publicité utilisent déjà des IA pour générer des slogans, des campagnes marketing ou des visuels en quelques minutes et à moindre coût. Certains photographes de banque d’images ont vu leurs revenus chuter brutalement face à la concurrence d’images générées artificiellement. Des illustrateurs racontent avoir perdu des contrats parce que leurs clients obtenaient des résultats “suffisamment bons” en utilisant MidJourney ou Stable Diffusion.

Le monde de la santé est lui aussi profondément concerné. Par exemple, des logiciels assistent déjà les radiologues dans l’analyse des scanners et des radiographies. Dans certains cas, l’algorithme détecte des anomalies discrètes qui auraient pu échapper à l’œil humain. Le rôle du médecin ne disparaît pas, mais il évolue progressivement vers la validation, l’interprétation et la prise de décision finale.

Cette évolution marque donc un changement historique. Depuis la révolution industrielle, les machines remplaçaient principalement la force physique. Pour la première fois à grande échelle, elles commencent à automatiser certaines activités liées au langage, à l’analyse, à la création et à la production de connaissances.

L’enjeu n’est plus seulement de savoir quels emplois disparaîtront, mais comment la place de l’être humain se redéfinira dans des professions où la compétence intellectuelle constituait jusqu’ici l’avantage décisif.

1.3 Innovation et nouveaux services

Au-delà des gains de productivité, l’intelligence artificielle constitue aujourd’hui l’un des principaux moteurs d’innovation. Elle ne se contente plus d’optimiser des processus existants : elle permet l’émergence de nouveaux produits, de nouveaux services et parfois même de nouveaux modèles économiques.

Sa capacité à analyser simultanément des volumes gigantesques de données lui permet d’identifier des corrélations ou des opportunités qu’aucune équipe humaine ne pourrait détecter seule dans des délais raisonnables. L’IA devient ainsi un outil de découverte, capable de révéler des tendances, des comportements ou des solutions jusque-là invisibles.

Dans le secteur financier, les algorithmes analysent en temps réel des millions de données économiques, politiques et comportementales afin d’évaluer les risques, détecter des fraudes ou ajuster automatiquement des stratégies d’investissement. Certaines plateformes sont capables de repérer des signaux faibles annonçant une défaillance d’entreprise ou un changement de marché avant même qu’ils ne soient perceptibles par les analystes traditionnels.

Dans le domaine médical, l’IA accélère considérablement la recherche. Des modèles spécialisés explorent des milliards de combinaisons moléculaires pour identifier de nouveaux candidats médicaments. Lors de la pandémie de Covid-19, des systèmes d’IA ont contribué à accélérer certaines phases de recherche en analysant d’immenses volumes de données biologiques. Aujourd’hui, des laboratoires utilisent l’IA pour concevoir des protéines inédites ou prédire la structure de molécules complexes, ouvrant de nouvelles perspectives dans le traitement de certaines maladies.

L’agriculture en bénéficie aussi. Grâce à des réseaux de capteurs, des images satellites et des modèles prédictifs, les exploitants peuvent ajuster précisément l’irrigation, les traitements ou les périodes de récolte. Cette agriculture de précision permet à la fois d’améliorer les rendements et de réduire la consommation d’eau, d’engrais et de pesticides.

Dans l’industrie, l’IA contribue à concevoir des matériaux aux propriétés nouvelles. Des algorithmes explorent des millions de combinaisons chimiques afin d’identifier des alliages plus résistants, des batteries plus performantes ou des matériaux mieux adaptés à la transition énergétique.

Les entreprises qui intègrent ces outils constatent des gains d’efficacité significatifs. Dans le secteur des services, par exemple, l’IA générative rédige des comptes rendus, propose des synthèses de réunions, élabore des brouillons de contrats ou de campagnes marketing en une fraction du temps qu’un employé mettrait à produire.

Les premières études à grande échelle, notamment celles de McKinsey et Goldman Sachs, estiment que l’IA générative pourrait ajouter entre 2 600 et 4 400 milliards de dollars par an à l’économie mondiale d’ici 2030, soit 15000 milliards de dollars sur la période. Ces chiffres sont du même ordre de grandeur que l’impact historique de la machine à vapeur ou de l’électricité.

L’innovation touche également le grand public. Les assistants conversationnels, les outils de traduction instantanée, les systèmes de création d’images, de vidéos ou de musique générative ont donné naissance à des services qui n’existaient tout simplement pas quelques années auparavant. Une petite entreprise ou un indépendant peut aujourd’hui accéder à des capacités de création, d’analyse ou de communication qui étaient autrefois réservées aux grandes organisations disposant de moyens considérables.

L’un des changements les plus profonds réside dans la démocratisation de capacités autrefois rares. Là où il fallait auparavant une équipe de spécialistes, des mois de travail et des investissements importants, une IA permet désormais d’obtenir en quelques minutes une première analyse, un prototype, une simulation ou une proposition de solution. Cette réduction spectaculaire des coûts d’expérimentation favorise l’innovation dans des domaines très variés.

Ainsi, l’intelligence artificielle agit comme un multiplicateur d’innovation. Elle accélère la recherche, réduit les coûts de développement, facilite l’émergence de nouveaux services et ouvre des possibilités inédites dans pratiquement tous les secteurs de l’économie. À ce titre, elle est souvent comparée à d’autres technologies transformatrices de l’histoire, comme l’électricité ou Internet, dont l’impact s’est progressivement diffusé dans l’ensemble du tissu économique.

1.4 Impact sur l’emploi

Autant la révolution industrielle a vu apparaître des machines destinées à assister ou remplacer l'homme dans des tâches physiques, autant la révolution de l'intelligence artificielle s'attaque directement au travail intellectuel. Rédaction, analyse, recherche, programmation ou création de contenus : des activités longtemps considérées comme spécifiquement humaines peuvent désormais être réalisées, au moins en partie, par des systèmes automatisés. Cette rupture touche des professions que l'on croyait protégées par leur niveau de qualification ou leur expertise.

À mesure que les systèmes d'IA gagnent en performance, c'est l'organisation même du travail et la valeur accordée à certaines compétences qui commencent à être redéfinies. Cette transformation produit déjà des effets contradictoires. D’un côté, elle crée de nouveaux métiers (data scientists, ingénieurs en apprentissage automatique, éthiciens de l’IA) et augmente la productivité des travailleurs existants en les assistant. De l’autre, elle menace d’automatiser de nombreux emplois, qu’il s’agisse de tâches répétitives ou analytiques de base ou de tâches plus complexes qui nécessitaient auparavant des connaissances solides.

Des études anticipent d'ailleurs plusieurs scénarios : une requalification à la hausse pour certains postes (les tâches banales étant prises en charge par l’IA, l’humain se concentre sur des tâches plus expertes), mais aussi une perte de qualification pour d’autres (l’IA surpasse l’humain sur certaines compétences, reléguant celui-ci à un rôle passif) . Un des risques identifiés est celui d’une « prolétarisation » de travailleurs qui seraient limités à exécuter les instructions d’IA sans mobiliser de savoir-faire évolutif . Les effets exacts demeurent incertains, mais les gouvernements étudient probablement de près ces impacts sur l’emploi pour anticiper reconversions et formations.

Cette transformation ne se traduit pas nécessairement par une disparition immédiate des métiers. Dans de nombreux cas, l’IA automatise certaines tâches plutôt que des professions entières. Le travail se recompose alors autour de nouvelles fonctions de supervision, de validation ou d’interprétation. Un radiologue continue d’exercer son métier, mais il travaille de plus en plus avec des outils capables de détecter automatiquement certaines anomalies. Un développeur produit davantage de code grâce à des assistants intelligents. Un juriste peut analyser en quelques minutes une masse documentaire.

Cette explosion de productivité induit donc une restructuration du marché du travail.

Des professions basées sur la production de contenu répétitif voient leurs tâches menacées d’automatisation partielle ou totale. Le modèle économique de ces métiers, souvent déjà fragilisé par les plateformes numériques, est encore plus mis sous tension.

À l’inverse, de nouvelles professions émergent : superviseurs de modèles, vérificateurs de biais, éthiciens de l’IA, formateurs en IA appliquée.

Dans les entreprises, l’IA redéfinit la notion même de compétence : il ne s’agit plus seulement de savoir produire un contenu, mais de savoir orienter et exploiter ce que produit la machine. En conséquence, une fracture apparaît entre les individus qui savent collaborer efficacement avec l’IA et ceux qui la subissent comme une concurrence. Cette recomposition du travail rappelle l’impact historique de l’automatisation industrielle : certaines catégories sont déclassées, tandis que d’autres, souvent plus qualifiées, prospèrent.

Plus l’IA devient performante, plus certaines compétences risquent de s’éroder. Lorsque la machine effectue la majeure partie des tâches techniques, l’humain peut perdre progressivement une partie de son savoir-faire. Certains chercheurs s’inquiètent ainsi d’une forme de dépendance professionnelle où les travailleurs conserveraient la responsabilité finale sans nécessairement maîtriser l’ensemble des opérations réalisées par les systèmes qu’ils utilisent.

Une autre conséquence possible est la polarisation du marché du travail. Les individus capables d’utiliser efficacement l’IA voient souvent leur productivité augmenter fortement et peuvent accéder à de nouvelles opportunités. À l’inverse, ceux qui ne disposent pas des compétences nécessaires risquent d’être marginalisés.

L’enjeu n’est donc plus seulement de créer ou de supprimer des emplois, mais de déterminer qui saura travailler avec l’IA et qui risque d’être progressivement dépassé par son adoption.

L’intelligence artificielle est donc la première technologie à grande échelle capable d’augmenter, de concurrencer ou de remplacer certaines fonctions cognitives elles-mêmes. Cette particularité explique pourquoi ses conséquences économiques dépassent largement les précédentes vagues d’automatisation. Elle ne transforme pas seulement les outils de production ; elle modifie la nature même du travail, de l’expertise et de la création de valeur.

1.5 Le paradoxe de l’expertise

L’une des conséquences les plus discrètes de l’intelligence artificielle pourrait aussi être l’une des plus importantes à long terme : l’érosion progressive de certaines compétences humaines.

Chaque génération transmet normalement son savoir-faire à la suivante par l’apprentissage, la pratique et l’expérience. Or, lorsque des systèmes automatisés prennent en charge une part croissante des tâches complexes, cette chaîne de transmission peut commencer à se fragiliser.

Un jeune juriste qui confie systématiquement ses recherches documentaires à une IA développera-t-il la même maîtrise de la jurisprudence que ses prédécesseurs ?

Un développeur qui fait générer une grande partie de son code comprendra-t-il aussi profondément les mécanismes qu’il utilise ?

Un graphiste qui travaille principalement à partir d’images produites par des modèles génératifs conservera-t-il les mêmes capacités de conception et de création ?

La question ne concerne pas seulement les professions créatives ou intellectuelles. Dans de nombreux domaines, les experts d’aujourd’hui se sont construits grâce à des années de pratique, d’erreurs, de vérifications et d’apprentissage progressif.

Si une partie de ce parcours est désormais réalisée par des systèmes automatisés, les futurs professionnels pourraient devenir d’excellents superviseurs d’IA sans pour autant acquérir le même niveau de compréhension fondamentale que leurs prédécesseurs.

Cette évolution ouvre un paradoxe inédit dans l’histoire économique. L’intelligence artificielle pourrait simultanément augmenter la productivité globale des organisations tout en réduisant progressivement le niveau moyen d’expertise humaine dans certains domaines. Les entreprises produiraient davantage, plus rapidement et à moindre coût, tandis qu'une partie des savoir-faire deviendrait moins répandue.

À court terme, cette évolution peut apparaître bénéfique. À long terme, elle soulève une interrogation stratégique : que se passe-t-il lorsqu’une société délègue progressivement certaines compétences essentielles à des systèmes qu’elle ne maîtrise plus totalement ? La question dépasse alors le simple cadre de l’emploi. Elle touche à la transmission du savoir, à l’autonomie professionnelle et à la capacité collective à comprendre les outils dont nous dépendons.

1.6 Poids économique global

Le marché mondial de l’IA connaît une croissance explosive et est devenu l’un des secteurs les plus stratégiques de l’économie mondiale. Estimé à quelques dizaines de milliards de dollars il y a encore une décennie, il connaît aujourd’hui une croissance fulgurante et devrait dépasser plusieurs centaines de milliards de dollars dans les prochaines années.

Mais ces chiffres ne prennent en compte qu’une partie du phénomène. Comme l’électricité ou Internet avant elle, l’IA ne constitue pas seulement un secteur économique en soi : elle agit comme une technologie transversale qui transforme progressivement l’ensemble des activités humaines. Son impact réel dépasse largement la vente de logiciels ou de services spécialisés.

Les investissements engagés donnent une idée de l’ampleur de cette transformation. Depuis le début des années 2010, les États-Unis et la Chine ont consacré des centaines de milliards de dollars au développement de l’intelligence artificielle, attirant chercheurs, infrastructures et entreprises innovantes. Cette mobilisation rappelle les grands programmes industriels du XXᵉ siècle, qu’il s’agisse de la conquête spatiale, du nucléaire civil ou du développement d’Internet.

L’intelligence artificielle pourrait générer plus de 15 000 milliards de dollars de valeur supplémentaire dans l’économie mondiale d’ici 2030. Pour prendre la mesure de ce chiffre, il représente davantage que le produit intérieur brut annuel de l’Union européenne et se rapproche de la richesse produite chaque année par la Chine, deuxième économie mondiale.

Une comparaison permet de mieux comprendre l’enjeu. L’intelligence artificielle pourrait avoir un impact encore plus large qu’Internet en a eu entre les années 1990 et 2000, car elle ne se contente pas de relier les individus : elle intervient directement dans la production de connaissances, la prise de décision, la recherche scientifique, la création de contenus et l’organisation du travail.

C’est pourquoi de nombreux économistes considèrent l’IA non comme une innovation parmi d’autres, mais comme une technologie générale de transformation, comparable à la machine à vapeur, à l’électricité ou à Internet. Ces technologies ont profondément remodelé l’économie mondiale pendant plusieurs décennies. L’intelligence artificielle pourrait suivre une trajectoire similaire, avec des conséquences qui dépassent largement le seul secteur numérique.

L’ascension fulgurante de Nvidia illustre cette mutation. Longtemps connue des joueurs vidéo pour ses cartes graphiques, l’entreprise est devenue en quelques années l’un des piliers de l’économie mondiale, ses processeurs étant devenus indispensables à l’entraînement des modèles d’IA les plus avancés. Sa valorisation boursière dépasse désormais celle de nombreuses multinationales historiques de l’énergie, de l’industrie ou de la finance.

1.7 Enjeux de concurrence et de souveraineté

L’IA est la première révolution industrielle dont la matière première est la connaissance.

Les pouvoirs publics, notamment en Europe, craignent une concentration de la valeur et une dépendance stratégique : sans réaction, ces entreprises pourraient « devenir incontournables et définir elles-mêmes les règles du jeu » dans les secteurs clés . Cela se traduirait par de moindres recettes fiscales pour les États et une perte de souveraineté technologique .

En réponse, des politiques industrielles visent à soutenir des écosystèmes IA locaux (subventions, cloud souverains, partage de données publiques) pour diversifier l’offre et garder la maîtrise de ces technologies stratégiques.

L’IA bouleverse en profondeur les équilibres économiques mondiaux, en agissant à la fois comme accélérateur de productivité, comme facteur de transformation du travail intellectuel et comme source de concentration de la valeur au profit de quelques acteurs dominants.

L’IA a aussi un impact structurel sur la concentration économique.

Quelques grandes entreprises technologiques (GAFAM et géants chinois BATX) dominent via leurs ressources colossales en données, talents et capacité de calcul. Il existe un risque de domination économique par ces acteurs si aucune alternative n’émerge. Par exemple, OpenAI (adossé à Microsoft), Google DeepMind, Anthropic, Meta, mais aussi Baidu et Tencent en Chine sont parmi les rares compagnies à disposer des ressources nécessaires pour développer et déployer ces modèles à grande échelle.

Les modèles de pointe exigent des investissements colossaux : des milliards de dollars pour l’entraînement, des milliers de processeurs graphiques spécialisés, et l’accès à des volumes massifs de données.  Cette concentration confère à ces entreprises un pouvoir inédit : elles deviennent des fournisseurs quasi indispensables, capables de fixer leurs conditions d’accès et de tarification. Les États et les PME se retrouvent face à un dilemme : adopter ces solutions et dépendre de géants étrangers, ou tenter de bâtir des alternatives locales au prix d’investissements massifs. L’Europe, par exemple, investit dans des projets comme Mistral AI ou Luminous AI pour ne pas être totalement dépendante du duopole américano-chinois. Cette compétition a des enjeux de souveraineté technologique comparables à ceux du pétrole ou des semi-conducteurs : qui contrôle l’IA contrôle une part croissante de la chaîne de valeur mondiale.

En particulier, depuis 2025, certaines entreprises technologiques investissent dans les infrastructures d’intelligence artificielle plus d’argent que le budget annuel de nombreux états. Les centres de données les plus récents mobilisent des milliards de dollars, consomment autant d’électricité qu’une ville de taille moyenne et nécessitent parfois la construction de nouvelles infrastructures énergétiques dédiées. L’intelligence artificielle n’est donc plus seulement une industrie du logiciel : elle devient une industrie lourde.

Le véritable pouvoir ne réside toutefois pas uniquement dans les modèles d’intelligence artificielle eux-mêmes, mais dans l’infrastructure qui les rend possibles. Car plus l’IA paraît immatérielle aux yeux du grand public, plus elle repose en réalité sur des infrastructures physiques gigantesques.

Pour fonctionner, les systèmes d’IA les plus avancés nécessitent six ressources stratégiques : les données, la puissance de calcul, l’énergie, les processeurs spécialisés, les infrastructures cloud et les modèles eux-mêmes. Chacune de ces composantes est devenue un enjeu économique et géopolitique majeur.

Les données constituent le carburant de l’intelligence artificielle. Plus un acteur dispose de données nombreuses, variées et de qualité, plus il peut entraîner des modèles performants. Les grandes plateformes numériques bénéficient à cet égard d’un avantage considérable : chaque recherche, chaque clic, chaque vidéo visionnée ou achat réalisé contribue à enrichir leurs capacités d’analyse.

La puissance de calcul est devenue tout aussi stratégique. L’entraînement des modèles les plus avancés mobilise des dizaines de milliers de processeurs fonctionnant simultanément pendant des semaines, voire des mois. Cette capacité de calcul représente aujourd’hui une énorme barrière d'entrée pour de nouveaux acteurs.

Les puces spécialisées, en particulier les processeurs graphiques (GPU), sont devenues une ressource critique. L’ascension spectaculaire de Nvidia illustre cette transformation. Longtemps connue pour ses cartes graphiques destinées aux joueurs, l’entreprise est devenue l’un des piliers de l’économie mondiale, ses composants étant désormais indispensables au développement des systèmes d’intelligence artificielle les plus avancés.

L’énergie constitue également une contrainte croissante. Les centres de données nécessaires à l’IA consomment des quantités considérables d’électricité et d’eau pour leur fonctionnement et leur refroidissement. Dans certains pays, la capacité énergétique disponible devient déjà un facteur limitant pour le déploiement de nouvelles infrastructures d’IA.

À cela s’ajoutent les infrastructures cloud. Très peu d’entreprises disposent des moyens nécessaires pour construire et exploiter des centres de données à l’échelle mondiale. Cette situation renforce encore la position dominante d’acteurs comme Microsoft, Amazon ou Google, qui contrôlent déjà une part importante des infrastructures numériques de la planète.

Comme le pétrole au XXᵉ siècle, la maîtrise de ces ressources conditionne désormais la puissance économique, technologique et militaire des nations.

La compétition mondiale autour de l’intelligence artificielle ne se limite donc pas aux algorithmes. Elle porte également sur la maîtrise des données, du calcul, des puces, de l’énergie et du cloud. À bien des égards, ces ressources jouent pour le XXIᵉ siècle un rôle comparable à celui qu’ont joué le pétrole, l’acier ou les réseaux ferroviaires lors des précédentes révolutions industrielles. Les nations qui en maîtrisent les principaux leviers disposent d’un avantage économique, technologique et stratégique considérable.

Cette dépendance ne concerne pas uniquement les logiciels. La fabrication des semi-conducteurs avancés repose sur une chaîne industrielle mondiale extrêmement complexe, dont certains maillons stratégiques sont concentrés dans un nombre limité de pays, notamment Taïwan, la Corée du Sud ou les États-Unis.

En somme, l’IA agit comme une force ambivalente : elle promet des gains de productivité spectaculaires et de nouvelles opportunités économiques, mais elle provoque aussi une réorganisation brutale du travail intellectuel et une concentration dangereuse du pouvoir économique. Le défi pour les États et les institutions internationales est d’anticiper cette mutation, d’accompagner les transitions professionnelles, et de mettre en place des garde-fous pour éviter que l’IA ne devienne l’apanage de quelques-uns au détriment du plus grand nombre.

Dans cette nouvelle économie, la maîtrise de l’infrastructure devient l’un des principaux leviers de puissance.

1.8 Les gagnants et les perdants de la transition

Comme toutes les grandes révolutions technologiques, l’intelligence artificielle ne redistribue pas les cartes de manière uniforme. Elle crée de nouvelles opportunités, mais elle déplace aussi la valeur économique, parfois brutalement.

Les principaux bénéficiaires sont d’abord les acteurs qui contrôlent les ressources stratégiques de cette nouvelle économie, comme nous venons de le voir : infrastructures cloud, centres de données, processeurs spécialisés, modèles d’IA ou volumes massifs de données. Les entreprises capables d’intégrer rapidement l’IA dans leurs processus de production peuvent aussi obtenir des gains de productivité considérables et renforcer leur position concurrentielle.

À l’échelle individuelle, les travailleurs qui apprennent à collaborer efficacement avec l’IA voient souvent leur valeur augmenter. Leur productivité progresse, leur capacité d’analyse s’élargit et ils peuvent accomplir des tâches autrefois réservées à des équipes plus nombreuses. Dans de nombreux secteurs, la complémentarité entre l’humain et la machine devient un avantage déterminant.

À l’inverse, les activités les plus facilement standardisables sont les plus exposées. Les tâches répétitives, fortement structurées ou reposant sur la production de contenus relativement prévisibles peuvent être automatisées partiellement ou totalement. Les entreprises dont le modèle économique repose essentiellement sur ce type d’activités risquent de subir une pression croissante sur leurs marges et leur compétitivité.

Les acteurs dépendants des grandes plateformes technologiques se trouvent également dans une position fragile. Lorsqu’une entreprise construit une part importante de son activité sur des outils ou des infrastructures qu’elle ne contrôle pas, elle s’expose aux changements de tarifs, aux évolutions techniques ou aux décisions stratégiques de fournisseurs devenus incontournables.

À l’échelle des nations, les écarts pourraient aussi se creuser. Les pays capables de développer leurs propres infrastructures, leurs talents et leurs capacités de recherche disposent d’un avantage stratégique majeur. À l’inverse, ceux qui resteront durablement dépendants de technologies conçues ailleurs risquent de perdre progressivement une partie de leur autonomie économique et technologique.

L’histoire montre cependant que les révolutions technologiques ne produisent pas des gagnants et des perdants définitifs. Elles favorisent avant tout les acteurs capables de comprendre les changements en cours, de s’adapter rapidement et de transformer ces mutations en opportunités.

L’enjeu central n’est donc pas seulement l’accès à l’intelligence artificielle, mais la capacité à l’intégrer intelligemment dans les modèles économiques, les organisations et les compétences humaines.

2. Domaine social

Comment l’IA transforme les institutions qui structurent nos sociétés ?

L’IA n’affecte pas seulement les économies : elle transforme nos sociétés. Elle agit directement sur le tissu social, en modifiant la manière dont nous apprenons, communiquons, créons et partageons des savoirs. Ses effets se font sentir dans des domaines aussi essentiels que l’éducation, la santé, l’information, la justice, la culture et la créativité individuelle.

2.1 L'Éducation

Pendant des siècles, l’école a été organisée autour de la rareté de la connaissance. L’IA apparaît dans un monde où elle devient potentiellement disponible en permanence. 

Dès la mise à disposition publique de ChatGPT, de nombreux collégiens, lycéens et étudiants se sont emparés de l’outil, espérant ainsi se décharger de la douloureuse tâche de production des devoirs. Certains enseignants ont rapidement constaté une amélioration soudaine de la qualité de certaines copies, parfois accompagnées de formulations étonnamment homogènes ou d’un niveau inhabituellement élevé. Les premiers mois ont ainsi été marqués par une forme de course d’adaptation entre élèves et enseignants : dans de nombreux établissements, les modalités d’évaluation ont commencé à évoluer, avec un retour des devoirs surveillés, des oraux ou des travaux réalisés en classe, le professeur finissant par ne plus savoir distinguer le travail humain du travail généré par l’IA. 

Pourtant, en permettant d’adapter les parcours pédagogiques à chaque élève grâce à des tuteurs virtuels intelligents capables d’évaluer le niveau et le style d’apprentissage individuel, l’IA promet de transformer l’enseignement. Par exemple, des logiciels d’adaptive learning peuvent proposer des exercices sur mesure, comblant les lacunes propres à chaque apprenant.

Elle redonne aussi du temps aux enseignants en automatisant certaines tâches administratives ou d’évaluation (correction de devoirs basiques, suivi de l’assiduité). L’UNESCO note que l’intelligence artificielle peut aider à relever de grands défis éducatifs et à innover dans les pratiques d’enseignement, tout en accélérant les progrès vers les objectifs d’éducation pour tous. Cependant, cette organisation internationale souligne également la nécessité d’orienter ces usages de manière à « augmenter l’autonomie des apprenants » et non la diminuer.

Toutefois, des préoccupations sérieuses se dessinent à propos de la protection des données des élèves (respect de la vie privée) et le risque d’accentuer la fracture éducative entre ceux qui ont accès à ces outils et les autres.

L’IA est en train de devenir un tuteur universel accessible 24h/24. Dans de nombreux pays, les élèves utilisent déjà ChatGPT ou ses équivalents pour reformuler une leçon, obtenir des explications sur mesure ou pratiquer une langue étrangère. Des plateformes éducatives ont intégré ces modèles pour créer des parcours d’apprentissage personnalisés, capables de détecter automatiquement les points faibles d’un étudiant et de générer des exercices adaptés. Ce potentiel est immense pour réduire les inégalités d’accès au savoir, notamment dans les régions où les enseignants sont rares ou débordés.

Cependant,  l’usage systématique de l’IA risque de diminuer l’effort cognitif des apprenants. En effet, pourquoi mémoriser ou structurer une pensée quand une machine peut produire la réponse immédiatement ? Les institutions éducatives se trouvent face à un dilemme : intégrer ces outils comme alliés pédagogiques ou tenter de les contenir, au risque d’être dépassées par l’usage spontané des étudiants. On assiste ainsi à une véritable transformation du rapport à l’apprentissage, car au-delà des outils eux-mêmes, c’est donc la fonction même de l’école qui se trouve interrogée.

En somme, en étant capable à la fois de personnaliser l’éducation et en offrant un accès élargi à la connaissance, l’intelligence artificielle est prometteuse mais doit être encadrée pour « l’avenir que nous voulons », c’est-à-dire une éducation augmentée sans perte d’éthique ni d’équité.

Pour la première fois dans l’histoire, des millions d’élèves disposent d’un tuteur personnel capable de répondre instantanément à presque toutes leurs questions. Cette situation ouvre des possibilités pédagogiques inédites, mais elle interroge également la finalité même de l’enseignement. Si l’information devient disponible en permanence, l’école doit-elle continuer à privilégier la mémorisation des connaissances ou se concentrer davantage sur l’analyse, le discernement, l’esprit critique et la capacité à poser les bonnes questions ? L’IA oblige à redéfinir ce que signifie apprendre au XXIe siècle.

Face à l'arrivée rapide des intelligences artificielles génératives dans les salles de classe, les institutions internationales ont commencé à élaborer des cadres de référence destinés à accompagner cette transformation. En 2023, l'UNESCO a publié Guidance for Generative AI in Education and Research, un document qui fait aujourd'hui figure de référence mondiale sur le sujet.

L'organisation y reconnaît le potentiel de ces technologies pour personnaliser certains apprentissages, faciliter l'accès à la connaissance ou assister les enseignants dans certaines tâches. Elle souligne cependant que leur intégration dans l'éducation doit s'accompagner de garanties afin de préserver la qualité de l'enseignement, la protection des données des élèves et le développement de l'autonomie intellectuelle.

Parmi ses principales recommandations figurent le maintien d'un rôle central pour l'enseignant, l'encadrement de l'usage des IA génératives à l'école, le renforcement de l'esprit critique face aux contenus produits par les machines, ainsi que l'enseignement du fonctionnement, des possibilités et des limites de ces systèmes.

L'idée fondamentale est que l'intelligence artificielle doit demeurer un outil au service de l'apprentissage. Elle peut soutenir l'acquisition des connaissances, mais ne doit pas se substituer au développement des capacités intellectuelles, du jugement et de la réflexion de l'élève.

2.2 LA Santé

Le secteur de la santé a rapidement intégré l’IA, avec des bénéfices notables.

En diagnostic médical, les IA analysent des imageries (radios, IRM, scanners) et sont capables de détecter des anomalies invisibles pour l’humain. Par exemple, un assistant IA comme le logiciel Gleamer aide déjà plus de 1000 établissements de santé à interpréter les radiographies : il a aidé les médecins à rédiger plus de 15 millions d’examens l’année dernière. L’IA améliore ainsi la rapidité et la précision des diagnostics (détection précoce de cancers, analyse d’ECG, dépistage automatisé de maladies oculaires, etc.).

En médecine personnalisée, des algorithmes croisent des données génétiques et cliniques pour adapter les traitements à chaque patient.

Les chatbots médicaux et applications de télémédecine assistée par IA conseillent les patients 24/7 pour des symptômes bénins ou le suivi de maladies chroniques.

Du côté de la recherche, l’IA accélère la découverte de nouveaux médicaments (criblage virtuel de milliards de molécules) et la conception de protocoles médicaux optimisés.

Globalement, elle est devenue incontournable dans le domaine de la santé en contribuant à augmenter l’efficacité des soins dans le monde entier. Toutefois, des défis persistent : validation clinique rigoureuse de ces outils, nécessité de documenter et d’expliquer les décisions de l’IA afin d’éviter une “boîte noire” diagnostique, respect du secret médical dans l’entraînement des modèles, etc.

Les professionnels de santé explorent donc l’IA comme un assistant améliorant leur pratique, mais pas comme un substitut complet – la relation humaine soignant-soigné restant pour l’instant centrale.

Face au développement rapide de l’intelligence artificielle en médecine, les institutions internationales ont élaboré plusieurs cadres de référence. L’Organisation mondiale de la Santé rappelle notamment que les systèmes d’IA doivent rester sous supervision humaine, être validés cliniquement, protéger les données des patients et garantir l’équité d’accès aux soins. Ces recommandations visent à faire de l’IA un outil d’assistance au professionnel de santé plutôt qu’un substitut à la responsabilité médicale.

WHO – Regulatory Considerations on AI for Health (2023)

L’intégration croissante de l’intelligence artificielle dans la médecine soulève également des questions inédites concernant la place du médecin lui-même. Que devient le diagnostic clinique lorsque des algorithmes sont capables d’analyser en quelques secondes des millions de données, de comparer un cas particulier à d’immenses bases de connaissances et parfois de détecter des anomalies invisibles à l’œil humain ? Le risque n’est pas seulement celui d’une dépendance technologique, mais aussi celui d’une transformation progressive du raisonnement médical. Si le praticien s’habitue à s’appuyer systématiquement sur les suggestions de la machine, certaines compétences diagnostiques pourraient s’éroder avec le temps, comme cela a déjà été observé dans d’autres professions fortement assistées par le numérique.

Une autre question apparaît lorsque le médecin et l’algorithme ne sont pas d’accord. Si l’IA détecte un cancer qu’un radiologue juge improbable, faut-il suivre l’avis de la machine ou celui du spécialiste ? À l’inverse, si le médecin soupçonne une pathologie que l’algorithme ne signale pas, qui doit avoir le dernier mot ? Ces situations ne sont plus théoriques : elles commencent déjà à se présenter dans certains domaines comme la radiologie, l’ophtalmologie ou l’analyse d’images dermatologiques. Derrière ces désaccords se cache également une question juridique majeure : en cas d’erreur, qui porte la responsabilité ? Le médecin qui n’a pas suivi l’avis de l’algorithme ? L’établissement de santé ? Le concepteur du logiciel ? Les systèmes juridiques du monde entier commencent seulement à explorer ces problématiques.

La relation entre le patient et le soignant pourrait elle aussi évoluer. Depuis toujours, la confiance repose en grande partie sur l’expertise du praticien. Mais que se passera-t-il lorsque certains patients auront accès aux mêmes outils d’intelligence artificielle que leur médecin ? Certains pourraient être tentés d’accorder davantage de crédit à un algorithme présenté comme objectif, alimenté par des millions de cas et théoriquement exempt d’erreurs humaines. D’autres, au contraire, continueront à privilégier l’expérience clinique, l’intuition médicale et la compréhension globale de la personne malade qu’aucune machine ne possède réellement. L’enjeu n’est donc pas seulement technique : il touche au fondement même de la médecine moderne, qui repose autant sur la science que sur la relation humaine. L’avenir ne se situe probablement ni dans le remplacement du médecin par l’algorithme, ni dans le rejet de ces nouveaux outils, mais dans la recherche d’un équilibre entre puissance de calcul et jugement clinique.

Même si l’intelligence artificielle devenait un jour supérieure à l’humain dans certaines tâches diagnostiques, elle ne remplacerait pas nécessairement la dimension relationnelle du soin. Un patient n’est pas seulement un ensemble de données biologiques ou d’images médicales. Il possède une histoire, des peurs, des attentes, un contexte familial et social qui influencent sa manière de vivre la maladie. Annoncer un cancer, accompagner une fin de vie, aider une personne à prendre une décision thérapeutique difficile ou simplement entendre une souffrance ne relèvent pas uniquement de l’expertise technique. Ces dimensions constituent une part essentielle de la médecine et reposent sur des qualités humaines que les systèmes actuels ne possèdent pas. À mesure que l’IA progressera, la valeur du médecin pourrait donc se déplacer : moins vers l’accès exclusif au savoir médical, davantage vers sa capacité à interpréter, accompagner et humaniser la décision de soin.

2.3 La Justice

Les institutions judiciaires commencent à adopter l’intelligence artificielle de manière ciblée. L’objectif est d’améliorer l’efficacité, la transparence et l’accès à la justice. Par exemple, des systèmes d’IA juridique peuvent aider à trier et analyser des masses de documents juridiques ou de jurisprudence en quelques secondes – une tâche qui prendrait des semaines à des juristes humains. Des outils assistent les juges dans la rédaction de décisions ou la recherche de précédents pertinents.

Dans certains pays, on expérimente des algorithmes de recommandation de peines ou d’évaluation du risque de récidive.

Cependant, ces usages sont controversés : des études ont montré que certains algorithmes de justice prédictive pouvaient présenter des biais raciaux ou sociaux inquiétants. Par exemple, un programme déployé aux États-Unis (COMPAS) s’est avéré plus enclin à classer “à haut risque” de récidive des prévenus noirs que des blancs dans des cas similaires, soulevant de graves questions d’équité. De même, une expérience en Espagne en 2019 a révélé qu’un algorithme de récidive doublait le risque d’étiqueter à tort un jeune homme d’origine étrangère comme dangereux par rapport à un natif . Ces biais algorithmiques dans la justice posent un problème de droits fondamentaux.

Néanmoins, lorsque bien utilisés, les outils d’IA peuvent accélérer les procédures en réduisant les délais judiciaires et aider à désengorger les tribunaux tout en fournissant aux citoyens de nouveaux services, comme les chatbots juridiques d’information gratuits.

L’ONU et d’autres organisations encouragent une approche équilibrée : profiter de l’IA pour améliorer l’accès à la justice pour tous, tout en étant vigilant sur les biais et en maintenant un contrôle humain sur les décisions. Ainsi, l’IA judiciaire reste assistive et encadrée, avec l’éthique et la transparence comme principes directeurs de son développement.

L'UNESCO a établi un cadre mondial pour l'utilisation de l'IA dans les tribunaux, fondé notamment sur la supervision humaine, la transparence, l'auditabilité, la protection des droits fondamentaux, la prévention des biais et discriminations et le maintien de l'indépendance judiciaire :

Guidelines for the Use of AI Systems in Courts and Tribunals (UNESCO)

Au-delà de la question des biais, l’utilisation de l’intelligence artificielle dans la justice soulève un débat plus fondamental encore : quelle place sommes-nous prêts à accorder à un algorithme dans des décisions qui engagent la liberté des individus ? Accepterions-nous qu’un juge suive l’avis d’un logiciel estimant qu’une personne présente un risque élevé de récidive ou au contraire un risque nul ? À première vue, l’idée peut sembler séduisante. Si une intelligence artificielle est capable d’analyser des millions de dossiers judiciaires et d’identifier des facteurs de risque invisibles à l’œil humain, elle pourrait contribuer à protéger la société en réduisant certaines erreurs d’appréciation. Les partisans de ces outils soulignent qu’ils pourraient aider à prévenir des récidives graves, à mieux cibler les mesures de suivi ou à objectiver certaines décisions parfois influencées par des facteurs émotionnels ou subjectifs.

 Mais cette approche soulève immédiatement une difficulté majeure. Dans un état de droit, une personne est normalement jugée pour les actes qu’elle a commis, non pour ceux qu’elle pourrait éventuellement commettre dans le futur. La logique de la justice prédictive introduit ainsi un changement de paradigme : elle ne s'intéresse plus seulement aux faits passés, mais cherche à anticiper des comportements futurs à partir de probabilités statistiques. Or une probabilité n'est pas une certitude. Même extrêmement performant, un algorithme se trompe parfois. Accepter qu'une décision judiciaire soit influencée par une prédiction revient donc à accepter qu'une personne puisse subir des conséquences concrètes en raison d'un comportement qu'elle n'a pas encore eu.

Cette tension met en opposition deux valeurs fondamentales des sociétés démocratiques. D'un côté, la protection de la collectivité et la prévention des risques. De l'autre, la présomption d'innocence, l'égalité devant la loi et le respect des libertés individuelles. Plus les outils prédictifs deviendront performants, plus cette tension risque de s'accentuer. Une société obsédée par la prévention pourrait être tentée d'accepter une surveillance ou un contrôle croissant des individus au nom de la sécurité. À l'inverse, une protection absolue des libertés pourrait conduire à renoncer à certains outils potentiellement utiles pour prévenir des actes graves.

L'enjeu dépasse donc largement la technologie elle-même. Il interroge la conception que nous avons de la justice. Souhaitons-nous une justice fondée principalement sur le jugement humain, avec ses imperfections mais aussi sa capacité à prendre en compte la singularité des situations ? Ou sommes-nous prêts à déléguer une partie de cette appréciation à des systèmes statistiques dont le fonctionnement reste souvent difficile à comprendre pour les citoyens eux-mêmes ? À travers l'intelligence artificielle, c'est finalement l'équilibre entre sécurité et liberté qui se trouve à nouveau questionné.

2.4 Information et démocratie

Pendant des décennies, l’intelligence artificielle a agi dans les médias en arrière-plan, sous forme d’IA classique : algorithmes de recommandation, analyse prédictive d’audience, optimisation publicitaire. Netflix, YouTube ou Facebook ont été parmi les premiers à démontrer la puissance de ces systèmes : en analysant le comportement des utilisateurs, ils ont pu prédire ce qui capterait leur attention et l’amener directement sous leurs yeux. Cela a transformé le paysage médiatique : au lieu de choisir dans un éventail neutre, l’individu consomme désormais des contenus façonnés par une logique algorithmique de personnalisation. Le résultat ? Un glissement de pouvoir : ce ne sont plus les rédactions ou les programmateurs qui décident ce que l’on voit, mais des systèmes d’optimisation invisibles qui privilégient ce qui retient le plus longtemps l’attention.

L’arrivée de l’IA d’aujourd’hui bouleverse le paysage informationnel mondial. Sa capacité à produire des textes cohérents, des images photoréalistes ou des vidéos réalistes ouvre la voie à une démocratisation de la désinformation. Les deepfakes permettent de faire dire n’importe quoi à un dirigeant, de falsifier un événement en apparence crédible, ou de saturer les réseaux sociaux de contenus orientés. Cette abondance de contenus synthétiques rend la distinction entre vrai et faux de plus en plus difficile pour le grand public. Les démocraties sont particulièrement exposées : une campagne électorale peut être parasitée par des milliers de vidéos ou d’articles générés, sapant la confiance dans les institutions. Les campagnes d’influence étrangères menées sur les réseaux sociaux depuis une dizaine d’années ont montré à quel point l’information pouvait déjà être manipulée à grande échelle. L’arrivée de l’IA générative amplifie considérablement ce phénomène en réduisant presque à zéro le coût de production de faux contenus crédibles. À l’inverse, l’IA est aussi utilisée pour contrer les infox : détection automatisée des deepfakes, fact-checking accéléré, alertes en temps réel. Nous sommes entrés dans une nouvelle ère : celle de la bataille algorithmique de l’information, où les IA s’affrontent pour créer ou débusquer la manipulation. Le risque social est majeur : si la confiance collective dans l’information s’effondre, les sociétés basculent dans un scepticisme généralisé, voire dans la fragmentation des réalités.

Avec l’IA générative, une étape supplémentaire est franchie : les systèmes ne se contentent plus de filtrer ou de recommander du contenu, ils créent directement l’information. Des articles sportifs, des dépêches financières ou des résumés d’actualité sont déjà rédigés automatiquement par des IA, parfois sans signalement clair pour le lecteur. Des images de guerre ou de catastrophes, entièrement synthétiques, circulent sur les réseaux sociaux avant même que les journalistes aient pu vérifier leur véracité. Le risque est double : d’une part, une industrialisation de l’information où quantité prime sur qualité ; d’autre part, une fragilisation de la confiance puisque les frontières entre reportage authentique et production artificielle deviennent floues.

Le rôle du journaliste s’en trouve bouleversé. Il n’est plus seulement un producteur de contenu, mais doit devenir un curateur et un vérificateur. Face à une masse croissante de textes, images et vidéos générés, sa mission sera d’authentifier, de contextualiser, de distinguer l’information du bruit. Cette transformation renforce l’importance des médias indépendants, mais elle les confronte aussi à une concurrence déloyale : pourquoi payer pour un article soigneusement enquêté si un robot peut produire un texte apparemment crédible en quelques secondes ? La viabilité économique du journalisme est directement menacée, et avec elle, le fonctionnement démocratique qui repose sur une information fiable.

Comment une société peut-elle continuer à partager une réalité commune lorsque chacun peut produire des milliers de contenus crédibles en quelques minutes ?

Dans son rapport Journalism in the Age of Artificial Intelligence, l'UNESCO analyse les opportunités et les risques associés à l'intégration de ces technologies dans la production et la diffusion de l'information. L'organisation souligne que l'IA peut assister les journalistes dans la recherche documentaire, l'analyse de données ou la vérification de certaines informations, mais rappelle également les risques liés à la désinformation automatisée, aux contenus synthétiques trompeurs, aux deepfakes et à l'opacité des algorithmes de recommandation. L'UNESCO insiste ainsi sur la nécessité de préserver l'indépendance éditoriale, la transparence des processus de production de l'information et le rôle du jugement humain dans le travail journalistique. L'enjeu n'est pas seulement technologique : il concerne directement la confiance du public dans l'information et le bon fonctionnement du débat démocratique.

Face à l'influence croissante des plateformes numériques dans l'accès à l'information, l'UNESCO a publié aussi les Guidelines for the Governance of Digital Platforms, un cadre de référence destiné aux gouvernements, aux régulateurs et aux acteurs du numérique. Ces lignes directrices visent à concilier la liberté d'expression, l'accès à l'information et la protection du débat public dans un environnement où les contenus sont de plus en plus sélectionnés, hiérarchisés et diffusés par des systèmes algorithmiques. L'UNESCO souligne notamment la nécessité d'accroître la transparence des mécanismes de recommandation, de limiter les risques de désinformation à grande échelle, de renforcer la responsabilité des plateformes et de garantir le respect des droits fondamentaux. L'organisation considère que la gouvernance des systèmes algorithmiques est devenue un enjeu majeur pour la qualité de l'information, la confiance du public et le fonctionnement des sociétés démocratiques.

Et le problème n’est plus seulement qui produit l’information, mais qui finance sa production. Car cette révolution ne menace pas seulement la fiabilité de l'information ; elle remet également en cause l'économie même des médias. Depuis plusieurs décennies déjà, la presse écrite traditionnelle subit une érosion continue de son lectorat et de ses revenus publicitaires. Internet avait partiellement compensé ce déclin grâce aux abonnements numériques et aux sites d'information en ligne. Depuis une dizaine d’années, les radios, les télévisions et les médias numériques subissent le même sort. 

Mais l'arrivée des intelligences artificielles génératives introduit une nouvelle rupture. Car de plus en plus d'utilisateurs ne consultent plus directement les médias. Ils interrogent un assistant conversationnel qui synthétise pour eux des informations issues de multiples sources. Le risque est que les producteurs d'information supportent les coûts de l'enquête, de la vérification et du travail journalistique, tandis que la valeur soit captée par les plateformes d'intelligence artificielle qui redistribuent ensuite ces contenus sous forme de réponses synthétiques. Plusieurs grands groupes de presse internationaux ont d'ailleurs engagé des actions ou des négociations avec les entreprises d'IA afin d'obtenir une rémunération pour l'utilisation de leurs contenus.

Cette évolution pourrait transformer profondément le métier de journaliste. Si les intelligences artificielles deviennent capables de rédiger des dépêches, des résumés d'actualité ou des articles factuels simples, la valeur du travail humain se déplacera probablement vers d'autres fonctions : l'enquête de terrain, la vérification des informations, l'analyse approfondie, la contextualisation et le décryptage. Plus l'information brute sera abondante et facile à produire, plus la capacité à distinguer le vrai du faux deviendra précieuse.

Dans ce contexte, le fact-checking pourrait prendre une importance croissante. Les rédactions ne seront plus seulement des producteurs d'information, mais également des garants de sa fiabilité. Le défi sera moins de publier rapidement que de vérifier rigoureusement. Paradoxalement, l'intelligence artificielle pourrait ainsi conduire à une revalorisation du journalisme de qualité : lorsque n'importe qui peut produire du contenu, la confiance devient la ressource la plus rare.

La question centrale devient alors celle de la confiance collective. Comment savoir qu'une photographie est authentique ? Qu'une vidéo n'a pas été manipulée ? Qu'un témoignage est réel ? Comment distinguer une erreur involontaire d'une opération de désinformation délibérée ? À mesure que les outils de génération progressent, la vérification elle-même devient une compétence essentielle, non seulement pour les journalistes, mais pour chaque citoyen.

Cette problématique dépasse largement le cadre des médias. Une démocratie repose sur l'existence d'un minimum de faits partagés permettant le débat public. Si chacun reçoit une information personnalisée, produite ou filtrée par des algorithmes différents, le risque n'est plus seulement la désinformation. C'est la fragmentation progressive de la réalité commune elle-même.

Pendant des centaines d'années, la rareté de l’information constituait le principal problème. Aujourd’hui, c’est son abondance qui devient le défi majeur. Dans un univers saturé de contenus produits par des humains et des machines, la capacité à sélectionner, recouper et vérifier l’information pourrait devenir une compétence citoyenne aussi fondamentale que la lecture ou l’écriture.

Donc l’enjeu fondamental n’est peut-être pas la désinformation elle-même, mais la confiance. Une société peut survivre à l’existence de mensonges. Elle survit beaucoup plus difficilement lorsque plus personne ne sait à quoi se fier. Le risque ultime n’est donc pas seulement la propagation de fausses informations, mais l’installation progressive d’un doute permanent où chaque image, chaque vidéo, chaque témoignage et chaque source peuvent être remis en question. Dans un tel contexte, la confiance devient l’une des ressources les plus précieuses des démocraties modernes.

Enfin, il existe une fracture géographique et culturelle dans cette mutation : dans les pays où l’écosystème médiatique est solide et diversifié, l’IA générative est perçue comme un défi à relever. Dans les pays où la presse est déjà fragile ou sous contrôle, elle risque de devenir un instrument d’amplification de la propagande : les régimes autoritaires peuvent produire des flots d’articles et d’images artificielles pour saturer l’espace public d’un récit favorable. Ainsi, l’IA générative n’est pas seulement une innovation technologique : c’est une arme narrative qui redéfinit la production et la circulation de l’information au niveau mondial.

2.5 Créativité et culture

Jamais la créativité n’a été aussi accessible. Grâce à des outils comme MidJourney ou Stable Diffusion, chacun peut produire une œuvre graphique en quelques secondes à partir d’une simple description. Des logiciels comme Suno ou Stable Audio permettent de composer une chanson sans maîtriser la musique. Cela a un effet démocratisateur : des personnes jusque-là exclues de la création artistique (faute de compétences ou de moyens) peuvent désormais s’exprimer. L’IA est devenue une prothèse créative, qui libère des imaginaires. Mais elle entraîne aussi une crise des modèles économiques traditionnels : les illustrateurs, photographes de stock ou musiciens indépendants voient leurs revenus menacés par une concurrence automatisée quasi gratuite. De plus, se pose la question du droit d’auteur : ces modèles sont entraînés sur des millions d’œuvres existantes sans toujours le consentement de leurs créateurs. Les artistes dénoncent une forme de pillage numérique, tandis que les tribunaux s’arrachent la question : un contenu généré par IA est-il protégeable, et qui en est l’auteur ? Derrière ce débat juridique, c’est une interrogation sociale plus large qui apparaît : quelle valeur attribuons-nous encore à la création humaine face à la multiplication des créations artificielles ?

Tout comme pour l’éducation, la santé, la justice et l’information, la question fondamentale est celle du sens. Qu’est-ce qu’une œuvre lorsqu’une machine peut produire en quelques secondes ce qui nécessitait auparavant des années d’apprentissage ?

2.5.1 La disparition du lien entre compétence et création

Depuis l'Antiquité, créer supposait généralement un long apprentissage, souvent guidé par un mentor. Pour devenir peintre, il fallait apprendre à dessiner, connaître les techniques de peinture, intégrer la science de la couleur. Pour devenir musicien, il fallait apprendre le solfège, s’entraîner énormément sur son instrument. Pour devenir photographe, il fallait maîtriser la lumière, la composition, la technique photographique. 

L’IA rompt brutalement ce lien historique. Une personne peut désormais produire une image spectaculaire sans savoir dessiner ou photographier, une chanson sans savoir jouer de la musique ou chanter, une vidéo sans maîtriser les outils de montage. 

C’est une véritable démocratisation de l’art, mais cela pose une nouvelle question centrale : la valeur d’une oeuvre réside-t-elle dans le résultat obtenu ou dans le chemin parcouru pour la créer ?

2.5.2 Le paradoxe de l’abondance

Nous sommes probablement en train d’entrer dans une époque où le problème ne sera plus le manque d’œuvres mais leur excès. Car pendant des siècles, produire une image coûtait cher,  produire un livre demandait du temps, enregistrer une chanson nécessitait des compétences. Aujourd’hui, quelques mots tapés sur un clavier d’ordinateur suffisent. Demain, des milliards d’images, de musiques, de textes et de vidéos pourront être générés chaque jour.

Le paradoxe est alors le suivant : plus la création devient abondante, plus l’attention humaine devient rare. Et de ce fait, la ressource précieuse n’est plus l’œuvre mais la capacité à émerger au milieu du bruit.

2.5.3 La question de l’authenticité

Face à l’explosion des contenus générés, certaines personnes commencent à accorder davantage de valeur à ce qui est manifestement humain : la photographie documentaire, un dessin original, un concert en direct, de l’artisanat ou une écriture personnelle.

Comme si l’authenticité devenait elle-même un critère culturel.

On pourrait voir apparaître demain l’équivalent d’un “fait à la main” appliqué aux œuvres culturelles.

2.5.4 La place de l’art

Pendant longtemps, l’art a été considéré comme l’une des expressions les plus singulières de l’être humain. 

L’IA remet en cause cette certitude. Non parce qu’elle éprouverait des émotions ou une intention artistique propre — qu’elle n’a pas — mais parce qu’elle est capable de produire des œuvres qui suscitent parfois chez le spectateur les mêmes réactions émotionnelles que celles créées par un artiste humain.

La question devient alors : une œuvre tire-t-elle sa valeur de ce qu’elle provoque chez celui qui la reçoit ou de celui qui l’a créée ? Cette interrogation dépasse largement le cadre du droit d’auteur ou de l’économie de la création. Elle touche à la définition même de l’art, de l’originalité et de la créativité humaine.

2.5.5 Que devient la notion de créativité ?

La créativité a toujours été considérée comme l’une des caractéristiques les plus spécifiquement humaines. Créer signifiait produire quelque chose de nouveau à partir de son expérience, de sa sensibilité, de son imagination ou de son vécu. Or les systèmes d’intelligence artificielle sont désormais capables de générer des images, des textes, des musiques ou des vidéos que beaucoup de personnes jugent créatifs, parfois même surprenants ou inspirants.

Cette situation oblige à redéfinir les contours de la créativité. La créativité consiste-t-elle à produire quelque chose d’original ? À combiner des éléments existants de manière nouvelle ? À susciter une émotion chez celui qui reçoit l’œuvre ? Ou implique-t-elle nécessairement une intention consciente, une expérience vécue et une subjectivité que la machine ne possède pas ?

Certains considèrent que l’IA n’est pas réellement créative puisqu’elle ne fait que recombiner des œuvres produites par des humains. D’autres soulignent que la créativité humaine elle-même repose largement sur la réutilisation, l’influence et la transformation d’idées préexistantes. La frontière devient alors moins évidente qu’il n’y paraît.

Peut-être assistons-nous à une évolution comparable à celle provoquée autrefois par la photographie. Lorsque celle-ci est apparue, certains annonçaient la mort de la peinture. Pourtant, l’art ne s’est pas éteint ; il s’est transformé. L’arrivée de l’intelligence artificielle pourrait produire un phénomène similaire. La question ne serait plus seulement de savoir si une œuvre a été créée avec ou sans IA, mais quelle part de vision, de choix, d’intention et de sens l’être humain y a apportée.

Dans cette perspective, l’IA pourrait déplacer la créativité humaine plutôt que la remplacer. La valeur ne résiderait plus uniquement dans l’exécution technique, mais davantage dans la capacité à imaginer, orienter, sélectionner, interpréter et donner une direction à ce qui est produit. L’artiste deviendrait moins un exécutant qu’un concepteur, un directeur créatif ou un metteur en scène de possibilités.

L’intelligence artificielle nous oblige ainsi à revisiter une question ancienne sous une forme nouvelle : la créativité est-elle définie par le processus qui produit l’œuvre ou par le résultat obtenu ? La réponse à cette question pourrait profondément transformer notre manière de concevoir l’art, l’invention et, plus largement, ce qui fait la singularité de l’esprit humain.

Lorsque chacun peut produire une image spectaculaire en quelques secondes, le regard du public évolue lui aussi. Ce qui impressionnait hier par sa difficulté technique cesse progressivement d’être exceptionnel. La valeur pourrait alors se déplacer vers d’autres critères : l’originalité de la vision, la cohérence d’une démarche artistique, l’authenticité d’un témoignage ou la profondeur du propos.

L’intelligence artificielle ne se contente pas de transformer les outils de création. Elle remet en question certaines idées qui semblaient acquises depuis des siècles : le lien entre talent et production artistique, la rareté des œuvres, la notion d’auteur et même la définition de la créativité. La question n’est plus seulement de savoir ce que les machines peuvent créer, mais ce qui continuera à distinguer une création humaine dans un monde où les œuvres artificielles deviennent omniprésentes.

Une intelligence artificielle peut générer une œuvre, mais elle ne vit aucune expérience, ne ressent aucune émotion et ne cherche rien à transmettre. Elle produit des formes, des récits ou des images à partir de modèles statistiques. L’être humain, lui, crée souvent pour exprimer une expérience vécue, une vision du monde ou une intention personnelle. Cette différence pourrait devenir l’un des principaux critères permettant encore de distinguer la création humaine de la production artificielle.

2.6 Cohésion, inclusion et exclusion sociales

Une société n’est pas seulement une addition d’individus. Elle repose sur des expériences, des références, des valeurs et des représentations partagées. En transformant la manière dont chacun accède à l’information, à la culture et aux interactions sociales, l’intelligence artificielle pourrait modifier en profondeur les mécanismes qui assurent la cohésion des sociétés modernes.

Car l’IA agit subtilement sur la cohésion sociale. En amplifiant la personnalisation des contenus, elle peut enfermer les individus dans des bulles culturelles : chacun reçoit des textes, images, musiques ou films façonnés sur mesure, réduisant l’expérience collective d’une culture partagée. Par ailleurs, les biais des modèles influencent les représentations sociales. En effet, certaines études ont montré que des IA génératives de texte ou d’image , à l’instar de ce que l’on a observé dans le domaine de la justice avec COMPAS, reproduisent des stéréotypes raciaux ou de genre, renforçant des discriminations existantes. Si ces biais ne sont pas corrigés, ils peuvent marginaliser encore davantage certains groupes sociaux.

À l’inverse, bien utilisée, l’IA peut être un outil d’inclusion : création automatique de sous-titres en direct pour les malentendants, traduction instantanée qui rapproche les langues, applications de reconnaissance vocale ou visuelle pour aider les personnes handicapées, personnalisation des services publics en fonction des besoins de chacun (ex: orientation professionnelle assistée pour les chômeurs).

Le futur de l’IA sera donc étroitement lié à la manière dont les sociétés choisissent de l’utiliser : soit comme un facteur de division, soit comme un levier d’inclusion et de créativité collective.

De nombreux exemples montrent que l’IA peut reproduire ou aggraver des discriminations existantes si l’on n’y prend pas garde. Les algorithmes d’apprentissage automatique, entraînés sur des données biaisées, peuvent hériter de ces biais. Ainsi, des chercheurs ont constaté que des systèmes de reconnaissance faciale présentaient un taux d’erreur quasi nul (0,8%) pour identifier les visages d’hommes blancs, mais atteignant 34,7% d’erreurs pour les femmes noires.

Ce contraste dramatique illustre comment l’IA peut exclure ou mal servir des populations déjà marginalisées si elle n’est pas explicitement corrigée. De même, Amazon a dû abandonner un outil de recrutement automatisé qui « préférait nettement les candidats masculins », ayant été formé sur l’historique interne de l’entreprise où les hommes étaient sur-représentés.

Ces cas soulignent l’importance du concept d’éthique de l’IA : concevoir des systèmes équitables, tester les biais et les corriger.

En dehors des biais, il y a aussi la question de la fracture numérique : les avancées de l’IA profitent d’abord à ceux qui ont accès aux technologies et aux compétences numériques. Les populations sans accès à Internet haut débit, ou peu représentées dans les données mondiales, risquent d’être laissées pour compte, ce qui creuse les inégalités.

Ainsi, l’inclusion exige des politiques proactives : diversification des données d’entraînement, recrutement de profils variés dans les équipes IA, déploiement de solutions dans les pays en développement, etc. A contrario, un déploiement non maîtrisé de l’IA pourrait aboutir à une société d’à-côtés : d’un côté ceux qu’elle assiste et valorise, de l’autre ceux qu’elle surveille ou ignore.

L’intelligence artificielle est ainsi une force sociale ambivalente : elle peut élargir l’accès au savoir, stimuler la créativité et rapprocher les cultures, mais elle peut aussi fragiliser les systèmes éducatifs, miner la confiance démocratique et menacer les métiers artistiques. Sa régulation et son intégration consciente dans le tissu social seront déterminantes pour qu’elle serve le progrès plutôt que la désagrégation.

Au-delà des performances techniques, la véritable question est celle du lien social. L’intelligence artificielle peut rapprocher des populations séparées par la langue, le handicap ou l’éloignement géographique. Mais elle peut également accentuer certaines fractures existantes et enfermer chacun dans un univers informationnel personnalisé. Son impact dépendra moins de la technologie elle-même que des choix collectifs qui accompagneront son déploiement.

3. Domaine politique 

Comment l’IA transforme les mécanismes de pouvoir et de régulation ?

3.1 Stratégies nationales et régulation interne

Face aux opportunités et risques de l’IA, les gouvernements du monde entier élaborent des stratégies et réglementations. L’objectif est double : soutenir le développement de l’IA (pour ne pas rater le train technologique) tout en protégeant les droits et libertés des citoyens.

En France, la réflexion sur la gouvernance de l’intelligence artificielle a été structurée dès 2018 par le rapport remis au gouvernement par le mathématicien Cédric Villani, intitulé "Donner un sens à l’intelligence artificielle". Ce document fondateur souligne à la fois les opportunités économiques et scientifiques offertes par l’IA et la nécessité d’anticiper ses conséquences sociales, éthiques et démocratiques. Le rapport insiste notamment sur la transparence des algorithmes, la protection des données, la responsabilité des acteurs et l’importance de maintenir la confiance du public dans les systèmes automatisés. Il a servi de base à la stratégie nationale française en matière d’intelligence artificielle et a contribué aux réflexions européennes qui ont abouti quelques années plus tard à l’AI Act. Ce plan national IA cible des secteurs stratégiques (santé, environnement, transports, défense) et recommande d’anticiper l’impact sur le travail .

 De la même manière, de nombreux pays ont investi dans des programmes de R&D, la création de pôles d’excellence et la formation de talents en IA.

En parallèle, les législations se mettent en place : lois sur la protection des données (extension des principes du RGPD aux usages de l’IA), cadres d’audit des algorithmes publics, comités d’éthique nationaux pour encadrer l’IA dans la santé ou la justice, etc.

Un enjeu clé est d’établir la confiance du public dans l’IA : cela passe par la transparence, la responsabilité (qui est responsable en cas d’erreur d’une IA ?), et la maîtrise des risques (cybersécurité, sûreté des systèmes autonomes).

3.2 Législation européenne – AI Act

L’Union européenne s’affirme en chef de file d’une régulation cohérente de l’IA.

Le Règlement européen sur l’IA (AI Act) a été approuvé en 2024, première législation du genre dans le monde. Il établit un cadre fondé sur les risques : plus un système d’IA pose de risques pour les droits fondamentaux ou la sécurité, plus il est soumis à des obligations strictes. Le texte interdit purement certaines applications jugées inacceptables : la notation sociale des citoyens (sur le modèle du crédit social) est bannie, de même que l’IA utilisée pour manipuler le comportement humain ou exploiter des vulnérabilités (ex : jouets connectés incitant des enfants à des actes dangereux). La police prédictive basée uniquement sur le profilage des personnes est également interdite . Le règlement limite fortement l’usage de la reconnaissance biométrique en temps réel dans l’espace public : par principe c’est prohibé, sauf exceptions très encadrées (recherche d’un enfant disparu, menace terroriste imminente…) et avec autorisation judiciaire préalable.

Par ailleurs, les systèmes d’IA dits « à haut risque » (impactant des domaines sensibles comme l’éducation, l’emploi, l’accès aux soins, le crédit bancaire, l’application de la loi, etc.) devront respecter des exigences strictes de transparence, de sécurité et de supervision humaine.

Le règlement introduit également des obligations spécifiques pour les modèles d’IA à usage général et les IA génératives. Les fournisseurs de ces systèmes devront notamment respecter certaines exigences de transparence, informer les utilisateurs lorsqu’ils interagissent avec une IA dans certains contextes et prendre des mesures visant à limiter la diffusion de contenus illicites. Les contenus synthétiques, tels que les images, vidéos ou enregistrements audio générés artificiellement (« deepfakes »), devront en principe être signalés lorsqu’ils sont susceptibles d’induire le public en erreur.

L’AI Act adopte ainsi une approche fondée sur le principe que le niveau de contrôle doit être proportionnel au niveau de risque. Là où certaines applications peuvent être librement utilisées, les systèmes susceptibles d’influencer des décisions importantes concernant les individus doivent rester soumis à des garanties de transparence, de traçabilité et de supervision humaine.

L’Europe cherche ainsi à « garantir la sécurité et le respect des droits fondamentaux tout en encourageant l’innovation » dans le domaine de l’IA. Cette approche réglementaire européenne pourrait devenir un standard mondial, de la même manière que le RGPD l’a été pour les données personnelles.

3.3 Approche américaine

Aux États-Unis, l’approche est jusqu’ici plus sectorielle et volontaire. Il n’existe pas (encore) de loi fédérale globale sur l’IA équivalente à l’AI Act. Néanmoins, l’administration a publié en octobre 2022 un Blueprint for an AI Bill of Rights – un guide de principes éthiques pour les concepteurs d’IA (droit à des systèmes sûrs et efficaces, à ne pas être discriminé par une IA, à la vie privée, à la transparence, etc.).

Parallèlement, le National Institute of Standards and Technology (NIST) a publié en 2023 un AI Risk Management Framework destiné à aider les organisations à identifier, évaluer et réduire les risques liés aux systèmes d'intelligence artificielle. Ce cadre volontaire met l'accent sur la fiabilité, la transparence, la sécurité, l'équité et la responsabilité des systèmes d'IA. Bien qu'il ne soit pas juridiquement contraignant, il constitue aujourd'hui l'une des principales références techniques et méthodologiques utilisées aux États-Unis pour promouvoir une intelligence artificielle digne de confiance.

En 2023, sous l’égide de la Maison-Blanche, 15 entreprises majeures du secteur ont pris des engagements volontaires pour le développement responsable de l’IA (tests de sécurité des modèles avant déploiement, partage d’informations sur les risques, implémentation de filigranes pour signaler les contenus générés, etc.).

Par ailleurs, en octobre 2023, le Président Joe Biden a signé un décret visant à encadrer certaines utilisations de l’IA au niveau fédéral. Ce décret exige notamment des « évaluations des problèmes de sécurité, des directives concernant l’égalité et les droits civiques, et une étude des répercussions de l’IA sur le marché du travail ». C’est la première initiative de ce type aux États-Unis, signalant une prise de conscience au plus haut niveau.

Malgré tout, le cadre américain reste un patchwork : beaucoup d’initiatives viennent aussi des États (par ex. la Californie discute des règles sur les voitures autonomes et la reconnaissance faciale) et des tribunaux (jurisprudence sur la responsabilité en cas d’IA défectueuse). La difficulté est de concilier l’esprit très pro-innovation des Américains avec la nécessité de réguler les excès.

L’administration Biden a indiqué vouloir « montrer son engagement en faveur de la régulation de l’IA » tout en évitant de freiner l’industrie nationale. On observe ainsi un mouvement graduel vers plus de garde-fous, par des moyens réglementaires ou incitatifs, pour assurer que l’IA se développe d’une manière conforme aux valeurs démocratiques américaines.

Avec l'élection de Donald Trump en novembre 2024 et son retour à la Maison-Blanche en janvier 2025, l’accent semble davantage mis sur la compétitivité économique et technologique des États-Unis que sur le renforcement du cadre réglementaire. L’administration Trump considère l’intelligence artificielle comme un enjeu majeur de puissance nationale dans la compétition avec la Chine et privilégie une approche visant à accélérer l’innovation, à soutenir les investissements privés et à limiter les contraintes susceptibles de freiner le développement des entreprises américaines. Cette orientation marque une différence de ton avec l’administration Biden : la priorité n’est plus tant de construire un cadre de gouvernance de l’IA que de préserver le leadership technologique américain dans un domaine désormais considéré comme stratégique pour la croissance économique, la défense et l’influence internationale.

3.4 Souveraineté technologique et indépendance

La maîtrise de l’IA est considérée comme critique pour la souveraineté des nations au XXIe siècle. Cela concerne la souveraineté économique (compétitivité industrielle), mais aussi la souveraineté en matière de défense et d’indépendance politique.

Par exemple, l’Europe insiste sur la nécessité de développer ses propres capacités (supercalculateurs, compétences, jeux de données européens) afin de ne pas dépendre uniquement des technologies d’IA importées des États-Unis ou de Chine. Des investissements massifs sont dirigés vers l’écosystème européen de la donnée et des start-up IA, avec l’objectif d’atteindre une « autonomie stratégique ». La France, l’Allemagne et d’autres lancent des programmes conjoints (réseaux de recherche 3IA, projet d’infrastructure cloud européenne GAIA-X, etc.).

De même, la Chine met en avant le concept de souveraineté numérique : développer des alternatives chinoises aux technologies occidentales (processeurs, systèmes d’exploitation, clouds) pour pouvoir déployer l’IA chez elle sans vulnérabilité externe.

Les questions de souveraineté se manifestent aussi dans les tensions autour des semi-conducteurs avancés (nécessaires au calcul de l’IA) : les États-Unis ont imposé des contrôles d’exportation sur certaines puces haut de gamme à destination de la Chine pour freiner ses avancées en IA, ce qui illustre comment la technologie est devenue un enjeu géopolitique.

En somme, la course à l’IA n’est pas qu’économique, elle est aussi éminemment politique : qui contrôlera les technologies clés, les standards techniques, et même les valeurs implicites codées dans les futures IA ?

3.5 Pouvoir politique et nouveaux centres d’influence

Pendant longtemps, le pouvoir politique s’est principalement exercé à travers le contrôle d’un territoire, d’une population, d’une armée, de ressources naturelles ou d’infrastructures stratégiques. L’émergence de l’intelligence artificielle introduit une nouvelle forme de puissance fondée sur la maîtrise des données, de la capacité de calcul, des semi-conducteurs, des infrastructures cloud et des modèles d’IA eux-mêmes.

Cette évolution soulève une question inédite : les États demeurent-ils les seuls acteurs dominants du pouvoir politique ou assistons-nous à l’émergence de nouvelles puissances privées capables d’exercer une influence comparable à celle des nations ?

Aucun État européen n’a créé ChatGPT. Aucun n’a créé Gemini. Aucun n’a créé Claude. Pourtant, ces systèmes influencent déjà la manière dont des millions de personnes apprennent, travaillent, s’informent, créent ou prennent certaines décisions. Une part croissante des échanges intellectuels, éducatifs et professionnels transite désormais par des plateformes développées et contrôlées par quelques entreprises privées.

Ce phénomène constitue une situation historique relativement nouvelle. Certaines grandes entreprises technologiques disposent aujourd’hui de budgets de recherche supérieurs à ceux de nombreux États, recrutent les meilleurs spécialistes mondiaux, exploitent des infrastructures informatiques réparties sur plusieurs continents et influencent directement les règles techniques utilisées à l’échelle planétaire. Elles participent également aux discussions réglementaires et sont parfois consultées par les gouvernements eux-mêmes pour définir les futurs cadres d’utilisation de l’intelligence artificielle.

La question du contrôle ne se limite donc plus aux seules technologies. Elle concerne également les valeurs, les règles et les choix implicites intégrés dans les systèmes d’IA. Quels contenus sont mis en avant ? Quels comportements sont encouragés ou découragés ? Quels biais culturels ou politiques se retrouvent incorporés dans les modèles ? Derrière ces interrogations techniques apparaissent des enjeux profondément politiques.

Dans ce contexte, la souveraineté ne consiste plus seulement à protéger des frontières ou à garantir l’indépendance énergétique. Elle implique également la capacité à maîtriser les infrastructures numériques, les données stratégiques, les capacités de calcul et les modèles d’intelligence artificielle qui structurent désormais une partie croissante de la vie économique, sociale et institutionnelle.

L’intelligence artificielle devient ainsi bien davantage qu’un simple outil technologique. Elle s’impose progressivement comme un instrument de puissance, au croisement de l’économie, de la politique et de la géopolitique. La question centrale n’est plus seulement de savoir comment utiliser l’IA, mais qui la contrôle, selon quelles règles et au bénéfice de quels intérêts.

4. Domaine diplomatique

Comment l’IA transforme les rapports de force internationaux ?

4.1 Rivalités internationales

L’IA est souvent comparée à la course à l’espace de la Guerre froide, tant elle alimente les rivalités entre puissances.

Les États-Unis et la Chine en particulier sont engagés dans une compétition acharnée pour le leadership en IA. Ces deux pays sont « verrouillés dans une course acharnée » visant à exploiter l’IA à des fins économiques, militaires et stratégiques . La Chine a déclaré dès 2017 son ambition de devenir le leader mondial de l’IA d’ici 2030, mobilisant des ressources colossales (plans quinquennaux, méga-labos, soutien aux BATX, éducation de masse en IA). Les États-Unis, forts de leurs géants du numérique et d’un écosystème d’innovation dynamique, investissent également dans la R&D (ex : Initiative Nationale en IA), tout en attirant les meilleurs talents internationaux.

La compétition porte sur tous les fronts : qui aura les meilleurs algorithmes, la plus grande quantité de données, la plus forte puissance de calcul, mais aussi qui établira les normes de l’IA (normes techniques et normes éthiques).

Cette rivalité a des implications géopolitiques majeures : l’IA, comme autrefois l’énergie ou l’armement, confère un avantage stratégique aux nations qui la maîtrisent. Elle peut révolutionner le renseignement, la logistique militaire, la cybersécurité… D’où une course non seulement pour innover, mais aussi pour éviter que l’adversaire ne prenne trop d’avance. On assiste par exemple à des mesures protectionnistes : restrictions américaines sur les exportations de technologies d’IA vers la Chine, sanctions contre des entreprises chinoises de surveillance, et en retour investissements chinois pour éliminer sa dépendance aux composants étrangers.

Parallèlement, d’autres pays cherchent à exister : la Russie mise sur l’IA militaire (drones, missiles autonomes) et la désinformation par IA, l’Inde investit dans l’IA pour le développement (santé, agriculture) et veut devenir un acteur clé dans l’IA frugale, Israël est un pôle d’excellence en IA de sécurité… Mais aucun n’approche encore l’ampleur du duopole américano-chinois sur ce terrain.

L’Inde participe elle aussi à cette course mondiale à l’intelligence artificielle. Moins médiatisée que les États-Unis ou la Chine, elle dispose pourtant d’atouts considérables : une immense population d’ingénieurs et de développeurs, une industrie logicielle déjà très puissante et une volonté politique croissante de renforcer sa souveraineté numérique. Le pays investit dans les infrastructures de calcul, les centres de données, les modèles multilingues adaptés aux nombreuses langues indiennes ainsi que dans l’intégration de l’IA dans l’éducation, la santé et les services publics. Si l’Inde ne rivalise pas encore avec les grandes puissances occidentales sur les modèles les plus avancés, elle cherche néanmoins à devenir un acteur incontournable de l’industrialisation massive de l’intelligence artificielle à l’échelle mondiale.

4.2 Géo-technologie et alliances

L’IA redessine les alliances. Les pays partagent leurs forces pour ne pas rester à la traîne.

Le G7 a lancé en 2020 le Partenariat mondial pour l’IA (GPAI), un forum de coopération sur l’IA responsable regroupant une vingtaine de pays occidentaux ainsi que l’Inde. En 2023, lors du sommet du G7 à Hiroshima, les dirigeants ont initié un processus commun de discussions sur la régulation de l’IA (« Hiroshima AI process »).

Des sommets internationaux sur l’IA ont vu le jour, réunissant décideurs et experts pour échanger sur les politiques (par exemple le Global AI Summit initié par l’Arabie saoudite, ou le AI for Good Global Summit avec soutien onusien).

En parallèle, la Chine organise régulièrement sa Conférence mondiale sur l’IA à Shanghai, où elle promeut sa vision et ses avancées.

On voit émerger un certain clivage : démocraties vs régimes autoritaires dans l’usage de l’IA. Les premières insistent sur l’éthique, la transparence, la protection de la vie privée ; les seconds mettent en avant la stabilité sociale, le développement économique rapide, parfois au détriment des libertés individuelles. Ces différences compliquent l’adoption de normes mondiales unifiées. Par exemple, à l’ONU, les tentatives d’interdire les systèmes d’armes létaux autonomes (robots tueurs) ou d’instaurer un moratoire sur la reconnaissance faciale n’ont pas abouti jusqu’ici en raison des divergences entre blocs.

Toutefois, on a pu voir aussi des coopérations improbables sous la pression de l’IA : en novembre 2024, les présidents américain et chinois ont conjointement déclaré qu’aucun des deux pays ne placerait l’IA au cœur de ses systèmes de commandement nucléaire, affirmant vouloir maintenir un contrôle humain sur toute décision d’emploi de l’arme atomique. Ce type d’engagement rappelle les premiers accords de maîtrise des armements, suggérant que devant le risque d’escalade incontrôlée liée à l’IA, même des adversaires géopolitiques peuvent trouver un terrain d’entente minimal.

4.3 Normes mondiales et rôle de l’ONU

La gouvernance mondiale de l’IA en est à ses balbutiements. L’UNESCO a franchi un pas important en adoptant en novembre 2021 une Recommandation sur l’éthique de l’IA approuvée par ses 193 États membres. Ce document cadre établit des principes – droits de l’homme, dignité, promotion de la diversité, action pour le climat, etc. – que les pays s’engagent à respecter dans leurs stratégies IA. C’est la première norme intergouvernementale sur l’IA. Sa mise en œuvre reste volontaire, mais elle sert de référence.

En 2023, le Secrétaire général de l’ONU a proposé la création d’une instance internationale sur l’IA (inspirée de l’AIEA pour le nucléaire) afin de surveiller les développements et conseiller sur la sécurité de l’IA à l’échelle globale – reconnaissance que l’IA, de par sa portée transnationale, nécessite une coordination globale.

Par ailleurs, l’Organisation internationale de normalisation (ISO) travaille sur des standards techniques pour l’IA (fiabilité, robustesse). Des coalitions multi-acteurs se forment comme l’International Partnership on AI incluant entreprises, ONG et gouvernements. Toutefois, l’absence d’accord contraignant laisse pour l’instant chaque pays libre de son approche.

On voit se dessiner le risque de ce qu’on appelle une “balkanisation” de l’IA : des internets séparés (Chine vs reste du monde), des règles différentes (ex : IA de surveillance acceptée dans certains pays, bannie dans d’autres), ce qui pourrait compliquer le commerce et la coopération.

Le rôle de la diplomatie à l’ONU sera crucial pour éviter ces fractures et promouvoir une IA digne de confiance universellement.

Le message central des organisations internationales est que l’IA doit servir le développement humain, la paix et la sécurité, et non amplifier les conflits ou les inégalités. Cela demande d’instaurer progressivement des garde-fous mondiaux (par exemple, les deux grandes puissances pourraient s’accorder pour bannir le recours à l’IA dans certains domaines ultra-sensibles, comme elles l’ont fait pour le nucléaire cité plus haut).

En somme, la dimension diplomatique de l’IA, encore émergente, consiste à intégrer cette technologie dans le système de gouvernance internationale, afin d’en maximiser les bénéfices pour tous (santé, climat, éradication de la pauvreté grâce à l’IA…) tout en minimisant les usages néfastes (armes autonomes, surveillance de masse oppressive, désinformation algorithmique à l’échelle globale, etc.).

4.4 IA générative et pays du Sud : fracture numérique ou opportunité historique ?

L’IA générative agit comme un révélateur des inégalités mondiales. D’un côté, elle risque d’aggraver une fracture numérique déjà profonde entre les pays riches et les pays du Sud ; de l’autre, elle ouvre une fenêtre d’opportunité unique pour démocratiser l’accès au savoir, aux soins et à la création.

4.4.1 Une fracture technologique persistante

L’accès à l’IA générative suppose une connexion Internet fiable, une puissance de calcul suffisante et une littératie numérique de base. Or, dans de nombreuses régions d’Afrique subsaharienne, d’Asie du Sud ou d’Amérique latine, l’infrastructure reste insuffisante : connexion irrégulière, coût élevé des données, manque de centres de calcul locaux. Cela place ces pays dans une situation de dépendance technologique : au lieu de développer leurs propres modèles, ils utilisent les IA génératives hébergées par des géants américains ou chinois, sur lesquels ils n’ont aucun contrôle. Cette dépendance pose un risque de colonialisme numérique : les données locales enrichissent les modèles étrangers, mais les bénéfices économiques se concentrent ailleurs.

4.4.2 Une opportunité pour l’éducation et la santé

Mais l’IA générative peut aussi réduire certaines inégalités. Dans l’éducation, elle agit comme un professeur virtuel universel, capable d’expliquer les mathématiques en swahili ou de générer des exercices en hindi. Pour des pays où le ratio enseignants/élèves est parfois de 1 pour 60 ou 1 pour 100, l’IA offre une chance de compenser ce déficit structurel. Dans la santé, elle peut aider des médecins généralistes ou des infirmiers à poser des diagnostics préliminaires, rédiger des prescriptions standardisées, traduire les instructions médicales dans des langues locales. Certaines ONG expérimentent déjà des systèmes d’IA générative pour créer des manuels scolaires personnalisés ou des brochures de prévention sanitaire adaptées à des communautés isolées. Si l’infrastructure suit, l’IA peut donc devenir un multiplicateur de développement humain.

4.4.3 Valorisation des langues et cultures locales

Un autre enjeu concerne la diversité linguistique. Les grands modèles actuels sont dominés par l’anglais et quelques langues majeures. Mais l’IA générative offre aussi la possibilité de revitaliser les langues minoritaires : en l’entraînant sur des corpus locaux, on peut produire des contenus pédagogiques, culturels ou administratifs dans des langues jusque-là marginalisées. Cela pourrait renforcer l’identité culturelle et l’inclusion de populations historiquement exclues du numérique. Des initiatives émergent : en Afrique de l’Ouest, des projets visent à créer des IA parlant wolof, bambara ou haoussa ; en Amérique latine, on expérimente avec le quechua et le guarani. Si ces efforts sont soutenus, l’IA pourrait être un vecteur d’empowerment linguistique plutôt qu’un facteur d’uniformisation.

4.4.5 Le risque d’une dépendance asymétrique

Toutefois, cette opportunité ne sera réelle que si les pays du Sud acquièrent une capacité d’appropriation locale. Sans cela, ils resteront de simples consommateurs de solutions importées, dépendants des infrastructures et des modèles des grandes puissances. Le danger est que la promesse d’inclusion se transforme en renforcement des inégalités globales : les pays riches exploiteraient l’IA pour accroître encore leur productivité, tandis que les pays pauvres seraient enfermés dans une position périphérique, à la merci des conditions d’accès fixées par d’autres.

En somme, l’IA générative est à la fois un risque de fracture accrue et une opportunité historique pour les pays du Sud. Le facteur déterminant sera la capacité à investir dans des infrastructures locales, à former les populations et à développer des modèles adaptés aux contextes culturels et linguistiques. L’ONU et les grandes institutions internationales auront un rôle clé : sans mécanismes de solidarité technologique, l’IA pourrait devenir le moteur d’un nouvel écart Nord-Sud.

4.5 Une redistribution globale des cartes du monde

Pendant longtemps, les rapports de puissance internationaux ont reposé sur la maîtrise du territoire, des ressources naturelles, de l'industrie ou de la force militaire. L'intelligence artificielle introduit une nouvelle dimension : la maîtrise de l'information, du calcul et de la production de connaissances à grande échelle.

Les États qui contrôleront les infrastructures de calcul, les données, les modèles les plus performants et les chaînes d'approvisionnement technologiques disposeront d'un avantage stratégique comparable à celui qu'offraient autrefois les grandes ressources énergétiques ou industrielles. Mais une nouveauté apparaît : cette puissance n'est plus détenue exclusivement par les États. Pour la première fois dans l'histoire, des entreprises privées développent des technologies capables d'influencer simultanément l'éducation, l'information, l'économie, la culture et parfois même les décisions publiques de centaines de millions de personnes.

L'intelligence artificielle devient ainsi bien davantage qu'un outil économique. Elle s'impose progressivement comme un instrument de puissance, d'influence et de souveraineté. Les débats diplomatiques du XXIe siècle ne porteront plus seulement sur les frontières, les matières premières ou les armements, mais aussi sur le contrôle des données, des infrastructures numériques et des intelligences artificielles qui façonneront demain notre accès au savoir, à l'information et à la décision.

5. L’IA générative, nouvelle frontière de la souveraineté

L’IA générative ne se limite pas à transformer l’économie et la société. Elle modifie également les conditions mêmes de la souveraineté. Pour la première fois, une poignée d’acteurs technologiques privés disposent d’outils capables d’influencer simultanément l’information, la culture, l’éducation, la création et les échanges internationaux. Les États doivent désormais composer avec cette nouvelle réalité : la maîtrise de l’intelligence artificielle devient progressivement un enjeu de puissance comparable à ceux qu’ont représentés autrefois l’énergie, les télécommunications ou les technologies spatiales.

5.1 Régulation et législation

Face à la puissance des IA génératives, les États cherchent à fixer des garde-fous. L’Union européenne a intégré dès 2024 ces systèmes dans son AI Act, imposant aux fournisseurs de modèles dits “à usage général” des obligations de transparence : mention obligatoire des contenus générés, documentation technique sur les données d’entraînement, mesures de prévention contre les biais et les usages abusifs. Aux États-Unis, l’approche est plus souple mais évolue rapidement : le décret présidentiel de 2023 exige déjà des entreprises qu’elles soumettent à l’État leurs tests de sécurité pour les modèles les plus avancés, avant diffusion. La Chine, elle, a instauré une obligation pour toute entreprise proposant des services génératifs de censurer automatiquement les contenus jugés contraires aux valeurs socialistes ou à la stabilité nationale. On observe ainsi trois modèles de régulation : européen (éthique et droits fondamentaux), américain (sécurité et innovation), chinois (contrôle politique et idéologique). Ces divergences reflètent des visions différentes de la relation entre technologie et société, et rendent complexe l’émergence d’un cadre global unifié.

5.2 Souveraineté culturelle et linguistique

L’IA générative façonne aussi la manière dont les cultures se projettent dans le monde numérique. La majorité des grands modèles sont entraînés sur des données massivement anglo-saxonnes, ce qui engendre un biais culturel et linguistique : l’anglais est sur-représenté, et les représentations véhiculées reflètent davantage les valeurs occidentales que celles d’autres régions du globe. Certains pays s’inquiètent d’une uniformisation culturelle, où les récits, images et textes générés standardisent l’imaginaire collectif à travers une grille anglo-américaine. En réaction, des initiatives nationales émergent : la France et le Québec financent des IA entraînées spécifiquement sur des corpus francophones ; l’Arabie saoudite investit dans des modèles arabisés ; l’Inde développe des IA multilingues couvrant ses langues régionales. Derrière ces efforts se joue une bataille pour la souveraineté culturelle : chaque État cherche à éviter que ses citoyens ne soient uniquement exposés à une vision étrangère du monde générée par des IA globalisées.

5.3 Arme informationnelle et diplomatie

Enfin, l’IA générative devient un outil de puissance géopolitique. La capacité à produire des contenus persuasifs à grande échelle ouvre la voie à de nouvelles formes de guerre informationnelle. Un État peut désormais inonder les réseaux sociaux étrangers de vidéos, d’articles ou de mèmes générés automatiquement pour orienter l’opinion publique, discréditer des adversaires ou semer le doute sur des événements. Les élections démocratiques sont une cible privilégiée : plusieurs agences de cybersécurité européennes et américaines ont déjà détecté en 2024 des campagnes de désinformation amplifiées par IA émanant d’acteurs russes et chinois. À plus long terme, cette diplomatie algorithmique pourrait devenir une arme aussi stratégique que les missiles ou les satellites. Certains analystes parlent d’un risque de “guerre cognitive”, où les IA seraient utilisées pour saturer l’espace mental collectif de récits artificiels. En réaction, des alliances se forment : le G7 a lancé le “Hiroshima AI Process” pour coordonner la réponse à la désinformation générée par IA, tandis que l’ONU débat de normes mondiales pour encadrer les usages politiques de ces technologies.

En somme, l’IA générative est déjà une technologie de pouvoir : régulée différemment selon les blocs, porteuse de tensions culturelles, et appelée à jouer un rôle croissant dans la diplomatie et les rapports de force internationaux. Elle pourrait devenir l’un des principaux champs de bataille du XXIᵉ siècle, non pas seulement sur le plan économique, mais sur celui de l’influence culturelle et politique.

5.4 Un des fondateurs de l'IA s'exprime

L’inquiétude ne provient pas uniquement des observateurs extérieurs. Plusieurs chercheurs ayant contribué à l’émergence de l’intelligence artificielle alertent eux-mêmes sur les risques liés à la concentration du pouvoir technologique, à l’automatisation militaire ou à la perte de contrôle de certains systèmes.

Yoshua Bengio, considéré comme l’un des pionniers du deep learning — avec Geoffrey Hinton et Yann Le Cun — et lauréat du prix Turing, estime que les choix réalisés aujourd’hui pourraient influencer durablement l’équilibre géopolitique mondial. Cette préoccupation dépasse désormais le cadre scientifique : elle concerne directement la souveraineté des États et la gouvernance des infrastructures numériques qui soutiennent l’IA.

6. Conclusion : interrogations éthiques

L’intelligence artificielle est souvent présentée comme une nouvelle révolution technologique. Cette formule est juste, mais elle est probablement insuffisante.

Au fil de ce volet, nous avons vu qu’elle transforme déjà l’économie, le travail, l’éducation, la santé, l’information, la culture, les institutions politiques et les rapports de force internationaux. Peu de technologies dans l’histoire ont exercé une influence aussi vaste en un temps aussi court.

Pourtant, l’essentiel n’est peut-être pas là.

Les grandes révolutions du passé ont principalement augmenté les capacités physiques de l’être humain. La machine à vapeur a décuplé sa force. L’électricité a amplifié sa puissance d’action. L’informatique a accéléré le traitement de l’information. L’intelligence artificielle franchit une étape supplémentaire : elle commence à intervenir dans des domaines que nous considérions jusqu’ici comme spécifiquement humains — le langage, l’analyse, l’apprentissage, la création, la prise de décision et même certaines formes de raisonnement.

Une rupture totale se produit : une technologie ne se contente plus d’exécuter des tâches ; elle participe à des activités que nous associons traditionnellement à l’intelligence elle-même.

Cette situation suscite des espoirs considérables. L’IA pourrait contribuer à accélérer la recherche scientifique, améliorer les diagnostics médicaux, démocratiser l’accès au savoir, réduire certaines pénibilités du travail ou aider à résoudre des problèmes complexes à une échelle inédite.

Mais elle soulève également des interrogations profondes. Qui contrôlera ces systèmes ? Comment préserver les libertés individuelles ? Comment éviter l’accroissement des inégalités ? Comment maintenir une information fiable, une culture vivante et des institutions démocratiques robustes dans un environnement de plus en plus façonné par les algorithmes ?

Au-delà de ces questions économiques, politiques ou diplomatiques, une interrogation plus fondamentale émerge progressivement.

Que devient l’être humain lorsque certaines de ses fonctions intellectuelles peuvent être reproduites, assistées ou parfois dépassées par des machines ?

Que devient l’apprentissage lorsqu’un tuteur universel répond à toutes les questions ?

Que devient la créativité lorsque des œuvres peuvent être générées en quelques secondes ?

Que devient le jugement lorsque des systèmes statistiques proposent des diagnostics, des décisions ou des prédictions ?

Et plus profondément encore : qu’est-ce qui continuera à distinguer l’intelligence humaine dans un monde où l’intelligence artificielle devient omniprésente ?

C’est cette question que nous allons explorer dans le volet suivant.

Car après avoir examiné les conséquences économiques, sociales, politiques et géopolitiques de l’intelligence artificielle, il devient nécessaire de s’intéresser à son impact le plus intime : celui qu’elle exerce sur l’homme lui-même.