Dans un monde où l’intelligence artificielle (IA) et d’autres technologies de pointe redessinent sans cesse les contours de nos économies et de nos sociétés, il est facile de se laisser emporter par le tourbillon de l’innovation. Cependant, au-delà des prouesses technologiques et des promesses mirobolantes, se cache une réalité plus complexe : celle des inégalités grandissantes, des défis éthiques et de la nécessité impérieuse d’une gouvernance mondiale. C’est précisément à cette réalité que s’attaque le « Technology and Innovation Report 2025 : Inclusive Artificial Intelligence for Development » de la CNUCED (Conférence des Nations Unies sur le commerce et le développement).
Rédigé par Wai Kit (Jackie) Si Tou et Antonio Vezzani, sous la supervision d’Angel González Sanz, ce rapport est bien plus qu’une simple cartographie de l’IA. Il s’agit d’une note de lecture pour l’humanité, un appel à l’action pour que l’IA devienne un moteur de développement durable et inclusif, et non un amplificateur des clivages existants. Mon rôle, à travers cette analyse, est de vous offrir une synthèse approfondie, une prise de recul critique et des commentaires éclairés sur les points saillants de ce document fondamental. L’ambition est de décrypter ensemble les enjeux colossaux que l’IA nous impose, non pas comme une fatalité, mais comme une opportunité que nous avons le pouvoir de modeler.
Le message central du rapport est à la fois fascinant et préoccupant : les technologies de pointe, en particulier l’IA, sont en pleine expansion, mais leur développement et leur diffusion rapide créent des fractures technologiques béantes. Ces fractures menacent d’exacerber les inégalités préexistantes entre et au sein des pays, sapant ainsi les efforts collectifs pour atteindre les Objectifs de Développement Durable (ODD). La question n’est donc pas seulement « comment utiliser l’IA ? », mais surtout « pour qui et avec quelles valeurs ? ».
L’IA à la frontière technologique : La concentration comme règle du jeu
Le premier chapitre du rapport nous plonge au cœur de la révolution technologique, dressant un tableau saisissant de l’expansion rapide des technologies de pointe. En 2023, ces technologies représentaient un marché de 2,5 billions de dollars, avec une projection spectaculaire de 16,4 billions de dollars d’ici 2033. L’IA y joue un rôle de premier plan, censée capter près d’un tiers de ce marché gigantesque, soit environ 4,8 billions de dollars. Les percées continues, notamment avec l’IA générative (GenAI) et ses applications dans la création de contenu, le développement de produits et le service client personnalisé, alimentent cette croissance effrénée.
Cependant, cette expansion fulgurante s’accompagne d’une concentration alarmante du pouvoir. Une poignée de géants technologiques, principalement basés aux États-Unis, dominent le marché. Apple, Nvidia, et Microsoft affichent des capitalisations boursières dépassant les 3 billions de dollars, rivalisant avec le PIB de continents entiers comme l’Afrique. Ces entreprises, dont les motivations commerciales ne sont pas toujours alignées avec l’intérêt public, acquièrent ou investissent massivement dans des startups innovantes, renforçant leur emprise sur l’avenir technologique. Mon commentaire ici est une alerte rouge : cette oligopolisation de l’IA n’est pas seulement une question de domination de marché ; elle soulève des préoccupations profondes quant à la direction de l’innovation, qui pourrait privilégier la substitution du travail humain à son augmentation, menaçant ainsi les avantages comparatifs des pays en développement à faible coût de main-d’œuvre.
La concentration se manifeste également dans la recherche et le développement (R&D). En 2022, 100 entreprises seulement représentaient plus de 40% des investissements mondiaux en R&D des entreprises. Les États-Unis abritent près de la moitié des 100 plus grands investisseurs en R&D, suivis par la Chine, qui a considérablement augmenté sa part au cours de la dernière décennie. Cette asymétrie se reflète dans la création de connaissances : la Chine et les États-Unis génèrent à eux seuls environ un tiers des articles scientifiques évalués par des pairs et deux tiers des brevets dans les technologies de pointe. Pour les pays en développement, cette concentration rend la tâche d’un « rattrapage technologique » encore plus ardue.
L’IA, désormais reconnue comme une technologie à usage général (General-Purpose Technology – GPT), est au cœur d’une « cinquième révolution industrielle ». Cette révolution se caractérise par la collaboration homme-machine, la durabilité et la personnalisation. L’IA n’opère pas en silo ; elle est en synergie avec d’autres technologies de pointe comme l’IoT, le Big Data, la blockchain, l’impression 3D, la robotique, les drones, les technologies vertes et même la nanotechnologie et l’édition génétique. Cette interconnexion multiplie son potentiel, mais aussi les risques de fracture pour ceux qui ne peuvent pas y accéder.
Le rapport met en évidence une « fracture de l’IA » manifeste, structurée autour de trois leviers essentiels : l’infrastructure, les données et les compétences. La puissance de calcul (supercalculateurs, centres de données) est massivement concentrée dans les pays développés, les États-Unis en tête. Les fournisseurs de services d’IA sont également dominés par une poignée d’entreprises américaines et chinoises, rendant le coût de la formation des modèles d’IA de pointe prohibitif pour la plupart des organisations, en particulier dans les pays en développement. Les investissements privés et la création de connaissances (publications, brevets, talents) suivent la même logique de concentration. C’est une réalité brutale : l’IA, malgré son potentiel universel, est pour l’instant un privilège des quelques-uns. Ma réflexion est que sans une intervention délibérée et coordonnée, cette fracture ne fera que s’aggraver, transformant un outil de progrès en un instrument d’exclusion.
L’IA, la productivité et le travail : Entre promesses d’augmentation et risques d’automatisation
Le chapitre II explore l’impact de l’IA sur la productivité et la main-d’œuvre, un sujet qui nourrit autant l’espoir que l’inquiétude. L’IA a le potentiel de transformer 40 % de l’emploi mondial en affectant des tâches cognitives autrefois réservées aux travailleurs hautement qualifiés. L’IA peut agir de quatre manières principales sur le travail :
1. Substituer le travail humain : les machines deviennent plus efficaces que les humains dans certaines tâches.
2. Compléter le travail humain : l’IA augmente les compétences humaines, améliorant la qualité, l’efficacité et la prise de décision.
3. Approfondir l’automatisation : l’IA remplace des technologies moins efficaces, améliorant la productivité globale des entreprises.
4. Créer de nouveaux emplois : de nouveaux rôles émergent dans la R&D, le déploiement et la maintenance de l’IA (ex: formateurs, explicants, mainteneurs d’IA).
Les études micro-économiques, bien que principalement basées sur les pays développés, suggèrent des gains de productivité substantiels pour les entreprises adoptant l’IA, en particulier celles employant des travailleurs qualifiés dans les services. L’IA générative (GenAI) est particulièrement prometteuse, augmentant les performances des travailleurs dans diverses tâches, de la résolution de problèmes clients (+14%) à l’amélioration de la qualité du travail (+40%) pour les consultants. Paradoxalement, les améliorations les plus significatives peuvent venir des travailleurs les moins qualifiés, qui utilisent l’IA pour assimiler les meilleures pratiques des experts. Cependant, d’autres études montrent des gains plus élevés pour les chercheurs de pointe, suggérant que l’IA pourrait aussi exacerber les inégalités entre travailleurs.
Mon analyse ici est que si l’IA offre un immense potentiel d’augmentation et d’autonomisation des travailleurs, elle pose également des incertitudes majeures quant à la polarisation de l’emploi et l’accroissement des inégalités de revenus. Le rapport nous met en garde contre la conception de l’IA comme une technologie de substitution plutôt que d’augmentation, ce qui pourrait conduire à une diminution de la part du travail dans la valeur ajoutée et à une croissance plus lente des salaires. Les « tâches faciles » peuvent être automatisées rapidement, mais les tâches plus complexes et contextuelles peuvent être plus difficiles pour l’IA, voire créer de nouvelles « mauvaises tâches » (deepfakes, désinformation). La clé est de comprendre que l’impact dépendra de la vitesse d’adoption et des choix politiques.
Le rapport illustre, à travers des études de cas inspirantes dans les pays en développement, comment l’IA peut être mise à profit malgré les contraintes d’infrastructure, de données et de compétences.
• Agriculture : Au lieu de la pénurie d’experts, l’IA devient une « source d’information experte accessible ». Au Bangladesh, l’application Tumaini utilise l’apprentissage profond (deep learning) pour diagnostiquer les maladies des bananiers à partir de photos, avec plus de 90 % de précision, même hors ligne. En Tanzanie, MkulimaGPT, un chatbot GenAI, aide les agriculteurs à identifier les maladies du maïs via une application de messagerie mobile, surmontant le manque de données locales en swahili grâce à des financements externes. En Chine, des chercheurs utilisent l’IA avec des données open-source (climat, sol, images satellite) pour prédire les rendements rizicoles avec 88 % de précision. En Tunisie et en Malaisie, l’IA optimise l’irrigation de précision et la pulvérisation de pesticides grâce à l’IoT et aux drones, réduisant la consommation d’eau et augmentant la production.
• Industrie manufacturière : L’IA améliore l’automatisation, la maintenance prédictive et les « usines intelligentes ». En Chine, un robot de soudage piloté par l’IA s’adapte rapidement aux nouvelles tâches, réduisant les coûts de reprogrammation. En Turquie, l’IA et l’IoT prévoient la durée de vie restante des machines avec 98 % de précision, minimisant les pannes coûteuses. En Inde (Tata Steel) et au Brésil (Unilever), l’intégration de l’IA, de la robotique et de l’IoT a permis des gains de productivité, des réductions de coûts et une diminution de l’empreinte environnementale, transformant ces usines en « phares » mondiaux.
• Santé : L’IA offre des méthodes de diagnostic « nouvelles et rentables » et étend la couverture des services. Au Nigéria, l’application Ubenwa diagnostique l’asphyxie périnatale chez les nourrissons en analysant leurs pleurs avec 86 % de précision, une solution simple et peu coûteuse. Au Soudan du Sud et au Tadjikistan, des machines de radiographie portables assistées par l’IA détectent la tuberculose dans des zones isolées sans radiologues experts. En Inde, un modèle d’IA de Google aide une ONG à cibler les mères enceintes les plus à risque de décrocher d’un programme de santé, augmentant l’engagement de 30 %. Au Kenya, le chatbot GenAI mDaktari sert d’outil de dépistage clinique préliminaire, libérant les cliniciens pour les cas les plus urgents. L’IA a également été utilisée au Brésil pour prédire les flux de réfugiés lors de la pandémie de COVID-19, optimisant l’allocation des ressources.
Ces succès, souvent à petite échelle, soulignent des bonnes pratiques : adapter l’IA aux infrastructures numériques locales (mode hors ligne, alimentation par batterie), utiliser de nouvelles sources de données (open-source, non conventionnelles), rendre l’IA facile à utiliser (interfaces simples, chatbots en langues locales) et construire des partenariats stratégiques pour accéder aux ressources et compétences vitales.
Cependant, il est crucial de ne pas oublier le rôle central du travail humain dans le cycle de vie de l’IA. De la préparation des données (collecte, annotation) au modelage (conception, formation) et à l’évaluation, l’IA dépend massivement des travailleurs humains. Ce travail, souvent invisible et précaire (sous-paiement, tâches répétitives, exposition à du contenu perturbant), peut entraîner une « aliénation par la connaissance » et une « déqualification » des travailleurs hautement qualifiés dans les pays en développement.
D’où l’appel du rapport à une approche « centrée sur le travailleur ». Cela implique d’investir dans l’éducation et les compétences numériques (littératie numérique, prompt engineering), de mettre en place des formations de reconversion et de perfectionnement (reskilling/upskilling), d’impliquer les travailleurs dans la conception des outils d’IA et de promouvoir des politiques publiques « amies du travail » qui augmentent plutôt que ne remplacent les capacités humaines. C’est une question de justice sociale et de durabilité économique : si l’IA conduit à une concentration excessive de la richesse au détriment du travail, le modèle sera socialement et politiquement intenable.
Se préparer à l’ère de l’IA : Infrastructure, Données et Compétences – Les Piliers Oubliés
Le chapitre III aborde la préparation des pays face à la vague de l’IA, en s’appuyant sur l’Indice de préparation aux technologies de pointe (Frontier Technologies Readiness Index – FTRI) de la CNUCED. Cet indice évalue l’état de préparation des pays en combinant des indicateurs sur le déploiement des TIC, les compétences, la R&D, la capacité industrielle et l’accès au financement.
Sans surprise, les pays développés dominent le classement. Cependant, certains pays en développement, comme Singapour (5e), la Chine (21e), l’Inde (36e), le Brésil (38e) et les Philippines, se distinguent et surperforment par rapport à leur niveau de revenu. Ces pays ont souvent des activités de R&D et des capacités industrielles plus fortes, ce qui leur permet de suivre et même de diriger le développement technologique dans certains domaines. Mon commentaire est que ces « outperformers » sont des modèles à étudier, car ils prouvent que le développement de l’IA n’est pas une fatalité réservée aux riches, mais une question de stratégie et de volonté politique.
Le rapport confirme la centralité des trois leviers critiques pour l’adoption et le développement de l’IA : l’infrastructure, les données et les compétences. Ces éléments ne sont pas seulement des prérequis ; ils créent des boucles de rétroaction synergiques qui accélèrent le progrès de l’IA.
• Infrastructure : L’adoption de l’IA repose sur des infrastructures de base comme l’électricité et l’accès à Internet. Or, 2,6 milliards de personnes sont encore hors ligne, principalement dans les zones rurales. L’infrastructure d’IA va au-delà, exigeant une connectivité numérique (câbles sous-marins, réseaux nationaux et du dernier kilomètre) et une puissance de calcul (serveurs, centres de données, supercalculateurs, semi-conducteurs) robustes et abordables. La demande en puissance de calcul augmente de 4 à 5 fois par an pour les modèles d’IA de pointe, rendant les semi-conducteurs essentiels. La concentration de ces capacités dans quelques pays et entreprises mondiales crée des vulnérabilités, en particulier pour les pays en développement qui peuvent être « les derniers de la file » en cas de pénurie. Des pays comme l’Égypte, le Maroc, la Malaisie, Singapour et le Viet Nam investissent massivement dans ces infrastructures pour devenir des hubs numériques, souvent grâce à des partenariats public-privé et des investissements étrangers de géants technologiques.
• Données : Les données sont l’intrant principal pour la formation et la validation des algorithmes d’IA. La puissance des modèles d’IA dépend de la quantité, de la qualité et de l’accessibilité des données. Cependant, les stocks de données en ligne augmentent plus lentement que les besoins de l’IA, menaçant de créer des goulots d’étranglement. Les données pertinentes (géographiques, industrielles, culturelles) sont cruciales pour l’adoption et la personnalisation de l’IA, mais leur concentration par quelques plateformes mondiales limite la capacité des pays en développement à créer de la valeur localement. Les biais dans les données d’entraînement peuvent entraîner des résultats incorrects, incomplets ou discriminatoires, exacerbant les inégalités existantes. La Chine, par exemple, a considérablement réduit les prix du haut débit fixe pour favoriser l’accès aux données, et ses plateformes de données sont un atout majeur. Le rapport insiste sur la nécessité de données de haute qualité, diverses et non biaisées, tout en respectant la vie privée et la propriété intellectuelle.
• Compétences : L’adoption et le développement de l’IA nécessitent un large éventail de compétences, allant de la littératie numérique de base à l’expertise technique avancée en science des données et en apprentissage automatique. Les ingénieurs, les informaticiens et les experts sectoriels sont indispensables. Alors que les pays développés affichent des niveaux élevés, les pays les moins avancés (PMA) sont nettement en retard en matière de compétences. La « prompt engineering » (art de structurer les instructions pour la GenAI) est un exemple de nouvelle compétence clé. Des pays comme l’Inde et le Brésil ont créé d’importants viviers de développeurs grâce à des collaborations gouvernement-secteur privé-université et des programmes de formation ciblés. Le Nigéria, le Ghana et le Kenya connaissent également une croissance rapide de leur nombre de développeurs. Mon commentaire ici est que l’investissement dans le capital humain, de l’éducation primaire à la formation continue, est sans doute l’investissement le plus stratégique pour toute nation souhaitant prospérer dans l’ère de l’IA.
Pour évaluer la préparation nationale, le rapport classe les pays en quatre catégories : Leaders, Créateurs, Praticiens et Retardataires (Laggards). Cette typologie aide à identifier les forces, les faiblesses et les trajectoires de rattrapage potentielles. Le rapport introduit également le cadre des « 5 A » : Disponibilité (Availability), Abordabilité (Affordability), Conscience (Awareness), Capacité (Ability) et Agence (Agency). Ces cinq piliers sont cruciaux pour que l’IA soit largement adoptée et développée de manière inclusive, en permettant aux entrepreneurs, aux citoyens et aux décideurs politiques de s’approprier la technologie et de la diriger vers des objectifs humains. C’est une approche holistique qui reconnaît que la technologie seule ne suffit pas ; elle doit être accessible, comprise et maîtrisée par les populations.
Quand l’État reprend la main
Le chapitre IV marque un tournant, soulignant le « retour » des politiques industrielles et d’innovation pour l’ère de l’IA. Face à la complexité de l’IA, les gouvernements ne peuvent plus se contenter d’être des spectateurs passifs. L’objectif est double : soutenir le développement d’algorithmes et d’applications d’IA pour créer de nouvelles activités numériques, et encourager l’adoption de l’IA pour améliorer les entreprises, diversifier l’économie et élever la productivité et les niveaux de vie.
Traditionnellement mises de côté au profit des forces du marché, les politiques industrielles reviennent sur le devant de la scène, motivées par la nécessité de transformer la production, de protéger l’économie des chocs externes et de garantir la disponibilité des produits et intrants clés. La pandémie de COVID-19, par exemple, a relancé cette tendance. Cependant, le rapport note que ces interventions sont majoritairement le fait des pays développés (deux tiers), tandis que les PMA n’en représentent qu’une infime partie (1,3%). Cette disparité risque de creuser davantage le fossé entre nations, les pays développés « ciblant les gagnants » et favorisant les entreprises en place.
La CNUCED insiste sur le fait que les politiques d’IA doivent être flexibles et régulièrement mises à jour, car le paysage technologique évolue à une vitesse fulgurante. À la fin de 2023, environ deux tiers des pays développés avaient une stratégie nationale d’IA, contre seulement six des 89 PMA. Cela signifie que la plupart des pays en développement risquent de subir les conséquences de décisions prises ailleurs, sans pouvoir influencer la direction du changement technologique.
Le rapport présente trois approches politiques dominantes :
• Chine : Intervention directe pour soutenir les objectifs nationaux, avec des réglementations strictes. La Chine a d’abord incité le secteur privé, puis a introduit des réglementations contraignantes pour encadrer la GenAI et assurer la conformité aux « valeurs socialistes fondamentales » et à la sécurité nationale. Elle a également créé un Bureau national des données pour coordonner le développement des systèmes de données fondamentaux.
• Union européenne : Réglementation forte axée sur la protection des droits et valeurs fondamentaux. L’UE a adopté la loi sur l’IA (AI Act) en 2024, qui définit des règles basées sur le niveau de risque associé aux systèmes d’IA (inacceptable, élevé, limité, minimal). Elle s’appuie sur des législations précédentes comme le RGPD et la loi sur les services numériques, et renforce également son industrie des semi-conducteurs et la recherche en IA.
• États-Unis : Cadre réglementaire léger, privilégiant l’innovation. Le CHIPS and Science Act (2022) est un exemple de politique ciblée sur les technologies de pointe, investissant massivement dans la R&D et la fabrication de semi-conducteurs pour renforcer la recherche scientifique et la capacité de production nationale. Une « Déclaration des droits de l’IA » (Blueprint for an AI Bill of Rights) vise à protéger les droits civiques face aux systèmes d’IA.
Bien que ces approches aient des différences historiques, le rapport observe des similitudes émergentes : toutes adoptent une approche prudente de la régulation tout en investissant massivement dans la R&D et l’ensemble de la chaîne de valeur de l’IA, et visent une intégration inclusive de l’IA dans leurs économies et sociétés. Mon point de vue est que cette convergence, même partielle, est cruciale pour une future gouvernance mondiale, mais les divergences initiales pourraient encore entraver une coopération pleine et entière, surtout si elles mènent à des « spillover effects » qui ne profitent pas aux pays moins avancés.
Les politiques doivent cibler les trois leviers :
• Infrastructure : Assurer un accès équitable à l’électricité et à Internet, notamment dans les zones mal desservies. Les pays devraient prioriser la connectivité, l’interopérabilité et la normalisation des systèmes. Des exemples incluent le programme d’accélération de la croissance numérique du Brésil, le projet e-Agriculture de Côte d’Ivoire, le projet d’infrastructure de calcul haute performance du Japon et le K-Chips Act de la République de Corée, qui visent tous à renforcer la connectivité, les capacités de calcul et la production de semi-conducteurs.
• Données : Établir des politiques de données robustes, favorisant les données ouvertes, le partage de données et l’interopérabilité, tout en protégeant la vie privée et la propriété intellectuelle. Des initiatives comme l’Observatoire des Données du Chili, le Mobility Data Space d’Allemagne, les Directives éthiques de l’Inde pour l’IA en santé, le Sandbox sur la confidentialité de la Colombie et la loi sur le droit d’auteur de Singapour, montrent comment les pays abordent la disponibilité, la qualité et l’éthique des données.
• Compétences : Développer la littératie numérique à l’échelle de la population et former des experts en IA, de l’éducation précoce à la formation continue. Le Digital Workforce Competitiveness Act des Philippines, le Plan national pour les compétences numériques d’Espagne, le programme d’informatique au collège du Ghana et le Nigeria Artificial Intelligence Research Scheme sont des exemples de politiques visant à renforcer les compétences numériques et l’IA, avec une attention particulière à l’inclusion des femmes et au développement des talents locaux.
Le rapport conclut en soulignant la nécessité d’une approche « gouvernementale globale » (whole-of-government approach) pour l’IA, alignant les stratégies d’IA sur les politiques sectorielles (industrie, éducation, infrastructure, commerce). Une meilleure coordination est essentielle pour exploiter les synergies et garantir que l’IA serve les défis majeurs de notre siècle.
La Gouvernance Mondiale de l’IA : Une Urgence Fragmentée
Le dernier chapitre met en lumière le caractère intrinsèquement transnational de l’IA, nécessitant une collaboration internationale robuste. Les systèmes d’IA, des biens et services immatériels, peuvent être déployés partout, rendant leur influence transfrontalière et les cadres réglementaires nationaux insuffisants. L’enjeu est de faire de l’IA un bien public mondial, accessible, équitable et bénéfique pour tous.
Les défis de la gouvernance mondiale de l’IA sont multiples :
• Opportunités économiques remodelées : L’IA concentre l’innovation dans les secteurs à forte intensité de connaissances, créant de nouvelles dynamiques de pouvoir et menaçant les avantages comparatifs des pays en développement.
• Entreprises dominantes : Une poignée de multinationales contrôlent le développement et le déploiement de l’IA, guidées par le profit, ce qui limite la capacité des gouvernements à orienter l’IA vers l’intérêt public. La quasi-monopole de Nvidia sur les GPU (90% du marché) et les profits massifs réalisés par les entreprises privées d’IA par rapport aux budgets publics de R&D sont des exemples frappants de cette domination.
• Diffusion rapide : Les nouveaux modèles et applications d’IA se répandent à une vitesse fulgurante (ChatGPT a atteint 100 millions d’utilisateurs en 2 mois), dépassant la capacité des décideurs politiques à réagir, en particulier dans les pays en développement.
• Adaptation réglementaire lente : Les cadres réglementaires peinent à suivre le rythme, laissant des centaines de millions de personnes exposées aux conséquences négatives de l’IA (biais, désinformation), d’autant plus que les pays du Sud manquent de représentation dans les forums de gouvernance.
• Flux transfrontaliers de données et de compétences : L’IA repose sur d’énormes quantités de données qui traversent les frontières et sur des travailleurs qualifiés qui se déplacent des pays en développement vers les pays développés, créant un déséquilibre continu.
Le rapport souligne que la domination des géants technologiques est sans précédent. La majeure partie de la recherche de pointe est menée en interne par des entreprises privées et n’est pas publiée, ce qui limite la diffusion des connaissances et les spillovers. Ces entreprises, dont les motivations commerciales ne s’alignent pas toujours avec l’intérêt public, peuvent exercer une pression significative sur les gouvernements, surtout les plus petits. Les préoccupations croissantes concernant la domination du marché ont d’ailleurs conduit à des enquêtes antitrust dans plusieurs juridictions.
Pour aligner l’IA sur les objectifs sociaux, une approche multi-parties prenantes est essentielle. Cela implique d’intégrer les points de vue des consommateurs, qui se méfient de la protection de leurs données personnelles, et de résoudre les défis liés à la propriété intellectuelle des inventions générées par l’IA ou à la formation des modèles sur des données protégées par le droit d’auteur.
Le processus politique international est fragmenté. De nombreuses initiatives (OCDE, G20, G7, Sommets sur la sécurité de l’IA) ont vu le jour, mais elles sont largement dominées par les membres du G7, laissant 118 pays, principalement du Sud, sans participation. Cette sous-représentation du Sud risque de ne pas répondre aux défis spécifiques de ces pays, tels que la dégradation environnementale liée à l’extraction de métaux rares pour l’IA ou les mauvaises conditions de travail dans sa chaîne de valeur.
Une évolution notable est le passage d’une approche basée sur des principes à une approche basée sur les risques pour la réglementation de l’IA. L’AI Act de l’UE, par exemple, classe les applications d’IA selon leur niveau de risque. Une approche basée sur la responsabilité (liability-based) est également explorée, visant à tenir les développeurs et les déployeurs responsables des préjudices causés par l’IA.
Les Nations Unies apportent une contribution significative à la gouvernance mondiale de l’IA. Le Sommet mondial « AI for Good », la Recommandation de l’UNESCO sur l’éthique de l’IA, les Résolutions de l’Assemblée générale sur l’IA et le Pacte pour l’avenir sont des exemples d’efforts pour orienter l’IA vers le bien commun et renforcer la coopération internationale. La création d’un Groupe de travail dédié à la gouvernance des données au sein de la CSTD et d’un Panel scientifique international indépendant sur l’IA témoigne de cette volonté de collaboration et d’expertise.
Pour assurer la responsabilité (accountability), le rapport propose des mécanismes de divulgation publique pour les entreprises d’IA, inspirés du cadre ESG (environnemental, social et de gouvernance). Cela inclurait des évaluations d’impact tout au long du cycle de vie de l’IA, mesurant les effets sur l’environnement, l’emploi, les droits de l’homme et l’inclusivité. Une certification pourrait passer du volontaire au obligatoire, avec des mesures de surveillance et des sanctions en cas de non-conformité. Mon commentaire ici est que ce cadre est essentiel pour transformer l’IA d’une boîte noire en un système transparent et éthique, mais sa mise en œuvre nécessitera une volonté politique ferme face à l’influence des entreprises.
Enfin, le rapport insiste sur la coopération internationale pour l’infrastructure, les données et les compétences.
• Infrastructure numérique publique (DPI) : Les DPI offrent un moyen équitable de fournir l’accès et les services nécessaires à l’écosystème de l’IA. Elles peuvent être modulaires et adaptées aux besoins locaux. Le G20 a formulé des principes et un « playbook » pour les DPI, et des initiatives comme « 50-in-5 » visent à aider 50 pays à déployer des DPI en cinq ans. Un modèle inspiré du CERN pourrait fournir une infrastructure d’IA distribuée et partagée à l’échelle mondiale, équilibrant le pouvoir des géants technologiques et favorisant l’accès équitable aux ressources d’IA.
• Innovation ouverte : Les modèles d’innovation ouverte (données ouvertes, logiciels open-source) peuvent démocratiser les connaissances et les ressources, favorisant une innovation inclusive en IA. Les gouvernements peuvent collaborer pour harmoniser et coordonner les ressources open-source fragmentées à l’échelle mondiale.
• Renforcement des capacités et collaboration en recherche : Le transfert de connaissances et le renforcement des capacités sont cruciaux pour les pays en développement. Des centres de renforcement des capacités, des partenariats de recherche et une coopération Sud-Sud accrue (comme les initiatives des BRICS ou de l’ASEAN) sont essentiels pour relever les défis communs de l’IA.
Vers une IA Inclusive : Une Vision Humaniste pour une Prospérité Partagée
Le « Technology and Innovation Report 2025 » de la CNUCED est une lecture essentielle pour quiconque s’intéresse à l’avenir de l’humanité à l’ère de l’intelligence artificielle. Ma lecture attentive et ma prise de recul m’amènent à cette conclusion : l’IA n’est pas moralement neutre. Son impact, positif ou négatif, dépendra intrinsèquement des choix que nous, humains, ferons collectivement.
Le rapport met en évidence un paradoxe troublant : l’IA recèle un potentiel immense pour accélérer le progrès vers les ODD, améliorer la productivité, transformer l’agriculture, l’industrie et la santé dans les pays en développement. Pourtant, elle est actuellement caractérisée par une concentration écrasante de pouvoir, de richesse et de savoir entre les mains de quelques entreprises et pays. Cette concentration risque non seulement d’exacerber les inégalités existantes et de créer de nouvelles fractures numériques, mais aussi de diriger l’innovation d’une manière qui privilégie le capital au détriment du travail, menaçant ainsi la stabilité sociale et la prospérité partagée.
La grande leçon que nous devons retenir est que l’inaction aura un coût bien plus élevé que l’investissement dans une IA inclusive et éthique. Le rapport ne se contente pas de dresser un constat ; il propose une feuille de route détaillée, un appel vibrant à un changement de paradigme où l’accent est mis des technologies vers les personnes. Cela nécessite une approche humaniste, « centrée sur l’humain », qui considère l’IA comme un outil d’augmentation des capacités humaines plutôt que de substitution, et qui garantit une distribution équitable des bénéfices de cette révolution.
Les recommandations sont claires :
• Des politiques nationales proactives et coordonnées sont indispensables pour orienter l’adoption et le développement de l’IA, en investissant massivement dans les infrastructures numériques, les données de qualité (avec des garanties de confidentialité) et des programmes de développement des compétences (littératie numérique, reskilling, upskilling).
• Une gouvernance mondiale forte et inclusive est urgente pour encadrer l’IA, briser la domination des monopoles, assurer la responsabilité des acteurs (transparence, évaluations d’impact), et combler la fracture numérique. Cela implique une participation accrue des pays du Sud dans les processus de décision internationaux et la promotion de solutions comme les infrastructures numériques publiques (DPI) partagées, l’innovation ouverte et une coopération Sud-Sud renforcée.
Le modèle du CERN pour les infrastructures scientifiques partagées ou le Centre et Réseau des Technologies Climatiques des Nations Unies pour le transfert de capacités et l’assistance technique, sont des visions inspirantes que l’on pourrait transposer à l’IA. C’est en mutualisant nos ressources, nos expertises et notre volonté politique que nous pourrons éviter les écueils d’une IA inéquitable et fragmentée.
En fin de compte, l’IA représente une occasion sans précédent de réimaginer notre avenir. Mais elle ne doit pas être laissée à la seule discrétion des forces du marché ou de quelques acteurs dominants. Elle doit être façonnée par un consensus mondial, guidée par des valeurs éthiques et une vision de prospérité partagée pour tous. C’est un défi de taille, mais le rapport de la CNUCED nous donne les outils pour y faire face, à condition que nous ayons le courage d’agir. C’est une histoire que nous sommes encore en train d’écrire, et il est temps de s’assurer qu’elle ait un dénouement favorable à l’humanité tout entière.
