Intelligence artificielle et économie mondiale : développement, inégalités et pouvoir

En transformant données, calcul et connaissance en instruments de décision, l’intelligence artificielle est devenue une question d’économie politique internationale. Sa valeur apparaît lorsque prévision, classification et automatisation réduisent les coûts de coordination dans des secteurs différents. Ces gains exigent une base matérielle. Serveurs, puces et énergie définissent la portée technique. Données fiables, spécialistes et règles d’adaptation linguistique définissent son utilité sociale.

La concurrence économique autour de l’IA va au-delà de la question des pays qui “utiliseront” la technologie. La question décisive est de savoir qui contrôle les intrants qui rendent cet usage possible. Les entreprises qui concentrent modèles, nuages et canaux de distribution peuvent capter une part croissante de la valeur créée par l’automatisation. Les États qui contrôlent semi-conducteurs et normes peuvent transformer cette capacité en avantage industriel et diplomatique. Le résultat est ambivalent : la même technologie qui ouvre des possibilités de développement peut approfondir les dépendances entre pays, entreprises et travailleurs.

Résumé

• L’IA peut accroître la productivité et améliorer les politiques publiques. Elle a besoin pour cela d’infrastructures numériques, de données fiables, d’énergie, de compétences et d’institutions capables d’évaluer les risques.
• L’inégalité mondiale en matière d’IA vient moins de l’accès à un outil isolé que de la concentration du calcul, du capital, des langues dominantes et de la capacité réglementaire.
• Sur le marché du travail, l’IA tend à automatiser des tâches et à réorganiser les métiers. Ses effets dépendent de la formation, de la protection sociale et de l’adaptation des entreprises.
• La concurrence entre les États-Unis, la Chine et l’Union européenne montre que l’IA est politique industrielle, contrôle des chaînes d’approvisionnement et lutte autour des normes techniques.
• La gouvernance internationale combine organisations universelles, forums économiques et initiatives régionales. La principale lacune concerne le financement, la participation et la mise en œuvre.
• Pour les pays en développement, l’enjeu central est de transformer l’accès à l’IA en capacité productive locale, et non en simple consommation de plateformes étrangères.

Pourquoi l’IA est une question économique internationale

L’intelligence artificielle affecte l’économie mondiale parce qu’elle modifie la manière dont l’information devient décision. Dans les entreprises, les modèles d’IA aident à prévoir la demande et à organiser les stocks. Dans les gouvernements, ils peuvent soutenir le tri des risques, la traduction des services et l’analyse documentaire. Dans les systèmes productifs, ils relient machines et chaînes logistiques. L’effet économique vient d’un mécanisme commun : réduire les coûts de recherche, de prévision et de coordination.

Cette capacité intéresse les pays parce que la productivité n’est jamais purement technique. Une économie qui intègre largement l’IA peut produire davantage avec les mêmes ressources, améliorer la qualité des services et créer de nouveaux secteurs. L’adoption dépend de conditions accumulées. Connectivité et électricité stable soutiennent l’usage quotidien. Entreprises, universités et gouvernement numérique transforment cet usage en apprentissage. Sans cette base, l’IA reste une couche superficielle : les utilisateurs accèdent à des outils importés, tandis que le pays ne contrôle ni technologie, ni données, ni apprentissage industriel.

La différence entre usage et capacité est centrale. Un ministère peut acheter un système étranger pour classer des documents. Cela peut améliorer les routines sans créer de base nationale d’IA. La capacité apparaît lorsque des techniciens locaux comprennent le système, adaptent les données et testent les biais. La commande publique complète le circuit en créant une demande d’infrastructure et de compétences. Sans cette couche locale, la modernisation reste apparente et la position dépendante dans la chaîne numérique persiste.

La base matérielle de l’IA

L’image publique de l’intelligence artificielle se concentre souvent sur les modèles et les interfaces. Sa base matérielle comporte trois couches : centres de données, réseaux de communication et chaînes de semi-conducteurs. Les systèmes d’IA générative exigent un entraînement sur de grands volumes de données et un fonctionnement continu sur des serveurs de grande capacité. L’utilisateur voit une réponse textuelle. Derrière elle se trouve une chaîne physique d’énergie, de refroidissement et d’infrastructure de nuage.

Cette infrastructure modifie la distribution internationale du pouvoir. Les pays qui accueillent des entreprises de nuage et des fabricants de puces concentrent des instruments d’influence économique. Ils peuvent restreindre l’accès aux composants, définir des standards de sécurité et conditionner la manière dont d’autres pays utilisent les services numériques. Les pays disposant d’énergie renouvelable abondante et d’une bonne connectivité peuvent, à leur tour, attirer des centres de données. En d’autres termes, la capacité d’héberger le calcul à grande échelle devient partie intégrante de la concurrence économique.

Il existe des coûts environnementaux et géopolitiques. Les centres de données consomment de l’électricité et exigent du refroidissement. La production de puces dépend d’équipements spécialisés, d’eau ultrapure et de chaînes industrielles concentrées. Les minerais critiques entrent dans la base électrique et numérique qui soutient cette infrastructure. Lorsque la demande d’IA augmente rapidement, ces chaînes deviennent des objets de politique industrielle et de contrôles à l’exportation. En ce sens, l’IA n’est pas une technologie immatérielle : elle accroît l’importance diplomatique de l’énergie, des semi-conducteurs et des infrastructures numériques.

Productivité et développement

Pour les pays en développement, la promesse de l’IA est réelle lorsqu’elle se relie à des problèmes concrets. Dans l’agriculture, les modèles peuvent améliorer les prévisions climatiques et la gestion de l’eau. Dans la santé, ils peuvent soutenir le triage et la lecture d’examens. Dans les services publics, ils peuvent organiser les documents et identifier les fraudes. Dans l’industrie, ils peuvent rapprocher maintenance, contrôle de qualité et planification productive.

Ces applications fonctionnent bien si des données locales, des institutions capables de les interpréter et des personnes responsables des décisions existent. Un modèle entraîné avec les données d’un autre pays peut échouer dans le diagnostic, la langue ou la priorité administrative. Un outil appliqué à un service public peut reproduire les inégalités si les données antérieures enregistrent exclusion, informalité ou discrimination. La règle pratique est simple : l’IA améliore les politiques publiques lorsqu’elle accroît la capacité de l’État et aggrave les inégalités lorsqu’elle automatise de mauvaises procédures.

Cette distinction explique l’importance de l’infrastructure publique numérique. Identité numérique, paiements et registres interopérables donnent à l’État une base organisée pour utiliser l’IA sous contrôle public. Le Pacte numérique mondial adopté par l’ONU en 2024 traite les biens publics numériques, l’infrastructure publique numérique et les modèles ouverts comme des instruments d’inclusion. L’objectif est de réduire la dépendance exclusive envers les plateformes propriétaires. Quand les gouvernements peuvent organiser données et services de manière sûre, l’IA peut soutenir le développement au lieu de se limiter à extraire de la valeur des utilisateurs.

Travail, qualification et inégalité

L’impact de l’IA sur le travail n’apparaît pas comme un remplacement uniforme des personnes par des machines. Le changement touche plutôt les tâches. Certaines activités administratives et de service peuvent être automatisées. Dans d’autres métiers, les outils accélèrent recherche, rédaction et diagnostic. Le résultat dépend de la manière dont chaque société organise le travail, la négociation sociale et la formation.

En 2024, le FMI a estimé qu’environ 40% de l’emploi mondial est exposé à l’IA, avec une exposition plus élevée dans les économies avancées. L’OIT a conclu que l’IA générative est plus susceptible de compléter que de détruire des emplois entiers, même si elle peut changer l’intensité et l’autonomie du travail. Ces diagnostics renvoient au même mécanisme : l’IA redistribue les avantages entre travailleurs capables de l’utiliser et travailleurs enfermés dans des tâches remplaçables ou mal rémunérées.

Ce processus peut approfondir les inégalités à l’intérieur des pays. Les travailleurs ayant éducation et connectivité peuvent gagner en productivité. Ceux qui manquent de formation peuvent perdre des tâches d’entrée ou subir une surveillance algorithmique. Les femmes peuvent être davantage touchées dans les secteurs administratifs où elles sont surreprésentées. Les jeunes tendent à s’adapter plus vite, tandis que les travailleurs plus âgés supportent des coûts de reconversion plus élevés. La politique publique doit traiter l’IA comme une transition du travail. L’agenda d’innovation ne fonctionne que lorsqu’il intègre cette dimension sociale.

Concentration des entreprises et pouvoir de plateforme

L’économie de l’IA favorise la concentration à mesure que les modèles avancés exigent une grande échelle. Entraîner des systèmes compétitifs demande du capital, des équipes spécialisées et un accès aux puces dans le nuage. Peu d’entreprises peuvent combiner ces éléments. En conséquence, de nombreuses entreprises utilisent l’IA par des API et des plateformes fournies par de grandes entreprises étrangères. L’entrée devient plus facile pour les utilisateurs finaux. La dépendance envers les fournisseurs centraux augmente.

Cette dépendance apparaît à trois niveaux. Sur le plan économique, une partie de la valeur créée par les entreprises locales rémunère licences et modèles propriétaires. Sur le plan informationnel, données et habitudes d’usage peuvent rester sous le contrôle de plateformes externes. Sur le plan réglementaire, les autorités sans accès technique suffisant ont du mal à auditer biais et sécurité. Lorsque la couche d’IA devient une infrastructure essentielle, le contrôle des plateformes numériques se transforme en pouvoir de marché et en pouvoir politique.

La propriété intellectuelle et les données renforcent le problème. Les entreprises veulent protéger modèles et jeux d’entraînement. Les sociétés ont besoin de transparence, de contestation et de protection contre la discrimination. La tension est réelle : l’ouverture complète peut exposer sécurité et vie privée. La fermeture complète empêche l’audit public. La gouvernance économique de l’IA doit calibrer ces intérêts pour que l’innovation ne serve pas d’argument permanent contre la responsabilité.

Géopolitique des puces, des données et du nuage

La concurrence entre les États-Unis et la Chine montre comment l’IA est devenue une question de sécurité économique. Les États-Unis concentrent des entreprises leaders dans les puces, les logiciels, le nuage et les modèles de frontière. Leur influence augmente grâce aux alliances situées à des points décisifs de la chaîne des semi-conducteurs. La Chine investit dans l’autonomie technologique, les plateformes nationales et les centres de données. Entre ces pôles, l’Union européenne tente d’utiliser son marché pour définir des obligations de transparence, de risque et de droits fondamentaux.

Les contrôles à l’exportation sur les semi-conducteurs avancés révèlent la logique de cette dispute. Les modèles d’IA de grande capacité dépendent de puces spécialisées et d’équipements de fabrication concentrés dans peu de pays. Limiter l’accès à ces intrants peut ralentir des concurrents et protéger des avantages militaires. En réponse, les pays affectés cherchent substitution nationale et partenariats. La chaîne d’approvisionnement de l’IA devient un instrument de politique étrangère.

Données et services de nuage complètent la dispute. Les États veulent protéger les données sensibles et attirer des services numériques globaux. Les entreprises veulent opérer à l’échelle transnationale. Les pays à revenu intermédiaire cherchent à éviter la dépendance envers une seule sphère technologique. Ce dilemme est concret : lorsqu’un gouvernement héberge des services publics dans des nuages étrangers ou achète des modèles fermés sans capacité d’audit, ses choix numériques commencent à dépendre des règles et décisions d’entreprises d’autres pays.

Gouvernance économique mondiale

La gouvernance internationale de l’IA a avancé par couches. L’UNESCO a adopté en 2021 une recommandation mondiale sur l’éthique de l’IA fondée sur les droits humains, la supervision humaine et l’inclusion. L’OCDE et le Partenariat mondial sur l’IA ont contribué à des principes pour une IA digne de confiance. Le G7 a développé le Processus d’Hiroshima pour les modèles avancés. En 2024, l’ONU a adopté des résolutions sur l’IA sûre et le renforcement des capacités, tout en incluant le sujet dans le Pacte numérique mondial.

Le Pacte numérique mondial est particulièrement pertinent pour l’économie politique de l’IA parce qu’il relie sécurité technique et développement. Il appelle à la représentation des pays en développement, à la coopération en matière de données et à des standards interopérables. L’agenda inclut aussi le calcul accessible, les modèles ouverts et le financement volontaire pour réduire les fractures liées à l’IA. Le déplacement politique consiste à demander qui aura la capacité de participer aux bénéfices et aux règles.

D’autres forums interviennent sous des angles spécifiques. Le G20 discute innovation et infrastructure numérique. L’OMC observe comment l’IA affecte le commerce des services, la propriété intellectuelle et les barrières techniques. Les banques de développement peuvent financer connectivité, énergie et gouvernement numérique. Ces forums ne forment pas encore un régime unique. Il y a trop de principes, un financement insuffisant et une grande distance entre les pays qui dessinent les règles et ceux qui doivent les appliquer.

Brésil et Sud global

Le Brésil illustre une position intermédiaire. Le pays ne contrôle pas la frontière mondiale des grands modèles. Il dispose pourtant d’un vaste marché, d’universités, d’une expérience de secteur public numérique et d’une matrice électrique relativement propre. Cette base se complète par des compétences en agriculture, santé et secteurs industriels spécifiques. Le Plan brésilien d’intelligence artificielle 2024-2028 a cherché à relier l’IA au développement économique et social. Ses axes passent par les services publics, l’innovation des entreprises, l’infrastructure, la formation et les modèles en portugais. L’ambition est juste : sans langue, données et capacité propres, le pays consomme des systèmes étrangers sans les façonner pleinement.

Le défi brésilien montre la difficulté des pays à revenu intermédiaire. La stratégie doit sortir du document et entrer dans les budgets, la commande publique et la formation technique. Les centres de recherche, la protection des données et l’évaluation indépendante donnent continuité à cet effort. La politique doit éviter deux extrêmes : bloquer l’innovation par crainte réglementaire ou accepter la dépendance technologique comme inévitable. Une politique d’IA pour le développement doit combiner adoption rapide et apprentissage local.

Pour le Sud global, l’agenda commun implique financement, coopération Sud-Sud et infrastructure publique numérique. Les modèles linguistiques locaux et l’accès au calcul complètent cette base. Les petits pays, les îles et les économies enclavées font face à des coûts encore plus élevés, car ils dépendent d’une connectivité et d’une échelle qu’ils ne possèdent pas toujours. L’inclusion, dans ce contexte, ne se résume pas à une place à une conférence. C’est la capacité effective de tester, adapter, contester et produire la technologie.

Limites

L’IA ne résoudra pas seule les problèmes de développement. Elle peut améliorer une politique agricole sans remplacer crédit et infrastructure. Elle peut soutenir l’éducation sans remplacer enseignants et connectivité. Elle peut réduire la fraude administrative sans remplacer la réforme institutionnelle. Lorsqu’elle est traitée comme un raccourci, l’IA tend à masquer les conflits distributifs qui subsistent.

Il existe un risque de dépendance par l’efficacité. Un outil étranger peut être bon marché et fonctionner à court terme. Avec le temps, l’organisation devient dépendante de ses formats, de ses mises à jour et de ses prix. Le remplacement devient coûteux, les données se verrouillent et la capacité interne s’atrophie. C’est un mécanisme classique de dépendance technologique, désormais appliqué au nuage, aux modèles et aux plateformes.

Enfin, la gouvernance affronte une tension politique permanente. Les États veulent coopérer pour éviter les dommages et rivalisent pour l’avantage industriel. Les entreprises défendent des standards responsables tout en recherchant échelle et profits. Les pays en développement réclament l’inclusion, même s’ils n’ont pas toujours les institutions capables d’appliquer des règles complexes. Le résultat probable est une gouvernance fragmentée, où lois nationales, normes techniques et contrats privés coexistent de manière inégale.

Conclusion

L’intelligence artificielle réorganise l’économie mondiale en modifiant le rapport entre connaissance, infrastructure et pouvoir. Ses bénéfices touchent productivité, santé, éducation, administration publique et recherche scientifique. Ces bénéfices dépendent de conditions matérielles et institutionnelles distribuées de manière inégale. L’avenir économique de l’IA sera décidé moins par l’existence de la technologie que par la distribution du calcul, des données, de l’énergie, des talents, de la régulation et du financement.

Pour la diplomatie, l’enjeu central est d’empêcher l’IA de créer une nouvelle division entre les pays qui contrôlent les modèles et ceux qui apportent données, marchés et énergie. Cela exige capacité publique, règles de concurrence et infrastructure numérique. La coopération scientifique et le financement complètent l’adoption responsable. L’IA peut élargir le développement lorsqu’elle est traitée comme infrastructure politique et économique, plus que comme produit neutre.

La question décisive n’est pas de savoir si l’intelligence artificielle sera utilisée dans l’économie mondiale. Elle l’est déjà. La question est de savoir selon quelles règles, avec quels intrants, au bénéfice de qui et avec quelle capacité de contestation. Gouverner l’IA signifie disputer la manière dont la productivité future sera distribuée entre États, entreprises et sociétés.