Par Pr. Rédha TIR
Expert-Consultant International / Ancien président du Conseil National Économique, Social et Environnemental (CNESE)-Algérie
L’intelligence artificielle est en train de changer de nature. Nous avons d’abord connu des systèmes capables de classer, prévoir ou reconnaître. L’IA générative a ensuite appris à produire du texte, des images, du code et des analyses. Nous entrons maintenant dans une troisième phase, celle de l’IA agentique : des systèmes auxquels il devient possible de confier non plus seulement une question, mais une mission, avec la possibilité de rechercher des informations, de mobiliser des outils, de coordonner d’autres agents et, dans certains cas, d’agir directement dans le monde numérique ou physique.
Cette évolution oblige à déplacer le débat. Le débat ne porte plus seulement sur les progrès de la machine, il porte désormais sur ce que nous sommes prêts à lui confier. Jusqu’où voulons-nous aller dans la délégation ? Qui garde la main lorsque le système agit ? Une question demeure, et elle est loin d’être secondaire : lorsque l’IA contribue à une décision qui finit par produire des effets imprévus ou lourds de conséquences, qui en répond réellement ? Celui qui l’a utilisée ? L’entreprise qui l’a déployée ? Le concepteur du système ? Ou l’autorité qui en a permis l’usage ?
Pendant longtemps, le débat s’est surtout organisé autour de l’éthique, des biais, des données personnelles et de la transparence. C’était nécessaire. Mais nous ne sommes plus tout à fait au même stade.
Tout cela reste indispensable. Mais nous entrons dans une autre phase. Dès lors que l’IA s’installe dans l’industrie, la finance, la recherche, la défense, l’administration, l’école ou la santé, il ne suffit plus d’encadrer les usages. Il faut aussi regarder de près les capacités elles-mêmes.
Autrement dit, il faut savoir ce qu’un système sait réellement faire, jusqu’où il peut aller, à quelles ressources il peut accéder, quelle marge d’autonomie on lui laisse et dans quelles conditions il peut agir sans intervention humaine directe.
L’expérience de la non-prolifération nucléaire mérite ici d’être relue. Il ne s’agit évidemment pas d’assimiler un modèle d’IA à une matière fissile. Le numérique est reproductible, diffus, dual et beaucoup plus difficile à circonscrire. Mais le nucléaire nous a appris qu’une technologie susceptible de produire des conséquences dépassant les frontières ne peut pas être gouvernée uniquement par la confiance. Certaines capacités doivent pouvoir être déclarées, mesurées et vérifiées.
Cette analogie doit cependant être prolongée par une exigence absente de nombreuses discussions actuelles : le régime futur ne sera légitime que s’il traite en même temps de la sécurité, du partage des capacités, de la place du Sud global, du travail humain, de la souveraineté cognitive et de la culture. L’IA ne transforme pas seulement nos économies. Elle peut progressivement transformer les catégories à travers lesquelles les sociétés pensent, parlent, créent et interprètent leur propre réalité.
I. De la non-prolifération à la maîtrise vérifiable des capacités
Le véritable enseignement du nucléaire est moins l’interdiction que la vérification. Le Traité sur la non-prolifération reconnaît d’ailleurs simultanément des obligations de contrôle et un droit aux usages pacifiques, en demandant que les garanties n’entravent pas le développement économique et technologique et en accordant une attention particulière aux régions en développement.
Cette logique pourrait inspirer l’IA à condition de ne pas la copier mécaniquement. Il faudrait contrôler une chaîne, et non seulement le produit final. L’intelligence artificielle ne naît pas au moment où l’on ouvre un modèle sur un écran, elle commence bien plus tôt, avec les minerais, l’énergie, les puces et les centres de calcul. Viennent ensuite les données, le travail humain, l’entraînement, les ajustements du modèle, puis les outils auxquels on le relie, les droits qu’on lui accorde et l’autonomie qu’on lui laisse. A mesure que plusieurs agents peuvent agir ensemble, une nouvelle couche apparaît encore : celle de l’orchestration. Puis vient le déploiement, et un jour le retrait, l’archivage ou la circulation de versions anciennes. Toute cette chaîne produit de la valeur, elle distribue aussi du pouvoir, et, à chaque étape, elle crée ses propres risques.
La puissance d’un système ne peut donc pas être mesurée par la taille du modèle ou par les seuls FLOPs. Il faut tenir compte de ce qu’il sait faire, de son autonomie, de ses accès, de son autorité, de son échelle de déploiement et de sa capacité à coordonner d’autres agents.
Un modèle extrêmement performant mais isolé possède relativement peu de pouvoir opérationnel. Un modèle moins performant auquel on donne un accès administrateur, des comptes financiers, un système industriel et des milliers de sous-agents peut avoir des conséquences beaucoup plus importantes. Le véritable objet de la régulation devient donc le système complet.
Un régime international devrait être proportionnel. Les applications ordinaires resteraient sous régulation nationale. Les systèmes à conséquences élevées feraient l’objet d’évaluations renforcées. Certaines capacités frontières seraient testées par des laboratoires indépendants. Enfin, quelques capacités systémiques pourraient relever d’un mécanisme international de vérification.
A terme, une institution spécialisée pourrait enregistrer certaines capacités, reconnaître des laboratoires, certifier des systèmes, recevoir les notifications d’incidents graves et organiser un réseau mondial d’alerte. Elle n’aurait pas vocation à inspecter chaque algorithme. Elle interviendrait uniquement lorsque les conséquences potentielles dépassent clairement la juridiction d’un acteur particulier. L’inspection ne signifie pas nécessairement l’accès intégral au code. Tests en environnement sécurisé, audits, journaux cryptographiquement protégés, attestations matérielles et preuves de calcul peuvent permettre de vérifier une obligation sans exproprier l’entreprise de ses secrets. La logique doit être de vérifier le nécessaire sans exiger inutilement la divulgation du reste.
II. Des lignes rouges, et non un moratoire général
Il serait en revanche difficile de construire un traité autour de la «superintelligence». Le concept reste trop imprécis pour déterminer une obligation juridique. Il est beaucoup plus réaliste de travailler sur des capacités observables : réplication autonome incontrôlée, suppression de ses propres mécanismes de sécurité, acquisition autonome de ressources, cyberopérations à très grande échelle, certaines capacités biologiques ou délégation de décisions militaires irréversibles. Certaines limites peuvent être posées dès maintenant. La décision finale d’employer une arme nucléaire ne devrait jamais être déléguée à une machine. D’autres capacités pourraient être développées uniquement dans des environnements sécurisés avant toute diffusion. La bonne distinction n’est donc pas entre IA autorisée et IA interdite, mais entre capacités libres, capacités soumises à certification, capacités nécessitant une autorisation et capacités placées sous moratoire ou interdites.
Se pose alors le dilemme stratégique : pourquoi un Etat ralentirait-il s’il craint que son rival continue ? Nous retrouvons une structure proche du dilemme du prisonnier. Chacun peut préférer un monde où une capacité dangereuse n’existe chez personne tout en refusant d’être le premier à y renoncer.
Une issue consiste à accepter qu’un accord universel ne sera pas nécessairement le point de départ. Une puissance peut décider de ne pas franchir une frontière précise pendant une période limitée, rendre cette retenue vérifiable et proposer la réciprocité. Un engagement pris seul peut ouvrir la voie à un accord entre deux Etats, puis à un cadre plus large, avant d’aboutir éventuellement à une règle multilatérale. Mais cela ne peut fonctionner que si les engagements sont précis, publics et contrôlables, avec une réponse prévue d’avance lorsqu’une partie ne respecte pas ce qu’elle a accepté.
La règle pourrait être simple : réglementer avant le verrouillage. Une capacité est beaucoup plus difficile à interdire une fois que des milliards ont été investis, que des doctrines militaires ont été rédigées et que des chaînes industrielles en dépendent.
III. Le Sud global, le néo-esclavagisme et la nouvelle division internationale du travail
Aucun système international ne sera durable s’il reproduit une division du monde entre Etats technologiquement «dotés» et Etats condamnés à consommer les systèmes construits par les premiers. La fracture est déjà spectaculaire. Les chiffres donnent la mesure du décalage. Le contraste est saisissant. Le déséquilibre est massif.
En 2025, le décalage était déjà spectaculaire. Les pays à haut revenu ne représentaient que 17% de la population mondiale, mais ils concentraient presque tout ce qui donne aujourd’hui de la puissance à l’IA : 87% des modèles les plus importants, 86% des start-up, 91% du capital-risque et 77% des capacités de centres de données. A l’autre bout, les pays à faible revenu pesaient à peine dans cette nouvelle infrastructure, avec moins de 0,1% des capacités mondiales.
La concentration est tout aussi frappante du côté de la recherche privée : selon la CNUCED, une centaine d’entreprises réalisaient à elles seules près de 40% de la R&D mondiale des entreprises. Et, en dehors de la Chine, aucune n’était issue d’un pays en développement.
Derrière la course technologique apparaît donc une réalité plus ancienne : les lieux où vivent les hommes, ceux où se trouvent les ressources et ceux où se concentre la puissance ne coïncident pas.
Cette concentration risque de recréer une structure familière : ressources à la périphérie, transformation et propriété au centre. Les pays du Sud fournissent minerais, énergie, données, marchés et une partie du travail humain qui rend les modèles possibles ; les segments à forte valeur ajoutée — compute, propriété intellectuelle, modèles fondamentaux et plateformes — restent ailleurs.
Derrière l’apparence d’une intelligence autonome existe en effet une infrastructure humaine considérable. L’OIT estime que le travail d’annotation, de modération, d’évaluation et de microtâches mobilise probablement des dizaines de millions de personnes, dont beaucoup se trouvent dans le Sud global.
C’est ici que l’idée de néo-esclavagisme numérique mérite d’être posée, mais avec précaution. Il ne s’agit pas, bien sûr, de confondre cette situation avec l’esclavage au sens historique ou juridique du terme. La comparaison serait abusive. Ce que je veux interroger est ailleurs : dans une économie qui présente la machine comme un nouveau « serviteur », alors qu’une partie de cette autonomie repose encore sur une foule de travailleurs peu visibles, souvent mal payés, dispersés par les plateformes et largement exclus du partage de la valeur qu’ils contribuent pourtant à créer. Le paradoxe devient plus fort encore lorsque les mêmes travailleurs participent à l’entraînement d’une technologie qui automatisera ensuite une partie des services sur lesquels leur propre économie comptait pour se développer : centres d’appels, BPO, traduction, assistance informatique, programmation intermédiaire ou opérations administratives. Des pays peuvent ainsi participer à la construction de la technologie qui remet ensuite en cause la trajectoire de développement qu’ils espéraient suivre.
Le problème n’est donc pas simplement le nombre d’emplois supprimés. C’est la place de chaque société dans la chaîne de valeur. L’enjeu pour le Sud doit être de passer de l’annotation à l’ingénierie des données, de l’intégration à l’adaptation des modèles, puis vers l’audit, la cybersécurité, la recherche et la propriété intellectuelle.
Le néo-extractivisme numérique dépasse d’ailleurs le travail. Il porte sur les données, les langues, les ressources énergétiques, l’eau nécessaire aux infrastructures, les minerais, les connaissances locales et finalement l’attention. Une politique internationale de l’IA qui ne s’intéresserait qu’à la sécurité des modèles tout en ignorant cette économie politique manquerait une grande partie du problème.IV. Culture, souveraineté de l’interprétation et diversité cognitive
La culture est probablement l’une des dimensions les plus sous-estimées du débat sur l’intelligence artificielle.
Un modèle n’apprend pas seulement des faits. Il absorbe des textes, des classifications, des normes, des représentations du monde, des associations linguistiques et des hiérarchies culturelles. Lorsqu’un petit nombre de modèles sert ensuite d’intermédiaire pour rechercher, écrire, traduire et interpréter, la question ne concerne plus seulement la souveraineté des données. Elle concerne la souveraineté de l’interprétation.
Une langue n’est pas simplement un code à traduire. Elle transporte des concepts, une histoire, des formes d’humour, des références, une littérature, des catégories sociales et des façons particulières de décrire l’expérience. Un système entraîné principalement sur certaines langues et certaines institutions peut parfaitement maîtriser une langue grammaticalement tout en comprenant mal les réalités sociales qu’elle exprime.
L’Unesco demande déjà que l’IA contribue à préserver les langues, y compris les langues menacées et les savoirs autochtones, et met en garde contre une réduction des dialectes, nuances et variations culturelles par les systèmes de traitement du langage. Pourtant, son observatoire montre que les politiques spécifiquement consacrées à l’IA pour le patrimoine culturel ou les langues minoritaires restent encore très rares.
Le risque n’est pas simplement la disparition d’une langue. Il est l’aplatissement progressif de la diversité des manières de penser. Si plusieurs milliards de personnes commencent leurs raisonnements, leurs recherches ou leurs créations à partir des propositions d’un très petit nombre de modèles, une forme de monoculture cognitive peut apparaître sans qu’aucune autorité ne l’ait décidée.
Je propose de parler ici de cognodiversité. Comme la biodiversité augmente la capacité d’un écosystème à répondre à des changements imprévus, la diversité des langues, des traditions intellectuelles, des savoirs locaux, des formes artistiques et des systèmes d’interprétation constitue une réserve de résilience pour l’humanité.
La culture ne doit donc pas devenir un simple problème de localisation d’interface. Traduire un modèle américain en arabe, en wolof ou en quechua ne suffit pas à produire une IA culturellement contextualisée. Il faut intégrer les institutions, les pratiques sociales, l’histoire, les connaissances informelles et les réalités territoriales.
Il faut également éviter un nouvel extractivisme culturel. Une communauté ne doit pas fournir gratuitement ses langues, ses archives, sa musique, ses traditions ou ses connaissances pour qu’une entreprise transforme ensuite ce patrimoine en actif propriétaire auquel la même communauté accède sous forme d’abonnement. Toute valorisation importante de ressources culturelles collectives devrait s’accompagner de participation locale, de règles de gouvernance et, lorsque cela est pertinent, d’un partage de la valeur. La culture peut aussi être un bénéficiaire majeur de l’IA : restauration d’archives, traduction, sauvegarde des langues, création artistique, accès au patrimoine et découverte de corpus jusque-là difficiles à exploiter. La technologie peut donc renforcer la diversité autant qu’elle peut l’aplatir. Tout dépend de l’architecture que nous choisissons.
V. Souveraineté cognitive et «muscles profonds» de l’esprit humain
La question culturelle touche directement à notre propre autonomie intellectuelle. Le risque n’est pas seulement qu’une IA se trompe. Il peut être plus discret : qu’elle devienne si efficace, si pratique, si présente dans nos habitudes que nous finissions par moins solliciter certaines facultés simplement parce que nous n’en avons plus besoin au quotidien.Nous externalisons depuis toujours. L’écriture externalise la mémoire, la calculatrice certaines opérations, le GPS l’orientation. Mais l’IA peut intervenir simultanément dans l’écriture, la lecture, la synthèse, la programmation, la recherche, le raisonnement et la décision. Certaines compétences doivent être préservées même si leur utilité immédiate diminue. Je les appelle les muscles profonds de l’esprit : mémoire active, attention longue, lecture approfondie, raisonnement causal, esprit critique, capacité de construire une démonstration, imagination, faculté de rester face à l’incertitude et de décider. Elles constituent une sorte de réserve cognitive stratégique. Une administration ou une société qui ne peut plus fonctionner lorsque son assistant artificiel tombe en panne ou change de fournisseur est peut-être très productive, mais elle n’est plus entièrement souveraine.
L’école devra donc former simultanément l’humain sans la machine, l’humain avec la machine et l’humain capable de contredire la machine. Certaines évaluations devront rester autonomes ; d’autres mesureront la capacité à travailler avec l’IA ; d’autres encore pourraient consister à critiquer un raisonnement généré par elle.
Pour les pays en développement, il faut résister à une tentation supplémentaire. Lorsque les enseignants, médecins ou fonctionnaires manquent, l’IA peut fournir des services jusque-là inexistants. Il serait irresponsable de refuser cette possibilité. Mais l’IA ne doit pas transformer une pénurie de professionnels en modèle institutionnel définitif. Elle doit compenser la rareté sans l’institutionnaliser.
Une société doit également conserver un droit au non-usage. Tout ce qui peut être automatisé ne doit pas nécessairement l’être. Certaines relations éducatives, décisions publiques, pratiques culturelles ou fonctions sociales peuvent posséder une valeur qui ne se réduit pas à leur efficacité.
VI. L’IA par capillarité et une troisième voie
La réponse à la concentration ne peut pas consister à reproduire partout le même modèle centralisé. Construire un géant européen identique aux géants américains ou chinois changerait éventuellement le propriétaire sans changer la logique.
Je défends plutôt une IA par capillarité. Des modèles mondiaux peuvent fournir une base générale de connaissances ; des infrastructures régionales mutualisent du compute ; des modèles nationaux et linguistiques intègrent les institutions et les langues ; des systèmes sectoriels servent la médecine, l’agriculture, l’énergie ou l’industrie ; des intelligences territoriales intègrent les réalités locales ; enfin des agents personnels conservent le contexte sous le contrôle de l’utilisateur. La connaissance circule alors du global vers le local, mais aussi du local vers le global. Le principe d’ingénierie devrait être d’utiliser le modèle suffisamment performant le plus léger. Le petit modèle n’est pas automatiquement vertueux, transparent ou sûr. Mais il peut réduire les coûts, fonctionner localement et favoriser l’appropriation. Cette frugalité doit être universelle, et non devenir une technologie de seconde classe imposée au Sud.Le Pacte numérique mondial va déjà dans cette direction lorsqu’il demande davantage de contenus locaux, de ressources de calcul accessibles, de datasets représentatifs et de solutions reflétant la diversité culturelle et linguistique des pays en développement. Une troisième voie pourrait ainsi se construire entre l’Europe, l’Inde, l’Afrique, l’Amérique latine, le monde arabe et d’autres partenaires. Non pour créer un troisième empire numérique, mais pour développer les standards ouverts, l’interopérabilité, les modèles multilingues, le compute partagé et les technologies adaptées aux besoins réels.La souveraineté, ici, ne signifie pas tout fabriquer soi-même. Elle signifie comprendre, contrôler, adapter, remplacer et pouvoir arrêter ce dont on dépend.
VII. Agents, travail, attention et nouvelle économie du pouvoir
L’IA agentique va encore déplacer la frontière du pouvoir. Certains travailleurs disposeront d’équipes d’agents capables de rechercher, analyser, programmer et exécuter. D’autres seront au contraire gérés par des algorithmes qui organisent leurs horaires, distribuent leurs tâches et évaluent leurs performances. La nouvelle fracture peut ainsi opposer ceux qui dirigent les agents à ceux qui sont dirigés par les algorithmes. Même la présence d’un humain dans la boucle peut devenir fictive. Si une personne doit approuver des décisions plus rapidement qu’elle ne peut réellement les examiner, elle n’exerce pas un contrôle : elle fournit simplement une caution humaine à un processus automatisé. La responsabilité ne devrait donc jamais être supérieure au contrôle effectif. Les agents personnels présentent un second enjeu. Ils peuvent devenir l’intermédiaire presque universel entre une personne et Internet : chercher, filtrer, acheter, réserver, conseiller, sélectionner l’information. Le moteur de recherche organisait notre accès aux pages ; l’agent peut organiser notre accès au monde.La mémoire et le contexte deviennent alors essentiels. L’utilisateur devrait pouvoir les consulter, les transférer et les supprimer. Il doit pouvoir changer d’agent sans perdre plusieurs années de mémoire numérique. L’interopérabilité devient une question de liberté. Enfin, l’automatisation promet du temps libéré. Mais rien ne garantit que ce temps deviendra automatiquement du temps de culture, de famille, de création ou de citoyenneté. Il peut aussi être immédiatement capté par l’économie de l’attention. Nous pourrions même passer de l’économie de l’attention à une économie de l’intention. Les réseaux sociaux cherchent à capter ce que nous regardons. Un agent connaissant nos projets, nos préférences et nos habitudes peut progressivement influencer ce que nous voulons avant même que notre décision soit pleinement formée.
Un assistant qui recommande un produit doit donc révéler clairement tout intérêt commercial. Plus une IA connaît intimement son utilisateur, plus son obligation de loyauté devrait être forte.
VIII. L’IA comme bien commun mondial
Toutes ces dimensions conduisent enfin à dépasser l’idée de l’IA comme simple actif stratégique.
Déclarer toute intelligence artificielle «patrimoine commun de l’humanité» serait juridiquement excessif. Dans la Convention sur le droit de la mer, cette notion possède un sens très fort : elle implique notamment un régime international particulier et limite l’appropriation exclusive des ressources concernées. Il serait irréaliste de transposer un tel statut à tous les modèles et infrastructures privés.
Mais il faut distinguer la propriété d’une technologie de la gouvernance de ses conséquences.
Les risques systémiques pourraient d’abord être reconnus comme une préoccupation commune de l’humanité. Certains éléments pourraient ensuite constituer de véritables communs mondiaux : compute scientifique partagé, outils de sécurité, standards d’interopérabilité, systèmes internationaux d’alerte, modèles pour le climat ou les pandémies, datasets consacrés aux langues menacées.
À plus long terme, quelques infrastructures très précisément délimitées et financées collectivement pourraient relever d’une logique proche du patrimoine commun. Cela devrait s’accompagner d’un Global Public Compute et de communs régionaux permettant aux chercheurs, universités, PME et administrations des pays disposant de peu de ressources d’accéder à une infrastructure qu’ils ne peuvent construire seuls. Le futur régime devra donc combiner deux logiques qui peuvent sembler contradictoires mais qui sont en réalité complémentaires : empêcher la diffusion incontrôlée de certaines capacités dangereuses et empêcher la concentration excessive des capacités bénéfiques.
Il faudra également appliquer une forme de responsabilité commune mais différenciée. Tous les pays ont intérêt à la sécurité de l’IA, mais une économie disposant de centaines de milliers d’accélérateurs, de plusieurs modèles frontières et de multinationales mondiales ne peut avoir les mêmes obligations de contribution qu’un État qui peine encore à financer ses universités.
Du soleil au calcul : transformer la géographie en puissance
Certains pays qui paraissent en retard dans la course à l’intelligence artificielle disposent pourtant de deux ressources que cette économie va rechercher de plus en plus : le soleil et l’eau. Un pays fortement ensoleillé, ouvert sur la mer et déjà équipé de grandes stations de dessalement peut transformer cet avantage géographique en infrastructure de calcul. Les data centers pourraient être implantés autour de ces pôles, alimentés en partie par l’énergie solaire et refroidis grâce à des dispositifs utilisant l’eau de mer comme puits thermique, ou l’eau dessalée lorsque le procédé l’exige. Là où la mer est proche du relief, le pompage-turbinage peut encore apporter une capacité de stockage supplémentaire.
Le dessalement offre un autre gisement, souvent considéré seulement comme un problème : la saumure. Les volumes produits sont considérables. Une fois traités et séparés, les sels qu’elle contient peuvent devenir des matières premières industrielles. Le sodium ouvre ici une piste particulièrement intéressante. Il ne s’agit évidemment pas de transformer directement le sel rejeté par une station en batterie. Il faut le purifier, le convertir et maîtriser toute une chaîne chimique et industrielle. Mais c’est précisément là que peuvent intervenir des partenariats avec les pays et les entreprises qui possèdent déjà ces technologies, afin d’installer progressivement des unités de matériaux actifs puis de batteries sodium-ion, notamment destinées au stockage stationnaire.
Le cercle devient alors cohérent. Le soleil produit l’électricité ; le stockage au sodium permet d’en conserver une partie ; la mer contribue au refroidissement et au dessalement ; la saumure fournit des ressources valorisables ; les data centers utilisent cette énergie pour héberger le calcul. Au lieu de juxtaposer une politique de l’eau, une politique énergétique et une politique numérique, on construit une seule chaîne industrielle.
L’intérêt dépasse l’économie. Un territoire qui héberge une part croissante des capacités de calcul et des données utilisées par des entreprises, des centres de recherche et des institutions étrangères acquiert une autre valeur stratégique. Il ne devient pas pour autant invulnérable : une infrastructure critique peut aussi attirer les menaces. Mais sa déstabilisation coûterait davantage à un nombre croissant d’acteurs extérieurs. L’interdépendance devient alors une forme de poids géopolitique.
Pour les nations restées jusque-là à la périphérie technologique, l’enjeu pourrait se résumer ainsi : transformer le soleil en énergie, l’énergie en calcul, la saumure en matière industrielle, le sodium en stockage, puis le calcul en puissance. Ce serait une manière de ne plus seulement fournir les ressources du nouvel ordre technologique, mais de devenir l’un des territoires dont son fonctionnement dépend.
Conclusion
La question de l’intelligence artificielle ne se résume donc ni à une course technologique, ni à un problème de réglementation numérique. Elle touche simultanément à la sécurité internationale, au développement, au travail, à la culture, à l’éducation et à notre autonomie intellectuelle. Nous avons besoin d’un régime capable de vérifier certaines capacités sans contrôler l’ensemble de l’innovation ; de définir quelques lignes rouges sans bloquer la recherche ; d’organiser la coopération avant que la compétition ne rende tout accord impossible ; et de garantir que les pays en développement ne restent pas les fournisseurs de minerais, d’énergie, de données, de travail invisible et de marchés d’une économie cognitive gouvernée ailleurs.
Nous devons également reconnaître un risque moins visible : celui d’un monde technologiquement connecté mais culturellement appauvri, où quelques systèmes définiraient progressivement les catégories avec lesquelles des milliards d’individus interprètent le réel. La souveraineté cognitive et culturelle deviendra peut-être aussi importante que la souveraineté industrielle. La gouvernance future devrait alors reposer sur quelques principes simples : mêmes capacités, mêmes obligations ; sécurité accompagnée d’un droit au développement ; vérification sans expropriation ; délégation sans abdication ; innovation sans néo-extractivisme ni néo-esclavagisme numérique ; intelligence mondiale sans disparition des cultures locales ; automatisation sans atrophie des capacités humaines ; et propriété privée compatible avec la protection de certains biens communs.
La question fondamentale n’est finalement pas de savoir si les machines deviendront plus intelligentes que nous. Elle est de savoir si nos institutions seront suffisamment intelligentes pour préserver, dans ce nouvel environnement, la liberté de choisir ce que nous voulons déléguer, ce que nous voulons partager et ce que nous refusons de perdre.
Car gouverner l’IA ne consiste pas seulement à empêcher la machine de nous échapper. Il s’agit aussi d’éviter que, fascinés par sa puissance, nous lui abandonnions progressivement notre travail, notre attention, nos cultures, notre pouvoir de décision et finalement notre capacité à nous définir nous-mêmes.
R. T.
(*) Ancien président du Conseil National Économique, Social et Environnemental (CNESE)-Algérie
