SÉRIE — L’INTELLIGENCE ARTIFICIELLE, APRÈS LA COURSE AUX MODÈLES

Premier volet — Derrière le désaccord apparu à Washington entre plusieurs dirigeants de l’intelligence artificielle se dessine une transformation plus profonde : la compétition ne porte déjà plus seulement sur les modèles. Elle gagne les infrastructures, les agents, les normes et, finalement, la capacité de décider jusqu’où ces systèmes pourront agir.

Ils étaient venus à Washington pour montrer qu’ils pouvaient s’entendre. Le 29 septembre, autour de Donald Trump, les dirigeants de quelques-unes des entreprises qui façonnent l’intelligence artificielle mondiale ont accepté des principes communs de sécurité. Contrôles internes, évaluations externes, audits indépendants : l’image était celle d’une industrie consciente des responsabilités que lui donne une technologie dont elle accélère elle-même le développement. Pourtant, derrière les portes de la Roosevelt Room, la conversation avait été moins consensuelle. Selon le Wall Street Journal, Jensen Huang, patron de Nvidia, et plusieurs dirigeants avaient interpellé Dario Amodei, celui d’Anthropic, sur ses avertissements publics concernant les risques de l’IA. Amodei avait défendu la nécessité de dire ce que les entreprises savent des capacités de leurs propres systèmes et des dangers qu’elles identifient.

L’épisode pourrait être ramené à une divergence entre deux patrons de la Silicon Valley. Il révèle quelque chose de plus profond. Ceux qui construisent les systèmes les plus avancés ne partagent déjà plus exactement la même définition du risque, ni la même conception de la manière de le gouverner. Cette divergence apparaît surtout à un moment particulier : l’objet dont ils discutent est lui-même en train de changer.

Nous continuons en effet à regarder l’intelligence artificielle avec des représentations héritées du moteur de recherche. Nous posions hier une question à Google ; nous la posons aujourd’hui à un modèle qui construit directement une réponse. Mais cette comparaison masque la transformation en cours. Un moteur trouve, un assistant répond, tandis qu’un agent peut recevoir un objectif, rechercher des informations, utiliser des outils, écrire du code et accomplir une succession de tâches avant de revenir vers son utilisateur. La différence paraît technique ; elle est déjà politique. Une réponse erronée peut induire un humain en erreur. Un système capable d’agir peut transformer son erreur en action. Et lorsque cette capacité quitte l’écran pour piloter un robot, une machine ou un processus industriel, l’erreur peut aussi produire un effet physique.

L’accord américain prend acte de cette extension du risque. Le document rendu public le 29 septembre prévoit plusieurs niveaux de contrôle, dont des mécanismes internes, une évaluation indépendante et une supervision au niveau du conseil d’administration. Donald Trump l’a présenté comme « moralement contraignant ». Il s’agit toutefois d’un engagement volontaire, non d’une réglementation fédérale prescriptive. Le désaccord entre Huang et Amodei surgit donc au moment précis où le périmètre de ce qu’il faudrait contrôler commence à s’étendre.

La course ne se joue plus seulement entre modèles

S’arrêter à Washington produirait pourtant une autre illusion : celle d’une intelligence artificielle dont l’histoire serait écrite uniquement par quelques entreprises américaines. La compétition mondiale est déjà plus complexe. OpenAI, Anthropic, Google, Meta et xAI poursuivent leurs trajectoires, mais DeepSeek a rappelé depuis la Chine que la performance brute n’était pas la seule variable stratégique. Le coût, l’efficacité des architectures et la capacité à fonctionner avec des ressources plus limitées peuvent modifier les rapports de force. Autour de DeepSeek se trouve en outre un écosystème chinois plus vaste, où Qwen d’Alibaba et Huawei participent à la construction d’une chaîne technologique moins dépendante des infrastructures américaines.

Le partenariat annoncé fin septembre entre DeepSeek et Huawei l’illustre concrètement : les deux groupes travaillent sur des outils de programmation optimisés pour les puces Ascend de Huawei, avec une partie de l’infrastructure logicielle ouverte. La Chine ne cherche donc pas seulement à disposer d’un chatbot aussi performant que les modèles occidentaux ; elle cherche à réduire sa dépendance sur plusieurs couches à la fois. Une dépendance technologique n’est en effet pas toujours visible sur l’écran de l’utilisateur. Elle peut se trouver dans le processeur, le cloud ou les outils logiciels qui permettent au modèle de fonctionner.

Nvidia permet de comprendre cette nouvelle géographie de la puissance. L’entreprise ne dispose pas du chatbot le plus utilisé au monde ; elle occupe une position beaucoup plus profonde dans l’infrastructure qui permet aux autres de construire leurs systèmes. Anthropic se trouve à un autre endroit de cette chaîne : elle développe directement des modèles de frontière dont elle peut observer les capacités et les comportements. Cette différence ne permet évidemment pas de déduire les motivations personnelles de Jensen Huang ou de Dario Amodei. Elle oblige néanmoins à se demander si, lorsqu’ils parlent du « risque de l’IA », ils observent exactement le même objet.

L’Europe apporte encore une autre réponse. Elle a choisi d’agir davantage par le droit. Les obligations visant les fournisseurs de modèles d’IA à usage général s’appliquent depuis le 2 août 2025. Depuis le 2 août 2026, la Commission peut en faire pleinement respecter les obligations, y compris par des amendes, tandis que de nouvelles règles de transparence sont devenues applicables. Mais l’Europe découvre simultanément une limite ancienne de la puissance normative : réglementer une technologie ne signifie pas nécessairement la maîtriser industriellement. La question européenne devient donc aussi celle du calcul, du cloud, des modèles et de la capacité à ne pas dépendre entièrement d’infrastructures extérieures.

C’est ce qui rend Mistral intéressant. L’entreprise française ne représente pas seulement une tentative de construire un concurrent européen d’OpenAI. Elle explore une autre architecture : modèles de tailles différentes, systèmes spécialisés, possibilités de déploiement plus local et ouverture de certaines briques. Avec les modèles de Meta, DeepSeek, Qwen et d’autres familles ouvertes ou à poids ouverts, cette évolution pourrait modifier profondément la géographie de l’intelligence artificielle. Si les modèles deviennent plus nombreux, plus spécialisés et moins coûteux, la puissance ne consistera peut-être plus uniquement à posséder le système le plus gigantesque. Elle reposera également sur la capacité à les combiner, à les adapter et, surtout, à pouvoir en substituer un à un autre.

Qui pourra encore dire non ?

La réunion de Washington prend alors une signification différente. Une réglementation extrêmement lourde peut effectivement favoriser les entreprises déjà dominantes : elles seules disposent des capitaux, des ingénieurs et des équipes juridiques permettant d’en supporter le coût. Mais l’hypothèse inverse est tout aussi sérieuse. Si les entreprises définissent principalement elles-mêmes leurs standards de sécurité, celles qui possèdent déjà les modèles, les infrastructures et l’expertise deviennent également celles qui déterminent le niveau de risque acceptable.

Réglementer peut ainsi consolider les géants ; ne pas suffisamment réglementer peut les consolider aussi. Cette contradiction explique pourquoi l’opposition entre « accélérer » et « ralentir » finit par devenir insuffisante. La question décisive est plutôt de savoir où se trouve la capacité effective de dire non : qui peut interrompre un système, imposer un audit, accéder aux informations nécessaires et remplacer une technologie devenue trop risquée ou trop dépendante ?

Cette question concerne Washington, Bruxelles et Pékin. Mais la réunion de la Maison-Blanche laisse hors du cadre une majorité du monde : les pays qui utiliseront massivement ces technologies sans posséder Nvidia, OpenAI, Google, Anthropic, DeepSeek ou Mistral. Leur problème ne sera probablement pas de construire chacun un modèle coûtant des dizaines de milliards de dollars. Il sera de conserver suffisamment de maîtrise pour ne pas devenir prisonniers d’un fournisseur, d’une infrastructure ou d’un ensemble de normes élaborées ailleurs.

Pour l’Afrique, cette interrogation est particulièrement importante. L’apparition de modèles plus accessibles et parfois ouverts peut offrir une occasion historique : participer à l’économie de l’intelligence artificielle sans reproduire exactement la trajectoire financière et industrielle de la Silicon Valley. Mais l’accès à un modèle ne crée pas à lui seul de l’autonomie. Il faut disposer des compétences et des infrastructures permettant de comprendre ce que l’on importe, de protéger ce qui doit l’être et de conserver une alternative.

Vu depuis Washington, la question est de savoir jusqu’où laisser avancer les entreprises qui construisent les systèmes les plus puissants. Vue depuis une grande partie du reste du monde, elle devient différente : comment utiliser ces systèmes sans abandonner progressivement la capacité de choisir ?

Cette autre histoire ne commence pas nécessairement dans la Silicon Valley ou à Shenzhen. Elle peut aussi commencer dans des endroits où l’on ne cherche pas à construire le plus grand modèle du monde, mais à déterminer ce qui doit rester maîtrisé localement.

À Rabat, cette expérience vient justement de commencer.