À première vue, apprendre à une intelligence artificielle à mieux reconnaître la darija pourrait sembler bien modeste dans une compétition mondiale où les groupes américains annoncent des investissements de dizaines de milliards de dollars et où la Chine construit méthodiquement son propre écosystème technologique. Pourtant, l’annonce faite fin septembre par le Maroc et l’entreprise française Mistral mérite que l’on s’y arrête.

Le communiqué institutionnel du ministère marocain de la Transition numérique, daté du 29 septembre, présente deux premières briques mises à disposition en open source : un modèle capable d’identifier différents dialectes arabes, dont la darija marocaine, et une adaptation de Voxtral destinée à transcrire la darija, y compris lorsque l’arabe, le français et l’anglais alternent dans une même prise de parole.

Ce n’est évidemment ni un OpenAI marocain ni un DeepSeek africain. C’est précisément ce qui rend l’expérience intéressante. Elle oblige à poser une question beaucoup plus réaliste pour une grande partie du monde : faut-il posséder le plus grand modèle pour conserver une part de souveraineté sur l’intelligence artificielle ?

Les modèles génératifs sont souvent présentés comme universels. Ils ne le sont pas. Ils apprennent à partir de corpus dont la quantité et la qualité varient considérablement selon les langues et les sociétés. Pour le Maroc, cette limite apparaît immédiatement : la darija cohabite avec l’arabe classique, l’amazigh, le français et, dans certains milieux, l’anglais. Cette pluralité traverse la vie quotidienne, l’administration, l’éducation, les médias et l’entreprise. Lorsqu’un système comprend imparfaitement ces usages, ce n’est donc pas seulement un mot qu’il risque de manquer ; c’est une partie du contexte dans lequel ce mot prend son sens. Et derrière la langue apparaissent déjà des questions très concrètes : qui constitue les corpus, selon quelles règles peuvent-ils être réutilisés, où sont conservées les données et qui capte la valeur créée par leur exploitation ?

Adapter des modèles aux langues locales constitue ainsi une première couche d’autonomie technologique. Mais seulement la première.

Du partenariat à la capacité

La feuille de route Maroc IA 2030 affiche trois objectifs à l’horizon 2030 : 100 milliards de dirhams de valeur ajoutée au PIB, 50 000 emplois directs et indirects et 200 000 talents formés ou certifiés. Il faut les lire pour ce qu’ils sont : des objectifs publics, et non des résultats déjà acquis. L’enjeu n’est donc pas de proclamer le Maroc puissance de l’intelligence artificielle avant qu’il ne le soit, mais d’observer s’il dispose d’une combinaison d’actifs lui permettant progressivement de construire une position originale dans la chaîne mondiale.

Le Royaume possède certains avantages : sa proximité avec l’Europe, ses connexions africaines, son plurilinguisme et sa capacité à nouer des partenariats avec plusieurs espaces économiques. Il accueille également, avec le Programme des Nations unies pour le développement, le Digital for Sustainable Development Hub. Lancé en 2025, ce dispositif vise à accompagner les pays africains et arabes dans les infrastructures publiques numériques, l’intelligence artificielle et l’innovation. Ces éléments donnent de la consistance à l’ambition marocaine, mais ils ne suffisent pas à en démontrer la réussite.

Lire aussi : Ceux qui fabriquent l’IA ne sont déjà plus d’accord sur la manière de la contrôler

Le véritable test sera celui de la conversion. Un data center constitue une infrastructure ; il ne constitue pas encore une industrie marocaine de l’IA. Un partenariat international constitue une opportunité ; il ne constitue pas automatiquement un transfert de compétences. Former des milliers de personnes est indispensable, mais encore faut-il que chercheurs, ingénieurs et entrepreneurs puissent ensuite trouver des laboratoires, des entreprises et des administrations capables de leur offrir des projets suffisamment ambitieux pour retenir et développer leurs compétences.

Cette conversion dépend aussi d’un acteur souvent oublié : l’acheteur public. Un État ne construit pas un écosystème technologique uniquement en finançant ceux qui innovent ; il le construit aussi par ce qu’il décide d’acheter. La commande publique peut donner aux entreprises locales le premier marché qui transforme un prototype en produit. Elle doit cependant rester exigeante : préférer systématiquement une solution nationale parce qu’elle est nationale créerait une autre fragilité. L’enjeu est de permettre l’apprentissage et la montée en gamme sans sacrifier la performance, la sécurité ni la concurrence.

La trajectoire marocaine devra donc être observée dans le temps : les infrastructures produisent-elles réellement du calcul accessible aux chercheurs et aux entreprises ? La recherche produit-elle des modèles, des applications ou de la propriété intellectuelle ? Les partenariats internationaux permettent-ils l’émergence d’entreprises marocaines ? Les administrations deviennent-elles des terrains d’expérimentation puis des clients ? Les modèles adaptés aux langues locales restent-ils des démonstrateurs ou deviennent-ils des outils utilisés dans l’éducation, les services publics et l’économie ?

C’est cette chaîne de transformation, beaucoup plus que le nombre de conférences organisées ou d’accords signés, qui permettra de distinguer un simple lieu de passage technologique d’un véritable écosystème. Un hub fait circuler de la valeur. Un écosystème apprend progressivement à en produire.

Une autre idée de la souveraineté

Ce raisonnement vaut bien au-delà du Maroc. Imaginer que chaque État africain devrait développer son propre modèle de frontière reviendrait à reproduire une conception industrielle classique de la souveraineté. Or l’évolution actuelle des modèles ouvre peut-être une autre possibilité.

Une administration pourrait utiliser un modèle ouvert adapté localement ; une entreprise choisir Mistral pour une fonction sensible, un modèle américain pour une autre tâche et DeepSeek ou Qwen lorsque leur rapport entre coût et performance répond mieux à ses besoins. Une université pourrait spécialiser un modèle dans une langue africaine, tandis qu’un service public pourrait héberger localement une application construite sur une architecture venue d’ailleurs.

Dans ce scénario, la souveraineté ne signifie plus tout posséder. Elle signifie ne pas être enfermé. La dépendance devient critique lorsque changer de fournisseur est impossible, lorsque les données ne peuvent être déplacées, lorsque personne ne sait auditer le système ou lorsque la disparition d’un service étranger suffit à interrompre une fonction essentielle. La capacité de substitution devient alors presque aussi importante que la propriété.

DeepSeek est particulièrement intéressant sous cet angle. Son émergence ne doit pas seulement être lue comme un épisode de la rivalité entre Washington et Pékin. En mettant sous pression le coût des modèles et en démontrant l’importance de l’efficacité, l’entreprise chinoise a contribué à élargir le champ des possibles. Qwen, Mistral, les modèles ouverts ou à poids ouverts de Meta et d’autres familles spécialisées augmentent encore ce choix. Pour des pays qui ne peuvent consacrer des dizaines de milliards de dollars à un modèle généraliste, cette évolution est loin d’être secondaire.

Elle ne supprime cependant pas la dépendance ; elle peut simplement la déplacer. Un modèle téléchargeable peut fonctionner sur des puces étrangères, dans un cloud étranger, avec des logiciels développés ailleurs. L’ouverture du modèle ne garantit donc pas, à elle seule, l’autonomie de l’écosystème.

C’est ici que la position marocaine pourrait devenir intéressante à l’échelle africaine. Le Royaume entretient des relations économiques profondes avec l’Europe, travaille avec les États-Unis et la Chine et a développé depuis plusieurs années une politique africaine active.

Cette pluralité peut constituer un avantage, à condition de ne pas transformer le multi-partenariat en multi-dépendance. Le Maroc pourrait contribuer à construire un espace où des technologies provenant de plusieurs écosystèmes sont évaluées, adaptées aux langues et aux besoins locaux, confrontées aux exigences de cybersécurité et transformées en applications africaines.

Le partenariat avec Mistral constitue un premier laboratoire de cette hypothèse. Il faudra maintenant regarder ce qu’il produit réellement : combien de chercheurs marocains participent aux développements, quelles briques sont effectivement conçues ou adaptées localement, quelles entreprises peuvent les réutiliser, quels usages apparaissent, quelles données restent sous contrôle et quelles règles gouvernent la réutilisation des corpus. C’est sur ces résultats que la stratégie devra être jugée.

Ne pas répéter l’histoire des matières premières

L’Afrique connaît bien les économies dans lesquelles une ressource quitte le continent et revient sous la forme d’un produit à plus forte valeur ajoutée. L’intelligence artificielle pourrait reproduire cette histoire d’une manière beaucoup moins visible. Les langues, les données, les comportements et les usages africains pourraient nourrir des systèmes entraînés et possédés ailleurs, avant que les services correspondants ne reviennent sous forme d’abonnements, de plateformes ou de décisions automatisées.

Ce scénario n’est pas inévitable. Mais l’éviter suppose de comprendre que les données, les langues, le calcul et les compétences deviennent eux aussi des ressources stratégiques. La bataille africaine de l’intelligence artificielle ne commencera probablement pas par la construction du plus grand modèle du monde. Elle commencera par la formation de suffisamment d’ingénieurs et de chercheurs, l’accès au calcul, la protection de certaines données, la numérisation des langues, le développement d’entreprises capables d’adapter les modèles et la possibilité de travailler avec plusieurs fournisseurs sans dépendre entièrement d’aucun.

Cette stratégie est moins spectaculaire que l’annonce d’un « modèle souverain ». Elle est aussi plus difficile, car elle oblige à décider ce qu’il faut posséder, ce que l’on peut acheter, ce qui doit pouvoir être remplacé et ce qu’il devient indispensable de savoir auditer.

Le Maroc peut constituer l’un des laboratoires africains de cette approche. Sa réussite n’est pas acquise, et son ambition continentale devra être jugée à ce qu’elle apporte réellement aux autres écosystèmes africains, pas seulement à ce qu’elle apporte au Maroc. Mais l’expérience mérite d’être suivie parce qu’elle pose une question qui concernera bientôt de nombreux pays : comment bénéficier des meilleures intelligences artificielles du monde sans leur abandonner progressivement ses langues, ses données et sa capacité de décision ?

Entre l’autarcie technologique, qui paraît hors de portée et probablement peu souhaitable, et la dépendance, il existe peut-être un espace stratégique beaucoup plus intéressant.

Il commence par une faculté très simple à énoncer et très difficile à construire : pouvoir choisir, pouvoir adapter et pouvoir changer.

L’article SÉRIE — L’INTELLIGENCE ARTIFICIELLE, APRÈS LA COURSE AUX MODÈLES est apparu en premier sur Atlasinfo.

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.

L’article SÉRIE — L’INTELLIGENCE ARTIFICIELLE, APRÈS LA COURSE AUX MODÈLES est apparu en premier sur Atlasinfo.