Sommet de Paris sur l’IA : ce que recouvrent les 35 défis de convergence

Le mot « défi » est omniprésent dans les discours sur l’intelligence artificielle. Il peut désigner une question scientifique, un problème social, un objectif industriel ou encore une promesse politique. À quelques jours du Sommet pour l’action sur l’intelligence artificielle, prévu à Paris les 10 et 11 février 2025, 35 défis de convergence sont mis en avant pour relier ces dimensions. Leur point commun est clair : il ne s’agit pas seulement de développer des systèmes plus performants, mais de se demander à quels besoins collectifs ils doivent répondre, dans quelles conditions et pour qui.

L’expression appelle toutefois une clarification essentielle. Au 5 février 2025, le sommet n’a pas encore commencé. Il ne peut donc pas exister de bilan définitif de ses annonces ou de ses réalisations. L’enjeu est plutôt d’examiner ce que recouvre ce cadre de 35 défis, les domaines qu’il entend rapprocher et les critères qui permettront ensuite de juger si les engagements se traduisent réellement en actions.

Un sommet prévu à Paris, autour d’une IA tournée vers l’action

Le rendez-vous parisien des 10 et 11 février 2025 ambitionne de réunir des acteurs publics et privés, des chercheurs, des universitaires et des représentants de l’industrie. L’objectif annoncé est de faire progresser une intelligence artificielle capable d’apporter des réponses à des enjeux contemporains, sans dissocier innovation technique, responsabilité sociale et intérêt général.

Les 35 défis de convergence s’inscrivent dans cette logique. Ils proposent de rapprocher des compétences et des secteurs souvent organisés séparément : laboratoires de recherche, administrations, entreprises technologiques, établissements d’enseignement, associations et professionnels de terrain. La « convergence » ne décrit donc pas une seule technologie. Elle renvoie à la rencontre entre l’IA, les données, les infrastructures, les métiers et les règles collectives qui encadrent les usages.

Le cadre évoqué par le sommet fait notamment place à la santé, à l’environnement, à la culture et à l’inclusion. Ces thèmes ont un point commun : un outil d’IA ne devient utile que s’il peut être intégré à une situation concrète, compris par ses utilisateurs et évalué au regard de ses conséquences.

Que signifie la convergence de l’IA ?

Dans le débat public, l’IA est fréquemment réduite aux assistants conversationnels ou à la génération d’images. Or, ses applications couvrent aussi l’analyse de données, l’aide à la décision, l’automatisation de certaines tâches, la traduction, la détection de tendances ou l’optimisation de processus complexes. Cette diversité explique pourquoi les réponses ne peuvent pas être uniquement techniques.

La convergence consiste précisément à faire travailler ensemble plusieurs dimensions :

• la recherche et l’innovation, pour concevoir des outils fiables et adaptés aux problèmes visés ;
• les infrastructures, comme la puissance de calcul, les réseaux et les systèmes de partage de données ;
• les compétences humaines, car une solution ne fonctionne pas sans professionnels formés pour l’utiliser et la contrôler ;
• les règles et l’éthique, nécessaires pour protéger les droits, prévenir les discriminations et attribuer les responsabilités ;
• l’accès effectif aux outils, afin que les bénéfices ne soient pas réservés aux organisations les mieux équipées.

Cette approche est particulièrement importante pour les services publics et les secteurs où les conséquences d’une erreur peuvent être importantes. Une IA destinée à faciliter l’accès à un service, à soutenir un professionnel de santé ou à aider à observer un écosystème ne se résume pas à la qualité de son algorithme. La fiabilité des données, la possibilité de vérifier les résultats, la sécurité des systèmes et la place laissée au jugement humain sont tout aussi déterminantes.

Les priorités mises en avant : du bien commun aux usages concrets

Le texte de cadrage associe les défis de convergence à plusieurs grands domaines d’intérêt collectif. Cette orientation a du sens, car ces domaines concentrent à la fois de grandes attentes et des risques spécifiques.

Santé : assister sans remplacer le soin

Dans la santé, l’IA peut aider à analyser de grands volumes d’informations, à organiser certains parcours ou à épauler la recherche. Mais les données de santé sont particulièrement sensibles. Leur utilisation suppose des garanties de confidentialité, de sécurité et de qualité. Elle suppose également que les outils ne renforcent pas des inégalités existantes entre patients ou entre territoires.

L’enjeu d’un défi consacré à la santé n’est donc pas simplement d’obtenir un outil plus rapide. Il est de vérifier qu’il s’intègre à des pratiques professionnelles, qu’il est compréhensible, qu’il peut être contrôlé et qu’il améliore effectivement le service rendu.

Environnement et biodiversité : produire des connaissances utiles

La biodiversité est citée parmi les défis prenant une importance particulière. L’IA peut contribuer à traiter des données environnementales nombreuses et hétérogènes : images, relevés, observations ou séries de mesures. Elle peut ainsi soutenir l’identification de tendances ou la compréhension de phénomènes complexes.

Cette promesse ne dispense pas d’une approche sobre. Les outils d’IA reposent eux-mêmes sur des infrastructures et sur des ressources. Parler d’IA au service de l’environnement implique donc de considérer à la fois les usages envisagés, leur utilité concrète et les moyens techniques mobilisés pour les faire fonctionner.

Inclusion et culture : éviter de nouvelles fractures

L’inclusion sociale et la culture ne sont pas des sujets périphériques. L’accès aux outils numériques, la compréhension de leurs limites et la disponibilité des contenus conditionnent directement la capacité des citoyens à bénéficier de l’IA. Une technologie difficile d’accès, coûteuse ou conçue sans prise en compte de publics variés risque d’élargir la fracture numérique au lieu de la réduire.

Dans le champ culturel, l’IA peut faciliter certains accès à la création, à l’éducation, à la diffusion des œuvres ou à la préservation du patrimoine. Elle soulève aussi des questions de droits, de rémunération, de diversité des expressions et de transparence sur les contenus générés. La convergence recherchée doit donc associer créateurs, institutions, usagers et acteurs techniques.

Cybersécurité : tirer parti de l’IA sans ignorer les menaces

La cybersécurité fait également partie des enjeux mentionnés. L’IA peut aider à repérer plus vite des comportements inhabituels ou à traiter des alertes nombreuses. Mais elle peut aussi être détournée pour automatiser certaines attaques, fabriquer des contenus trompeurs ou accroître la portée de campagnes malveillantes.

La réponse ne peut pas reposer sur un automatisme supplémentaire. Elle nécessite des systèmes robustes, une vigilance humaine, des procédures de réponse aux incidents et une protection renforcée des données et des infrastructures critiques.

Des promesses qui doivent devenir des projets vérifiables

Le sommet entend mettre en avant des expérimentations et encourager le partage des connaissances. C’est une étape utile, mais un projet pilote ne constitue pas à lui seul une preuve de réussite. Entre une démonstration convaincante et un déploiement réellement bénéfique, plusieurs questions doivent être résolues.

D’abord, quel problème précis le système doit-il résoudre ? Une IA n’a pas d’utilité automatique. Elle doit être comparée à la situation existante : permet-elle un gain de temps, une meilleure accessibilité, une baisse des erreurs ou une décision plus éclairée ? Ensuite, qui vérifie son fonctionnement ? Dans les domaines sensibles, les utilisateurs doivent savoir quand l’outil est utilisé, comprendre ses limites et pouvoir contester une décision qui les affecte.

Enfin, la question de l’accès est centrale. Une innovation développée par un petit nombre d’acteurs, sur des infrastructures difficiles à atteindre ou avec des données indisponibles pour la recherche, peut limiter la diffusion des connaissances. Les infrastructures publiques, l’accessibilité des technologies avancées et le partage des savoir-faire font donc partie des leviers cités pour une IA davantage tournée vers l’intérêt général.

Pourquoi la coopération internationale est indispensable

Les systèmes d’IA, les données et les infrastructures ne s’arrêtent pas aux frontières. Les grands modèles sont développés, entraînés et utilisés dans un environnement mondial. Les enjeux liés à la sécurité, aux standards techniques, aux droits fondamentaux et à la circulation des connaissances appellent donc une coopération internationale.

Le sommet de Paris doit offrir un espace de discussion entre partenaires de différents pays et de différents secteurs. L’intérêt d’une telle coopération est double. Elle peut favoriser le partage de bonnes pratiques, notamment sur la sécurité et l’évaluation des systèmes. Elle peut aussi aider à rapprocher les normes et les méthodes, afin d’éviter que chaque organisation ne reparte de zéro.

Cette coopération ne signifie pas que tous les acteurs ont les mêmes priorités ou les mêmes intérêts. Les entreprises peuvent rechercher des débouchés économiques, les chercheurs des moyens pour leurs travaux, les administrations des outils pour mieux organiser leurs missions et la société civile des garanties sur les droits et l’inclusion. Un cadre de convergence est précisément utile lorsqu’il rend ces objectifs visibles, discute les arbitrages et fixe des responsabilités.

France 2030 et la recherche d’une IA durable

Le gouvernement français rattache cette réflexion à l’ambition de France 2030, qui place l’innovation technologique parmi les leviers de transformation du pays. Dans le cas de l’IA, l’enjeu est de concilier développement des capacités technologiques et prise en compte des besoins humains.

Cette articulation est décisive. Investir dans les modèles, les infrastructures et les compétences est nécessaire pour ne pas subir les transformations en cours. Mais le développement d’une IA dite responsable ne peut se limiter à une déclaration de principe. Il implique des choix sur les conditions d’accès aux technologies, la formation des travailleurs, la protection des personnes, la sécurité et la durabilité.

L’évolution des logiciels, notamment vers des systèmes capables d’automatiser et de coordonner davantage de tâches, renforce encore cette nécessité. Dans les entreprises comme dans les administrations, les effets sur l’organisation du travail dépendront moins de la présence abstraite de l’IA que des décisions prises pour l’introduire : objectifs fixés, dialogue avec les équipes, formation, contrôle et répartition des responsabilités.

Ce qu’il faudra surveiller après le sommet

À l’issue des échanges des 10 et 11 février, plusieurs éléments permettront d’évaluer la portée des 35 défis de convergence. Le premier sera la précision des engagements : quels projets sont annoncés, quels acteurs les portent et selon quel calendrier ? Le deuxième concernera les moyens : une ambition sans équipes, sans données adaptées, sans infrastructures et sans financement a peu de chances de produire des résultats durables.

Il faudra aussi s’intéresser aux modalités d’évaluation. Des indicateurs publics, adaptés à chaque domaine, aideraient à distinguer une promesse générale d’un bénéfice démontré. Pour un projet d’inclusion, par exemple, l’accessibilité réelle compte autant que la sophistication technique. Pour un projet environnemental, il faut mesurer l’utilité des résultats et tenir compte des ressources nécessaires à son fonctionnement.

Enfin, la participation des personnes directement concernées sera un critère essentiel. L’IA peut être un outil puissant, mais elle ne remplace ni la délibération démocratique ni l’expertise des professionnels et des citoyens. Le rendez-vous parisien constitue une étape pour poser ces questions à l’échelle internationale. La suite dépendra de la capacité des 35 défis à faire émerger des réalisations concrètes, contrôlables et véritablement utiles au plus grand nombre.