Le Forum économique mondial trace sa feuille de route pour une IA plus équitable

L’intelligence artificielle peut accélérer l’innovation, améliorer certains services publics ou aider les entreprises à gagner en efficacité. Mais elle risque aussi de creuser les écarts entre les pays, les organisations et les citoyens capables d’accéder aux données, aux équipements et aux compétences nécessaires, et ceux qui en sont privés. C’est cette fracture que le Forum économique mondial (FEM) veut placer au centre du débat sur l’IA.

Dans un cadre élaboré avec KPMG, l’organisation propose une feuille de route pour faire de l’IA un outil d’inclusion économique et sociale, plutôt qu’un facteur supplémentaire de concentration des richesses et du pouvoir technologique. L’idée est simple dans son principe, mais exigeante dans son application : les bénéfices de l’IA ne doivent pas dépendre seulement de la capacité financière ou industrielle des grandes puissances et des grandes entreprises.

Le FEM fixe neuf objectifs stratégiques destinés à guider les gouvernements, les organisations et les autres acteurs concernés à toutes les étapes du cycle de vie de l’IA, de l’innovation à la mise en œuvre. Le cadre ne se limite donc pas aux modèles d’intelligence artificielle eux-mêmes. Il englobe les infrastructures, les jeux de données, l’accès au calcul avancé, la formation et la gouvernance.

Une IA équitable, qu’est-ce que cela signifie ?

Une IA dite équitable ne consiste pas seulement à vérifier qu’un logiciel ne discrimine pas un groupe de personnes. La notion recouvre aussi une question beaucoup plus large : qui peut concevoir, entraîner, utiliser et contrôler ces systèmes ?

Les pays et les collectivités ne partent pas du même point. Certains disposent de centres de données, d’universités spécialisées, d’entreprises technologiques, de réseaux de télécommunications solides et de ressources financières importantes. D’autres doivent composer avec une connectivité plus limitée, un accès difficile à la puissance de calcul, des données locales insuffisantes ou un manque de spécialistes.

Pour le FEM, réduire ces écarts suppose de considérer l’IA comme un sujet de développement, et non comme une simple compétition technologique. Une politique nationale peut encourager les usages de l’IA, mais elle doit aussi se demander si les langues parlées localement, les réalités culturelles, les petites entreprises et les publics éloignés du numérique sont pris en compte.

Neuf objectifs pour couvrir tout le cycle de vie de l’IA

Le cadre présenté par le Forum économique mondial et KPMG vise à aider les décideurs à adopter une approche cohérente. Les neuf objectifs stratégiques doivent accompagner les parties prenantes depuis la phase d’innovation jusqu’au déploiement des outils dans l’économie et la société.

Cette logique est importante. Un pays peut disposer d’une réglementation ambitieuse, mais manquer d’infrastructures pour développer et utiliser des systèmes d’IA. Il peut aussi disposer de capacités de calcul, mais ne pas avoir de données suffisamment représentatives de sa population. Ou encore former des spécialistes sans créer les conditions permettant aux entreprises et aux administrations de mettre ces compétences à profit.

Le FEM insiste donc sur la nécessité d’agir simultanément sur plusieurs leviers. Les trois domaines d’intervention mis en avant dans le plan donnent une lecture claire des priorités.

Des infrastructures durables, au-delà de la seule puissance de calcul

L’essor de l’IA repose sur des infrastructures coûteuses : réseaux, centres de données, capacités de stockage et outils de calcul avancé. Sans ces fondations, les ambitions en matière d’IA restent largement théoriques. C’est pourquoi le FEM place la construction d’environnements robustes et évolutifs parmi ses priorités.

Le mot durable a ici deux dimensions. La première concerne la capacité d’une infrastructure à accompagner la montée en puissance des usages, sans devenir rapidement obsolète. La seconde renvoie à son impact environnemental. L’IA, en particulier lorsqu’elle mobilise de grands volumes de données et une puissance de calcul élevée, ne peut être pensée indépendamment des ressources énergétiques nécessaires à son fonctionnement.

Le rapport appelle donc à des investissements importants et à une coopération entre secteurs public et privé. Les États peuvent créer un cadre favorable, orienter les investissements et veiller à l’accès. Les entreprises peuvent apporter des capacités techniques et des services. Mais une telle coopération ne peut être équitable que si elle ne laisse pas les territoires les moins équipés à l’écart.

L’accès au calcul avancé est un enjeu particulièrement sensible. Il conditionne la possibilité d’entraîner, d’adapter ou même de déployer certains systèmes d’IA. Lorsqu’il est concentré dans quelques zones géographiques ou chez quelques entreprises, l’écosystème mondial de l’IA risque de reproduire une dépendance technologique durable.

Pourquoi les données locales sont indispensables à une IA inclusive

Les systèmes d’intelligence artificielle apprennent à partir de données. La qualité, la diversité et la représentativité de ces informations influencent directement leurs réponses et leurs performances. Si les données disponibles reflètent mal certaines langues, certains contextes sociaux ou certaines populations, l’IA sera moins utile pour elles, voire produira des résultats injustes.

Le FEM souligne ainsi l’importance de constituer des ensembles de données diversifiés et de haute qualité. L’objectif n’est pas uniquement d’accumuler davantage d’informations. Il s’agit de disposer de données adaptées aux réalités des territoires, accessibles dans un cadre approprié et suffisamment représentatives pour réduire les angles morts des modèles.

Un biais algorithmique peut notamment apparaître lorsqu’un système est entraîné sur des données déséquilibrées. Il peut alors reproduire, amplifier ou rendre invisibles des inégalités préexistantes. Le problème dépasse le fonctionnement interne de l’algorithme : il touche aux choix de collecte, de sélection, de documentation et d’utilisation des données.

La diversité linguistique et culturelle est donc un enjeu concret. Une IA qui comprend mal une langue locale ou interprète des pratiques sociales à travers un référentiel trop étroit risque de ne pas répondre aux besoins de la population qu’elle est censée servir.

La gouvernance et la sécurité comme conditions de la confiance

L’équité ne se résume pas à la répartition des moyens. Elle suppose aussi que les systèmes soient déployés avec des règles claires. Le plan du FEM appelle à mettre en place des garde-fous éthiques et sécuritaires afin de réduire les risques d’usage abusif et de renforcer la confiance dans l’IA.

Cette exigence est particulièrement forte dans les domaines où les décisions assistées par algorithme peuvent avoir des conséquences directes sur les personnes, comme la santé. Dans ces secteurs, la question n’est pas seulement de savoir si un système est efficace. Il faut également déterminer dans quelles conditions il peut être utilisé, qui le supervise, quels risques il présente et comment les personnes concernées sont protégées.

Le rôle des cadres de gouvernance est précisément d’organiser ces questions. Des standards élevés peuvent aider à clarifier les responsabilités, à détecter certains biais et à limiter des usages contraires à l’intérêt général. À l’inverse, l’absence de règles adaptées peut fragiliser la confiance du public et rendre plus difficile l’adoption de technologies pourtant utiles.

Les préoccupations exprimées par des organisations défendant les droits des personnes aveugles rappellent également que l’accessibilité doit faire partie intégrante de la conception et du déploiement de l’IA. Une innovation n’est pas inclusive si elle crée de nouveaux obstacles pour les personnes en situation de handicap.

Une stratégie à adapter aux réalités de chaque pays

Le Forum économique mondial ne défend pas l’idée d’un modèle identique pour tous. Son rapport met au contraire l’accent sur l’adaptation des stratégies nationales aux nuances géographiques et culturelles. Des études de cas montrent que des pays situés à des niveaux de maturité différents en matière d’IA peuvent mettre en place des solutions concrètes et évolutives.

Cette approche locale est aussi défendue par Solly Malatsi, ministre sud-africain des Communications et des Technologies numériques. Il a souligné que le potentiel de l’IA restait largement inexploité dans de nombreuses régions du monde et a appelé à bâtir un écosystème à la fois inclusif et compétitif.

Concrètement, cela signifie qu’une stratégie pertinente doit partir des besoins du terrain. Dans un pays, la priorité pourra être l’amélioration des réseaux et l’accès à la technologie. Dans un autre, il pourra s’agir de développer les compétences, de structurer les données publiques ou de renforcer les règles de gouvernance. L’enjeu est de ne pas confondre une politique d’IA avec la simple importation de solutions conçues ailleurs.

Le FEM appelle ainsi à une coopération active entre gouvernements, entreprises et société civile. Les pouvoirs publics ont un rôle de coordination et de régulation. Les entreprises peuvent développer des outils et investir. Les organisations de la société civile peuvent alerter sur les effets concrets des technologies, notamment pour les publics les plus exposés aux inégalités.

Compétences, travail et accès : le volet social de l’adoption

L’IA modifie déjà les méthodes de travail et les besoins de formation. Le cadre du FEM encourage des programmes d’apprentissage tout au long de la vie afin d’aider les travailleurs à s’adapter à une économie où les outils d’IA occupent une place croissante.

Cette dimension est essentielle à l’objectif d’équité. Un outil peut être techniquement accessible, mais rester inutilisable pour les personnes qui ne disposent pas des compétences numériques nécessaires. La formation ne concerne pas seulement les ingénieurs et les chercheurs. Elle touche aussi les salariés, les dirigeants de petites organisations, les agents publics et les citoyens appelés à utiliser ou à subir les effets de systèmes automatisés.

Le plan évoque également des politiques financières susceptibles d’améliorer l’accès à la technologie dans les régions défavorisées. L’enjeu est d’éviter que le coût des équipements, des services ou de la connectivité ne transforme l’IA en privilège réservé aux organisations déjà les mieux dotées.

L’intérêt économique est considérable. Les recherches citées estiment que l’IA pourrait contribuer jusqu’à 15 700 milliards de dollars à l’économie mondiale d’ici à 2030. Mais ce chiffre ne dit rien, à lui seul, de la manière dont cette valeur serait répartie. C’est précisément la question à laquelle le FEM cherche à répondre : une croissance portée par l’IA ne sera socialement soutenable que si ses retombées sont partagées plus largement.

Ce qu’il faut surveiller

La feuille de route du Forum économique mondial pose un cap, mais elle ne dispense pas les pays et les organisations de choix difficiles. Construire des infrastructures coûte cher. Rendre les données plus accessibles doit être concilié avec leur protection. Renforcer les garde-fous impose de trouver un équilibre entre innovation, sécurité et respect des droits.

Le principal test sera celui de la mise en œuvre. Les appels à la coopération devront se traduire par des investissements, des formations, des règles applicables et des outils accessibles aux communautés locales. Il faudra aussi mesurer les résultats concrets : les capacités techniques progressent-elles dans les régions les moins équipées ? Les systèmes répondent-ils mieux aux langues et aux besoins locaux ? Les personnes concernées disposent-elles de recours lorsqu’une décision algorithmique leur porte préjudice ?

L’ambition du FEM est de faire de l’IA un levier de prospérité partagée. Pour y parvenir, les progrès techniques ne suffiront pas. La répartition de l’accès, du pouvoir de décision et de la valeur créée par ces technologies sera tout aussi déterminante que la performance des algorithmes eux-mêmes.