Le pari IA du Labour au Royaume-Uni, promesse de croissance et risques à encadrer

L’intelligence artificielle est devenue l’un des paris économiques majeurs du gouvernement britannique. Le Labour, revenu au pouvoir en juillet 2024, veut placer le Royaume-Uni parmi les pays capables de développer, d’héberger et de déployer cette technologie à grande échelle. L’ambition est de stimuler la croissance, de moderniser l’administration et d’attirer des investissements. Mais un tel programme ne se résume pas à installer davantage de serveurs ou à utiliser des assistants conversationnels dans les bureaux : il engage des choix budgétaires, énergétiques et démocratiques.

Le débat est d’autant plus nécessaire que l’IA est souvent présentée comme une solution générale à des problèmes très différents. Réduire les délais administratifs, aider les médecins, mieux organiser les transports ou soutenir la recherche sont des objectifs légitimes. Ils ne prouvent pas, à eux seuls, que chaque outil d’IA est efficace, équitable ou compatible avec les contraintes environnementales du pays. La question n’est donc pas seulement de savoir si le Royaume-Uni doit investir dans l’IA, mais dans quels usages, avec quelles infrastructures et sous quels garde-fous.

Ce que le Labour a annoncé pour faire du Royaume-Uni une puissance de l’IA

Le 13 janvier 2025, le gouvernement de Keir Starmer a accepté les 50 recommandations de l’AI Opportunities Action Plan, un rapport préparé par l’entrepreneur Matt Clifford. Le document organise la stratégie autour de trois axes : bâtir les fondations nécessaires à l’IA, encourager son adoption dans l’économie et les services publics, puis renforcer la position stratégique du Royaume-Uni.

L’exécutif entend notamment augmenter la puissance de calcul publique disponible pour les chercheurs et les innovateurs, faciliter l’accès à certaines données et développer des « AI Growth Zones ». Ces zones doivent concentrer les infrastructures nécessaires, en particulier les centres de données et l’accès à l’électricité, avec des procédures censées accélérer les projets. Le premier site envisagé se trouve à Culham, dans l’Oxfordshire, sur un ancien site de recherche nucléaire.

Le gouvernement promet également de multiplier par 20 la capacité de calcul publique d’ici à 2030. Cette capacité, souvent appelée « compute » dans le secteur, désigne les machines et les puces capables d’entraîner ou de faire fonctionner des modèles d’IA. Elle est devenue une ressource stratégique : sans elle, un pays dépend largement d’entreprises ou d’infrastructures situées à l’étranger.

Ces chiffres donnent une idée de l’échelle recherchée, mais ils demandent à être lus avec précision. Les 14 milliards de livres et les 13 250 emplois correspondent à des engagements d’investissement annoncés par des entreprises, relayés par le gouvernement. Ils ne signifient pas que la totalité de cette somme sera prélevée sur le budget public, ni que tous les emplois se matérialiseront immédiatement. La réussite d’une politique industrielle se mesure au déploiement réel des projets, à leur utilité et à leur répartition territoriale, pas seulement au montant des annonces.

L’IA générative peut-elle réellement transformer les services publics ?

Les partisans du plan espèrent que l’IA permettra de dégager du temps dans les administrations, de traiter plus vite des documents, d’améliorer l’analyse de données ou d’aider les agents à répondre aux usagers. Ces usages sont plausibles lorsque l’outil reste assisté par un professionnel, que les données sont fiables et que les résultats sont vérifiés.

Il serait toutefois imprudent de confondre automatisation et amélioration. Un système d’IA générative produit des textes, des images ou des résumés à partir de régularités apprises dans de vastes ensembles de données. Il ne comprend pas une situation comme le ferait un agent public, un médecin, un travailleur social ou un enseignant. Il peut fournir une réponse convaincante mais erronée, omettre une information essentielle ou reproduire un stéréotype présent dans les données.

La philosophe Shannon Vallor, professeure à l’université d’Édimbourg, souligne cette limite fondamentale : les systèmes génératifs imitent des contenus et des comportements issus du passé plutôt qu’ils ne créent une compréhension indépendante du monde. Cette observation compte particulièrement pour l’action publique. Si les dossiers historiques reflètent des inégalités, des erreurs de procédure ou des décisions injustes, une IA peut les perpétuer à grande échelle au lieu de les corriger.

Un déploiement responsable implique donc plusieurs conditions : définir un objectif précis, tester l’outil sur des situations représentatives, conserver une décision humaine pour les cas sensibles et permettre aux citoyens de contester une décision. Dans la santé, l’aide au tri de documents ou à la rédaction ne doit pas devenir un substitut silencieux au jugement clinique. Dans l’aide sociale ou la justice, le risque est encore plus élevé, car une erreur peut affecter l’accès à un droit, à un revenu ou à un recours.

Pourquoi l’énergie est au cœur du débat sur les centres de données

L’IA a une matérialité souvent invisible pour l’utilisateur. Chaque requête envoyée à un service en ligne mobilise des serveurs, des réseaux et des systèmes de refroidissement. L’entraînement des grands modèles, puis leur utilisation quotidienne par des millions de personnes, nécessitent une puissance informatique considérable. Plus un modèle est volumineux et plus son usage est intensif, plus ses besoins énergétiques peuvent augmenter.

Une étude citée dans le débat estime que certains systèmes d’IA peuvent consommer jusqu’à 33 fois plus d’énergie que des programmes conventionnels. Ce type de comparaison doit être manié avec prudence : tout dépend de la tâche réalisée, du matériel, de l’efficacité du centre de données et de la méthode de mesure. Il ne permet pas d’attribuer un coût énergétique identique à tous les usages de l’IA. Il rappelle néanmoins que la promesse numérique n’efface pas les besoins physiques.

L’Irlande est souvent présentée comme un signal d’alerte pour les pays qui accueillent de nombreux centres de données. Le débat évoque une part approchant le tiers de l’électricité absorbée par ces installations. Les indicateurs disponibles doivent là encore être distingués : les données irlandaises pour 2023 font état d’environ 21 % de la consommation d’électricité mesurée pour les centres de données, tandis que les projections et les raccordements futurs nourrissent la crainte d’une part plus élevée. Dans les deux cas, l’ordre de grandeur montre la pression potentielle exercée sur le réseau.

Pour le Royaume-Uni, les AI Growth Zones posent donc une question simple : d’où viendra l’électricité supplémentaire ? Accélérer les raccordements sans planification énergétique robuste peut renforcer la dépendance aux énergies fossiles lorsque le réseau est sous tension. À l’inverse, conditionner les nouveaux projets à des capacités bas carbone additionnelles, à une transparence sur la consommation et à une contribution au réseau peut réduire ce risque, sans le faire disparaître.

Faut-il choisir entre l’IA, la santé publique et la lutte contre la pauvreté ?

L’opposition entre technologie et dépenses sociales est parfois formulée de manière trop binaire. Un pays peut investir dans la recherche et chercher à améliorer simultanément ses hôpitaux, ses écoles ou ses services sociaux. L’enjeu politique est plutôt celui des priorités, du calendrier et des effets mesurables. Lorsqu’un gouvernement connaît de fortes contraintes budgétaires, chaque dépense publique et chaque capacité administrative mobilisée pour un projet technologique doivent être justifiées.

L’IA pourrait soutenir certains services publics, par exemple en réduisant une partie du travail répétitif ou en aidant à organiser des informations complexes. Mais elle ne remplace ni des soignants, ni des logements, ni des personnels d’accompagnement, ni des services destinés à la jeunesse. Une plateforme peut accélérer le traitement d’un dossier, elle ne résout pas le manque de professionnels disponibles pour répondre aux besoins identifiés.

Le risque serait de présenter la productivité numérique comme un moyen de contourner des problèmes structurels. La qualité d’un service public dépend aussi de son financement, de ses effectifs, de ses règles et de la confiance des usagers. Un projet d’IA utile doit donc compléter les investissements humains, non servir de prétexte à leur réduction.

Vie privée, sécurité et influence des grandes entreprises : quels garde-fous ?

L’essor de l’IA accroît les enjeux de données. Un outil déployé dans un ministère, un hôpital ou une collectivité peut traiter des informations personnelles, parfois très sensibles. Avant toute utilisation, les responsables doivent savoir quelles données sont collectées, où elles sont hébergées, si elles servent à entraîner d’autres modèles, combien de temps elles sont conservées et qui peut y accéder.

La sécurité est une autre condition indispensable. Centraliser davantage de données et de capacités de calcul peut attirer les cybercriminels. Des mesures techniques sont nécessaires, mais elles ne suffisent pas : les organisations doivent aussi former leurs équipes, limiter les accès, prévoir des contrôles indépendants et définir une marche à suivre en cas d’incident.

La relation avec les grands groupes technologiques doit également être encadrée. Les entreprises capables de fournir des puces, des infrastructures cloud et des modèles avancés, parmi lesquelles Microsoft, disposent de ressources considérables. Leur participation peut accélérer les projets britanniques. Elle ne doit pas empêcher l’État de fixer ses propres règles de concurrence, d’interopérabilité, de souveraineté des données et d’évaluation des marchés publics.

En janvier 2025, le Royaume-Uni dispose déjà de règles sur la protection des données et de régulateurs sectoriels. Mais l’AI Opportunities Action Plan est d’abord une feuille de route économique et industrielle, non un code complet de protection contre les risques de l’IA. La vigilance des régulateurs, la capacité de sanction et la transparence des administrations seront décisives pour éviter que la recherche de compétitivité ne prenne le pas sur les droits des citoyens.

Emploi et formation : l’automatisation n’est pas un destin écrit

L’inquiétude des travailleurs face à l’IA est compréhensible. Les outils génératifs peuvent automatiser une part de tâches de rédaction, de synthèse, de service client, de programmation ou de traitement administratif. Certains métiers évolueront, d’autres activités pourront être regroupées ou réorganisées. Cela ne signifie pas que l’IA supprimera mécaniquement tous les emplois concernés.

L’effet dépendra des décisions prises par les employeurs et les pouvoirs publics. Une organisation peut utiliser l’IA pour réduire ses coûts et ses effectifs. Elle peut aussi s’en servir pour alléger des tâches répétitives, améliorer la qualité du travail et dégager du temps pour des missions relationnelles ou complexes. Les résultats ne seront pas les mêmes selon les secteurs, les qualifications et le pouvoir de négociation des salariés.

Une stratégie crédible doit faire de la formation continue un pilier, et non une mesure secondaire. Les travailleurs ont besoin de comprendre ce que fait l’outil, d’identifier ses erreurs, de protéger les informations qu’ils manipulent et de savoir quand ne pas l’utiliser. Les représentants des salariés doivent pouvoir être associés aux décisions qui transforment l’organisation du travail, en particulier lorsque la surveillance, l’évaluation ou le recrutement sont concernés.

Ce qu’il faut surveiller après les annonces de janvier 2025

Le pari du Labour sera jugé sur sa capacité à transformer une ambition technologique en bénéfices publics concrets. La première épreuve sera énergétique : les nouveaux centres de données disposeront-ils d’une électricité suffisamment abondante et bas carbone sans fragiliser le réseau ni pénaliser les autres usagers ? La deuxième sera économique : les investissements annoncés produiront-ils des emplois durables, des compétences locales et des entreprises capables d’exister au-delà des grands fournisseurs internationaux ?

La troisième épreuve est démocratique. Les Britanniques devront pouvoir savoir quand une IA intervient dans un service public, comprendre les critères utilisés et demander une révision humaine lorsqu’une décision les affecte. Enfin, les promesses de productivité devront être évaluées avec des indicateurs simples : temps réellement gagné, qualité du service, erreurs évitées, coûts complets et conséquences pour les personnels.

Investir dans l’IA peut être une stratégie avisée si l’investissement reste ciblé, transparent et subordonné à des objectifs sociaux et environnementaux vérifiables. Sans cette discipline, la course à la puissance de calcul risque de concentrer les coûts, énergétiques comme sociaux, tout en laissant incertains les bénéfices promis.