IA : Resham Kotecha détaille les leviers d’un leadership européen durable

L’Europe dispose déjà d’un important pouvoir normatif dans le numérique, mais un cadre juridique ne suffit pas à faire émerger une économie de l’intelligence artificielle dynamique. Pour Resham Kotecha, responsable des politiques mondiales à l’Open Data Institute, aussi appelé ODI, le véritable enjeu consiste à organiser un écosystème où innovation, partage des données, contrôle indépendant et participation citoyenne progressent ensemble. C’est à cette condition que l’Union européenne pourrait faire de la confiance un levier de compétitivité.

L’ODI a présenté un manifeste sur les politiques des données et de l’IA, structuré autour de six principes fondamentaux pour les décideurs publics. La ligne directrice est claire : l’IA ne doit pas être pensée uniquement comme une course aux modèles ou à la puissance de calcul. Elle dépend aussi des règles appliquées aux données, des institutions qui en vérifient le respect et de la capacité des petites structures comme des citoyens à participer à son développement.

Le leadership européen ne se résume pas à écrire des règles

L’Union européenne peut chercher à devenir une référence mondiale de la gouvernance numérique centrée sur les personnes. Cette ambition repose sur une idée défendue par Resham Kotecha : les règles qui protègent les citoyens ne sont pas nécessairement un frein à l’innovation. Elles peuvent, au contraire, créer les conditions de confiance sans lesquelles les organisations, les chercheurs et le public hésitent à adopter des systèmes d’IA.

Cette approche demande toutefois de dépasser une opposition souvent simpliste entre régulation et innovation. Des règles trop floues ou appliquées différemment selon les pays peuvent retarder des projets utiles. À l’inverse, l’absence de garanties sur la vie privée, la qualité des données ou la responsabilité des acteurs peut fragiliser durablement l’acceptation de l’IA.

Dans cette perspective, l’Europe ne serait pas seulement un marché qui encadre des technologies conçues ailleurs. Elle pourrait contribuer à définir des pratiques réutilisables par d’autres pays : gouvernance transparente, règles de partage claires, dispositifs de recours et contrôle crédible. L’objectif n’est pas de promettre une IA sans risque, mais de rendre les risques identifiables, discutables et mieux maîtrisés.

Les données, infrastructure décisive de l’intelligence artificielle

Les systèmes d’IA ont besoin de données pour être conçus, entraînés, testés et utilisés. Or, ces données sont souvent dispersées entre entreprises, administrations, laboratoires et organisations de la société civile. Elles peuvent être difficiles à trouver, coûteuses à préparer ou impossibles à réutiliser faute d’un cadre juridique et technique suffisamment clair.

C’est le problème auquel tentent de répondre des initiatives citées par Resham Kotecha, telles que Gaia-X et les Espaces européens de données. Leur ambition est de favoriser des formes de coopération entre acteurs, sans effacer les exigences de contrôle, de sécurité et de protection des droits. Dans un espace de données, l’enjeu n’est pas seulement de transférer des fichiers. Il consiste à préciser qui peut accéder à quelles informations, pour quelle finalité, selon quelles conditions et avec quelles garanties.

Le Règlement général sur la protection des données, ou RGPD, reste un repère majeur dès lors que des informations personnelles sont concernées. La loi sur la gouvernance des données, également appelée Data Governance Act, doit de son côté contribuer à installer des mécanismes de partage plus fiables. Pour Kotecha, leur efficacité dépendra largement d’une mise en œuvre cohérente entre États membres. Des interprétations nationales divergentes ou une incertitude juridique persistante risquent en effet de maintenir la fragmentation que ces textes cherchent à réduire.

L’open data, ou données ouvertes, occupe une place centrale dans le manifeste de l’ODI. Il faut néanmoins distinguer ouverture et divulgation indiscriminée. Toutes les données ne peuvent ni ne doivent être ouvertes, notamment lorsqu’elles sont personnelles, confidentielles ou sensibles. L’enjeu est plutôt d’identifier les données qui peuvent être partagées de façon responsable, dans des formats exploitables et avec une information suffisante sur leur origine et leur qualité.

Pour les entreprises, le partage reste délicat. Elles peuvent craindre de perdre un avantage commercial, de s’exposer à des risques juridiques ou de diffuser des données imparfaites. Resham Kotecha estime donc que l’Union européenne doit réduire les coûts liés à la collecte, à la préparation et à l’utilisation responsable de ces données. Sans accompagnement, les incitations au partage risquent de rester théoriques.

Pourquoi les technologies de confidentialité doivent quitter le stade pilote

L’un des axes les plus concrets de cette stratégie concerne les technologies de protection de la vie privée, souvent désignées par l’acronyme PET, pour Privacy-Enhancing Technologies. Ces outils visent à permettre l’analyse ou le partage d’informations sensibles sans exposer directement les données brutes. Leur intérêt est particulièrement évident lorsque la valeur provient du croisement de jeux de données, mais que leur contenu ne peut pas circuler librement.

Dans les faits, une organisation peut disposer de données utiles tout en étant empêchée de les transmettre telles quelles. Les PET cherchent à créer une voie intermédiaire : obtenir un résultat, une analyse ou un échange pertinent, tout en limitant l’exposition des informations initiales. Elles ne remplacent ni le droit ni la gouvernance. Elles constituent un complément technique à des règles claires sur les accès, les responsabilités et les finalités autorisées.

La priorité, selon Kotecha, est de passer des démonstrateurs à une intégration fonctionnelle dans le monde professionnel. Une technologie testée dans un projet pilote ne produit pas automatiquement les effets attendus à grande échelle. Son déploiement exige des compétences, des procédures partagées, des budgets et une capacité à l’inscrire dans les opérations courantes.

Rendre les données accessibles aux startups, sans sacrifier les garanties

L’accès aux données de grande valeur est un facteur de concurrence majeur dans l’IA. Les grandes entreprises technologiques disposent généralement de ressources considérables pour collecter, nettoyer, stocker et exploiter les données. Les jeunes pousses et les petites entreprises, elles, font face à des barrières financières, juridiques et techniques beaucoup plus élevées.

Resham Kotecha met en avant des initiatives telles que les fabriques d’IA et les laboratoires de données. Leur intérêt tient à la mise à disposition de jeux de données sélectionnés, d’outils et d’expertise. Ce type de dispositif peut aider une startup à expérimenter sans devoir reconstruire seule toute l’infrastructure nécessaire, ni négocier séparément avec de multiples détenteurs de données.

L’enjeu n’est pas de donner accès à n’importe quelle donnée à n’importe quel acteur. Il s’agit de construire des modalités d’accès proportionnées, documentées et contrôlables. Une jeune entreprise qui sait quelles données sont disponibles, à quelles conditions et avec quel niveau de qualité peut plus facilement développer un service, évaluer ses limites et attirer des partenaires.

Ces outils peuvent aussi limiter le risque d’une IA européenne réservée aux seuls acteurs déjà les mieux dotés. Pour que les écosystèmes soient réellement inclusifs, ils doivent associer les startups, les petites et moyennes entreprises, les chercheurs, les collectivités et les organisations citoyennes, plutôt que de concentrer la valeur dans un petit nombre de plateformes.

Une supervision indépendante est indispensable à la confiance

Un système de gouvernance crédible ne peut reposer uniquement sur l’autoévaluation des entreprises ou sur les déclarations des pouvoirs publics. Kotecha insiste donc sur le rôle d’organisations indépendantes, à l’image de l’ODI, capables d’apporter une évaluation impartiale des pratiques liées aux données et à l’IA.

Cette indépendance est importante pour plusieurs raisons. Elle peut aider à examiner les choix de gouvernance sans dépendre directement de l’acteur évalué. Elle donne au public un interlocuteur distinct des entreprises qui commercialisent des systèmes et des administrations qui les encadrent. Elle contribue enfin à rappeler la responsabilité de chacun, y compris lorsque les projets sont techniquement complexes.

Mais ces structures ont besoin de ressources durables. Des financements limités à des missions ponctuelles peuvent les pousser à fonctionner comme des cabinets de conseil centrés sur des projets de courte durée. Or la gouvernance des données et de l’IA réclame un travail suivi : expertise, observation des pratiques, dialogue avec les parties prenantes et capacité à conserver une autonomie de jugement.

L’ODI indique avoir investi dans l’exploration de modèles de gouvernance permettant de préserver cette indépendance tout en soutenant une gestion responsable des données. Pour l’Europe, la question financière est donc aussi institutionnelle : qui contrôle, avec quel mandat, et avec quels moyens sur la durée ?

Faire participer le public au-delà de la consultation

Le manifeste de l’ODI insiste également sur la compréhension et la participation du public. Ce point est parfois relégué au second plan derrière les sujets de calcul, de données ou de conformité. Pourtant, les systèmes d’IA peuvent influencer l’accès à des services, la manière dont des informations sont classées ou les décisions prises dans des domaines sensibles. Les personnes concernées doivent pouvoir comprendre les finalités des projets et participer à leur orientation.

Une consultation symbolique, organisée une fois que toutes les décisions sont prises, ne suffit pas. Kotecha appelle à un engagement authentique des communautés. Cela peut se traduire par des projets de données en santé dirigés avec des communautés locales, ou par l’intégration de normes ouvertes dans des outils employés au quotidien.

Cette participation pose des questions très pratiques : les citoyens disposent-ils d’informations compréhensibles ? Leurs contributions peuvent-elles modifier le projet ? Les groupes les moins représentés ont-ils les moyens matériels et le temps de participer ? Une IA digne de confiance ne dépend pas seulement de la qualité d’un modèle. Elle dépend aussi de la qualité du processus qui précède son déploiement.

Ce qu’il faut surveiller pour transformer la confiance en avantage

Pour Resham Kotecha, la méfiance entourant l’usage des données peut devenir une occasion pour l’Union européenne. Si elle montre que les droits individuels et l’innovation se renforcent mutuellement, l’Europe peut se distinguer des modèles réglementaires fragmentés aux États-Unis et des approches plus étatiques en Chine. Cette différenciation ne sera crédible que si elle produit des résultats visibles pour les entreprises comme pour les citoyens.

Plusieurs points seront donc déterminants. Les États membres devront appliquer de manière suffisamment cohérente les règles de gouvernance des données. Les espaces de données devront offrir une valeur concrète, et non ajouter une couche administrative difficile à utiliser. Les PET devront être déployées dans les organisations au-delà des phases de test. Enfin, les instances de supervision devront conserver les moyens de leur indépendance.

Le pari européen décrit par Kotecha est exigeant : faire de la protection des droits un socle d’innovation, ouvrir des possibilités réelles aux plus petites structures et associer le public aux décisions. À cette condition, la confiance pourrait devenir davantage qu’un principe de régulation : une infrastructure collective pour développer et adopter une IA responsable.