Le défi de la diffusion de l'IA

Alors que le développement des modèles se fait principalement aux États-Unis et en Chine, leur diffusion peut et doit avoir lieu partout.

Dans l'ensemble, l'IA suivra une courbe en J. Au début, il y a un investissement énorme – dans des domaines tels que les infrastructures physiques, les logiciels, l'adaptation des modèles commerciaux, la consolidation des données et le développement du capital humain – qui ne produit pas de bénéfices immédiats. Pendant cette période, la productivité subit une pression à la baisse, définie au sens large pour inclure les bénéfices non mesurés par les comptes nationaux conventionnels.

Puis, le potentiel de création de valeur de la technologie entre en jeu et la courbe s'incline vers le haut. Comme nous n'avons pas encore atteint ce stade, il est impossible de dire exactement à quoi ressemblera cette reprise, c'est-à-dire la hauteur et la pente de la courbe en J.

Dans l'ensemble, les investisseurs semblent parier sur un rendement massif, mais un sentiment distinct d'incertitude imprègne toujours les discussions sur l'IA, et certains prédisent que la technologie ne répondra pas aux attentes, ce qui conduira à un effondrement. Qui aura raison dépendra beaucoup plus de la diffusion que du développement.

Jusqu'à présent, la diffusion de l'IA a été inégale, certains secteurs (en particulier la technologie, la finance et les services professionnels) adoptant cette technologie, tandis que d'autres (notamment les secteurs à forte intensité de main-d'œuvre comme la santé et la construction) sont à la traîne.

Si ces disparités ne sont pas surprenantes à ce stade, leur persistance conduirait à une courbe en J plus plate, ce qui se traduirait par des rendements modérés sur les investissements actuels et des retards dans la croissance et les gains de productivité. En d'autres termes, l'existence ou non d'une bulle spéculative dans le domaine de l'IA dépendra en grande partie du modèle et de la vitesse de diffusion au cours des prochaines années.

La diffusion se fait par plusieurs canaux, dont le plus rapide est sans doute celui des fournisseurs de logiciels en tant que service (SaaS). Des fournisseurs tels que Google Search, Microsoft Office, Copilot by Notion, Salesforce et Adobe intègrent déjà l'IA dans leurs offres. L'IA peut également être intégrée relativement rapidement dans les processus scientifiques.

Et comme les principaux développeurs de grands modèles linguistiques et multimodaux fournissent des interfaces de programmation d'applications (API) qui permettent de créer rapidement des modèles d'IA sur mesure, les progrès pourraient s'accélérer dans d'autres domaines.

Les modèles open source, jusqu'à présent plus répandus en Chine qu'aux États-Unis, créent encore plus d'opportunités, car ils permettent une spécialisation et une concurrence accrues, y compris de la part des petites entreprises et des pays qui ne disposent pas de l'infrastructure informatique massive nécessaire pour les modèles les plus importants. Mais il existe encore des barrières à l'entrée : un approvisionnement électrique fiable, une capacité informatique robuste et une connectivité Internet mobile accessible sont des conditions préalables à une adoption à grande échelle.

Le commerce, en particulier celui des intrants tels que les semi-conducteurs avancés, joue également un rôle important. Il en va de même pour le capital humain : de l'ingénierie IA avancée et la gestion stratégique de haut niveau aux compétences liées à l'utilisation, une économie doit garantir l'accès à un éventail de capacités par le biais de l'éducation, de la reconversion professionnelle et de la mobilité de la main-d'œuvre. La dernière pièce du puzzle est constituée par les données. Lorsque les systèmes de données sont fragmentés, incomplets, inexacts ou inaccessibles, la formation de modèles efficaces sera, au mieux, lente.

Si la diffusion de l'IA dépend largement des initiatives du secteur privé, les cadres politiques et les structures réglementaires ont également leur importance. Les dirigeants chinois en sont conscients. Comme l'a récemment observé Ren Zhengfei, fondateur de Huawei, la Chine a adopté une approche pratique visant à utiliser l'IA pour relever les défis réels en matière de développement et d'économie.

Ainsi, si le développement de modèles de plus en plus performants est une priorité absolue, il en va de même pour le déploiement à grande échelle de l'IA, afin de garantir les gains rapides en termes de qualité de service, d'efficacité et de productivité qui seront nécessaires pour compenser les effets du vieillissement rapide de la population.

Le gouvernement chinois oriente activement les innovateurs vers ces résultats. Au-delà d'encourager les grandes plateformes technologiques à créer des modèles open source, le gouvernement chinois leur a confié la tâche de développer ou de mettre en place des applications dans des secteurs spécifiques, tels que la conduite autonome, les soins de santé, la robotique (dans la fabrication et la logistique), la gestion de la chaîne d'approvisionnement et les technologies vertes. Le gouvernement chinois parraine également régulièrement des conférences et des concours destinés aux développeurs.

Ces efforts ont porté leurs fruits. Par exemple, la Chine représente plus de 30 % de la production manufacturière mondiale totale. En 2024, la Chine représentait 54 % de toutes les installations de robots dans le monde. Le pays compte désormais près de la moitié des robots installés dans le monde, soit un peu plus de deux millions.

Par rapport aux États-Unis, le cadre politique chinois est beaucoup plus engagé et orienté vers la fourniture d'orientations en matière d'applications et d'adoption dans tous les secteurs de l'économie.

En revanche, les géants technologiques américains et les start-ups bien financées spécialisées dans l'IA repoussent les limites des grands modèles, souvent dans la quête d'une intelligence artificielle générale et d'une superintelligence artificielle. Si les canaux de diffusion sont ouverts, leur utilisation est largement laissée au secteur privé.

Cela peut fonctionner dans certains secteurs, tels que la technologie, la finance et les services professionnels, qui disposent des ressources et du savoir-faire nécessaires pour expérimenter puis adopter ces technologies. Mais les acteurs privés ne sont pas en mesure, à eux seuls, de remédier aux facteurs qui freinent l'adoption de l'IA dans certains secteurs, tels que la fragmentation des données, les insuffisances en matière de capacités, les obstacles réglementaires et les problèmes d'échelle.

Il en résulterait probablement – et inutilement – un modèle de diffusion à deux vitesses, conduisant à une croissance économique inférieure à la moyenne, à des résultats négatifs en matière de répartition et à l'érosion des fondements économiques de la sécurité nationale.

En matière de défense, le gouvernement américain reconnaît depuis longtemps qu'une certaine orientation de l'État est nécessaire pour garantir que l'innovation du secteur privé serve les objectifs publics. La diffusion de l'IA exige une approche similaire. Une approche hybride, active, pragmatique et spécifique à chaque secteur est nécessaire dans un large éventail de domaines économiques. À défaut, il en résultera une croissance économique inférieure à la moyenne, des effets distributifs problématiques et un affaiblissement des fondements économiques de la sécurité nationale.