Analyse du passage des lois sur l’IA au niveau des États
L’intelligence artificielle (IA) continue de dominer les gros titres, allant de la suprématie des puces et des pertes d’emplois à la sécurité nationale. Ces articles montrent que l’IA est au cœur des préoccupations dans divers secteurs, touchant presque tous les aspects du gouvernement et de la société. Comme nous l’avons montré dans notre récente série sur les plans nationaux en matière d’IA, tous les pays ne sont pas également capables d’adopter cette technologie, et le succès relatif de chaque pays dépend largement de sa capacité technologique ainsi que de la disponibilité des personnes pour diriger cette technologie.
Ce document s’appuie sur l’idée que, tout comme les pays, tous les États américains ne sont pas également capables de mettre en œuvre l’IA et que des différences importantes existent. Dans notre première analyse, nous avons examiné les thèmes généraux des lois proposées dans le pays en 2025 et le nombre de lois proposées et adoptées pour chaque thème. Nous avons constaté que les lois visant à interdire les images intimes non consensuelles et le matériel d’abus sexuel sur des enfants avaient le plus grand nombre de propositions, mais aucune d’entre elles n’avait été adoptée à l’époque de notre analyse. L’emploi était le seul domaine où un pourcentage significatif de lois avait été signé.
Caractéristiques des États et législation sur l’IA
Dans notre seconde analyse, nous avons examiné les caractéristiques des États ayant proposé des lois sur l’IA et avons constaté que les États plus jeunes, plus riches et ayant une tendance démocrate étaient en tête. Les États plus âgés, plus pauvres et républicains étaient beaucoup moins actifs dans la proposition de lois sur l’IA, ce qui suggère qu’ils sont soit opposés idéologiquement à l’action, soit manquent de capacité suffisante pour agir. Comprendre ces facteurs permet aux décideurs de créer des voies réalistes pour le développement de l’IA adaptées à la réalité de chaque État.
Dans cet article, nous approfondissons notre compréhension des caractéristiques des différents États qui ont réussi à adopter des lois sur l’IA, étant donné le nombre relativement faible de lois adoptées.
Notre équipe a utilisé les suivis du Brookings Center for Technology Innovation pour cette analyse, qui est à jour au 20 octobre 2025. Nous avons identifié un total de 386 lois introduites dans tous les États, avec au moins une loi dans chaque État.
Thèmes et taux de réussite des lois
Nous avons regroupé environ 20 catégories substantielles de lois en trois thèmes principaux et avons ensuite examiné le taux de réussite pour chaque thème. Le pourcentage le plus élevé de lois encore actives concerne la protection de l’individu, mais cette zone a également vu le pourcentage le plus bas de lois adoptées. Nous suspectons que cela est dû au fait que tous les législateurs sont probablement intéressés par la protection des individus, mais cela nécessite de traiter le concept de « justice », qui est central à ces lois. Par exemple, dans des domaines comme la prise de décision en matière de santé, les législateurs ont probablement du mal à équilibrer les intérêts des compagnies d’assurance avec ceux des assurés.
La transparence et la confiance ont enregistré le plus grand nombre de lois en général, mais le pourcentage de lois adoptées (15,5 %) et le très haut pourcentage de lois actives (80 %) indiquent que les législateurs peuvent rencontrer des difficultés avec des sujets concurrents tels que la divulgation par rapport à la transparence et l’orientation vers le marché par rapport à l’orientation citoyenne.
La gouvernance responsable, bien qu’elle comprenne le plus petit nombre de lois (114) et le plus petit nombre de lois actives (64), a enregistré le plus grand nombre de lois adoptées (44) et le plus haut pourcentage de lois adoptées (38,6 %). Nous soupçonnons qu’il s’agit de propositions de construction institutionnelle standard avec une faible résistance idéologique, car leurs intentions sous-jacentes reçoivent un large soutien bipartisan.
Analyse comparative et prédictions
Après avoir calculé ces taux de réussite, nous avons rassemblé des données descriptives pour mieux prédire quels types de lois pourraient passer ou échouer dans chaque État. Nous avons utilisé des indicateurs tels que le revenu par habitant, la réduction de la pauvreté, le capital humain, le profil des entreprises, le parti du gouverneur et la base partisane de l’État.
Nous avons mené une analyse comparative qualitative (ACQ) pour examiner comment ces six conditions se combinent pour prédire le passage des lois dans chaque État. En utilisant les données calibrées, nous avons construit des configurations pour chaque résultat (lois adoptées, lois actives et lois échouées) et les avons évaluées à l’aide de degrés de couverture à deux niveaux. Étant donné le faible nombre de lois adoptées et échouées, nous avons utilisé le principe d’asymétrie dans l’ACQ.
Grâce à ce principe, les solutions élevées et faibles ne sont pas l’inverse l’une de l’autre ; chaque solution fournit de nouvelles informations qui aident à la compréhension. Ainsi, nous pouvons examiner l’absence de lois adoptées (c’est-à-dire celles qui sont actives ou échouées) et l’absence de lois échouées (c’est-à-dire celles qui sont actives ou adoptées) et trianguler les résultats avec la présence de lois actives (c’est-à-dire celles qui n’ont ni été adoptées ni échouées).
Dans notre analyse des trois résultats, nous identifions des résultats négatifs (absence de passage de lois sur l’IA et échec) et des résultats élevés (présence de lois actives).
