La gouvernance de l’IA : le maillon manquant des stratégies nationales en matière d’IA
Dans un contexte où l’IA prend une place prépondérante dans notre société, il est impératif de reconnaître que la gouvernance de l’IA est tout aussi cruciale que les infrastructures technologiques. Les stratégies nationales en matière d’IA se concentrent généralement sur trois piliers : infrastructure computationnelle, talents et données.
Les investissements mondiaux dans l’IA
Les États-Unis investissent massivement dans des projets tels que le Stargate Project, visant à établir un centre de calcul à grande échelle, avec des contributions atteignant jusqu’à 730 trillions de wons (534 milliards de dollars). L’Union européenne, de son côté, a prévu un investissement de 300 trillions de wons pour le développement de l’infrastructure en IA, tandis que la France s’engage à verser 163 trillions de wons pour ses centres de données en IA.
Des pays comme Singapour vont même jusqu’à offrir des allocations mensuelles de 6,7 millions de wons aux étudiants en doctorat dans des programmes d’IA, indépendamment de leur nationalité. La Chine, quant à elle, exploite des ensembles de données massifs pour développer des modèles performants tels que DeepSeek.
La Corée du Sud n’est pas en reste et a récemment annoncé un plan d’investissement de 100 trillions de wons pour construire un centre de calcul souverain en IA.
L’importance de la gouvernance de l’IA
Lors d’une récente visite en Chine, plusieurs entreprises d’IA ont souligné un point crucial : même plus important que la puissance de calcul, les données et les talents, c’est la gouvernance de l’IA qui déterminera l’impact réel de l’IA sur la société. Les systèmes sociaux actuels, hérités des systèmes de production de masse du XXe siècle, doivent évoluer pour s’adapter aux défis posés par l’IA.
Les défis d’intégration des données
La compétitivité d’une nation en matière d’IA dépendra moins de la technologie brute que de son intégration pratique. Pour que l’IA puisse améliorer la productivité et réorienter le travail humain vers des tâches plus créatives, il est essentiel d’ouvrir les données et les flux de travail existants à l’apprentissage machine. La résistance à cette transition, notamment la rétention de données essentielles, pourrait rendre même les outils d’IA les plus avancés inefficaces.
Par exemple, en matière de santé, la Corée dispose d’un ensemble de données médicales nationales complet ; cependant, si les hôpitaux refusent de partager ces données en raison de préoccupations liées à la vie privée, le développement de l’IA médicale stagne. De même, dans le domaine juridique, l’accès limité aux précédents juridiques archivé numériquement freine l’analyse juridique basée sur l’IA.
Les modèles de gouvernance en IA
Il est donc impératif que la gouvernance de l’IA soit une priorité. Sans un cadre réglementaire permettant à l’IA d’apprendre à partir des données existantes, les investissements dans les infrastructures et les modèles linguistiques souverains risquent d’être gaspillés. Les États-Unis et la Chine avancent en matière d’IA non seulement grâce à leurs ressources, mais aussi parce qu’ils ont établi des modèles de gouvernance facilitant l’accès et l’utilisation des données.
Le gouvernement coréen, qui a mis l’accent sur le pragmatisme et la compétitivité nationale guidée par l’IA, doit prioriser l’établissement d’une gouvernance efficace en matière d’IA. Sans des politiques qui démantèlent les intérêts établis et permettent un déploiement à grande échelle de l’IA, les investissements massifs dans cette technologie pourraient n’apporter que peu de bénéfices publics.
