La diffusion de l’IA : le calcul se déplace vers le Sud

Au premier trimestre 2026, les économies émergentes ne se contentent plus d’utiliser les modèles conçus à San Francisco, Seattle ou Pékin. Elles installent des accélérateurs, construisent des centres de données, entraînent des modèles dans leurs langues et invoquent la souveraineté numérique. Mais localiser les machines n’est pas encore contrôler la technologie — ni encaisser sa rente.

Le serveur et le drapeau

À New Delhi, la puissance de calcul possède désormais un tarif presque administratif : 65 roupies par heure. En février 2026, le gouvernement indien affirmait que plus de 38 000 processeurs graphiques de haut niveau avaient été intégrés à sa plateforme nationale de calcul, auxquels s’ajoutaient 1 050 processeurs spécialisés de Google. Chercheurs, jeunes pousses et institutions publiques peuvent ainsi louer une fraction d’une infrastructure auparavant réservée à quelques grands groupes. L’Inde ne distribue pas gratuitement des puces. Elle subventionne l’accès à un marché mutualisé de machines appartenant à différents fournisseurs. La nuance est importante : elle décrit moins une nationalisation du silicium qu’une nationalisation de son guichet. (Press Information Bureau)

Il y a quelques années encore, l’expression « infrastructure numérique » évoquait des câbles, des antennes et des bâtiments réfrigérés où s’alignaient des serveurs destinés aux banques, aux administrations ou au commerce électronique. L’intelligence artificielle transforme cette activité assez austère en une industrie stratégique. Les centres de données destinés à l’IA exigent des racks plus denses, davantage d’électricité, des systèmes de refroidissement plus sophistiqués et surtout des milliers d’accélérateurs reliés par des réseaux extrêmement rapides. Le bâtiment compte. Mais ce qu’il renferme compte bien davantage.

La consommation électrique mondiale des centres de données atteignait environ 415 térawattheures en 2024, soit 1,5 % de l’électricité mondiale. Dans le scénario central de l’Agence internationale de l’énergie, elle devrait plus que doubler d’ici à 2030, pour atteindre quelque 945 TWh. La consommation des serveurs accélérés, principalement associés à l’IA, progresserait de 30 % par an. Un centre de données peut être construit en deux ou trois ans ; les centrales, lignes à haute tension et postes électriques dont il dépend exigent souvent beaucoup plus de temps. Les entrepreneurs de l’IA ont donc découvert une loi que les industriels connaissent depuis longtemps : l’informatique peut évoluer à la vitesse du logiciel, mais l’électricité reste gouvernée par le béton, les permis et les transformateurs. (IEA)

Cette contrainte explique pourquoi l’IA commence à modifier la géographie économique. L’entraînement des plus grands modèles reste extraordinairement concentré. En 2024, les institutions américaines avaient produit 40 des modèles considérés comme les plus significatifs par l’AI Index de Stanford, contre 15 pour la Chine et trois pour l’Europe. Les investissements privés américains dans l’IA avaient atteint 109 milliards de dollars, presque douze fois le montant chinois. Pourtant, l’inférence — l’utilisation quotidienne d’un modèle déjà entraîné — peut être distribuée plus largement. Pour réduire la latence, respecter les règles de résidence des données et servir des langues locales, les modèles doivent se rapprocher de leurs utilisateurs. (Stanford HAI)

C’est dans cet espace, entre un entraînement mondialement concentré et une utilisation de plus en plus dispersée, que l’Inde, l’Afrique, l’Eurasie et l’Amérique du Sud tentent de se faire une place. Ces régions regroupent la majorité de la population mondiale, de vastes marchés numériques et quelques-unes des principales réserves de talents, d’énergie renouvelable et de données linguistiques encore mal exploitées. Elles possèdent aussi une part minuscule des accélérateurs les plus avancés.

Leur ambition commune se résume en un mot commode : la souveraineté. Celui-ci présente l’avantage politique de pouvoir désigner plusieurs choses contradictoires. Un gouvernement parlera de souveraineté parce que les données restent sur son territoire. Un opérateur télécoms l’invoquera parce qu’il possède le bâtiment. Une jeune pousse l’emploiera parce que son modèle comprend une langue nationale. Le fabricant de puces, le fournisseur du cloud, le détenteur du logiciel d’orchestration et les investisseurs étrangers pourront pourtant continuer à contrôler presque toute la chaîne.

Un modèle brésilien peut être entraîné sur des processeurs américains fabriqués à Taïwan, dans un centre de données brésilien détenu par un fonds canadien, avec un environnement logiciel américain et une architecture ouverte développée ailleurs. Il n’en demeure pas moins brésilien à certains égards : par ses données, son équipe, sa langue, sa propriété intellectuelle et ses clients. À l’inverse, un service américain hébergé à São Paulo satisfait peut-être les exigences de résidence des données sans créer beaucoup de technologie locale. La souveraineté n’est pas une qualité binaire. C’est une échelle — et, très souvent, une négociation contractuelle.

Les travaux récents consacrés à la souveraineté de l’infrastructure insistent justement sur le contrôle opérationnel des centres, des réseaux optiques, des systèmes d’automatisation et de l’énergie. Une première base universitaire recensant 775 projets de centres de données non américains estimait que les entreprises américaines exploitaient près de la moitié de l’ensemble une fois les projets pondérés par leur investissement. L’estimation est encore préliminaire, mais son message est utile : construire à l’étranger ne signifie pas nécessairement céder le contrôle. (arXiv)

La photographie qui suit est arrêtée au 31 mars 2026. Elle couvre l’Inde ; l’ensemble de l’Afrique, avec une attention particulière à l’Afrique du Sud, à l’Égypte, au Maroc, au Nigeria et au Kenya ; une Eurasie composée de la Russie, de la Turquie, du Caucase et de l’Asie centrale ; enfin l’Amérique du Sud, principalement le Brésil, le Chili, l’Argentine, la Colombie, l’Uruguay et le Pérou. La Chine, l’Union européenne, les monarchies du Golfe et le Mexique sont exclus afin de conserver une comparaison cohérente.

Le premier enseignement est simple. Le calcul se localise plus rapidement que le pouvoir technologique.

Compter ce qui compte

Le secteur de l’IA est particulièrement fertile en grands nombres dépourvus de contexte. Les gouvernements annoncent des milliers de GPU sans préciser leur génération. Les promoteurs promettent des gigawatts de centres de données qui ne disposent parfois ni de permis, ni de raccordement, ni de client. Les opérateurs additionnent des bâtiments destinés aux courriels, aux sauvegardes et aux services bancaires, puis présentent le résultat comme de la capacité d’IA. Les constructeurs annoncent enfin un « supercalculateur » sans indiquer sa disponibilité, son taux d’utilisation ou son coût d’accès.

Un GPU ancien n’est pas l’équivalent d’un accélérateur récent. Mille puces mal reliées ne forment pas nécessairement une grappe capable d’entraîner un grand modèle. Une installation de colocation conventionnelle ne peut pas toujours accueillir les densités électriques et le refroidissement liquide requis par les nouvelles machines. Un mégawatt de centre de données n’est donc pas automatiquement un mégawatt d’intelligence artificielle.

La distinction entre entraînement et inférence est tout aussi importante. L’entraînement d’un modèle fondamental exige de grandes grappes de processeurs fonctionnant pendant des semaines ou des mois, ainsi qu’une ingénierie que peu d’acteurs possèdent. L’inférence peut être exécutée sur des installations plus petites, voire sur un téléphone ou un ordinateur portable lorsque le modèle a été suffisamment comprimé. Beaucoup de pays qui parlent de devenir des puissances de l’IA construiront surtout des infrastructures d’inférence. Ce n’est pas négligeable : la plus grande partie de la valeur commerciale pourrait finalement provenir de l’utilisation quotidienne plutôt que de la création de modèles géants. Mais ce n’est pas la même industrie.

Il faut donc examiner six couches.

La première est celle des puces et des serveurs : qui peut acheter les accélérateurs, à quel prix, avec quels délais et sous quelles restrictions d’exportation ? La deuxième concerne les centres de données : puissance électrique disponible, densité des racks, refroidissement, redondance et raccordements. La troisième est celle de l’énergie et des réseaux : stabilité du réseau, prix de l’électricité, accès à l’eau, câbles sous-marins et fibre terrestre.

Vient ensuite la couche du cloud, où se trouvent le stockage, l’orchestration des grappes, les outils de développement, la cybersécurité et les interfaces de programmation. Puis celle des modèles et des données, qui détermine les langues, les usages, les licences et la propriété intellectuelle. Enfin vient la distribution : opérateurs télécoms, banques, administrations, logiciels professionnels, plateformes de commerce et applications grand public.

C’est souvent la dernière couche qui décide qui gagnera de l’argent. Un pays peut accueillir des dizaines de milliers de processeurs sans créer un seul produit exportable. À l’inverse, une entreprise africaine peut utiliser une infrastructure étrangère pour construire un service bancaire, agricole ou vocal extrêmement rentable. La souveraineté technologique et la réussite commerciale se recouvrent, mais imparfaitement.

La pénétration du marché pose un problème de mesure comparable. Les enquêtes auprès des entreprises tendent à confondre les expérimentations, les licences achetées et les déploiements produisant réellement des revenus ou des économies. Les statistiques de Microsoft utilisées dans ce rapport mesurent la part estimée de la population en âge de travailler utilisant un produit d’IA générative, à partir de données agrégées et corrigées pour tenir compte de l’accès à internet et de la population. Elles saisissent mieux la diffusion auprès des utilisateurs que l’investissement industriel, mais restent dépendantes de la couverture des produits observés. Il faut les lire comme un thermomètre, non comme un recensement. (Microsoft)

Au second semestre 2025, cet indicateur atteignait 28,3 % aux États-Unis. Parmi les régions étudiées, l’Uruguay, la Colombie, l’Afrique du Sud et le Chili dépassaient 20 %. Le Brésil se situait à 17,1 %, l’Inde à 15,7 %, la Turquie à 14,6 % et le Kazakhstan à 13,7 %. Le Nigeria atteignait 9,3 %, le Kenya 8,1 %, la Russie 8 % et l’Ouzbékistan 6,3 %. Ces écarts reflètent le revenu, l’éducation, la connectivité, l’offre linguistique, les sanctions et la disponibilité de services gratuits. Ils ne suivent pas mécaniquement la quantité de serveurs installés. (Microsoft)

Une autre confusion concerne « l’IA non américaine ». Un modèle chinois utilisé au Nigeria est non américain, mais il n’est pas africain. Un modèle européen adapté au portugais brésilien est régional par son usage, non par son origine. Quatre catégories doivent être distinguées :

• les modèles entièrement développés et contrôlés dans la région ;
• les modèles locaux construits sur une architecture ou des poids étrangers ;
• les modèles locaux entraînés ou hébergés sur un cloud étranger ;
• les modèles étrangers simplement exécutés dans un centre de données local.

Cette taxonomie n’a rien d’académique. Elle détermine qui peut modifier le modèle, en vérifier le fonctionnement, fixer son prix ou continuer à l’exploiter en cas de sanction, de conflit commercial ou de désaccord politique.

Les quatre régions étudiées empruntent des voies différentes. L’Inde mise sur l’échelle et la coordination publique. L’Afrique privilégie les infrastructures concentrées dans quelques pôles et les petits modèles adaptés à ses langues. L’Eurasie traite l’autonomie comme une assurance géopolitique. L’Amérique du Sud combine électricité renouvelable, marchés urbains et coopération culturelle, mais continue de louer une grande partie de son cloud.

I. Inde : le colosse sans silicium

L’État devient courtier en calcul

Parmi les quatre régions, l’Inde possède l’écosystème le plus proche d’une chaîne complète. Elle a un immense marché intérieur, des groupes industriels capables de financer des centres de données, une industrie de services informatiques, des centaines de milliers d’ingénieurs et un État qui a déjà démontré sa capacité à construire des infrastructures numériques communes. Aadhaar pour l’identité, UPI pour les paiements et les réseaux publics de données ont créé une sorte de présomption nationale : si un service numérique est essentiel, New Delhi tentera tôt ou tard d’en transformer les composants en infrastructure partagée.

L’IndiaAI Mission, approuvée en mars 2024, dispose d’une enveloppe de 103,7 milliards de roupies sur cinq ans. Son originalité réside moins dans le financement de quelques laboratoires prestigieux que dans l’agrégation de ressources. Les 38 000 GPU annoncés en février 2026 n’ont pas tous été achetés et installés par l’État. Ils ont été « intégrés » à une plateforme qui met en concurrence ou coordonne des fournisseurs privés, tandis que le gouvernement subventionne l’accès des utilisateurs éligibles. Le système ressemble davantage à une centrale d’achat qu’à un laboratoire national. (Press Information Bureau)

Cette formule convient bien à l’Inde. Le pays n’a ni le temps ni les capitaux nécessaires pour reproduire immédiatement les infrastructures des hyperscalers américains. Il peut cependant créer de la demande, négocier les prix, réduire le risque des investisseurs et empêcher que chaque université ou jeune pousse ne doive acheter sa propre grappe de serveurs. En organisant un marché commun du calcul, l’État espère obtenir une partie des bénéfices de l’échelle sans devenir lui-même opérateur de chaque machine.

La qualité de cette capacité reste néanmoins difficile à juger. Un décompte national additionne potentiellement plusieurs générations de puces, des grappes de taille inégale et des ressources partiellement réservées à d’autres clients. Le prix affiché de 65 roupies par heure est politiquement spectaculaire ; il ne dit rien du coût total d’un entraînement, des files d’attente, de la disponibilité d’une interconnexion rapide ou de la facilité avec laquelle un chercheur peut réserver plusieurs centaines de processeurs simultanément.

Ce problème de transparence n’est pas propre à l’Inde. Mais il y est particulièrement visible parce que le gouvernement a transformé la capacité de calcul en symbole national. Il ne suffit plus de demander combien de GPU sont « disponibles ». Il faut savoir combien peuvent être utilisés ensemble, pendant combien de temps, par qui et pour quel type de tâche.

Des bâtiments en abondance

L’infrastructure physique progresse rapidement. Le gouvernement évaluait la capacité des centres de données en nuage à environ 1 280 MW au début de 2026 et prévoyait qu’elle puisse être multipliée par quatre ou cinq d’ici à 2030. Les estimations privées étaient parfois plus élevées, en raison de différences de périmètre : certains cabinets incluent davantage de colocation et de capacité en cours d’activation. Mumbai et Navi Mumbai constituent le principal pôle, grâce aux câbles sous-marins, aux marchés financiers et à la proximité des sièges sociaux ; Chennai, Hyderabad, Bengaluru et la région de Delhi-Noida complètent la carte. (Press Information Bureau)

Les grands conglomérats locaux ont compris que le centre de données est à la fois un actif immobilier, une usine électrique et un moyen de fidéliser les entreprises. Reliance, Tata, Adani, Yotta, CtrlS et plusieurs groupes d’ingénierie cherchent à se placer entre les hyperscalers étrangers et les clients indiens. Certains construisent des bâtiments ; d’autres assemblent des serveurs ou fournissent un cloud complet. Dans tous les cas, la frontière entre acteur national et chaîne étrangère demeure floue.

Yotta illustre cette ambiguïté productive. Nvidia affirmait en février 2026 que son cloud Shakti serait alimenté par plus de 20 000 accélérateurs Blackwell Ultra, répartis notamment entre Navi Mumbai et Greater Noida. Le chiffre décrit un déploiement et une ambition commerciale annoncés par le fournisseur ; il ne prouve pas que toutes les puces étaient simultanément en service avant le 31 mars. L’infrastructure, même détenue ou exploitée en Inde, repose par ailleurs sur du matériel et un environnement logiciel Nvidia. (NVIDIA Blog)

L’Inde assemble ainsi une chaîne nationale autour d’un cœur importé. Des entreprises comme Netweb fabriquent ou intègrent des systèmes sur le territoire. Des groupes d’ingénierie construisent les installations. Des opérateurs indiens les financent. Mais l’accélérateur, les réseaux spécialisés et une grande partie des outils logiciels proviennent toujours de l’étranger.

Cette situation n’est pas nécessairement un échec. L’industrie automobile indienne s’est développée pendant des décennies en combinant licences étrangères, fournisseurs locaux, assemblage domestique et montée progressive en gamme. L’IA pourrait suivre une trajectoire comparable. Le problème est que la concentration de l’industrie des semi-conducteurs est bien supérieure à celle de l’automobile et que la vitesse d’obsolescence des puces est brutale. Une usine de serveurs ne devient pas, par magie, une fonderie de processeurs avancés.

Les dix projets approuvés dans le cadre de la mission indienne sur les semi-conducteurs représentaient environ 1 600 milliards de roupies d’investissement à la fin de 2025. Ils renforcent l’assemblage, le conditionnement, la mémoire et certaines capacités de fabrication. Ils ne donnent pas encore à l’Inde la possibilité de produire localement un équivalent des accélérateurs les plus avancés de Nvidia, AMD ou Google. New Delhi peut réduire plusieurs dépendances ; elle ne peut pas encore supprimer la plus importante. (Press Information Bureau)

Les langues comme politique industrielle

La meilleure défense de l’Inde n’est peut-être pas le matériel, mais la demande. Le pays possède des centaines de millions d’utilisateurs insuffisamment servis par les modèles principalement entraînés en anglais. Les langues indiennes ne sont pas seulement un enjeu culturel : elles forment une barrière commerciale.

La plateforme publique Bhashini propose des services de traduction et de parole dans plus de 36 langues. En février 2026, le gouvernement indiquait qu’elle avait dépassé 1,2 million de téléchargements, intégré plus de 350 modèles et compté plus de 450 clients actifs. AIKosh, le dépôt national de données et de modèles, réunissait de son côté 7 541 jeux de données et 273 modèles couvrant une vingtaine de secteurs. Ces nombres n’indiquent pas leur qualité, mais ils montrent que l’État cherche à traiter les données linguistiques comme une infrastructure commune. (Press Information Bureau)

Les entreprises locales complètent cette politique. Sarvam AI a présenté en février des modèles de 30 et 105 milliards de paramètres, ainsi que des outils de reconnaissance vocale couvrant 22 langues indiennes, de synthèse vocale et de traduction. L’entreprise affirme avoir préentraîné ses grands modèles depuis zéro plutôt que de se contenter d’adapter un modèle étranger. BharatGen, un programme mené par des institutions indiennes, développe également des modèles multimodaux et multilingues. Ces projets utilisent toutefois des grappes de GPU et des logiciels d’entraînement étrangers, notamment ceux de Nvidia. (NVIDIA Blog)

La distinction entre modèle national et pile nationale devient ici particulièrement éclairante. Sarvam peut posséder les données, les poids, les équipes et les produits tout en dépendant d’accélérateurs importés. Cette dépendance n’annule pas son caractère indien. Elle limite plutôt le degré d’autonomie et la part de valeur conservée dans le pays.

Le véritable avantage de ces entreprises réside dans la voix. Une large partie de l’Inde numérique ne passera pas par un clavier. Pour un agriculteur, un chauffeur, un commerçant ou un patient peu à l’aise avec l’écrit, l’assistant utile est celui qui comprend un accent, un mélange de langues et un contexte administratif local. Un modèle légèrement moins performant sur un examen américain mais capable de comprendre une demande orale en marathi ou en tamoul peut posséder une valeur économique supérieure en Inde.

Les données publiques constituent un second avantage. Les systèmes de paiement, d’identité, de santé et de services administratifs ont produit une architecture sur laquelle des applications d’IA peuvent être distribuées. L’État peut devenir à la fois fournisseur de données, régulateur, acheteur et canal de diffusion. Cette accumulation de rôles présente des risques évidents pour la vie privée et la concurrence. Elle offre aussi une vitesse de déploiement que peu de démocraties peuvent égaler.

Le marché avance plus vite que les bilans

L’indicateur de diffusion de Microsoft situait l’Inde à 15,7 % de la population en âge de travailler au second semestre 2025. Ce chiffre restait inférieur à ceux de plusieurs économies sud-américaines et de l’Afrique du Sud. Il correspond néanmoins à une immense base d’utilisateurs en valeur absolue. Dans aucun autre pays des quatre régions, une progression de quelques points de pourcentage ne représente autant de personnes. (Microsoft)

L’adoption est très inégale. Les entreprises de services informatiques, les banques, les plateformes numériques et les grands groupes industriels expérimentent déjà les assistants de programmation, l’automatisation documentaire, le service client et l’analyse des risques. Les petites entreprises, les administrations locales et l’économie informelle rencontrent davantage d’obstacles : qualité des données, coût d’intégration, manque de personnel et incertitude sur le rendement.

L’Inde dispose toutefois d’un canal que d’autres régions lui envient : une industrie de services informatiques capable d’intégrer l’IA dans les systèmes existants. Les grandes sociétés indiennes ne produiront peut-être pas le meilleur modèle fondamental au monde. Elles peuvent en revanche devenir les mécaniciens de son adoption, en reliant les modèles aux logiciels comptables, aux banques, aux assureurs, aux usines et aux administrations.

Cette position pourrait s’avérer plus rentable qu’il n’y paraît. Dans les précédentes vagues technologiques, la majeure partie de la valeur n’a pas toujours été captée par celui qui inventait un composant, mais par celui qui savait l’installer, le maintenir et le vendre. L’Inde pourrait ne pas posséder le moteur de l’IA tout en devenant l’un de ses principaux garages.

Le problème électrique

Toute cette ambition se heurte au réseau. L’Inde a considérablement développé ses capacités renouvelables et indiquait avoir dépassé 50 % de capacité électrique installée non fossile en juin 2025. Mais la capacité installée ne doit pas être confondue avec la production effective : le charbon reste central dans le système électrique indien, notamment pour fournir une alimentation continue. Les centres d’IA ne se satisfont pas d’une moyenne annuelle verte ; ils exigent une puissance stable à toute heure. (Press Information Bureau)

Les centres se concentreront donc là où les raccordements sont solides, les terrains disponibles et les contrats énergétiques négociables. Cette concentration peut aggraver les tensions locales. Elle peut aussi accélérer la construction de réseaux et de renouvelables financés par des contrats de long terme. Le résultat dépendra de la capacité de l’Inde à coordonner trois calendriers différents : celui des puces, mesuré en mois ; celui des centres, mesuré en années ; et celui des infrastructures électriques, souvent mesuré en décennies.

Au premier trimestre 2026, l’Inde est la région la mieux placée pour transformer la demande intérieure en écosystème industriel. Elle possède des opérateurs locaux, une politique de mutualisation, des modèles nationaux et un immense marché. Elle ne possède pas encore le composant qui définit la frontière technologique.

L’Inde peut nationaliser l’accès au calcul beaucoup plus vite qu’elle ne peut nationaliser le silicium.

II. Afrique : un archipel de calcul

Un continent, plusieurs marchés

Il n’existe pas un marché africain de l’IA, pas davantage qu’il n’existe un marché européen homogène de l’agriculture ou de la banque. L’Afrique du Sud possède des infrastructures, un système financier et une base industrielle sans équivalent sur le continent. Le Nigeria dispose d’un marché gigantesque mais d’un réseau électrique difficile. Le Kenya combine connectivité, services numériques et rôle de porte d’entrée régionale. L’Égypte et le Maroc se situent à proximité des réseaux européens et moyen-orientaux. De nombreux autres pays restent essentiellement consommateurs de services hébergés ailleurs.

Cette fragmentation apparaît dans les chiffres. En 2026, l’Afrique ne représentait que 0,6 % de la capacité mondiale des centres de données, selon l’association continentale du secteur. Elle comptait environ 360 MW actifs, 238 MW en construction et 656 MW annoncés ou planifiés. Même si tous les projets prévus étaient réalisés, la part mondiale du continent augmenterait à peine, car le reste du monde construit encore plus vite. (ADCA)

Ces 360 MW ne sont pas tous consacrés à l’IA. Une grande partie héberge les systèmes des banques, des télécommunications, des administrations, du commerce en ligne et des entreprises. Les installations capables d’accueillir de grandes grappes d’accélérateurs ne constituent qu’une fraction du total. La précision est importante : l’Afrique ne part pas avec une petite industrie de l’IA ; elle part avec une petite industrie des centres de données, dont une partie seulement peut être transformée en infrastructure d’IA.

L’écart énergétique donne la mesure du retard. En 2024, les centres de données africains consommaient moins d’un kilowattheure d’électricité par habitant, contre environ 540 aux États-Unis. L’Afrique du Sud devrait rester très au-dessus de la moyenne continentale, mais même sa progression ne suffira pas à combler le fossé. (IEA)

Il est donc préférable de parler d’un archipel. Johannesburg, Le Cap, Lagos, Nairobi, Le Caire et Casablanca forment des îlots reliés aux câbles sous-marins et aux réseaux financiers. Entre eux s’étendent de vastes zones où un développeur doit louer des ressources en Europe, au Moyen-Orient ou aux États-Unis. La latence est parfois acceptable ; la facture en devises et la sortie des données le sont moins.

L’électricité remplace la fibre comme principale contrainte

Pendant des années, le discours sur l’infrastructure numérique africaine s’est concentré sur les câbles. De nouveaux systèmes sous-marins, des réseaux métropolitains et des points d’échange internet ont effectivement amélioré la connectivité. Désormais, l’électricité est souvent plus difficile à obtenir que la bande passante. L’association africaine des centres de données considère qu’elle a dépassé la connectivité comme principal frein au développement. Les opérateurs recherchent des contrats d’achat à long terme et choisissent leurs sites en fonction de l’énergie avant même de considérer la proximité des utilisateurs. (ADCA)

Ce renversement est logique. Un centre de données classique peut fonctionner avec des racks consommant quelques kilowatts. Les grappes d’IA augmentent fortement la densité et exigent une alimentation stable. Dans un pays où les entreprises utilisent déjà des générateurs diesel pour pallier les coupures, promettre une disponibilité de 99,999 % relève moins de l’informatique que de l’ingénierie énergétique.

L’Afrique n’est pourtant pas dépourvue de ressources. Le continent a installé un record de 4,5 GW de solaire en 2025, soit une hausse de 54 % en un an. L’Afrique du Sud a ajouté environ 1,6 GW ; le Nigeria quelque 803 MW. Les importations de panneaux et de batteries chinoises progressent également. Mais les réseaux, les systèmes de stockage et les capacités de transport restent insuffisants dans de nombreux pays. Une centrale solaire ne devient utile à un centre d’IA que si elle peut être combinée à du stockage, à une source pilotable ou à un réseau robuste. (Reuters)

Les centres de données pourraient accélérer cette modernisation. Un opérateur disposé à signer un contrat d’électricité sur quinze ans offre à un producteur renouvelable un revenu prévisible. Des investissements privés peuvent financer de nouvelles lignes, des batteries ou des centrales. Mais le risque politique est évident : un bâtiment rempli de serveurs peut recevoir une alimentation stable alors que les quartiers voisins subissent des coupures. L’acceptabilité de l’IA dépendra aussi de la façon dont ces arbitrages seront perçus.

Le refroidissement pose un autre problème. Les centres situés dans des climats chauds consomment davantage d’énergie, et parfois davantage d’eau. Les exploitants peuvent utiliser le refroidissement par air, des circuits fermés ou des systèmes liquides plus efficaces. Chacune de ces solutions augmente les coûts de construction ou impose des compromis locaux. Le continent pourrait devenir un laboratoire de centres frugaux ; il peut aussi devenir un marché où seules les entreprises étrangères les mieux capitalisées peuvent supporter ces coûts.

Les premières usines d’IA

Les annonces se multiplient. Cassava Technologies a présenté ce qu’elle décrit comme la première « usine d’IA » panafricaine, fondée sur des supercalculateurs Nvidia et les centres de sa filiale Africa Data Centres. Le groupe prévoyait un premier déploiement en Afrique du Sud, puis des extensions en Égypte, au Kenya, au Maroc et au Nigeria. Son réseau de fibre, qui traverse plusieurs régions du continent, doit permettre de vendre de la puissance de calcul comme un service à des entreprises et administrations africaines. (Cassava Tech)

Le projet est important, mais son vocabulaire mérite d’être décodé. Une usine d’IA n’est pas une usine fabriquant des puces. Il s’agit d’une infrastructure utilisant des accélérateurs Nvidia importés, reliée par un réseau local et exploitée par une entreprise africaine. Son caractère souverain tient au lieu, à l’opérateur, aux clients et éventuellement au contrôle des données. Le cœur technologique reste étranger.

L’information publique ne permet pas toujours de connaître le nombre de puces effectivement installées, leur génération, le calendrier précis des extensions ou leur taux d’utilisation. Ce manque de granularité ne signifie pas que la capacité n’existe pas. Il empêche simplement de la comparer aux grandes grappes américaines, chinoises ou indiennes. Dans l’infrastructure d’IA, l’adjectif « premier » est souvent plus facile à vérifier que la puissance réelle.

D’autres opérateurs étrangers et locaux développent des régions cloud et des centres neutres. L’Afrique du Sud attire la plus grande partie de ces investissements grâce à son marché d’entreprises, ses réseaux et son secteur financier. Le Kenya cherche à servir l’Afrique de l’Est. Le Nigeria offre la demande potentielle la plus importante, mais aussi une combinaison difficile de coût du capital, d’instabilité électrique et de risque de change. L’Égypte et le Maroc peuvent devenir des passerelles vers l’Europe et le Moyen-Orient, notamment pour les services francophones et arabophones.

La localisation répond à une demande réelle. Les banques et gouvernements souhaitent conserver certaines données sur le territoire. Les opérateurs télécoms veulent réduire la latence. Les entreprises utilisant la reconnaissance vocale ou la détection de fraude doivent traiter de grands volumes près de leurs clients. Pourtant, la région cloud locale reste souvent celle d’un groupe américain, chinois ou européen. Elle réduit la distance physique sans nécessairement réduire la dépendance contractuelle.

La revanche des petits modèles

La contribution la plus originale de l’Afrique à l’IA pourrait venir non des grandes grappes, mais de la frugalité. Les modèles géants sont conçus dans des économies où le capital, l’électricité et les données abondent. Les développeurs africains partent du problème inverse : ressources limitées, langues peu représentées et utilisateurs équipés de téléphones ou d’ordinateurs modestes.

InkubaLM, développé par Lelapa AI et ses partenaires, illustre cette stratégie. Le modèle compte environ 400 millions de paramètres et a été entraîné depuis zéro sur 2,4 milliards de mots ou unités linguistiques couvrant notamment l’isiZulu, le yoruba, le haoussa, le swahili et l’isiXhosa. Sa petite taille lui permet de fonctionner sur un ordinateur portable, un CPU ou un GPU relativement modeste. Son objectif n’est pas de rivaliser avec les meilleurs modèles généralistes, mais d’offrir une base utilisable dans des langues presque absentes des grands corpus mondiaux. (arXiv)

Cette démarche possède un avantage économique. Un petit modèle spécialisé coûte moins cher à entraîner, à adapter et à exécuter. Il peut être installé dans une banque, un centre d’appels ou une administration sans envoyer toutes les données vers un hyperscaler. Il peut aussi répondre plus rapidement et fonctionner dans des zones où la connectivité est intermittente.

L’Afrique dispose d’un grand nombre de cas d’usage pour lesquels la taille brute est moins importante que la compréhension locale : services vocaux, traduction, éducation, conseils agricoles, traitement de documents publics, santé communautaire, microfinance et service client. Un modèle qui comprend correctement une langue et son contexte institutionnel peut surpasser commercialement un système beaucoup plus puissant mais culturellement maladroit.

Masakhane et d’autres communautés de recherche ont montré qu’un réseau distribué de chercheurs pouvait construire des ressources linguistiques sans disposer d’un laboratoire doté de milliards de dollars. Ce capital scientifique est précieux. Il reste néanmoins fragile : les chercheurs migrent, les financements sont intermittents et les projets ouverts ne disposent pas toujours des équipes commerciales nécessaires pour devenir des produits durables.

Une adoption par le téléphone

L’indicateur de diffusion de l’IA générative révèle des différences considérables. L’Afrique du Sud atteignait 21,1 % au second semestre 2025, devant l’Égypte à 13,4 %, le Sénégal à 12,9 %, le Maroc à 10,9 %, le Nigeria à 9,3 %, le Kenya à 8,1 % et le Rwanda à 6,3 %. Les chiffres mesurent surtout l’utilisation de produits disponibles, non l’origine des modèles ni la profondeur de leur intégration dans les entreprises. (Microsoft)

Une partie importante de cette adoption passe par le téléphone et par des interfaces étrangères. Le prochain milliard d’utilisateurs de l’IA pourrait utiliser des modèles sans jamais connaître le nom du fournisseur, parce qu’ils seront intégrés à une messagerie, un service bancaire ou une application télécoms.

Les modèles ouverts chinois jouent ici un rôle croissant. Microsoft observe que DeepSeek s’est diffusé rapidement dans plusieurs marchés du Sud grâce à sa gratuité, à son ouverture et à sa distribution dans des régions moins bien servies par les plateformes occidentales. Cette expansion montre que l’IA non américaine n’est pas nécessairement locale. Elle peut simplement remplacer une dépendance occidentale par une dépendance chinoise, tout en abaissant réellement le coût d’accès. (Microsoft)

Les opérateurs télécoms pourraient devenir les principaux distributeurs de l’IA africaine, de la même manière que le mobile a servi de support à l’inclusion financière. Ils possèdent la relation client, les données de facturation, les réseaux et parfois les centres de données. Ils peuvent intégrer un assistant à un forfait, vendre de la traduction ou automatiser le service client. Leur avantage n’est pas de construire le meilleur modèle ; il est de savoir à qui le vendre et comment le facturer.

Les banques constituent l’autre moteur. La détection de fraude, l’évaluation du risque, la conformité et le service client offrent des rendements relativement clairs. Les gouvernements expérimentent la traduction, la gestion documentaire et les services aux citoyens. Les petites entreprises utilisent des outils généraux pour le marketing, la rédaction ou la programmation, mais disposent rarement des données structurées nécessaires à une automatisation plus profonde.

L’archipel peut-il devenir réseau ?

Le problème africain n’est donc pas l’absence totale de calcul, de chercheurs ou de demande. C’est l’absence de continuité entre ces éléments. Un laboratoire possède les compétences mais pas les GPU. Un opérateur possède les serveurs mais peu de clients capables de signer de gros contrats. Un pays dispose de soleil mais pas de réseau stable. Une entreprise a un produit utile mais facture dans une monnaie qui se déprécie tandis que le cloud est payé en dollars.

La coopération régionale pourrait réduire ces frictions. Un centre situé au Kenya peut servir plusieurs pays d’Afrique de l’Est. Une grappe sud-africaine peut être partagée avec des chercheurs du continent. Des marchés communs de données et des règles compatibles augmenteraient la demande adressable. Mais les gouvernements associent souvent la souveraineté à la présence physique sur leur propre territoire, ce qui peut conduire à multiplier de petites installations sous-utilisées plutôt qu’à financer quelques pôles performants.

L’Afrique devra choisir entre deux conceptions de la souveraineté. La première place un petit centre dans chaque pays, avec un drapeau sur la porte et des coûts élevés. La seconde construit des infrastructures régionales solides, soumises à des règles communes et accessibles à plusieurs marchés. La première est plus simple à inaugurer. La seconde est plus susceptible de fonctionner.

L’Afrique ne manque pas d’idées d’IA. Elle manque encore de continuité entre la prise électrique, le câble, le serveur et le client solvable.

III. Eurasie : la souveraineté sous contrainte

La Russie et l’autonomie forcée

En Eurasie, l’infrastructure d’IA ne peut être séparée de la géopolitique. La Russie, la Turquie, le Kazakhstan et l’Ouzbékistan ne cherchent pas simplement à attirer des investissements. Ils tentent de réduire leur exposition à des fournisseurs étrangers, de préserver un espace linguistique ou de transformer leur position géographique en avantage.

La Russie offre le cas le plus radical. Elle possède de solides traditions mathématiques et informatiques, de grandes entreprises numériques, une énergie abondante et un marché russophone protégé. Yandex développe YandexGPT ; Sber propose GigaChat. Ces groupes peuvent distribuer leurs modèles par l’intermédiaire de moteurs de recherche, de banques, de services publics et de plateformes déjà utilisées par des millions de personnes.

Mais la Russie subit des restrictions d’accès aux microprocesseurs avancés et à d’autres technologies occidentales. En novembre 2025, Vladimir Poutine avait demandé la création d’un groupe national chargé de coordonner les modèles génératifs, les centres de données et les sources d’énergie, en évoquant notamment de petites centrales nucléaires proches des installations. Les autorités ont également insisté sur l’utilisation de modèles nationaux dans les domaines liés à la sécurité. (Reuters)

La stratégie russe repose sur un échange : moins d’accès à la frontière matérielle, davantage de contrôle sur le marché intérieur. Les sanctions rendent les puces plus chères et compliquent la maintenance. Elles favorisent en même temps les fournisseurs locaux en réduisant la concurrence occidentale. L’État, les banques et les entreprises publiques constituent une base captive pour les modèles russes.

Cette souveraineté possède néanmoins un plafond. Les accélérateurs peuvent être obtenus par des importations indirectes, des partenaires chinois ou des circuits parallèles, mais avec davantage de coûts et d’incertitude. La Russie peut entraîner de bons modèles russophones ; elle aura plus de mal à maintenir une capacité équivalente aux plus grandes grappes américaines ou chinoises. Le logiciel national compense une partie du retard matériel, pas sa totalité.

La diffusion auprès du grand public restait relativement faible dans la mesure de Microsoft : environ 8 % de la population en âge de travailler au second semestre 2025. Les sanctions, la couverture limitée des plateformes occidentales et les particularités de la mesure contribuent probablement à ce résultat. DeepSeek y a gagné du terrain, illustrant le rôle de la Chine comme fournisseur de substitution. (Microsoft)

La Russie risque ainsi de remplacer une dépendance par une autre. Ses modèles et canaux de distribution sont locaux ; une partie croissante du matériel, des composants et des modèles de référence peut venir de Chine. La souveraineté y est moins une indépendance complète qu’une faculté de choisir son fournisseur dans un cercle désormais plus étroit.

La Turquie, carrefour à louer

La Turquie suit une voie différente. Elle ne cherche pas à se couper des hyperscalers, mais à les attirer tout en renforçant ses propres infrastructures. Sa position entre l’Europe, le Moyen-Orient, le Caucase et l’Asie centrale lui permet de se présenter comme une plaque tournante régionale. Son marché intérieur, ses opérateurs télécoms et sa base industrielle soutiennent cette ambition.

En novembre 2025, Turkcell et Google Cloud ont annoncé la création de la première région hyperscale de Google en Turquie. Le programme représentait environ 3 milliards de dollars d’engagements cumulés : 2 milliards de Google sur dix ans et 1 milliard de Turkcell. La future infrastructure doit fournir des services de cloud, d’IA, de stockage et de cybersécurité. Au 31 mars 2026, elle demeurait un projet à réaliser, non une capacité pleinement opérationnelle. (Invest in Türkiye)

Le partenariat pose une question révélatrice. Une région Google Cloud construite avec Turkcell conservera les données plus près des utilisateurs, créera des emplois et renforcera les infrastructures nationales. Elle restera néanmoins fondée sur la technologie, les services et les règles commerciales d’un groupe américain. Elle est souveraine du point de vue de la localisation, beaucoup moins du point de vue de la propriété intellectuelle.

La Turquie dispose aussi d’une capacité publique. Le supercalculateur ARF-ACC, exploité par TÜBİTAK, avait progressé dans le classement mondial après l’ajout de 192 accélérateurs Nvidia H200 en 2025, venant compléter des équipements H100. Il sert les universités, les institutions publiques et certaines entreprises. Ici encore, l’État possède ou contrôle l’installation, mais le silicium et l’environnement logiciel sont étrangers. (Tübitak Ulakbim)

Cette combinaison peut être efficace. Le supercalcul public soutient la recherche et les applications sensibles. Le partenariat avec Google sert les grandes entreprises et les clients internationaux. Les opérateurs télécoms distribuent les services. La Turquie n’obtient pas l’autarcie ; elle construit une redondance.

Son taux de diffusion de l’IA générative, estimé à 14,6 % au second semestre 2025, se situait près de celui de l’Inde. La taille de son économie, son niveau d’urbanisation et ses échanges avec l’Europe créent une demande plus dense que dans la majeure partie de l’Asie centrale. (Microsoft)

La faiblesse turque réside dans la dépendance financière et technologique. Les grands investissements sont sensibles à la stabilité macroéconomique, aux relations avec les États-Unis et l’Europe et au coût de l’énergie. Mais le pays possède un avantage stratégique : plusieurs fournisseurs ont intérêt à ce qu’il reste connecté. Sa souveraineté consiste à les mettre en concurrence sans en chasser aucun.

Le Kazakhstan achète le raccourci

Le Kazakhstan représente une troisième méthode : acheter une infrastructure nationale clé en main, puis construire autour d’elle des données et des modèles locaux.

Son supercalculateur Alem.Cloud, installé à Astana, utilise un système HPE Cray XD670 équipé de 496 accélérateurs Nvidia H200. Le gouvernement le présente comme une ressource nationale accessible aux jeunes pousses, aux universités et aux entreprises. L’installation se trouve dans un centre certifié Tier III et doit soutenir les modèles linguistiques, la recherche et les services publics. (nitec.kz)

Il s’agit d’une capacité significative pour un pays de moins de 21 millions d’habitants. Elle reste petite par rapport aux grappes des grands laboratoires, mais suffisante pour entraîner ou adapter des modèles nationaux, effectuer des simulations scientifiques et soutenir un écosystème local.

KazLLM et AlemLLM cherchent à améliorer la représentation de la langue kazakhe et du contexte national. Comme en Inde et en Amérique latine, la langue fournit une justification économique à l’investissement public. Les modèles mondiaux comprennent de mieux en mieux le kazakh, mais la qualité, les données administratives et le contrôle restent insuffisants pour certains usages publics. («Отандастар қоры» | «Фонд Отандастар»)

Le supercalculateur est national par son emplacement, son accès et sa gouvernance. Il est international par presque tout ce qui le compose : matériel américain, fabrication asiatique, intégration étrangère et logiciels importés. Cette combinaison n’est pas une contradiction ; elle est le modèle normal de l’industrialisation tardive.

Le danger est l’effet vitrine. Acheter une grappe est plus facile que créer un flux durable de projets, de chercheurs et d’entreprises capables de l’utiliser. Une machine nationale sous-employée devient rapidement un monument coûteux. Sa réussite devra être mesurée par les heures effectivement consommées, les modèles produits, les clients servis et la capacité à renouveler les équipements après quelques années.

Avec une diffusion de l’IA générative estimée à 13,7 % au second semestre 2025, le Kazakhstan devançait nettement plusieurs voisins d’Asie centrale. Il possède donc une combinaison crédible de demande, de politique publique et de capacité. (Microsoft)

L’Ouzbékistan promet un territoire au calcul

L’Ouzbékistan utilise une méthode encore différente : l’incitation fiscale. En novembre 2025, le gouvernement a annoncé une zone consacrée à l’IA et aux centres de données au Karakalpakstan. Les investisseurs étrangers engageant au moins 100 millions de dollars pourraient bénéficier d’exemptions fiscales et douanières jusqu’en 2040, ainsi que d’électricité à prix réduit. Tachkent espérait attirer plus d’un milliard de dollars d’investissement d’ici à 2030. (Reuters)

Au premier trimestre 2026, cette zone relevait surtout de la politique d’attraction. Aucun grand ensemble d’opérateurs et de capacités en service ne permettait encore de la considérer comme un pôle établi. Le projet montre toutefois comment les pays d’Asie centrale veulent monétiser leur territoire, leur énergie et leur position entre la Chine, la Russie et l’Europe.

Le modèle économique ressemble à celui des zones industrielles : exemption fiscale, énergie subventionnée et procédures simplifiées. Il pourrait attirer des centres d’inférence régionaux, du stockage ou des opérations de minage reconverties. Il risque aussi d’attirer des installations consommant beaucoup d’électricité mais créant peu d’emplois, surtout si les logiciels, les clients et les profits restent étrangers.

La faible diffusion mesurée en Ouzbékistan — 6,3 % au second semestre 2025 — suggère que la demande intérieure ne suffira pas immédiatement à remplir de grandes installations. La stratégie suppose donc une vocation exportatrice. (Microsoft)

Le Caucase, marché plutôt qu’usine

Dans le Caucase, la Géorgie, l’Azerbaïdjan et l’Arménie disposent de talents, de diasporas technologiques et de niches logicielles. Ils n’ont pas, au premier trimestre 2026, une concentration de calcul comparable à celle de la Russie, de la Turquie ou même du Kazakhstan. Leur rôle est davantage celui de marchés, de bases de développement ou de passerelles.

La diffusion estimée atteignait 18,2 % en Géorgie et 15,5 % en Azerbaïdjan, mais seulement 6,6 % en Arménie. Ces écarts ne correspondent pas directement au niveau de la recherche ou au nombre d’ingénieurs ; ils reflètent surtout l’accès aux services observés, la connectivité et les comportements des utilisateurs. (Microsoft)

L’Eurasie forme ainsi moins un marché intégré qu’une série de stratégies nationales. La Russie développe des modèles sous sanctions. La Turquie associe supercalcul public et hyperscaler étranger. Le Kazakhstan achète une capacité nationale et l’entoure de modèles linguistiques. L’Ouzbékistan offre fiscalité et électricité pour attirer les investisseurs.

Toutes ces stratégies parlent de souveraineté. Aucune ne produit ses propres accélérateurs avancés. La région contrôle davantage les données, les clients et les règles qu’elle ne contrôle le matériel.

En Eurasie, la souveraineté de l’IA n’est pas un état d’indépendance. C’est une police d’assurance contre la géopolitique, souscrite auprès de fournisseurs étrangers.

IV. Amérique du Sud : des électrons verts, des nuages étrangers

Le Brésil, marché de taille continentale

L’Amérique du Sud dispose d’un avantage que les brochures d’investissement savent mettre en valeur : de l’électricité renouvelable, de grands espaces et plusieurs métropoles fortement numérisées. Elle souffre d’un défaut tout aussi familier : le capital, le cloud et les puces viennent souvent d’ailleurs.

Le Brésil est le seul pays de la région capable de soutenir à lui seul un marché continental. São Paulo concentre les banques, les sièges d’entreprise, les plateformes numériques et une grande partie des centres de données. Rio de Janeiro, Fortaleza et d’autres villes complètent l’écosystème, notamment grâce aux câbles sous-marins et à la proximité des sources d’énergie.

Les investissements sont considérables. Ascenty exploitait ou construisait des dizaines de centres en Amérique latine sous le contrôle de Brookfield et de l’américain Digital Realty. Equinix continuait d’étendre ses installations à São Paulo et Rio. ODATA avait été acquis par l’américain Aligned. Des opérateurs locaux comme Elea et Tecto annonçaient de nouveaux projets, dont certains atteignant plusieurs centaines de mégawatts. La géographie est brésilienne ; la propriété est souvent internationale. (Reuters)

Cette présence étrangère n’est pas nécessairement défavorable. Elle apporte du capital, des standards techniques, des clients mondiaux et une capacité de construction rapide. Elle peut également transformer le Brésil en simple fournisseur d’électricité, de terrain et d’avantages fiscaux, tandis que les marges les plus élevées restent dans les logiciels et les services cloud.

L’électricité constitue un atout réel. En 2024, 88,2 % de la production électrique brésilienne provenait de sources renouvelables, selon l’organisme public EPE. L’éolien et le solaire représentaient ensemble près d’un quart du mix, tandis que l’hydroélectricité restait fondamentale. Pour un hyperscaler soumis à des objectifs climatiques, un mégawatt brésilien peut être plus facile à présenter comme « vert » qu’un mégawatt alimenté au charbon dans d’autres régions. (epe.gov.br)

Le caractère renouvelable du système ne supprime pas les contraintes. Les centres sont concentrés dans quelques zones où les raccordements deviennent rares. Les sécheresses peuvent affecter l’hydroélectricité. Les nouvelles lignes prennent du temps. Les opérateurs doivent obtenir des contrats stables dans un pays où les conditions réglementaires et fiscales peuvent changer.

La politique publique tente d’élargir la chaîne de valeur. Le plan brésilien pour l’intelligence artificielle prévoit environ 23 milliards de reais sur quatre ans, avec des financements pour l’infrastructure, l’innovation des entreprises, la recherche et un projet de supercalculateur de très haut niveau. Une enveloppe spécifique a aussi été évoquée pour des centres de données plus écologiques. Ces montants représentent des objectifs budgétaires et des programmes, non une capacité déjà installée au 31 mars 2026. (Serviços e Informações do Brasil)

Le Brésil cherche donc à éviter le scénario du « soja numérique » : exporter des électrons et importer des services à forte marge. Pour y parvenir, il doit développer des opérateurs, des modèles, des logiciels et surtout des clients locaux capables de transformer le calcul en productivité.

Le portugais comme marché protégé

Le portugais brésilien fournit une première barrière à l’entrée. Les grands modèles mondiaux le parlent correctement, mais ils restent moins adaptés aux institutions, aux normes juridiques et aux expressions du pays que les modèles spécialisés.

Sabiá-4, présenté dans un rapport technique en mars 2026, illustre cette stratégie. Le modèle a été adapté par un entraînement supplémentaire sur des corpus portugais et brésiliens, notamment juridiques, puis affiné pour différentes tâches. Ses concepteurs mettent en avant son rapport entre performance et coût sur les usages en portugais. Comme tout rapport publié par le développeur, ces affirmations demandent une évaluation indépendante ; elles témoignent néanmoins de la volonté de construire une couche de modèles nationaux au-dessus de l’infrastructure mondiale. (arXiv)

Le marché le plus prometteur n’est probablement pas le chatbot grand public. Les banques brésiliennes, les cabinets juridiques, les services publics, l’agriculture et les grandes entreprises disposent de données, de processus répétitifs et de budgets d’intégration. Un modèle spécialisé dans le droit fiscal, les contrats, le crédit ou la documentation industrielle peut produire davantage de valeur qu’un assistant généraliste.

Le Brésil possède également une importante communauté de logiciels libres et de recherche. Mais le financement privé de l’IA reste faible par rapport à la taille de son économie. Les entreprises prometteuses sont souvent rachetées, se déplacent vers les États-Unis ou utilisent des clouds étrangers pour accélérer leur croissance. La souveraineté exige parfois de conserver la propriété d’une société ; elle exige toujours de lui offrir des clients et du capital.

La diffusion de l’IA générative atteignait environ 17,1 % de la population en âge de travailler au second semestre 2025. Ce résultat plaçait le Brésil derrière l’Uruguay, la Colombie, le Chili et l’Argentine dans l’indicateur de Microsoft, malgré la supériorité de ses infrastructures. Le calcul et l’adoption ne suivent donc pas le même classement. (Microsoft)

Le Chili, laboratoire à ciel sec

Le Chili possède un marché beaucoup plus petit, mais plusieurs qualités appréciées des opérateurs : institutions relativement stables, bonnes connexions internationales, ressources solaires exceptionnelles dans le nord et une politique active de développement numérique. Il souffre également d’une contrainte qui devient centrale pour l’industrie : l’eau.

Amazon Web Services a annoncé un investissement d’environ 4 milliards de dollars pour établir sa première région cloud chilienne. Son ouverture était prévue au second semestre 2026 ; elle ne faisait donc pas partie des capacités opérationnelles au premier trimestre. Le projet devait proposer des services d’IA générative et de cloud, tout en affirmant limiter l’usage annuel du refroidissement par eau. D’autres projets ont dû être revus ou débattus à cause des préoccupations hydriques. (Reuters)

Le Chili montre pourquoi l’électricité renouvelable ne suffit pas. L’énergie solaire peut être abondante loin des grands centres de demande. Il faut la transporter, équilibrer son intermittence et construire des installations adaptées aux conditions locales. Le refroidissement par eau est politiquement sensible dans un pays confronté à la sécheresse. Un centre « vert » selon son contrat électrique peut rester controversé selon son emplacement.

Le gouvernement et les institutions de recherche cherchent donc à combiner l’attraction des hyperscalers avec la création de technologie locale. Le résultat le plus visible est Latam-GPT.

Latam-GPT, la souveraineté par le corpus

Lancé au Chili en février 2026, Latam-GPT est un projet ouvert dirigé par le Centre national chilien pour l’intelligence artificielle, CENIA, et soutenu par plus de 30 institutions dans huit pays. Son équipe a rassemblé plus de huit téraoctets de données afin de mieux représenter les cultures, les institutions et les usages linguistiques de l’Amérique latine. Le modèle fonctionne d’abord en espagnol et en portugais, avec l’ambition d’intégrer par la suite des langues autochtones. (AP News)

Le projet ne cherche pas à concurrencer directement les meilleurs assistants commerciaux. Il fournit une base que des administrations, universités et entreprises peuvent adapter. Sa valeur réside dans le corpus, la coopération régionale, les compétences acquises et la possibilité d’examiner ou de modifier les poids.

Latam-GPT constitue aussi un parfait résumé des limites de la souveraineté régionale. Son financement initial n’était que de 550 000 dollars. Sa première version a été développée sur Amazon Web Services. Les versions suivantes devaient utiliser un supercalculateur de l’Université de Tarapacá coûtant environ 4,5 millions de dollars. Le modèle est latino-américain par ses données, ses objectifs et ses institutions ; son premier calcul a été loué à une entreprise américaine. (AP News)

Il serait facile de tourner ce paradoxe en ridicule. Ce serait une erreur. Les pays n’ont pas besoin de fabriquer chaque transistor pour acquérir une capacité stratégique. Le Japon construit des voitures avec du pétrole importé ; l’Europe fabrique des avions avec des chaînes mondiales. La question est de savoir quelles couches l’Amérique latine choisit de contrôler.

Avec Latam-GPT, elle contrôle une partie des données, des choix linguistiques, du processus d’entraînement et de la licence. Elle ne contrôle pas encore l’ensemble du matériel ni le cloud. Cette autonomie partielle peut néanmoins suffire pour empêcher que les connaissances régionales ne soient entièrement médiatisées par des modèles étrangers.

Le défi suivant sera commercial. Un modèle collectif peut satisfaire les gouvernements et les chercheurs sans trouver de produit rentable. Il lui faut des outils de traduction, des assistants administratifs, des solutions éducatives, des applications de santé ou des services juridiques qui justifient son maintien. Les logiciels ouverts meurent rarement parce que leur code disparaît ; ils meurent parce que personne ne paie les ingénieurs qui continuent à les améliorer.

Une région qui utilise plus qu’elle n’investit

Le contraste sud-américain entre adoption et investissement est frappant. L’indice latino-américain de l’intelligence artificielle, élaboré par la CEPAL et CENIA, classe le Chili, le Brésil et l’Uruguay parmi les pays « pionniers » de la région. Il observe aussi que l’Amérique latine génère une part élevée des visites mondiales vers les solutions d’IA et des téléchargements d’applications génératives, tout en ne recevant qu’environ 1,1 % de l’investissement mondial dans l’IA, alors qu’elle représente une part bien plus grande du PIB mondial. (CEPAL)

L’Uruguay atteignait 22,5 % de diffusion dans la mesure de Microsoft, la Colombie 22 %, le Chili 20,8 %, l’Argentine 19,6 %, le Brésil 17,1 % et le Pérou 14,7 %. Ces taux relativement élevés montrent que l’absence de grandes grappes locales n’empêche pas l’usage de services étrangers. (Microsoft)

L’Uruguay combine une électricité largement renouvelable, des institutions stables et une population instruite, mais son marché est trop petit pour soutenir seul un grand écosystème d’infrastructure. La Colombie possède une économie de services dynamique et un vaste secteur public, mais moins de centres hyperscale que le Brésil ou le Chili. L’Argentine dispose d’excellents chercheurs et développeurs, tout en souffrant d’une instabilité macroéconomique qui renchérit les investissements lourds. Le Pérou reste un marché émergent, davantage tourné vers l’adoption que vers l’entraînement de modèles.

La coopération régionale constitue donc une nécessité économique, pas seulement un idéal politique. Les modèles espagnols peuvent servir plusieurs pays. Les supercalculateurs peuvent être mutualisés. Des règles de données compatibles augmenteraient la taille du marché. Le portugais brésilien exige toutefois ses propres ressources, et les langues autochtones demandent des efforts que le marché privé ne financera probablement pas seul.

Des électrons sans rente ?

L’avantage énergétique de l’Amérique du Sud pourrait attirer davantage de centres à mesure que l’électricité devient la principale contrainte mondiale. Mais les centres de données créent relativement peu d’emplois permanents par rapport aux sommes investies. Leur contribution dépend de ce qui se développe autour d’eux : réseaux, recherche, fournisseurs, ingénieurs, modèles, logiciels et clients.

Un pays qui accorde de l’électricité bon marché et des avantages fiscaux à un hyperscaler peut obtenir des infrastructures et des recettes. Il peut aussi subventionner indirectement les bénéfices d’une entreprise étrangère. Le bon contrat doit donc porter non seulement sur le prix de l’énergie, mais sur l’accès des universités, le développement des compétences, les achats locaux, la transparence environnementale et l’interopérabilité.

Le Brésil est le mieux placé pour imposer ces conditions grâce à la taille de son marché. Le Chili peut négocier grâce à sa stabilité et à son énergie. Les autres pays risquent davantage de devoir accepter les termes des investisseurs.

L’Amérique du Sud possède une partie de l’électricité et une grande partie des données culturelles dont l’IA aura besoin. Elle loue encore une grande partie du nuage qui les transforme en revenus.

V. Quatre routes vers une autonomie incomplète

Au 31 mars 2026, aucune des quatre régions ne possédait toute la chaîne de l’intelligence artificielle. Ce constat n’a rien d’exceptionnel. Les États-Unis eux-mêmes dépendent de la fabrication taïwanaise, des machines lithographiques européennes et de chaînes d’approvisionnement mondiales. La différence tient au nombre de dépendances et à la capacité de les compenser.

L’Inde suit la souveraineté par l’échelle. Elle accepte de dépendre du matériel étranger tout en essayant de contrôler l’accès, les données, les modèles linguistiques et la distribution. Sa stratégie repose sur l’idée qu’un marché immense finit par déplacer une partie de la chaîne de valeur vers son territoire. Elle est la seule région étudiée où des acteurs locaux peuvent simultanément financer des centres, construire des modèles et distribuer des produits à des centaines de millions d’utilisateurs.

L’Afrique suit la souveraineté par la spécialisation. Elle ne peut pas rivaliser en volume de calcul. Elle peut construire des modèles plus petits pour des langues et des usages négligés, tout en concentrant l’infrastructure dans quelques pôles régionaux. Son succès dépendra moins d’une course aux milliards de paramètres que de sa capacité à relier l’IA aux télécommunications, à la finance, à l’agriculture et aux services publics.

L’Eurasie suit la souveraineté par la contrainte. La Russie est poussée vers l’autonomie par les sanctions. La Turquie équilibre partenaires étrangers et capacité publique. Le Kazakhstan achète une grappe nationale pour raccourcir son apprentissage. L’Ouzbékistan utilise la fiscalité et l’énergie pour attirer du capital. La géopolitique y détermine le choix du fournisseur presque autant que le prix ou la performance.

L’Amérique du Sud suit la souveraineté par les électrons et la coopération. Le Brésil attire les centres grâce à son marché et à son mix électrique. Le Chili construit une réputation de laboratoire institutionnel et scientifique. Latam-GPT cherche à créer un bien commun linguistique régional. La faiblesse réside dans l’investissement local et la propriété des opérateurs.

Ces quatre chemins pourraient converger. À mesure que les modèles deviennent plus efficaces, de petites grappes permettront d’effectuer davantage de tâches. L’inférence se rapprochera des utilisateurs. Les gouvernements exigeront la résidence de certaines données. Les langues locales fourniront des marchés protégés. Les entreprises chercheront à réduire leurs factures en utilisant des modèles plus petits, ouverts ou spécialisés.

Cette évolution favorisera les régions étudiées. Elle ne supprimera pas la concentration. Les fabricants de puces, les hyperscalers et quelques laboratoires continueront de capter une part disproportionnée de la valeur. Même lorsque les modèles sont ouverts, les outils, l’hébergement et les canaux commerciaux peuvent rester propriétaires.

La bataille la plus importante ne portera peut-être pas sur le meilleur modèle. Elle portera sur la capacité à changer de modèle. Une banque indienne, un ministère kazakh ou un opérateur africain véritablement autonome doit pouvoir déplacer ses données, remplacer un fournisseur et exécuter un système différent sans reconstruire toute son infrastructure. L’interopérabilité est une forme moins spectaculaire de souveraineté que le supercalculateur national, mais souvent plus utile.

La deuxième bataille concernera l’énergie. Les pays possédant des réseaux fiables, des renouvelables abondantes et des procédures de raccordement prévisibles attireront les centres. Mais l’électricité ne suffit pas. Sans conditions industrielles, elle sera exportée sous forme de calcul de la même manière que les matières premières sont exportées sous forme brute.

La troisième bataille sera celle de la demande publique. Les administrations sont souvent les seuls acheteurs capables de soutenir des modèles dans des langues peu rentables. Elles peuvent financer des jeux de données, imposer des standards ouverts et offrir un premier marché aux entreprises locales. Elles peuvent aussi construire des systèmes coûteux, mal conçus et protégés de la concurrence. Le bon État est un client exigeant, pas un entrepreneur complaisant avec ses propres annonces.

Enfin, la quatrième bataille portera sur les compétences. Installer un accélérateur prend quelques semaines. Former les ingénieurs capables de concevoir un système distribué, d’optimiser un modèle, de sécuriser les données et de transformer un prototype en produit exige des années. Les investissements les plus visibles sont faits de béton et de machines ; les plus décisifs se trouvent dans les universités, les équipes d’exploitation et les entreprises clientes.

La rente et le drapeau

L’histoire économique offre peu d’exemples de pays devenus riches en accueillant seulement les usines les plus consommatrices de ressources d’une industrie qu’ils ne contrôlaient pas. Les centres de données peuvent apporter des investissements, des taxes et une meilleure connectivité. Ils ne garantissent ni une industrie locale ni une souveraineté durable.

Le premier âge de l’IA a récompensé ceux qui possédaient les modèles et les puces. Le suivant pourrait enrichir ceux qui disposent de l’électricité, des centres de données, des corpus linguistiques et des canaux de distribution. Cette évolution donne à l’Inde, à l’Afrique, à l’Eurasie et à l’Amérique du Sud une chance plus crédible qu’auparavant. Elle leur impose aussi de choisir les couches qu’elles veulent réellement contrôler.

L’Inde semble avoir fait ce choix avec le plus de cohérence : elle organise l’accès au calcul, finance les modèles linguistiques et mobilise ses intégrateurs, tout en acceptant pour l’instant sa dépendance aux puces. L’Afrique doit éviter de disperser ses rares capitaux entre des installations nationales trop petites et privilégier des infrastructures régionales assorties de modèles frugaux. L’Eurasie doit distinguer l’autonomie réelle de la simple substitution d’un fournisseur occidental par un fournisseur chinois. L’Amérique du Sud doit utiliser son électricité et son marché pour exiger davantage qu’une rangée de bâtiments appartenant à l’étranger.

La meilleure mesure de leur progrès ne sera donc ni le nombre de GPU annoncé ni la taille du plus grand modèle. Elle sera la part de la dépense d’IA qui reste dans l’économie locale : salaires d’ingénieurs, logiciels, propriété intellectuelle, fournisseurs, énergie, services, bénéfices et impôts.

Un serveur installé sur un territoire y consomme de l’électricité. Un modèle adapté à une langue y crée une compétence. Une entreprise capable de vendre ce modèle y crée une industrie. La distance entre ces trois étapes constitue l’enjeu central de la décennie.

Au 31 mars 2026, le Sud avait commencé à accueillir les machines. Il n’avait pas encore conquis la rente.

Et accueillir les machines des autres, même sous son propre drapeau, n’est pas encore devenir une puissance de l’intelligence artificielle.

Note méthodologique

Les données de pénétration reposent principalement sur l’indicateur de diffusion publié par le Microsoft AI Economy Institute pour le second semestre 2025, dernière comparaison internationale homogène disponible avant le 31 mars 2026. Les capacités de centres de données comprennent généralement des usages non liés à l’IA ; elles ne doivent donc pas être interprétées comme une mesure directe du calcul accéléré. Les projets sont distingués entre capacités actives, installations en construction et annonces. Les chiffres fournis par des gouvernements ou entreprises sont présentés comme tels lorsque leur vérification indépendante demeure limitée.