Géopolitique, réglementation et économie de l’IA en 2026

Résumé exécutif

En 2026, l’intelligence artificielle n’est plus considérée comme une simple famille de technologies numériques. Elle est devenue simultanément une infrastructure économique, un instrument de puissance, un enjeu de sécurité nationale et un objet de réglementation. Les capacités de calcul, les semi-conducteurs avancés, les centres de données, l’énergie, les modèles fondamentaux, les données d’entraînement et les talents spécialisés sont désormais traités comme les composantes d’une même chaîne stratégique.

La gouvernance mondiale de l’IA ne peut cependant pas être résumée à un affrontement entre des États-Unis libéraux, une Europe réglementaire et une Chine autoritaire. Cette présentation demeure utile pour introduire le sujet, mais elle masque une réalité beaucoup plus complexe. Les États-Unis combinent déréglementation, politiques industrielles, contrôles des exportations et exigences de sécurité nationale. L’Union européenne combine désormais protection des droits, simplification administrative et soutien public à l’investissement. La Chine impose des contraintes politiques strictes aux services destinés au public, tout en encourageant le développement industriel et l’ouverture de certains modèles. Le Japon, Singapour et la Corée du Sud élaborent, chacun à leur manière, des compromis entre innovation, contrôle des risques et compétitivité.

La fragmentation réglementaire est réelle. L’Observatoire des politiques d’IA de l’OCDE recense des initiatives émanant de plus de 80 juridictions et organisations, tandis que la CNUCED juge les initiatives internationales très fragmentées et encore dominées par les pays développés. Il serait toutefois excessif d’affirmer que toute gouvernance mondiale a échoué. Des formes partielles de convergence apparaissent autour de la transparence, de la gestion des risques, de la cybersécurité, de l’évaluation des modèles, de la protection des données et de la supervision humaine. (OECD.AI)

L’Union européenne demeure la juridiction ayant adopté le cadre horizontal le plus élaboré. Entré en vigueur le 1er août 2024, le règlement européen sur l’intelligence artificielle, ou AI Act, repose sur une classification des risques. Il interdit certaines pratiques, encadre les systèmes à haut risque et impose des obligations particulières aux fournisseurs de modèles d’IA à usage général. Cependant, le calendrier initial a été modifié en 2026 : les principales obligations relatives aux systèmes à haut risque autonomes ont été reportées au 2 décembre 2027, tandis que les règles concernant les systèmes intégrés à certains produits réglementés ont été repoussées au 2 août 2028. Cette évolution montre que l’Europe cherche désormais à concilier son ambition normative avec les contraintes industrielles et administratives rencontrées lors de la mise en œuvre. (Consilium)

Aux États-Unis, l’Executive Order 14110 adopté sous l’administration Biden a été révoqué en janvier 2025. La nouvelle orientation fédérale est principalement structurée par l’America’s AI Action Plan de juillet 2025. Celui-ci organise la politique américaine autour de trois piliers : accélérer l’innovation, développer les infrastructures nationales et renforcer la diplomatie ainsi que la sécurité internationales. Il ne s’agit donc pas d’un simple laissez-faire. Washington cherche à alléger certaines contraintes intérieures tout en utilisant les marchés publics, l’investissement, les contrôles des exportations et les alliances technologiques pour préserver son avance. (The White House)

La Chine poursuit une stratégie de long terme amorcée par son plan national de 2017. Son objectif officiel était de faire du pays un centre mondial d’innovation en IA à l’horizon 2030. Le cadre chinois associe encouragement de l’industrie, autonomie technologique, surveillance des contenus et protection de la sécurité politique. Les règles de 2023 applicables aux services d’IA générative destinés au public imposent notamment le respect des « valeurs fondamentales du socialisme », la protection des données personnelles, la prévention des discriminations et des obligations de sécurité pour certains services ayant une capacité d’influence sur l’opinion publique. (China Anti-Corruption Website)

L’essor de DeepSeek a également modifié les perceptions occidentales de l’industrie chinoise. Les rapports techniques de DeepSeek-V3 et DeepSeek-R1 revendiquent des performances compétitives sur plusieurs tests et une utilisation relativement efficace des ressources de calcul. Ces déclarations ne permettent cependant pas d’affirmer que les coûts totaux de développement seraient « infiniment » inférieurs à ceux des entreprises occidentales. Elles ne comptabilisent pas nécessairement toutes les dépenses de recherche, les expériences préalables, les infrastructures et les données. De plus, l’expression « modèle à poids ouverts » est souvent plus précise qu’« open source » lorsque les poids sont accessibles, mais que les données et l’ensemble du processus d’entraînement ne le sont pas. (Hugging Face)

Le Canada se trouve dans une position intermédiaire. Il conserve une importante base de recherche et de talents, mais le projet de loi C-27, qui incluait la Loi sur l’intelligence artificielle et les données, n’a pas été adopté avant la fin de la session parlementaire en janvier 2025. Il n’existe donc toujours pas de loi fédérale horizontale équivalente à l’AI Act pour le secteur privé. Il serait néanmoins erroné de parler d’un vide juridique complet : les règles relatives à la protection des renseignements personnels, aux droits de la personne, à la concurrence et aux décisions administratives automatisées restent applicables. En juin 2026, le gouvernement a par ailleurs lancé sa nouvelle stratégie nationale, AI for All, orientée vers les infrastructures, l’adoption économique, la recherche, les compétences, la sécurité et l’utilisation de l’IA dans certains secteurs prioritaires. (Parliament of Canada)

En Asie, les trajectoires divergent fortement. Le Japon conserve une approche favorable à l’innovation, mais il ne repose plus uniquement sur des recommandations volontaires : une loi de 2025 prévoit la création d’une structure stratégique nationale et l’élaboration de plans et de lignes directrices. Singapour approfondit son modèle fondé sur des outils pratiques de gouvernance et de test, notamment AI Verify et, depuis janvier 2026, un cadre spécialement consacré aux systèmes agentiques. La Corée du Sud a franchi un pas supplémentaire avec l’entrée en vigueur de son AI Basic Act le 22 janvier 2026, qui prévoit notamment des obligations de transparence, d’étiquetage et de supervision humaine pour certaines utilisations à fort impact. (Cabinet Office Japan)

Sur le plan économique, les risques ne sont plus seulement hypothétiques. Une enquête EY menée en 2025 auprès de 975 dirigeants d’organisations réalisant plus d’un milliard de dollars de chiffre d’affaires indique que 99 % des répondants avaient constaté des pertes financières associées à des risques liés à l’IA. Parmi les organisations concernées, la perte moyenne estimée était d’environ 4,4 millions de dollars. Ce montant ne doit pas être décrit comme une perte moyenne « par incident ». Les principaux risques cités comprenaient la non-conformité réglementaire, les problèmes de durabilité et les résultats biaisés. (EY)

Le principal défi de 2026 n’est donc ni la réglementation seule, ni l’innovation seule. Il réside dans la capacité des institutions publiques et privées à construire des systèmes qui puissent être évalués, surveillés, corrigés et adaptés à plusieurs contextes juridiques. Les entreprises qui considèrent la gouvernance comme une formalité documentaire s’exposent à des risques juridiques et opérationnels. Celles qui transforment la gouvernance en architecture technique — traçabilité, contrôle des accès, tests, surveillance en production, gestion des incidents et possibilité de désactivation — peuvent au contraire en faire un avantage compétitif.

Enfin, l’intelligence artificielle générale, ou AGI, demeure une hypothèse prospective et non un fait établi. Les dirigeants du secteur ne s’accordent ni sur sa définition ni sur son calendrier. Les appels à un organisme mondial chargé d’évaluer les modèles avancés doivent être pris au sérieux, mais ils ne prouvent pas que l’AGI soit imminente. En juillet 2026, Demis Hassabis a effectivement proposé la création d’un organisme international inspiré de la FINRA américaine pour encadrer les modèles de pointe. Cette proposition illustre la montée des préoccupations relatives aux capacités avancées, sans résoudre les profondes divergences entre États concernant la souveraineté, la sécurité et le partage de l’information. (Financial Times)

Introduction — De l’enthousiasme technologique à la compétition systémique

Le lancement public des grands modèles de langage à partir de 2022 a initialement été interprété comme une nouvelle phase de la transformation numérique. Les débats portaient principalement sur la productivité, la création de contenus, l’automatisation du travail intellectuel et les nouveaux services rendus possibles par les interfaces conversationnelles. En 2026, le centre de gravité s’est déplacé. L’IA est devenue une question d’infrastructures physiques, de sécurité économique, de puissance militaire, de contrôle de l’information et de souveraineté.

Cette transformation s’explique par la nature même des modèles contemporains. Leur développement dépend de ressources très concentrées : semi-conducteurs avancés, chaînes de fabrication complexes, centres de données, réseaux électriques, systèmes de refroidissement, données à grande échelle et équipes capables de mener des entraînements coûteux. Le contrôle de ces ressources donne aux gouvernements et aux entreprises qui les possèdent un pouvoir économique dépassant largement le secteur du logiciel.

La capacité d’un État à produire ou à utiliser des modèles d’IA dépend aussi de relations internationales. Une entreprise peut avoir accès à des chercheurs et à des données, mais rester dépendante de processeurs fabriqués à l’étranger, de machines de lithographie contrôlées par des alliés des États-Unis, d’un fournisseur américain de services infonuagiques ou d’un réseau énergétique insuffisant. Le développement de l’IA révèle ainsi l’interdépendance entre politique industrielle, commerce, diplomatie et défense.

Dans le même temps, les modèles influencent de plus en plus la circulation des connaissances. Un assistant d’IA ne se contente pas de retrouver des documents : il sélectionne, reformule et hiérarchise l’information. Ses réponses sont affectées par ses données d’entraînement, ses instructions, ses mécanismes de filtrage et les lois auxquelles son fournisseur doit se conformer. Cela ne signifie pas que chaque modèle représente mécaniquement l’idéologie d’un État, mais cela signifie qu’aucun modèle à grande échelle n’est entièrement indépendant du contexte institutionnel dans lequel il est développé et exploité.

Le terme « Splinternet de l’IA » permet de décrire la tendance à la différenciation des écosystèmes numériques. Les règles concernant les contenus, les données, les modèles, les puces, les investissements et les infrastructures deviennent de moins en moins homogènes. Cependant, la fragmentation ne produit pas nécessairement des espaces complètement fermés. Des modèles chinois sont utilisés par des entreprises occidentales, des chercheurs européens travaillent avec des fournisseurs américains et des normes techniques internationales restent partagées. Il est donc préférable de parler d’une interdépendance fragmentée plutôt que de blocs totalement étanches. (Open Canada)

Ce rapport adopte quatre distinctions méthodologiques. Premièrement, il différencie les lois en vigueur des projets politiques et des codes volontaires. Deuxièmement, il distingue les données publiées des estimations ou déclarations des entreprises. Troisièmement, il sépare l’analyse géopolitique des faits juridiques. Enfin, il traite les scénarios relatifs à l’AGI comme des hypothèses contestées, et non comme des prévisions certaines.

Cette prudence est indispensable. Une loi adoptée n’est pas toujours pleinement applicable ; un modèle annoncé comme performant ne l’est pas nécessairement dans tous les contextes ; une stratégie nationale ne garantit pas l’existence des capacités industrielles correspondantes. Inversement, l’absence d’une grande loi consacrée à l’IA ne signifie pas qu’aucune règle ne s’applique. Les systèmes d’IA restent soumis au droit du travail, à la protection des données, au droit de la consommation, à la propriété intellectuelle, à la responsabilité civile, aux règles sectorielles et aux exigences de sécurité.

Chapitre 1 — L’Union européenne : la puissance normative confrontée à la mise en œuvre

1.1 Une stratégie fondée sur les droits et la régulation du marché

L’Union européenne a construit sa politique numérique autour d’une idée centrale : les technologies mises sur le marché européen doivent respecter les droits fondamentaux, même lorsqu’elles ont été développées ailleurs. Cette doctrine prolonge les politiques européennes en matière de protection des données, de concurrence, de sécurité des produits et de responsabilité des plateformes.

Le règlement sur l’intelligence artificielle s’inscrit dans cette logique. Son objectif déclaré est de favoriser une IA centrée sur l’humain et digne de confiance, tout en assurant un niveau élevé de protection de la santé, de la sécurité et des droits fondamentaux. Il cherche également à soutenir l’innovation et le fonctionnement du marché intérieur. Présenter l’AI Act comme une législation exclusivement restrictive serait donc incomplet : le texte associe protection, harmonisation économique et encouragement à l’innovation. (EUR-Lex)

L’architecture du règlement repose sur le niveau de risque associé aux usages. Certaines pratiques sont interdites. D’autres, qualifiées de « haut risque », sont autorisées à condition de respecter des obligations relatives à la gestion des risques, à la qualité des données, à la documentation technique, à la tenue de registres, à l’information des utilisateurs, à la supervision humaine, à la robustesse et à la cybersécurité.

Les systèmes à haut risque comprennent notamment certaines applications liées aux infrastructures critiques, à l’éducation, à l’emploi, aux services essentiels, aux forces de l’ordre, à la migration et à l’administration de la justice. La qualification ne dépend toutefois pas seulement du secteur : elle dépend aussi de la fonction exacte du système, de son intégration à un produit réglementé et des exceptions prévues par le texte.

Il est donc incorrect d’affirmer que les entreprises doivent démontrer que leurs systèmes sont entièrement « exempts de biais ». Aucun système statistique complexe ne peut raisonnablement être certifié comme parfaitement neutre dans toutes les situations. Le règlement impose plutôt une gestion des risques prévisibles, une gouvernance adaptée des données et des mesures visant à détecter, réduire et documenter les effets discriminatoires.

1.2 Interdictions et identification biométrique

Les pratiques interdites comprennent notamment certaines formes de manipulation exploitant la vulnérabilité de personnes, certaines pratiques de notation sociale et certains usages de catégories biométriques particulièrement sensibles. Le règlement limite également fortement l’identification biométrique à distance en temps réel dans les espaces accessibles au public à des fins répressives.

Cette dernière interdiction n’est cependant pas absolue. Le texte prévoit des exceptions étroites, soumises à des conditions, à une nécessité démontrée et, dans plusieurs situations, à une autorisation préalable. Elles peuvent notamment concerner la recherche de certaines victimes, la prévention de menaces graves ou la localisation de suspects liés à certaines infractions. Décrire le dispositif comme une interdiction sans aucune exception conduirait donc à une représentation juridiquement inexacte. (EUR-Lex)

Les sanctions maximales demeurent importantes. Pour certaines violations des interdictions, elles peuvent atteindre 35 millions d’euros ou 7 % du chiffre d’affaires annuel mondial de l’exercice précédent, selon le montant le plus élevé. D’autres violations peuvent entraîner des amendes allant jusqu’à 15 millions d’euros ou 3 % du chiffre d’affaires mondial. Le calcul tient compte de plusieurs facteurs, notamment la nature, la gravité et la durée de l’infraction. (EUR-Lex)

Ces plafonds ont un puissant effet symbolique, mais ils ne signifient pas que chaque manquement entraîne automatiquement la sanction maximale. Comme dans d’autres domaines du droit européen, les autorités devront respecter les principes de proportionnalité et apprécier les circonstances de chaque affaire.

1.3 Le changement majeur du calendrier en 2026

Le règlement est entré en vigueur le 1er août 2024 et son calendrier initial prévoyait une application progressive. Les dispositions générales et les interdictions ont commencé à s’appliquer avant l’ensemble des règles relatives aux systèmes à haut risque. Le calendrier initial plaçait une étape majeure au 2 août 2026. (EUR-Lex)

Cette présentation n’est toutefois plus suffisante en juillet 2026. Le 29 juin 2026, le Conseil de l’Union européenne a donné son feu vert final à un texte de simplification et de réorganisation de certaines obligations. Les règles concernant les systèmes à haut risque autonomes ont été reportées au 2 décembre 2027, tandis que les dispositions relatives aux systèmes à haut risque intégrés à des produits réglementés ont été repoussées au 2 août 2028. Le texte prévoit également d’autres ajustements touchant la documentation, la simplification et les échéances de mise en place de certains instruments. (Consilium)

Le report ne signifie pas que l’AI Act a été abandonné. Les interdictions déjà applicables restent pertinentes, de même que les règles relatives à la culture de l’IA, aux modèles à usage général et aux autres obligations entrées en vigueur. En revanche, l’idée selon laquelle toutes les entreprises européennes se trouveraient, en juillet 2026, à quelques semaines de l’application complète du régime des systèmes à haut risque est devenue fausse.

Ce changement révèle une difficulté classique de la réglementation technologique : le législateur peut définir des principes, mais leur application exige des normes techniques, des autorités compétentes, des organismes d’évaluation, des lignes directrices et des compétences professionnelles. Lorsque ces éléments ne sont pas prêts, le risque est de créer une incertitude plutôt qu’une protection effective.

1.4 Le coût réel de la conformité

La conformité à l’AI Act ne se limite pas à la production de documents juridiques. Pour un système à haut risque, une organisation peut devoir retracer les données utilisées, définir les responsabilités internes, documenter les performances, déterminer les limites d’utilisation, mettre en place une surveillance humaine et conserver des registres permettant de reconstruire les décisions.

Ces obligations deviennent particulièrement complexes lorsque le système repose sur un modèle fourni par un tiers. Une banque, un hôpital ou une entreprise de recrutement peut intégrer un modèle développé par une grande plateforme sans avoir accès à toutes les informations relatives à son entraînement. La conformité dépend alors de la qualité des contrats, de la coopération du fournisseur et de la possibilité de tester localement le système.

Le risque de dépendance est donc double. L’entreprise peut dépendre techniquement d’un fournisseur de modèle et juridiquement de sa capacité à fournir les informations nécessaires. Cette situation favorise les grands fournisseurs disposant d’équipes juridiques, d’infrastructures de test et de procédures de certification. Les petites entreprises peuvent rencontrer des coûts proportionnellement plus élevés.

Les bacs à sable réglementaires, les normes harmonisées et les modèles de documentation peuvent réduire ces difficultés. Cependant, leur utilité dépend de la qualité de leur mise en œuvre. Un formulaire standard ne remplace pas une analyse réelle des risques, et une évaluation ponctuelle avant le déploiement ne garantit pas qu’un modèle restera stable après des mises à jour ou des changements de contexte.

1.5 Le dilemme européen de la compétitivité

Le débat européen ne se résume plus à une opposition entre régulation et innovation. Il porte désormais sur la manière de financer les infrastructures, de favoriser l’adoption des technologies et de permettre aux entreprises européennes de se développer à une échelle comparable à celle de leurs concurrentes américaines ou chinoises.

Le rapport Draghi sur la compétitivité européenne a insisté sur le ralentissement de la productivité, le déficit d’investissement, le coût de l’énergie et la difficulté à transformer la recherche européenne en entreprises de grande taille. La Commission a ensuite placé la réduction de l’écart d’innovation et la diminution des dépendances au cœur de sa boussole pour la compétitivité. Elle a également annoncé des investissements dans les infrastructures d’IA, les usines d’IA et les capacités de calcul. (European Commission)

La question stratégique n’est donc pas de choisir entre les droits fondamentaux et la compétitivité. Une économie qui sacrifie durablement la confiance, la sécurité et la protection des citoyens peut subir des coûts considérables. Mais une économie qui impose des obligations sans fournir de capacités de calcul, de capitaux, d’énergie ou de marchés intégrés risque d’acheter ses technologies à l’étranger.

L’Europe cherche ainsi à passer d’une puissance essentiellement normative à une puissance combinant réglementation et politique industrielle. Le report de certaines échéances de l’AI Act illustre cette inflexion. Il ne constitue pas nécessairement un renoncement éthique ; il peut être interprété comme la reconnaissance que la crédibilité d’une règle dépend aussi de sa faisabilité.

1.6 Bilan européen

L’Union européenne demeure un acteur central de la gouvernance mondiale de l’IA. Son marché et son cadre juridique influencent les pratiques des entreprises internationales. Cependant, l’« effet Bruxelles » n’est pas automatique. Il est plus fort lorsque les entreprises préfèrent appliquer un standard élevé à l’ensemble de leurs activités plutôt que de maintenir plusieurs versions de leurs produits.

Dans le domaine de l’IA, cette généralisation peut être plus difficile que dans celui de la protection des données. Les modèles peuvent être configurés différemment selon les régions ; certaines entreprises peuvent limiter leurs services européens ; d’autres peuvent segmenter leurs infrastructures ou s’appuyer sur des modèles locaux.

Le succès européen dépendra donc moins du nombre de pages du règlement que de quatre résultats concrets : la clarté des obligations, la capacité des autorités à les appliquer, l’accès des entreprises aux infrastructures et la création d’un environnement permettant aux innovations européennes de croître.

Chapitre 2 — Les États-Unis : innovation, infrastructure et puissance nationale

2.1 Un modèle dominé par le secteur privé

Le développement américain de l’IA repose en grande partie sur un écosystème privé exceptionnellement puissant. Les grandes entreprises technologiques disposent de capacités de calcul, de capitaux et de réseaux de distribution mondiaux. Les universités, les fonds d’investissement, les marchés publics et les programmes de recherche fédéraux complètent cet écosystème.

L’expression « laissez-faire » ne décrit pourtant qu’une partie de la réalité. Les États-Unis ont longtemps évité une grande loi horizontale comparable à l’AI Act, mais ils réglementent l’IA au moyen de nombreux instruments : droit de la consommation, règles contre la discrimination, droit du travail, protection de la santé, marchés financiers, propriété intellectuelle, normes techniques et marchés publics.

Le système américain est donc moins un espace sans règles qu’un ensemble fragmenté d’autorités sectorielles et territoriales. Une utilisation dans le domaine médical peut relever de la FDA ; une pratique commerciale trompeuse peut relever de la Federal Trade Commission ; une décision d’emploi peut être contestée au titre des lois contre la discrimination.

2.2 La rupture politique de 2025

En octobre 2023, l’administration Biden avait adopté l’Executive Order 14110, qui établissait de nombreuses orientations relatives à la sécurité, aux tests, aux marchés publics et aux risques des modèles avancés. Ce décret a été révoqué en janvier 2025 par la nouvelle administration, qui a considéré que certaines mesures risquaient de faire obstacle à la domination américaine dans le secteur. (The White House)

Cette révocation ne doit pas être interprétée comme la disparition de toute politique fédérale. En juillet 2025, la Maison-Blanche a publié America’s AI Action Plan, organisé autour de trois piliers : accélérer l’innovation, construire des infrastructures américaines et diriger la diplomatie ainsi que la sécurité internationales de l’IA. Le plan aborde également les centres de données, les semi-conducteurs, l’énergie, les évaluations, la cybersécurité, l’adoption gouvernementale et l’exportation de technologies américaines vers les alliés. (The White House)

La doctrine fédérale de 2026 est ainsi fondée sur une asymétrie. À l’intérieur, le gouvernement cherche à alléger certaines règles considérées comme excessives. À l’extérieur, il veut renforcer la capacité de l’État à contrôler la circulation des technologies présentant une importance stratégique.

Cette politique ne correspond donc pas à un marché entièrement libre. Les secteurs considérés comme essentiels à la puissance américaine — puces, centres de données, modèles avancés, défense et cybersécurité — font l’objet d’une intervention publique importante.

2.3 La fragmentation entre les États

L’absence d’une loi fédérale complète laisse une marge considérable aux États. La Californie, le Colorado, l’Illinois, le Texas et d’autres juridictions ont adopté ou envisagé des règles concernant la transparence, les systèmes automatisés d’emploi, les contenus synthétiques, la protection des consommateurs ou les modèles avancés.

La Californie joue un rôle particulier en raison de la concentration de l’industrie technologique sur son territoire. En septembre 2025, le gouverneur a signé le SB 53, qui introduit des obligations de transparence et de sécurité applicables à certains développeurs de modèles avancés. Cette législation illustre la possibilité pour un État de créer des obligations significatives même sans loi fédérale générale. (Governor of California)

La multiplication des régimes étatiques produit des effets contradictoires. Elle permet l’expérimentation réglementaire et offre une protection lorsque le Congrès n’agit pas. Mais elle accroît les coûts pour les entreprises opérant à l’échelle nationale. Une plateforme peut devoir adapter ses procédures à plusieurs définitions, seuils et exigences.

Cette fragmentation constitue aussi une source de conflit politique. Le gouvernement fédéral peut considérer certaines règles étatiques comme des obstacles à l’innovation ou à une politique nationale cohérente. Les États peuvent au contraire estimer qu’ils doivent protéger leurs citoyens en l’absence d’action du Congrès.

2.4 Les semi-conducteurs comme instrument de politique étrangère

Le contrôle des semi-conducteurs avancés est devenu l’un des principaux leviers de la stratégie américaine face à la Chine. Les processeurs nécessaires à l’entraînement et à l’exploitation des grands modèles sont des technologies à double usage. Ils peuvent servir à la recherche médicale, à la production industrielle, à la surveillance, au renseignement ou à des applications militaires.

Les États-Unis utilisent donc des licences d’exportation, des listes d’entités et des restrictions visant certains équipements ou utilisateurs. Ce régime a évolué à plusieurs reprises. En janvier 2026, le Bureau of Industry and Security a notamment précisé que certaines exportations de puces avancées, dont les H200 et des produits comparables, pouvaient faire l’objet d’un examen au cas par cas sous certaines conditions de sécurité. Cela montre que le système n’est ni une interdiction totale ni une ouverture sans contrôle. (Bureau of Industry and Security)

La formule selon laquelle Washington chercherait à « asphyxier » toute capacité chinoise est trop absolue pour une analyse neutre. L’objectif déclaré est plutôt de limiter l’accès à des capacités susceptibles de contribuer aux programmes militaires, au renseignement ou à des applications jugées contraires aux intérêts de sécurité nationale.

Les restrictions produisent néanmoins plusieurs effets indirects. Elles accélèrent les investissements chinois dans des solutions nationales, incitent les entreprises à améliorer l’efficacité de leurs modèles et encouragent la formation de chaînes technologiques parallèles. Elles imposent aussi des coûts aux fournisseurs américains qui perdent certains débouchés.

2.5 La réglementation des modèles de pointe

Le débat américain se déplace progressivement des usages sectoriels vers les capacités des modèles les plus puissants. Les modèles dits « frontier » ou « de pointe » sont généralement définis comme des systèmes situés à la frontière des performances disponibles, mais cette définition change rapidement et reste contestée.

Les propositions de réglementation concernent notamment l’évaluation avant déploiement, la cybersécurité, la protection des poids du modèle, la déclaration des incidents, les tests de capacités dangereuses et la possibilité pour les autorités d’obtenir certaines informations. Des travaux académiques ont proposé des mécanismes combinant normes, enregistrement, obligations de rapport et contrôle de la conformité. (arXiv)

En juillet 2026, Demis Hassabis a publiquement défendu la création d’un organisme international inspiré de la Financial Industry Regulatory Authority afin d’évaluer les modèles avancés et leurs risques pour la sécurité nationale. D’autres dirigeants de grandes entreprises ont également reconnu la nécessité de mécanismes plus structurés pour les systèmes les plus puissants. (Financial Times)

Ces appels ne constituent pas une preuve que l’AGI soit imminente. Ils montrent plutôt que certains responsables de l’industrie anticipent des capacités suffisamment importantes pour justifier une surveillance renforcée. Le risque réside cependant dans la capture réglementaire : les mêmes grandes entreprises qui réclament des règles pourraient favoriser des obligations si coûteuses qu’elles empêcheraient l’entrée de concurrents plus petits.

2.6 Le paradoxe américain

La stratégie américaine cherche simultanément à accélérer le développement et à empêcher que les capacités les plus sensibles ne profitent aux adversaires. Cette combinaison crée un paradoxe. Pour rester en tête, les entreprises doivent diffuser leurs services et attirer des clients mondiaux. Pour protéger la sécurité nationale, l’État peut vouloir limiter certaines exportations et imposer des contrôles.

Les États-Unis souhaitent également promouvoir leurs normes et leurs infrastructures auprès de leurs alliés. Les services infonuagiques, les composants matériels et les modèles américains deviennent ainsi des outils de diplomatie économique. Un allié qui construit son administration ou son industrie autour de ces technologies développe une dépendance durable à l’écosystème américain.

Le modèle américain ne repose donc pas seulement sur l’efficacité du marché. Il repose sur la capacité d’articuler capital privé, infrastructures, recherche, commande publique, alliances et contrôle technologique. Sa principale faiblesse demeure la fragmentation juridique intérieure, qui peut produire de l’incertitude et une protection inégale des citoyens.

Chapitre 3 — La Chine : planification, contrôle politique et efficacité industrielle

3.1 Une stratégie définie dès 2017

La Chine a adopté très tôt une vision stratégique de l’intelligence artificielle. Son Plan de développement de l’intelligence artificielle de nouvelle génération, publié en 2017, définissait des étapes pour 2020, 2025 et 2030. La dernière étape prévoyait que la Chine atteigne un niveau mondial avancé en matière de théorie, de technologie et d’applications, et qu’elle devienne un centre mondial d’innovation en IA. (China Embassy in Finland)

Ce plan associait l’IA à la croissance économique, aux services publics, à la sécurité, à la gouvernance sociale et à l’intégration civilo-militaire. Il prévoyait des investissements dans les talents, les infrastructures, les puces, les plateformes logicielles, les données et les normes.

Cette approche diffère du modèle américain en ce qu’elle attribue à l’État un rôle explicite de planification et de coordination. Elle diffère aussi du modèle européen, car la protection des droits individuels n’en constitue pas la logique dominante. La priorité est l’articulation entre développement économique, stabilité politique et puissance nationale.

3.2 Une réglementation ciblée sur les services publics

La Chine a adopté plusieurs régimes spécifiques avant que de nombreux pays occidentaux ne disposent de règles consacrées à l’IA générative. Les mesures provisoires de 2023 s’appliquent aux services générant du texte, des images, de l’audio ou de la vidéo qui sont proposés au public sur le territoire chinois.

Le texte précise qu’il ne s’applique pas de la même manière aux recherches et utilisations internes qui ne fournissent pas de services au public. Cette distinction est importante : toutes les activités d’IA chinoises ne sont pas soumises à un régime identique. (China Anti-Corruption Website)

Les fournisseurs concernés doivent respecter les lois, protéger les renseignements personnels, utiliser des données d’origine légale, prendre des mesures contre la discrimination et améliorer la transparence ainsi que la fiabilité des contenus. Ils doivent également respecter les « valeurs fondamentales du socialisme » et empêcher la production de certaines informations jugées dangereuses pour la sécurité, l’unité ou l’image de l’État. (China Anti-Corruption Website)

Les services ayant des caractéristiques d’opinion publique ou de mobilisation sociale peuvent être soumis à une évaluation de sécurité et à des obligations de dépôt algorithmique. Il est donc trop général d’affirmer que chaque fournisseur ou chaque modèle doit simplement s’inscrire sur un registre national. Les exigences dépendent du type de service et de sa capacité d’influence. (China Anti-Corruption Website)

3.3 La logique du contrôle politique

Le cadre chinois protège certains intérêts individuels, notamment les renseignements personnels et la propriété intellectuelle, mais sa finalité politique diffère de celle de l’Union européenne. Le contrôle des contenus et la prévention de la subversion occupent une place centrale.

Cette orientation affecte la conception des modèles accessibles au public. Les entreprises doivent intégrer des filtres et des mécanismes de modération conformes aux exigences gouvernementales. Les réponses à des questions sensibles peuvent donc être limitées, redirigées ou reformulées.

Il serait néanmoins simplificateur d’en conclure que les modèles chinois ne produisent que de la propagande. Ils peuvent être très performants en programmation, en mathématiques, en traduction ou dans des applications industrielles. Le biais politique est surtout visible lorsque les demandes concernent des sujets directement liés aux intérêts de l’État, à l’histoire politique ou à la souveraineté territoriale.

La comparaison avec les modèles occidentaux doit aussi rester équilibrée. Les fournisseurs américains et européens appliquent eux aussi des politiques de modération et des contraintes juridiques. La différence porte sur la nature des institutions, la transparence des règles et les possibilités de contestation.

3.4 DeepSeek et la nouvelle perception de l’efficacité chinoise

DeepSeek-V3 et DeepSeek-R1 ont provoqué une réévaluation de la position chinoise. Le rapport technique de DeepSeek-V3 décrit une architecture combinant de très nombreux paramètres avec une activation partielle et revendique environ 2,788 millions d’heures-GPU H800 pour l’entraînement principal. Le rapport présente également des performances compétitives sur plusieurs évaluations. (Hugging Face)

DeepSeek-R1 a ensuite attiré l’attention pour ses capacités de raisonnement et son recours intensif à l’apprentissage par renforcement. Les auteurs revendiquent des résultats comparables à ceux de certains modèles occidentaux de raisonnement sur plusieurs tests. Des versions et poids ont été publiés sous des licences permettant une utilisation et une modification relativement larges. (arXiv)

Il faut toutefois distinguer le coût d’un entraînement particulier du coût total de la capacité technologique. Les chiffres communiqués ne représentent pas nécessairement le prix de l’ensemble des recherches, des échecs expérimentaux, de l’acquisition des données, des infrastructures ou de la rémunération des équipes.

La notion d’« open source » doit aussi être utilisée avec prudence. La publication des poids d’un modèle permet de l’exécuter et parfois de le modifier localement. Elle ne donne pas automatiquement accès aux données, au code complet d’entraînement ou à toutes les décisions de conception. Dans plusieurs cas, « modèle à poids ouverts » constitue donc une description plus précise. (The Verge)

3.5 Les modèles chinois en Europe et dans les économies émergentes

Le rapport entre l’Europe et les modèles chinois est ambivalent. Leur coût d’utilisation et la possibilité de les déployer localement peuvent séduire les entreprises souhaitant réduire leur dépendance à des interfaces américaines propriétaires. Cependant, leur adoption soulève des questions relatives à la protection des données, à la sécurité de la chaîne d’approvisionnement et aux dépendances géopolitiques.

Des analyses de 2026 montrent que les entreprises américaines et européennes s’intéressent de plus en plus à certains modèles chinois, notamment lorsque ceux-ci permettent une exécution locale ou une adaptation à moindre coût. The Economist a également souligné que l’exclusion systématique de toute technologie chinoise pourrait elle-même créer des coûts pour l’Europe, même si leur adoption exige des mesures de sécurité. (Financial Times)

La réponse raisonnable ne consiste ni à accepter aveuglément ces modèles ni à les interdire uniquement en raison de leur origine. Elle consiste à définir des procédures d’évaluation : provenance des poids, tests de cybersécurité, observation des communications réseau, analyse des dépendances logicielles, audit des données envoyées, évaluation des comportements sur les sujets sensibles et possibilité de déploiement isolé.

L’existence théorique de « mécanismes dormants » ne doit pas être présentée comme un fait sans preuve technique. En revanche, le risque de compromission de la chaîne d’approvisionnement existe pour tout logiciel critique, quelle que soit son origine. Il justifie des audits et des mesures de cloisonnement.

3.6 L’IA comme instrument diplomatique

La Chine cherche à fournir des infrastructures numériques, des services infonuagiques, des équipements de télécommunication et des solutions d’IA aux pays d’Afrique, d’Asie, du Moyen-Orient et d’Amérique latine. Cette stratégie peut répondre à une demande réelle de technologies moins coûteuses et de financement.

Elle s’accompagne d’un discours favorable à la souveraineté numérique, selon lequel chaque État doit pouvoir contrôler ses données, ses contenus et son environnement informationnel. Ce principe peut être attractif pour les gouvernements qui rejettent la domination des plateformes occidentales. Il peut également servir à légitimer des formes renforcées de surveillance.

L’expression « système de tribut » est trop chargée pour être utilisée sans attribution précise. Il est plus rigoureux de parler d’une politique d’influence technologique reposant sur les infrastructures, les standards, le financement, la formation et l’accès aux modèles.

La Chine dispose d’un avantage important : elle peut proposer un ensemble intégré comprenant équipements, plateformes, modèles et financement. Cependant, ses partenaires peuvent craindre une nouvelle dépendance, notamment lorsque les systèmes essentiels reposent sur des technologies dont ils ne contrôlent ni la conception ni les mises à jour.

3.7 Bilan chinois

La stratégie chinoise associe quatre dimensions : planification nationale, contrôle politique, développement industriel et diplomatie technologique. Cette combinaison lui permet d’allouer des ressources à long terme et de coordonner plusieurs secteurs.

Ses limites comprennent la dépendance persistante à certaines technologies étrangères, les effets du contrôle politique sur la recherche et l’information, ainsi que la méfiance d’une partie des partenaires internationaux.

La trajectoire de DeepSeek montre néanmoins qu’une restriction d’accès aux puces ne conduit pas automatiquement à l’arrêt de l’innovation. Elle peut encourager l’optimisation des modèles et la recherche d’autres architectures. La compétition ne porte donc pas uniquement sur la quantité de matériel disponible, mais aussi sur l’efficacité avec laquelle il est utilisé.

Chapitre 4 — Le Canada : excellence scientifique, retard législatif et relance stratégique

4.1 Une place historique dans la recherche en IA

Le Canada occupe une place particulière dans l’histoire récente de l’apprentissage profond. Montréal, Toronto et Edmonton ont accueilli des chercheurs et des institutions ayant contribué aux avancées fondamentales du domaine. Les travaux de Yoshua Bengio, Geoffrey Hinton, Richard Sutton et de nombreux autres chercheurs ont renforcé la réputation scientifique du pays.

En 2017, le Canada a lancé l’une des premières stratégies nationales consacrées à l’intelligence artificielle. Cette politique a soutenu des instituts comme Mila, le Vector Institute et Amii, ainsi que la formation, la recherche et les liens entre universités et entreprises.

Le succès scientifique n’a toutefois pas produit un nombre équivalent de grandes entreprises canadiennes contrôlant des plateformes mondiales. De nombreux chercheurs et diplômés travaillent pour des groupes américains ou pour les filiales canadiennes de ces groupes. Le défi canadien consiste donc à conserver les talents, la propriété intellectuelle et les retombées économiques.

4.2 L’échec du projet de loi C-27

Le projet de loi C-27, déposé en 2022, comprenait notamment une nouvelle loi sur la protection de la vie privée dans le secteur privé et la Loi sur l’intelligence artificielle et les données, souvent désignée par les sigles LIAD ou AIDA.

La LIAD devait imposer des obligations relatives à certains systèmes à incidence élevée et interdire certaines pratiques. Cependant, le projet n’a pas terminé son parcours parlementaire avant la fin de la session le 6 janvier 2025. Il n’a donc jamais acquis force de loi. (Parliament of Canada)

Cet échec a laissé le Canada sans cadre fédéral horizontal spécialement consacré à l’IA dans le secteur privé. Il a également créé une incertitude concernant la direction future de la réglementation. Certaines organisations avaient commencé à se préparer à la LIAD, mais les concepts clés et les obligations précises demeuraient débattus.

Le gouvernement avait parallèlement créé un Code de conduite volontaire pour le développement et la gestion responsables des systèmes d’IA générative avancée. Ce code aborde notamment la responsabilité, la sécurité, l’équité, la transparence, la supervision humaine et la robustesse. Son caractère volontaire limite cependant sa force coercitive. (ISED Canada)

4.3 Un déficit de loi horizontale, mais pas un vide juridique

Parler de « vide juridique » est inexact. L’absence de LIAD ne soustrait pas les systèmes d’IA à l’ensemble du droit existant. Les organisations restent soumises aux lois concernant la protection des renseignements personnels, les droits de la personne, la concurrence, la consommation, la propriété intellectuelle, le travail et la responsabilité.

Une entreprise qui utilise un algorithme discriminatoire pour sélectionner des candidats peut être exposée à des recours en vertu des droits de la personne, même s’il n’existe pas de loi générale intitulée « loi sur l’IA ». Un fournisseur qui trompe ses clients sur les capacités de son système peut être soumis aux règles de protection des consommateurs ou de concurrence.

L’administration fédérale est également soumise à la Directive sur la prise de décisions automatisée. Celle-ci repose sur une évaluation de l’incidence algorithmique et adapte les obligations au niveau de risque du système. Elle prévoit notamment des exigences concernant la transparence, l’explication, les essais, la surveillance et l’intervention humaine. (OECD.AI)

Les provinces jouent aussi un rôle. Le Québec dispose d’un régime de protection des renseignements personnels considérablement modernisé par la Loi 25. D’autres règles provinciales peuvent s’appliquer dans les domaines de la santé, du travail ou des services publics. La fragmentation canadienne existe donc à la fois entre les secteurs et entre les ordres de gouvernement.

4.4 La stratégie AI for All de 2026

En juin 2026, le gouvernement canadien a présenté AI for All, une nouvelle stratégie nationale. Celle-ci vise à renforcer la capacité économique et la souveraineté du pays tout en favorisant une utilisation responsable de l’IA. Elle repose sur six piliers couvrant notamment les infrastructures, la recherche, l’adoption, les compétences, la sécurité et la confiance. (ISED Canada)

La stratégie reconnaît que la capacité de calcul souveraine du Canada reste insuffisante et que le pays dépend largement d’infrastructures étrangères. Elle prévoit le développement de ressources nationales, un accès accru pour les chercheurs et les entreprises, ainsi que des initiatives visant les petites et moyennes organisations.

Elle identifie plusieurs secteurs prioritaires dans lesquels le Canada estime disposer d’avantages ou de besoins importants, dont la santé, les ressources, la fabrication et les services publics. Elle prévoit également des investissements dans des missions d’IA et dans le renforcement des capacités de sécurité.

La stratégie formule des objectifs économiques ambitieux. Ces objectifs doivent être compris comme des orientations gouvernementales, non comme des résultats garantis. Leur réalisation dépendra des investissements, du coût de l’énergie, de la disponibilité des infrastructures, de la capacité des entreprises à adopter les technologies et de la cohérence du futur cadre juridique.

4.5 La question de la souveraineté canadienne

La souveraineté en IA ne signifie pas que le Canada doive produire seul chaque puce, chaque modèle et chaque service. Une telle autonomie complète serait irréaliste. Elle signifie plutôt que le pays doit conserver des choix crédibles : capacité de calcul accessible, expertise d’évaluation, données protégées, fournisseurs diversifiés et possibilité d’exécuter certains systèmes critiques dans des environnements contrôlés.

Cette question est particulièrement importante pour les administrations, les hôpitaux, la défense, les infrastructures et les secteurs utilisant des informations sensibles. Une dépendance exclusive à un fournisseur étranger peut créer des risques liés aux prix, aux changements de conditions, à la disponibilité du service et aux lois étrangères.

Le Canada doit également éviter une conception uniquement défensive de la souveraineté. La création d’entreprises, la commercialisation des recherches et l’accès au capital sont indispensables. Sans entreprises capables de se développer, le financement public de la recherche peut indirectement alimenter les écosystèmes étrangers.

4.6 Le dilemme réglementaire

Une réglementation trop lourde peut imposer des coûts disproportionnés aux jeunes entreprises. Une réglementation trop faible peut réduire la confiance, favoriser les abus et rendre plus difficile l’accès aux marchés étrangers.

Le Canada pourrait tirer parti de sa position intermédiaire en développant un cadre compatible avec les principes européens, mais plus adaptable et mieux coordonné avec les États-Unis. Une telle stratégie exigerait des définitions claires, une application graduée selon les risques et un soutien concret aux petites organisations.

La future législation devrait également éviter de réglementer uniquement le développeur du modèle. Les risques peuvent apparaître à plusieurs niveaux : lors de l’entraînement, de l’intégration, du déploiement ou de l’utilisation. La répartition des responsabilités doit correspondre à la capacité réelle de chaque acteur à prévenir le dommage.

4.7 Bilan canadien

Le Canada ne « stagne » pas totalement, mais il a perdu du temps sur le plan législatif. Il dispose d’excellentes capacités scientifiques, d’instituts reconnus et d’une nouvelle stratégie nationale. Il reste cependant dépendant des infrastructures et des capitaux étrangers.

Son succès dépendra de sa capacité à relier cinq éléments : recherche, infrastructures, commercialisation, réglementation et marchés publics. Une stratégie qui n’en traiterait qu’un ou deux ne suffirait pas.

Chapitre 5 — Japon, Singapour et Corée du Sud : trois formes de pragmatisme asiatique

5.1 Les limites de la catégorie « reste de l’Asie »

Il est difficile de présenter l’Asie hors Chine comme un ensemble homogène. Le Japon, Singapour et la Corée du Sud ont des économies, des institutions et des contraintes démographiques très différentes.

Ils partagent toutefois un intérêt pour des cadres permettant l’innovation et l’adoption. Leurs gouvernements accordent généralement une importance considérable à la coopération avec l’industrie, aux normes techniques et aux mécanismes de mise en œuvre progressive.

Qualifier l’ensemble de la région de zone de « déréglementation » serait trompeur. La Corée du Sud a adopté une loi générale, le Japon dispose depuis 2025 d’une loi de promotion et de gouvernance, et Singapour multiplie les cadres pratiques de test et de responsabilité.

5.2 Le Japon : innovation, démographie et coordination nationale

Le Japon fait face à un vieillissement de la population et à une diminution de la main-d’œuvre. L’automatisation, la robotique et l’IA sont donc souvent présentées comme des moyens de préserver la productivité et les services.

L’approche japonaise s’est longtemps appuyée sur des principes, des lignes directrices et la coopération volontaire. Cette tradition demeure importante, mais elle ne suffit plus à décrire le cadre en 2026. Le Japon a adopté en 2025 l’Act on Promotion of Research and Development and Utilization of Artificial Intelligence-related Technology, identifié comme la loi no 53 de 2025. Cette loi prévoit notamment une structure stratégique nationale, un plan de base et l’élaboration de lignes directrices. (Cabinet Office Japan)

La logique japonaise reste principalement promotionnelle. La loi ne reproduit pas le modèle de sanctions et de classification de l’AI Act européen. Elle vise à coordonner l’action gouvernementale, à encourager la recherche et à traiter les risques sans créer un régime excessivement rigide.

Le gouvernement met l’accent sur les données en langue japonaise, les ressources de calcul, l’utilisation de l’IA dans l’administration et le développement de systèmes adaptés à la culture ainsi qu’aux besoins du pays. Ces politiques reflètent une conception de la souveraineté fondée sur la capacité de produire et d’évaluer des outils locaux.

5.3 Le droit d’auteur japonais

Le droit d’auteur japonais est souvent présenté comme particulièrement favorable à l’entraînement des modèles. L’article 30-4 permet certains usages d’œuvres lorsque l’objectif n’est pas de bénéficier de l’expression créative elle-même, notamment dans des activités d’analyse de l’information.

Cette exception n’est toutefois pas une autorisation illimitée. Elle ne s’applique pas lorsque l’usage porte une atteinte injustifiée aux intérêts du titulaire des droits, et l’analyse dépend du contexte. Les autorités japonaises ont publié des explications destinées à clarifier l’interaction entre IA et droit d’auteur. (Bunka)

La formule selon laquelle le Japon autoriserait librement l’entraînement sur toutes les « données publiques » est donc trop large. Une donnée accessible sur Internet n’est pas nécessairement libre de droits, et une exception légale comporte des conditions.

Le débat japonais illustre un problème mondial : les modèles nécessitent de grands ensembles de données, mais les règles de propriété intellectuelle ont été conçues avant l’apparition de ces méthodes. Les gouvernements cherchent à préserver l’innovation sans priver les créateurs de protection ou de rémunération.

5.4 Singapour : transformer les principes en outils

Singapour a choisi une approche orientée vers la mise en œuvre pratique. Plutôt que de commencer par une grande loi générale, ses autorités ont développé des cadres, des guides et des outils de test.

AI Verify constitue l’un des éléments les plus connus de cette stratégie. Il s’agit d’un cadre de test de gouvernance et d’une boîte à outils permettant aux organisations d’évaluer certains aspects de leurs systèmes par rapport à des principes reconnus. (IMDA)

L’objectif n’est pas de délivrer une certification universelle garantissant qu’un système est « éthique ». Il est de rendre les principes plus opérationnels et de permettre la production d’éléments vérifiables concernant les performances, la transparence, la robustesse ou les processus internes.

En janvier 2026, l’IMDA a lancé un nouveau cadre de gouvernance consacré à l’IA agentique. Les agents peuvent réaliser des séquences d’actions, utiliser des outils et interagir avec d’autres systèmes avec un degré d’autonomie supérieur à celui d’un simple assistant conversationnel. Le cadre cherche à guider les entreprises dans le déploiement responsable de ces technologies. (IMDA)

Singapour utilise aussi sa position de centre financier et technologique pour participer à la normalisation internationale. En avril 2026, l’IMDA a annoncé une initiative relative à la normalisation des méthodes de test des systèmes d’IA générative. (IMDA)

La faiblesse potentielle de cette approche est qu’un cadre volontaire dépend fortement de la motivation des organisations et de la pression du marché. Son avantage est sa capacité d’adaptation et sa proximité avec les pratiques techniques.

5.5 La Corée du Sud : une loi générale depuis janvier 2026

La Corée du Sud ne peut plus être décrite uniquement comme un médiateur accueillant des sommets internationaux. Son AI Basic Act est entré en vigueur le 22 janvier 2026.

La loi encadre notamment les systèmes à fort impact dans des domaines tels que la santé, les transports, l’eau, la sécurité nucléaire et certaines décisions financières. Elle prévoit des obligations de supervision humaine et d’information. Les produits ou services utilisant une IA générative ou à fort impact doivent, dans certaines circonstances, être clairement identifiés. (Reuters)

Les contenus synthétiques difficilement distinguables de la réalité sont également concernés par des exigences d’étiquetage. Le défaut de respect de certaines obligations peut entraîner des sanctions administratives, mais les autorités ont annoncé une période de grâce d’au moins un an avant l’imposition de certaines amendes. (Reuters)

Le gouvernement présente la loi comme un compromis entre promotion de l’industrie et confiance. Plusieurs jeunes entreprises craignent néanmoins que des définitions trop vagues ne les conduisent à adopter une approche excessivement prudente.

La Corée du Sud cherche parallèlement à consolider sa position dans les semi-conducteurs, les infrastructures et les applications industrielles. Elle dispose d’un avantage particulier grâce à ses entreprises de mémoire et d’électronique, même si la chaîne des processeurs avancés reste internationale.

5.6 Trois stratégies comparées

Le Japon privilégie la coordination nationale, la promotion de l’innovation et des lignes directrices sectorielles. Singapour privilégie les outils de test, l’expérimentation et l’assurance de l’IA. La Corée du Sud a adopté une loi plus contraignante tout en prévoyant une application progressive.

Ces trois modèles démontrent qu’il existe plusieurs voies entre le laissez-faire et le modèle européen. La différence ne porte pas seulement sur le niveau de contrainte, mais aussi sur l’instrument choisi : loi, guide, outil de test, norme, bac à sable ou marché public.

Leur expérience sera particulièrement importante pour les économies de taille moyenne. Elles doivent attirer les investissements et accéder aux modèles étrangers, tout en protégeant leurs secteurs sensibles et en évitant une dépendance totale.

Chapitre 6 — Les conséquences économiques de la fragmentation réglementaire

6.1 Ce que montre réellement l’enquête EY

L’enquête EY publiée en 2025 offre des informations utiles, mais ses résultats doivent être présentés avec précision. Elle a été réalisée auprès de 975 membres de directions générales dans 21 pays. Les organisations interrogées réalisaient plus d’un milliard de dollars de chiffre d’affaires annuel et les participants avaient des responsabilités liées à l’IA. (EY)

Selon EY, 99 % des répondants ont signalé des pertes financières associées à des risques liés à l’IA. Parmi les organisations touchées, la perte moyenne estimée était d’environ 4,4 millions de dollars. Soixante-quatre pour cent déclaraient des pertes supérieures à un million de dollars. (EY)

La non-conformité réglementaire était citée par 57 % des répondants, les risques liés à la durabilité par 55 % et les résultats biaisés par 53 %. Ces chiffres montrent que les risques de l’IA ne sont pas limités à l’échec technique d’un modèle. Ils comprennent la responsabilité, la réputation, les coûts juridiques, les interruptions opérationnelles et la mauvaise prise de décision. (EY)

Il est toutefois incorrect de parler d’une perte moyenne de 4,4 millions de dollars « par incident ». L’étude présente une estimation moyenne parmi les organisations ayant connu des risques. Elle ne démontre pas qu’un incident individuel coûte ce montant.

L’échantillon ne représente pas non plus toutes les entreprises. Les grandes organisations ont davantage de ressources, mais aussi des déploiements plus nombreux et une exposition financière supérieure. Les petites entreprises peuvent connaître des risques différents et rencontrer plus de difficultés à financer la conformité.

6.2 La réglementation n’est qu’une composante du coût

Les coûts attribués à la gouvernance sont souvent décrits comme un « impôt de conformité ». Cette expression souligne les dépenses nécessaires pour comprendre les lois, documenter les systèmes et répondre aux autorités.

Elle peut toutefois induire en erreur. Une partie des dépenses de gouvernance correspond à des pratiques qui seraient nécessaires même en l’absence de réglementation : cybersécurité, contrôle des accès, qualité des données, surveillance des performances, gestion des fournisseurs et réponse aux incidents.

Une entreprise qui déploie un modèle sans savoir quelles données lui sont envoyées, sans contrôler ses mises à jour et sans pouvoir mesurer ses erreurs prendrait un risque opérationnel même dans un pays sans AI Act.

La réglementation peut augmenter ou accélérer ces coûts, mais elle peut aussi les rendre visibles. Elle force les organisations à formaliser des pratiques qui auraient parfois été négligées.

6.3 La gouvernance organisationnelle

Les entreprises ont créé de nouvelles fonctions : responsables de l’IA, comités de gouvernance, équipes d’assurance, spécialistes de la conformité algorithmique et responsables de la sécurité des modèles.

La nomination d’un Chief AI Officer ne garantit cependant pas une gouvernance efficace. Le titre peut masquer une structure confuse dans laquelle personne ne dispose de l’autorité nécessaire pour suspendre un déploiement risqué.

Une gouvernance crédible doit définir les rôles du conseil d’administration, de la direction, des équipes juridiques, de la cybersécurité, de la protection des données, des responsables métiers et des développeurs. Elle doit aussi préciser qui accepte le risque résiduel.

L’enquête EY établit un lien entre des pratiques avancées de gouvernance, le suivi en temps réel et de meilleurs résultats déclarés en matière de revenus et de réduction des coûts. Cette corrélation ne prouve pas automatiquement la causalité, mais elle suggère que la gouvernance peut soutenir la performance plutôt que simplement la ralentir. (EY)

6.4 La surveillance en production

Un modèle testé avant son déploiement peut se comporter différemment après une mise à jour, un changement de données ou une modification de ses utilisateurs. Les systèmes génératifs sont particulièrement sensibles au contexte et aux instructions.

La surveillance en production doit donc mesurer plusieurs dimensions : erreurs, réponses interdites, hallucinations, dérive, latence, coûts, tentatives d’attaque et changements de comportement.

Les organisations doivent également conserver suffisamment d’informations pour enquêter sur un incident sans stocker inutilement des données sensibles. Ce compromis entre traçabilité et protection de la vie privée doit être conçu dès l’architecture.

Les seuils d’alerte doivent déclencher des actions précises. Une alerte qui ne produit aucune décision est seulement un élément de tableau de bord. Les entreprises doivent prévoir la limitation, le retour à une version antérieure, la désactivation ou la substitution du modèle.

6.5 L’architecture multijuridictionnelle

Une entreprise mondiale peut être soumise à des règles différentes selon l’endroit où elle collecte les données, déploie le système ou fournit le service. Construire un modèle entièrement distinct pour chaque pays serait souvent trop coûteux.

L’architecture la plus réaliste consiste à créer un noyau commun de gouvernance auquel s’ajoutent des modules locaux. Les contrôles de base — sécurité, documentation, inventaire, tests et gestion des incidents — sont appliqués partout. Des exigences supplémentaires sont activées selon la juridiction et le secteur.

La localisation complète n’est pas toujours nécessaire. Une entreprise peut parfois séparer les données, les interfaces, les filtres et les journaux tout en conservant une partie de l’infrastructure commune.

Cependant, certains usages critiques peuvent exiger un hébergement local ou souverain. La décision doit être fondée sur la sensibilité des données, le risque opérationnel et les obligations légales, plutôt que sur une préférence politique générale.

6.6 L’effet sur la concurrence

Les coûts de gouvernance peuvent favoriser les grands fournisseurs. Ceux-ci disposent d’équipes juridiques, de capacités de test et de moyens pour participer à la création des normes.

Les petites entreprises peuvent au contraire rencontrer des difficultés pour produire des rapports complexes ou satisfaire plusieurs régimes. Une réglementation mal calibrée peut donc renforcer la concentration du marché qu’elle cherche parfois à limiter.

Les pouvoirs publics peuvent réduire ce risque en proposant des normes ouvertes, des modèles de documentation, des environnements d’essai et un soutien technique. Les obligations peuvent également être proportionnées à la taille, aux capacités et au niveau de risque.

Il faut néanmoins éviter d’exempter automatiquement les petites entreprises de toutes les responsabilités. Un système dangereux peut causer un dommage même lorsqu’il est développé par une jeune société. La proportionnalité doit concerner les moyens et les procédures, non l’acceptation du dommage.

6.7 Recommandations aux entreprises

La première priorité consiste à établir un inventaire des systèmes d’IA. Une organisation ne peut pas gouverner ce qu’elle ne connaît pas. L’inventaire doit comprendre les outils achetés, les modèles intégrés aux logiciels et les usages informels des employés.

La deuxième priorité est la classification. Chaque système doit être évalué selon son usage, ses données, son autonomie, les personnes affectées et la possibilité de corriger ses décisions.

La troisième est la gestion des fournisseurs. Les contrats doivent prévoir l’accès aux informations nécessaires, la notification des mises à jour, la sécurité, la répartition des responsabilités et les procédures d’incident.

La quatrième est la surveillance continue. L’évaluation avant déploiement reste nécessaire, mais elle doit être complétée par un contrôle en production.

La cinquième est la préparation aux incidents. L’organisation doit savoir qui décide, qui communique, qui enquête et comment le système peut être suspendu.

Chapitre 7 — Le « Splinternet » de l’IA : réalité, risques et limites

7.1 Une fragmentation à plusieurs niveaux

La fragmentation de l’IA ne concerne pas seulement les lois. Elle se produit au niveau des infrastructures, des données, des modèles, des normes, des contenus et des paiements.

Au niveau matériel, les contrôles des exportations et les politiques industrielles créent des chaînes d’approvisionnement différenciées. Au niveau des données, les règles de localisation et de protection peuvent limiter les transferts. Au niveau des contenus, les gouvernements imposent des exigences différentes. Au niveau commercial, les sanctions et les restrictions d’investissement peuvent empêcher certaines collaborations.

Cette fragmentation ne signifie pas la disparition d’Internet mondial. Elle signifie que l’accès aux mêmes services, modèles ou informations dépend de plus en plus de la juridiction, de l’identité de l’utilisateur et de la localisation de l’infrastructure.

Le concept de Splinternet est donc pertinent lorsqu’il décrit une tendance, mais excessif lorsqu’il suggère l’existence de blocs entièrement séparés. La réalité demeure hybride : compétition, interdépendance et circulation sélective. (Open Canada)

7.2 Les modèles comme infrastructures informationnelles

Les grands modèles de langage deviennent des intermédiaires entre les utilisateurs et l’information. Lorsqu’un utilisateur pose une question, le modèle sélectionne implicitement les éléments jugés pertinents et produit une synthèse.

Cette fonction donne aux fournisseurs un pouvoir comparable, dans certains contextes, à celui des moteurs de recherche, des médias ou des systèmes éducatifs. Les différences de comportement entre modèles peuvent donc avoir des effets culturels et politiques.

Les modèles ne sont pas simplement le reflet direct de leurs données. Leur comportement dépend aussi des méthodes d’entraînement, des évaluations, des consignes de sécurité, des filtres et des instructions du fournisseur.

Il serait donc inexact de réduire chaque modèle à la nationalité de son développeur. Une entreprise multinationale peut utiliser des données mondiales, employer des chercheurs de plusieurs pays et adapter son produit à diverses lois. Cependant, elle reste soumise aux institutions de son pays d’origine et aux juridictions où elle opère.

7.3 Le choix d’un modèle comme décision stratégique

Pour une organisation, choisir un modèle ne relève plus uniquement d’une comparaison des performances. Le choix engage la protection des données, la continuité du service, les coûts, la dépendance au fournisseur et la capacité de satisfaire les autorités.

Un modèle propriétaire accessible uniquement par une interface peut offrir de bonnes performances et une maintenance simple, mais créer une dépendance. Un modèle à poids ouverts peut permettre un contrôle local, mais exiger davantage de compétences et d’infrastructures.

L’origine géographique du fournisseur est pertinente, mais elle ne suffit pas. Une organisation doit examiner la juridiction contractuelle, la localisation des données, les sous-traitants, la possibilité d’audit, les mises à jour et les mécanismes de sécurité.

Pour les administrations ou infrastructures critiques, ce choix peut devenir une décision de politique étrangère. Dépendre d’un fournisseur situé dans un pays allié n’élimine pas tous les risques, mais les rend généralement plus compatibles avec les mécanismes diplomatiques et juridiques existants.

7.4 Le débat sur les modèles chinois

Les modèles chinois à poids ouverts représentent à la fois une opportunité économique et un enjeu de sécurité. Ils peuvent réduire les coûts, favoriser le déploiement local et accroître la concurrence face aux grandes plateformes américaines.

Leur utilisation peut cependant introduire des dépendances techniques ou des comportements politiques indésirables. Ces risques doivent être évalués empiriquement. Il faut distinguer le comportement du modèle, la sécurité de son code, les communications avec des serveurs externes et la gouvernance de l’organisation qui le déploie.

Un modèle exécuté entièrement sur une infrastructure isolée ne présente pas les mêmes risques de transfert de données qu’un service hébergé à l’étranger. Inversement, la possibilité de déploiement local ne garantit pas l’absence de vulnérabilités.

L’Europe ne devrait donc ni substituer une dépendance chinoise à une dépendance américaine, ni renoncer à toute technologie utile en raison de son origine. Elle doit développer une capacité indépendante d’évaluation, d’hébergement et de modification. (The Economist)

7.5 La bataille des standards

Les standards techniques constituent un autre terrain de compétition. Celui qui contribue à définir les méthodes de test, les formats de documentation et les critères de sécurité peut influencer les marchés mondiaux.

L’Union européenne cherche à traduire l’AI Act en normes harmonisées. Les États-Unis mettent en avant les travaux du NIST et les pratiques de leurs entreprises. Singapour développe des outils de test et soutient la normalisation internationale. La Chine participe également aux organisations de standardisation.

Les standards peuvent faciliter la convergence, mais ils peuvent aussi devenir des instruments industriels. Une méthode de conformité très coûteuse peut avantager les entreprises déjà équipées. Une norme construite autour d’une architecture particulière peut désavantager les concurrents.

La gouvernance des standards doit donc être transparente et inclure les petites entreprises, les chercheurs, la société civile et les pays moins représentés.

7.6 Les pays du Sud global

La CNUCED souligne que les initiatives internationales sont fragmentées et que de nombreux pays en développement ont une influence limitée sur la direction de l’IA, alors même qu’ils seront affectés par son développement. (UN Trade and Development (UNCTAD))

Ces pays ne sont pas seulement des marchés passifs. Ils peuvent développer des applications adaptées aux langues locales, à l’agriculture, à la santé, à l’éducation et aux services publics.

Cependant, l’accès aux infrastructures, aux données et aux compétences demeure très inégal. Un pays dépendant entièrement de services étrangers peut avoir peu de contrôle sur les coûts, les contenus ou les interruptions.

La compétition entre les États-Unis, la Chine et l’Europe peut créer des possibilités de négociation. Elle peut aussi pousser les États à choisir des technologies incompatibles ou à accepter des conditions défavorables.

Une gouvernance internationale plus inclusive devrait donc porter sur l’accès au calcul, les compétences, les langues peu représentées, le partage des bénéfices et la capacité locale d’évaluation.

7.7 Les limites de la thèse du Splinternet

La thèse d’une division totale sous-estime la force des échanges scientifiques et économiques. Les entreprises cherchent souvent à utiliser les meilleurs composants disponibles, même lorsqu’ils proviennent de plusieurs régions.

Les modèles à poids ouverts traversent les frontières, les publications scientifiques circulent et les développeurs utilisent des bibliothèques communes. Les chaînes matérielles restent également interdépendantes.

Une séparation complète aurait un coût économique élevé. Elle ralentirait la recherche, dupliquerait les infrastructures et limiterait les marchés. Les États cherchent donc généralement une séparation sélective dans les secteurs jugés les plus sensibles.

Le monde de l’IA en 2026 est mieux décrit comme un système d’interdépendances filtrées. Les acteurs continuent de coopérer, mais avec davantage de contrôles, d’exclusions et de préoccupations de sécurité.

Chapitre 8 — Gouvernance internationale, modèles de pointe et hypothèse de l’AGI

8.1 Une gouvernance fragmentée, mais non inexistante

Il n’existe pas de gouvernement mondial de l’intelligence artificielle. Les initiatives sont réparties entre les Nations unies, l’OCDE, le G7, le G20, le Conseil de l’Europe, les organismes de normalisation et de nombreux partenariats régionaux.

L’OCDE maintient des principes et un observatoire des politiques couvrant plus de 80 juridictions et organisations. Son système permet de comparer les initiatives et favorise une compréhension commune de concepts comme la responsabilité, la robustesse et la transparence. (OECD.AI)

La CNUCED considère toutefois que les initiatives demeurent très fragmentées, largement dominées par les économies développées et insuffisamment représentatives des pays en développement. Elle appelle à une approche plus inclusive portant sur les infrastructures, les données et les compétences. (UN Trade and Development (UNCTAD))

Il serait donc excessif de dire que le rêve d’une gouvernance mondiale a définitivement échoué. Il est plus exact d’affirmer qu’aucun cadre unifié et contraignant n’a émergé, tandis que des normes partielles continuent de se développer.

8.2 Les domaines possibles de convergence

Une harmonisation totale des valeurs est improbable. Les États ne s’accordent pas sur la liberté d’expression, la surveillance, le rôle de l’État ou la protection des données.

Une coopération plus limitée reste cependant possible. Elle peut porter sur la sécurité des infrastructures, la lutte contre certaines utilisations criminelles, la notification des incidents, la traçabilité des contenus synthétiques et les méthodes d’évaluation.

Les accidents impliquant des infrastructures critiques peuvent créer un intérêt commun, même entre rivaux. De même, aucun grand État n’a intérêt à ce que des groupes criminels utilisent facilement des modèles pour mener des cyberattaques massives.

La coopération exigera toutefois un niveau de confiance et de partage d’informations difficile à atteindre dans un contexte de compétition militaire et économique.

8.3 Un organisme pour les modèles avancés

La proposition de Demis Hassabis en faveur d’un organisme international inspiré de la FINRA repose sur l’idée qu’une surveillance spécialisée pourrait être plus rapide et plus technique qu’un traité universel.

Un tel organisme pourrait établir des protocoles d’évaluation, accréditer des auditeurs, recueillir les incidents et comparer les mécanismes de sécurité. Il pourrait également offrir un espace de dialogue entre entreprises, chercheurs et gouvernements.

Sa légitimité dépendrait toutefois de sa composition. Un organisme contrôlé par quelques entreprises américaines ne serait probablement pas accepté par la Chine ou par de nombreux pays du Sud global. Une structure purement intergouvernementale pourrait, à l’inverse, manquer d’expertise et de rapidité.

Le financement, la protection des secrets commerciaux et l’accès aux modèles constitueraient également des problèmes. Les entreprises pourraient refuser de fournir leurs poids ou leurs données à une organisation internationale par crainte de fuites.

8.4 Les analogies nucléaires

Les modèles d’IA avancés sont parfois comparés aux technologies nucléaires. L’analogie attire l’attention sur les risques systémiques et sur la nécessité d’une coopération internationale.

Elle comporte néanmoins des limites. Les installations nucléaires, les matières fissiles et les essais peuvent être surveillés par des moyens physiques relativement définis. Les logiciels peuvent être copiés, modifiés et distribués à un coût beaucoup plus faible.

La frontière entre utilisation civile et militaire est également plus diffuse. Le même modèle peut servir à l’éducation, à la programmation, à la recherche scientifique ou à la préparation d’une cyberattaque.

Un traité fondé exactement sur le modèle de la non-prolifération nucléaire serait donc difficile à transposer. Des mécanismes inspirés du contrôle des exportations, de la cybersécurité, de l’aviation et de la finance pourraient être plus pertinents.

8.5 L’incertitude sur l’AGI

L’intelligence artificielle générale ne possède pas de définition universellement acceptée. Certains l’associent à une performance humaine dans la plupart des tâches cognitives ; d’autres à l’autonomie, à la capacité d’apprentissage ou à l’impact économique.

Les calendriers proposés varient considérablement. En janvier 2026, Demis Hassabis estimait que des systèmes de niveau humain pourraient apparaître dans un délai de cinq à dix ans, une prévision plus prudente que celles d’autres dirigeants. Cette estimation reste une opinion prospective. (Reuters)

L’expression « accélération exponentielle vers l’AGI » ne peut donc pas être présentée comme un fait démontré. Les performances progressent rapidement sur plusieurs tests, mais les systèmes conservent des limites de fiabilité, de compréhension contextuelle et de planification.

Les tests eux-mêmes peuvent perdre leur valeur lorsque les modèles ont été entraînés sur des données similaires ou lorsque les développeurs optimisent spécialement leurs systèmes pour les réussir.

L’incertitude ne justifie ni l’inaction ni le catastrophisme. Une politique raisonnable doit se préparer à plusieurs scénarios : progrès graduel, accélération rapide, stagnation partielle ou développement de capacités très inégales.

8.6 Une gouvernance adaptative

Les règles doivent pouvoir évoluer lorsque les capacités changent. Un seuil défini uniquement par la quantité de calcul peut devenir obsolète si les modèles gagnent en efficacité. Un seuil défini uniquement par les performances peut être manipulé par le choix des tests.

Une gouvernance adaptative pourrait combiner plusieurs indicateurs : calcul, nombre d’utilisateurs, autonomie, accès à des outils, capacités cybernétiques, aptitude à produire des informations dangereuses et conséquences économiques.

Elle devrait aussi prévoir la révision des obligations, les mécanismes d’urgence et la possibilité d’exempter la recherche à faible risque.

L’objectif ne devrait pas être de prédire exactement l’arrivée de l’AGI. Il devrait être de construire des institutions capables de réagir avant qu’une capacité nouvelle ne soit déployée à grande échelle sans évaluation suffisante.

Conclusion générale — La souveraineté par la capacité de choisir

En juillet 2026, aucune grande puissance n’a résolu l’équation de la gouvernance de l’intelligence artificielle.

L’Union européenne dispose du cadre juridique le plus développé, mais elle doit encore démontrer qu’elle peut l’appliquer sans affaiblir son potentiel industriel. Le report de certaines obligations à 2027 et 2028 illustre les difficultés de mise en œuvre, mais aussi une volonté de rééquilibrer réglementation et compétitivité.

Les États-Unis dominent plusieurs couches essentielles de l’écosystème : modèles, services infonuagiques, capitaux et conception de processeurs. Leur politique associe déréglementation intérieure, infrastructures, marchés publics, contrôles des exportations et alliances. Leur faiblesse principale demeure la fragmentation entre autorités fédérales et étatiques.

La Chine poursuit une stratégie de planification, d’autonomie et de contrôle politique. Ses entreprises montrent une capacité croissante à produire des modèles efficaces malgré les restrictions matérielles. Son influence internationale progressera si elle peut proposer des solutions accessibles, mais la confiance restera limitée par les préoccupations relatives à la sécurité et au contrôle de l’information.

Le Canada conserve une réputation scientifique exceptionnelle, mais doit transformer cette avance en infrastructures et en entreprises. L’échec de C-27 a retardé la création d’un cadre fédéral horizontal, tandis que la stratégie AI for All cherche à relancer l’ambition industrielle et souveraine.

Le Japon, Singapour et la Corée du Sud montrent que le choix ne se limite pas à l’opposition entre le modèle européen et le modèle américain. Ils expérimentent des combinaisons différentes de lois, de lignes directrices, de tests, de normes et de politiques industrielles.

Pour les entreprises, la fragmentation crée des coûts, mais elle rend aussi la gouvernance indispensable. Les organisations les plus résilientes seront celles qui peuvent changer de modèle, isoler leurs données, documenter leurs décisions, surveiller leurs systèmes et réagir aux incidents.

Pour les États, la souveraineté ne signifie pas l’autarcie. Elle signifie la capacité de choisir ses fournisseurs, de comprendre les systèmes utilisés, de protéger les données essentielles et de continuer à fonctionner lorsqu’une relation commerciale ou politique se détériore.

Enfin, la gouvernance internationale ne doit pas attendre un consensus sur l’AGI. Les États peuvent dès maintenant coopérer sur les évaluations, les incidents, la cybersécurité, les contenus synthétiques et la protection des infrastructures. Une telle coopération ne supprimera pas la compétition géopolitique, mais elle peut réduire la probabilité qu’une course à la puissance conduise à des déploiements irresponsables.

Le véritable enjeu des prochaines années ne sera donc pas seulement de savoir si les systèmes d’IA deviennent plus puissants. Il sera de déterminer si les institutions deviennent suffisamment compétentes, rapides et légitimes pour accompagner cette puissance.

Bibliographie sélective et sources recommandées

Union européenne

Union européenne. Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle. Le texte constitue la source juridique principale pour les catégories de risques, les interdictions, les obligations et les sanctions. (EUR-Lex)

Conseil de l’Union européenne. « Artificial Intelligence: Council gives final green light to simplify and streamline rules », 29 juin 2026. Cette source doit être utilisée pour le nouveau calendrier relatif aux systèmes à haut risque. (Consilium)

Commission européenne. Rapport Draghi sur l’avenir de la compétitivité européenne et documents de suivi. Ces documents replacent la politique de l’IA dans le débat sur l’innovation, l’investissement, les infrastructures et la productivité. (European Commission)

Commission européenne. Boussole pour la compétitivité. Cette source expose les priorités européennes concernant l’écart d’innovation, la dépendance économique et l’adoption de technologies avancées. (European Commission)

États-Unis

Maison-Blanche. America’s AI Action Plan, juillet 2025. Le plan structure la politique fédérale autour de l’innovation, des infrastructures et de la diplomatie ainsi que de la sécurité internationales. (The White House)

Maison-Blanche. Executive Order 14179, « Removing Barriers to American Leadership in Artificial Intelligence », janvier 2025. Cette mesure a révoqué l’Executive Order 14110 et réorienté la politique fédérale. (The White House)

Bureau of Industry and Security. Documentation relative aux licences d’exportation applicables aux processeurs avancés, notamment les modifications annoncées en janvier 2026. (Bureau of Industry and Security)

État de Californie. SB 53 et documentation du gouverneur concernant la transparence et la sécurité de certains modèles avancés. (Governor of California)

Anderljung et al. « Frontier AI Regulation: Managing Emerging Risks to Public Safety ». Cette étude examine les normes, les obligations de déclaration et les mécanismes de conformité applicables aux modèles de pointe. (arXiv)

Chine

Conseil des affaires d’État. Next Generation Artificial Intelligence Development Plan, 2017. Ce document présente les objectifs stratégiques chinois jusqu’en 2030. (China Embassy in Finland)

Cyberspace Administration of China. Mesures provisoires pour la gestion des services d’intelligence artificielle générative, 2023. Il s’agit de la principale source concernant les obligations applicables aux services destinés au public. (China Anti-Corruption Website)

DeepSeek-AI. DeepSeek-V3 Technical Report. Ce rapport présente l’architecture, les ressources de calcul déclarées et les résultats du modèle. (Hugging Face)

DeepSeek-AI. DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning. Le rapport décrit les méthodes de raisonnement et les évaluations revendiquées. (arXiv)

Open Source Initiative. Travaux relatifs à la définition de l’IA open source. Cette référence aide à distinguer modèles à poids ouverts et systèmes entièrement open source. (The Verge)

Canada

Parlement du Canada. Dossier législatif du projet de loi C-27. Cette source confirme que le projet n’a pas achevé son parcours avant la fin de la session parlementaire en janvier 2025. (Parliament of Canada)

Innovation, Sciences et Développement économique Canada. Code de conduite volontaire visant un développement et une gestion responsables des systèmes d’IA générative avancée. (ISED Canada)

Gouvernement du Canada. Canada’s National Artificial Intelligence Strategy: AI for All, juin 2026. Cette stratégie constitue désormais la principale référence pour les ambitions fédérales en matière d’infrastructures, d’adoption et de souveraineté. (ISED Canada)

Secrétariat du Conseil du Trésor. Directive sur la prise de décisions automatisée et Évaluation de l’incidence algorithmique. (OECD.AI)

Japon, Singapour et Corée du Sud

Gouvernement du Japon. Act on Promotion of Research and Development and Utilization of Artificial Intelligence-related Technology, loi no 53 de 2025. (Cabinet Office Japan)

Agence japonaise des affaires culturelles. Documentation concernant l’IA et le droit d’auteur, notamment l’interprétation de l’article 30-4. (Bunka)

IMDA et PDPC, Singapour. AI Verify et cadres de gouvernance destinés à rendre les principes d’IA responsable plus opérationnels. (IMDA)

IMDA. Model AI Governance Framework for Agentic AI, janvier 2026. (IMDA)

Corée du Sud. AI Basic Act, entré en vigueur le 22 janvier 2026, et documentation relative aux systèmes à fort impact, à l’étiquetage et à la supervision humaine. (Reuters)

Économie et gouvernance internationale

EY. Responsible AI Pulse Survey, 2025. L’étude couvre 975 dirigeants de grandes organisations dans 21 pays et fournit des données sur les pertes financières, la conformité et la gouvernance. (EY)

OCDE. OECD.AI Policy Navigator. Cette base permet de suivre les politiques et initiatives de plus de 80 juridictions et organisations. (OECD.AI)

CNUCED. Technology and Innovation Report 2025, chapitre consacré à la collaboration mondiale pour une IA inclusive et équitable. Le rapport analyse la fragmentation de la gouvernance et la faible représentation de nombreux pays en développement. (UN Trade and Development (UNCTAD))

Financial Times. Couverture des propositions de Demis Hassabis en faveur d’un organisme international d’évaluation des modèles avancés, juillet 2026. (Financial Times)

The Economist. Analyses de 2026 sur les risques et les avantages associés à l’utilisation de modèles chinois en Europe. Ces articles doivent être traités comme des analyses éditoriales, et non comme des sources juridiques primaires. (The Economist)

Références