70

CPGNNews Strategic Report SR-001/2026 │Auteur: Yvon Bonhomme │Octobre 2026.

CPGNNews — Independent International Public Interest Media │Research • Investigation • Analysis • Journalism.

Born in the Caribbean, Open to the World!

L’ÈRE DE L’INTELLIGENCE DÉCHAÎNÉE

Une humanité à la croisée des possibles: l’intelligence artificielle, le destin du travail et la nouvelle architecture du pouvoir mondial.

À certains moments de son histoire, l’humanité invente une technologie qui ne se contente pas de transformer ses outils, mais qui bouleverse sa manière de vivre, de travailler, de produire, de communiquer et de comprendre le monde. L’imprimerie a élargi les frontières du savoir. La machine à vapeur a accéléré la transformation industrielle. L’électricité a profondément modifié les sociétés, tandis que l’informatique et Internet ont rapproché les continents, multiplié les échanges et redéfini les rapports entre les individus, les entreprises et les États. Aujourd’hui, une nouvelle rupture se dessine, d’une portée potentiellement plus profonde encore, parce qu’elle touche non seulement les moyens dont dispose l’humanité, mais aussi certaines de ses capacités intellectuelles, ses systèmes de décision et les fondements mêmes de son organisation économique et sociale. Cette rupture porte un nom: l’intelligence artificielle.

Pour la première fois à une telle échelle, des systèmes conçus par l’être humain peuvent désormais analyser des volumes considérables d’informations, produire des textes, des images et des contenus audiovisuels, traduire des langues, assister la recherche scientifique, détecter certaines anomalies, écrire du code, optimiser des processus industriels et contribuer à des décisions autrefois réservées à des professionnels hautement spécialisés. Dans les laboratoires, les hôpitaux, les universités, les administrations, les entreprises, les exploitations agricoles et les foyers, leurs usages se multiplient à une vitesse qui dépasse souvent la capacité des institutions à en comprendre toutes les implications. Ce qui relevait encore récemment de la recherche expérimentale devient progressivement une composante de la vie quotidienne, de la compétition économique et de la stratégie des grandes puissances.

Mais l’importance historique de cette transformation ne réside pas uniquement dans les performances des machines. Elle tient à la redistribution possible des capacités, des richesses et du pouvoir. L’intelligence artificielle peut permettre à une petite entreprise d’accéder à des outils autrefois réservés aux grandes organisations, à un chercheur de franchir plus rapidement certaines étapes de son travail, à un enseignant de diversifier ses méthodes pédagogiques, à un agriculteur d’améliorer la gestion de ses ressources ou à une communauté isolée de bénéficier de services jusque-là difficiles d’accès. Elle peut aussi renforcer les positions des entreprises qui contrôlent les données, les processeurs, les centres de calcul, les plateformes et les capitaux nécessaires à son développement. Elle peut élargir l’accès au savoir tout en concentrant les moyens de le produire et de le distribuer. Elle peut favoriser l’autonomie des individus tout en créant de nouvelles dépendances. Elle peut ouvrir des perspectives inédites aux économies les moins avancées, mais aussi accentuer leur marginalisation si les infrastructures, les compétences et les investissements indispensables leur font défaut.

C’est dans cette contradiction que se trouve l’un des grands enjeux de notre époque. L’intelligence artificielle n’est, par nature, ni une promesse universelle de prospérité ni une menace inévitable pour l’humanité. Ses conséquences dépendront des choix scientifiques, économiques, politiques et éthiques qui orienteront son développement, des institutions chargées de l’encadrer et de la capacité des sociétés à partager les bénéfices de ses progrès. Une technologie capable d’accroître considérablement la productivité ne garantit pas que les travailleurs bénéficieront automatiquement de revenus plus élevés. Une économie capable de produire davantage de richesses ne garantit pas que celles-ci seront distribuées plus équitablement. Une société dotée d’outils d’information plus puissants ne devient pas nécessairement mieux informée. Et un monde technologiquement plus connecté ne devient pas spontanément plus juste, plus pacifique ou plus solidaire.

La question centrale n’est donc pas simplement de savoir jusqu’où les machines pourront progresser. Elle est de déterminer quel avenir les sociétés humaines construiront avec elles, qui disposera du pouvoir de décider, qui bénéficiera des gains de productivité, qui supportera les coûts de la transition et qui risque de rester à l’écart. Derrière chaque modèle informatique, chaque investissement industriel, chaque automatisation et chaque nouvelle application se trouvent des choix qui engagent des intérêts humains. Ils concernent la dignité du travail, la liberté de pensée, l’accès à l’éducation, la protection des données personnelles, la souveraineté des peuples, la responsabilité des institutions et la place que les sociétés souhaitent accorder à la personne humaine dans un environnement de plus en plus automatisé.

Le travail constitue l’un des terrains où ces interrogations deviennent les plus concrètes. Pour des millions de personnes, il représente bien davantage qu’une source de revenu. Il organise le quotidien, contribue à l’identité individuelle, favorise les relations sociales, permet de transmettre des compétences et donne à chacun la possibilité de participer à la vie collective. Dans de nombreuses familles, l’emploi demeure le principal rempart contre la pauvreté et l’un des rares moyens d’accéder à une certaine sécurité matérielle. Dans les économies fragiles, il peut représenter une possibilité de sortir de la précarité; dans les sociétés vieillissantes, il contribue au financement des systèmes sociaux; dans les pays en développement, il constitue un enjeu majeur de stabilité, de cohésion et de confiance dans l’avenir.

Lorsque des systèmes automatisés commencent à accomplir des tâches jusqu’alors réalisées par des humains, la transformation dépasse donc la seule question de l’efficacité. Certaines activités peuvent disparaître, d’autres se réduire, tandis que de nouveaux métiers émergent et que des professions existantes se recomposent. Des travailleurs peuvent être libérés de tâches répétitives ou dangereuses, mais d’autres peuvent perdre une partie de leur autonomie, voir leurs compétences dévalorisées ou devoir se former dans des conditions difficiles. Les effets varieront selon les secteurs, les pays, les niveaux de qualification, les politiques publiques et la capacité des entreprises à accompagner les transitions. Il serait aussi imprudent de prédire la disparition généralisée du travail que de promettre que chaque personne trouvera naturellement sa place dans la nouvelle économie. L’enjeu consiste à comprendre les transformations réelles, à distinguer les possibilités des certitudes et à préparer les sociétés avant que les coûts humains ne deviennent insurmontables.

Cette transition pose également une question de justice entre les générations. Les enfants qui entrent aujourd’hui à l’école exerceront probablement, au cours de leur vie professionnelle, des métiers dont les contours ne sont pas encore entièrement définis. Les étudiants devront apprendre à travailler avec des outils capables de produire rapidement des réponses, sans renoncer à développer leur jugement, leur créativité, leur esprit critique et leur capacité à distinguer une information fiable d’une affirmation trompeuse. Les enseignants devront repenser certaines méthodes d’apprentissage. Les responsables politiques devront anticiper les conséquences sur l’emploi, la fiscalité, la formation et la protection sociale. Les entreprises devront déterminer comment intégrer ces technologies sans considérer les travailleurs comme de simples variables d’ajustement. Quant aux familles, elles devront accompagner des changements qui touchent simultanément l’éducation, les perspectives professionnelles et la manière dont les jeunes se préparent à leur avenir.

Pourtant, aucune de ces questions ne peut être résolue en regardant uniquement les grandes économies industrielles. L’avenir de l’intelligence artificielle se joue aussi dans les pays qui disposent de moyens financiers limités, d’infrastructures numériques incomplètes ou d’un accès insuffisant à une énergie fiable. Il se joue dans les régions rurales où la connectivité reste fragile, dans les écoles qui manquent de matériel, dans les langues qui disposent de peu de ressources numériques, dans les petites entreprises qui ne peuvent financer seules leur transformation et dans les communautés dont les besoins demeurent éloignés des priorités des grands marchés technologiques. Il se joue également dans les sociétés confrontées à la pauvreté, aux catastrophes naturelles, aux crises institutionnelles et aux déplacements de population, pour lesquelles les promesses technologiques ne peuvent devenir réalité sans des investissements fondamentaux dans les services publics et les capacités humaines.

L’Afrique, les Caraïbes, l’Amérique latine, une partie de l’Asie et de nombreuses autres régions disposent pourtant de ressources humaines, de connaissances locales, de capacités entrepreneuriales et de traditions culturelles susceptibles de contribuer à cette transformation. Leur avenir ne doit pas être réduit au rôle de consommateurs de technologies conçues ailleurs, ni à celui de fournisseurs de données, de matières premières ou de main-d’œuvre. Ces sociétés doivent pouvoir participer à la recherche, à la conception des outils, à la définition des normes et à la création de valeur. Elles doivent pouvoir développer des applications adaptées à leurs langues, à leurs économies et à leurs priorités sociales. Elles doivent également disposer des moyens de protéger leurs données, de former leurs populations et de négocier leurs partenariats technologiques sans renoncer à leurs intérêts fondamentaux. La fracture numérique ne se limite plus à la différence entre ceux qui disposent d’une connexion et ceux qui en sont privés. Elle concerne désormais la capacité à produire la technologie, à la comprendre, à l’adapter et à participer aux décisions qui déterminent son utilisation.

La dimension géopolitique de cette révolution est tout aussi décisive. Les États qui contrôlent les infrastructures de calcul, les chaînes d’approvisionnement des semi-conducteurs, les capitaux, les réseaux de télécommunications et les technologies les plus avancées acquièrent des avantages économiques et stratégiques importants. Les rivalités entre grandes puissances ne portent plus seulement sur les territoires, les ressources naturelles ou les capacités militaires traditionnelles. Elles s’étendent à la maîtrise des données, aux standards techniques, à la cybersécurité, aux systèmes satellitaires, à l’énergie et aux conditions d’accès aux infrastructures numériques. Dans cet environnement, la dépendance technologique peut devenir une vulnérabilité économique, un instrument de pression diplomatique ou un facteur de fragilité en période de crise. La souveraineté ne signifie pas nécessairement tout produire soi-même; elle suppose néanmoins de comprendre ses dépendances, de diversifier ses partenaires, de protéger ses intérêts essentiels et de conserver une capacité réelle de décision.

Cette compétition ne se déroule pas dans un espace immatériel. L’intelligence artificielle repose sur des équipements, des mines, des usines, des câbles sous-marins, des centres de données, des réseaux électriques, de l’eau, des terres et des chaînes logistiques mondiales. Les infrastructures qui rendent possibles les services numériques ont une empreinte énergétique et environnementale qu’il serait irresponsable de négliger. À mesure que les besoins de calcul augmentent, les sociétés devront arbitrer entre l’expansion des capacités technologiques, la disponibilité de l’électricité, la gestion des ressources en eau, la réduction des émissions et les autres besoins essentiels des populations. Une innovation ne peut être évaluée uniquement à partir de sa puissance informatique ou de sa rentabilité financière. Elle doit aussi être appréciée au regard de son coût matériel, de ses conséquences sociales et de sa contribution réelle au bien-être humain.

À ces enjeux s’ajoutent les questions de vérité, de confiance et de responsabilité. Les systèmes d’intelligence artificielle peuvent faciliter l’accès à l’information et aider à analyser des sujets complexes. Ils peuvent également produire des erreurs convaincantes, reproduire des biais, amplifier des contenus trompeurs et rendre plus difficile l’identification de l’origine d’un document, d’une image ou d’un enregistrement. Dans un environnement où l’information influence les élections, les marchés, les relations internationales et la perception des conflits, la capacité à vérifier les faits devient une condition essentielle de la liberté collective. La puissance des outils ne dispense pas de la responsabilité de ceux qui les conçoivent, les commercialisent, les utilisent ou en diffusent les résultats. Elle rend au contraire indispensable une culture de la vérification, de la transparence et du discernement.

Il serait néanmoins réducteur de ne voir dans cette révolution qu’une succession de risques. L’intelligence artificielle peut contribuer à accélérer certaines découvertes scientifiques, à améliorer la détection de maladies, à soutenir la recherche de nouveaux matériaux, à optimiser la consommation énergétique, à faciliter l’apprentissage et à renforcer les capacités de prévention face à certaines catastrophes. Elle peut aider des administrations à mieux organiser des services, permettre à des entrepreneurs de tester des idées à moindre coût et offrir à des personnes en situation de handicap de nouvelles possibilités d’accès à l’information et à la communication. Ces perspectives ne sont ni automatiques ni uniformément accessibles. Elles montrent toutefois que la question n’est pas de choisir entre le progrès et son rejet, mais de déterminer les conditions dans lesquelles le progrès devient utile, responsable et partagé.

C’est précisément pourquoi l’intelligence artificielle doit être considérée comme une question de civilisation. Elle interroge le sens que les sociétés donnent au développement, la place qu’elles accordent à la connaissance, leur conception de la justice et leur aptitude à organiser une prospérité qui ne se mesure pas exclusivement à l’accumulation des richesses. Si les gains de productivité permettent de produire davantage avec moins de ressources humaines pour certaines tâches, les sociétés devront décider comment répartir ces gains, comment financer la formation, comment protéger les personnes fragilisées par les transitions et comment reconnaître les contributions qui ne se résument pas à leur rendement économique. Si les machines peuvent accomplir une part croissante du travail intellectuel, la valeur de l’être humain ne saurait être ramenée aux seules tâches qu’il exécute plus rapidement ou moins cher qu’un système automatisé. La dignité humaine ne dépend pas de la compétition avec les machines.

Pourquoi CPGNNews a choisi d’examiner cette transformation

Si CPGNNews a choisi de consacrer une étude approfondie à l’intelligence artificielle, c’est parce que cette transformation se situe au croisement de presque toutes les grandes questions qui déterminent désormais l’avenir des sociétés humaines. Elle touche simultanément l’économie, le travail, l’éducation, la science, la culture, les médias, la gouvernance, la sécurité, les relations internationales et la souveraineté des États. Elle modifie les conditions dans lesquelles la richesse est produite, les connaissances sont acquises, les décisions sont prises et les rapports de force se construisent. Aucun média international qui entend comprendre les mutations de son époque ne peut donc traiter l’intelligence artificielle comme un sujet périphérique ou comme une simple succession d’innovations technologiques. Il doit l’examiner comme une force de transformation dont les conséquences dépassent largement le secteur numérique et concernent, à des degrés différents, l’ensemble de l’humanité.

Pour CPGNNews, ce choix répond également à une responsabilité éditoriale précise: aider le public à comprendre ce qui se joue derrière les annonces spectaculaires, les investissements colossaux et les promesses commerciales. Les performances d’un nouveau modèle, les projets industriels des grandes entreprises et les stratégies technologiques des puissances mondiales ne prennent leur véritable signification que lorsqu’ils sont replacés dans leur contexte économique, social, humain et géopolitique. Qui contrôle les infrastructures indispensables à cette révolution? Qui détient les capacités de recherche et de production? Qui peut financer l’adaptation de son économie? Quelles professions seront transformées, quelles compétences deviendront essentielles et quelles populations risquent de rester à l’écart? Comment les bénéfices de la productivité seront-ils répartis? Quelles garanties permettront de protéger les droits, la dignité et l’autonomie des personnes? Ce sont ces questions, bien davantage que la fascination pour la technologie elle-même, qui justifient une investigation journalistique approfondie.

Cette démarche revêt une importance particulière pour un média né en Haïti, enraciné dans la Caraïbe et ouvert au monde. La région ne peut se permettre de découvrir trop tard les conséquences d’une transformation qui influencera les compétences recherchées, les investissements, les échanges internationaux, les systèmes éducatifs et les perspectives de développement des prochaines décennies. Les pays qui disposent de moyens financiers et d’infrastructures avancées cherchent déjà à renforcer leurs capacités technologiques. Les sociétés dont les ressources sont plus limitées doivent, elles aussi, pouvoir comprendre les choix qui s’offrent à elles, identifier les risques de dépendance et préparer leurs populations aux évolutions à venir. Pour Haïti comme pour les autres sociétés caribéennes, l’enjeu n’est pas de reproduire mécaniquement les modèles des grandes puissances, mais de déterminer comment les nouvelles capacités technologiques pourraient contribuer à l’éducation, à la formation professionnelle, à l’entrepreneuriat, à l’agriculture, à la santé, à la résilience des institutions et à la création de possibilités économiques adaptées aux réalités locales.

La perspective caribéenne ne constitue donc pas une limite géographique à cette étude. Elle en renforce au contraire la portée universelle. Observer l’intelligence artificielle depuis une région exposée aux inégalités de développement, aux vulnérabilités économiques, aux contraintes énergétiques et aux difficultés d’accès aux infrastructures permet de poser une question que les discours centrés sur les grandes puissances laissent parfois dans l’ombre: à quelles conditions cette révolution pourra-t-elle bénéficier à ceux qui ne disposent pas encore des moyens de la diriger? Une innovation ne devient véritablement un progrès partagé que lorsque ses possibilités peuvent être comprises, adaptées et utilisées au-delà des centres qui concentrent les capitaux et les capacités de décision. Le monde ne peut durablement construire son avenir technologique en laissant une partie de l’humanité dans une position de dépendance permanente.

En choisissant ce sujet, CPGNNews entend ainsi remplir sa mission: informer au-delà de l’actualité immédiate, analyser au-delà des annonces et relier les décisions prises dans les principaux centres de pouvoir aux réalités vécues par les populations. Il ne s’agit ni de célébrer sans réserve l’intelligence artificielle ni d’alimenter des craintes disproportionnées. Il s’agit de soumettre ses promesses à l’examen des faits, d’évaluer ses risques avec rigueur, de distinguer les projections des résultats démontrés et de rendre intelligibles les choix qui détermineront son utilisation. L’indépendance éditoriale exige précisément cette distance critique: ne pas confondre innovation et progrès, puissance et justice, croissance et bien-être, ni capacité technique et responsabilité humaine.

Cette étude procède enfin d’une conviction fondamentale: les grandes transformations technologiques ne doivent pas être analysées uniquement à partir de ce que les machines peuvent accomplir, mais aussi à partir de ce que les sociétés décident de préserver, de développer et de partager. CPGNNews considère que le débat sur l’intelligence artificielle concerne chaque peuple, chaque génération et chaque personne, même lorsque ses mécanismes semblent lointains ou difficiles à comprendre. Il concerne le travailleur qui s’interroge sur l’avenir de son métier, l’étudiant qui prépare une carrière encore en mutation, l’enseignant qui adapte ses méthodes, l’entrepreneur qui cherche à innover, le responsable public qui doit prendre des décisions éclairées et le citoyen qui souhaite comprendre les forces qui influencent son avenir.

C’est pourquoi CPGNNews a choisi de consacrer ce rapport à l’ère de l’intelligence artificielle: non pour suivre une tendance, mais pour éclairer une transformation qui engage le destin économique, social et politique de l’humanité. Né dans la Caraïbe, le média assume ici sa vocation internationale en partant d’une conviction simple: comprendre le monde qui vient est une condition indispensable pour que les peuples puissent y prendre leur place, défendre leur dignité et participer aux décisions qui façonneront leur avenir.

Une responsabilité collective devant une puissance nouvelle

Le défi est double. Il faut comprendre, avec rigueur, les mutations technologiques, économiques et géopolitiques en cours, sans céder aux prophéties spectaculaires ni minimiser les transformations déjà observables. Mais il faut aussi poser la question politique et morale qui les traverse toutes: au service de qui cette puissance nouvelle sera-t-elle organisée? Une technologie aussi transversale ne peut être laissée aux seules décisions du marché, pas plus qu’elle ne peut être gouvernée efficacement par la peur, l’improvisation ou des interdictions déconnectées des réalités. Elle appelle une coopération entre les chercheurs, les entreprises, les travailleurs, les éducateurs, les gouvernements, les médias, les organisations de la société civile et les citoyens. Elle exige des institutions capables d’agir à plusieurs échelles, du territoire local aux enceintes internationales, tout en respectant les droits fondamentaux, la diversité des sociétés et la nécessité d’une responsabilité clairement définie.

Ce rapport part de cette conviction: l’avenir de l’intelligence artificielle ne sera pas déterminé uniquement par ceux qui construisent les machines les plus puissantes, mais aussi par la capacité des sociétés à définir des objectifs humains, à partager les connaissances et à empêcher que les avantages de cette révolution ne deviennent le privilège d’une minorité. Il examine les rapports de force qui se dessinent autour des infrastructures et des grandes entreprises, les transformations possibles du travail, les promesses de productivité, les risques de concentration économique, les fractures numériques, les choix de souveraineté et les conditions nécessaires pour que les pays les moins favorisés puissent prendre part à cette nouvelle étape de l’histoire. Il ne s’agit ni de célébrer sans réserve chaque innovation ni d’annoncer un avenir condamné. Il s’agit de comprendre ce qui change, ce qui demeure incertain et ce que les décisions prises aujourd’hui peuvent signifier pour les générations à venir.

Car, derrière les milliards investis, les centres de données, les processeurs, les algorithmes et les rivalités entre puissances, il y a une réalité que le langage de la technologie risque parfois de dissimuler: des êtres humains qui espèrent vivre dignement, apprendre, travailler, protéger leurs proches, participer à la société et transmettre un avenir meilleur à leurs enfants. La question ultime n’est donc pas de savoir si l’intelligence artificielle deviendra plus puissante, mais si l’humanité saura devenir plus responsable à mesure que cette puissance grandit. Le progrès ne mérite pleinement son nom que lorsqu’il élargit les possibilités humaines sans sacrifier la dignité, lorsqu’il crée de la richesse sans abandonner les plus vulnérables et lorsqu’il rapproche les peuples au lieu de transformer leurs différences en nouvelles lignes d’exclusion.

L’enjeu du siècle est là: faire en sorte que l’intelligence artificielle ne soit pas seulement une révolution de la puissance, mais une avancée de la civilisation; non pas une richesse produite par quelques-uns pour quelques-uns, mais une capacité nouvelle mise au service de l’humanité entière. Car la technologie peut redessiner le monde, mais c’est à l’humanité de décider quel monde elle veut habiter.

LES MAÎTRES DE L’INTELLIGENCE ARTIFICIELLE

1. La nouvelle puissance mondiale ne réside plus seulement dans les territoires

L’histoire des grandes puissances a longtemps été racontée à travers la possession des territoires, le contrôle des routes commerciales, l’accès aux ressources naturelles et la supériorité militaire. La révolution industrielle a ajouté la maîtrise des machines, de l’énergie et des capacités de production à cette équation. Le XXe siècle a ensuite consacré l’importance de la recherche scientifique, de l’électronique, de l’aéronautique, des télécommunications et de l’arme nucléaire. Au XXIe siècle, une autre transformation est en cours: la puissance dépend de plus en plus de la capacité à concevoir, entraîner, déployer et contrôler des systèmes d’intelligence artificielle capables d’intervenir dans la production économique, la circulation de l’information, la recherche scientifique, les décisions administratives et les opérations militaires. Cette évolution ne rend pas obsolètes les territoires, les ressources ou les armées. Elle modifie plutôt les conditions dans lesquelles ces instruments traditionnels peuvent être mobilisés.

L’intelligence artificielle ne constitue pas un secteur isolé que l’on pourrait évaluer uniquement en fonction de la qualité d’un logiciel ou des performances d’un modèle conversationnel. Elle forme un système industriel et stratégique qui associe les semi-conducteurs, les centres de données, les infrastructures de calcul, les services infonuagiques, les réseaux de télécommunications, l’électricité, les systèmes de refroidissement, les données, les capitaux et les compétences humaines. À cette architecture matérielle s’ajoutent les modèles mathématiques, les algorithmes, les logiciels spécialisés, les règles de gouvernance et les mécanismes commerciaux qui déterminent qui peut accéder aux capacités disponibles et à quelles conditions. Un pays peut disposer d’excellents chercheurs sans posséder les moyens industriels nécessaires pour produire les puces les plus avancées. Une entreprise peut développer un modèle performant sans maîtriser les centres de données qui l’hébergent. Un gouvernement peut annoncer une stratégie ambitieuse sans disposer du réseau électrique, des ressources financières ou des compétences professionnelles permettant de la concrétiser.

C’est dans cet écart entre la capacité théorique et la maîtrise effective des infrastructures que se dessine une part essentielle de la nouvelle hiérarchie mondiale. La puissance ne consiste plus seulement à inventer une technologie, mais à contrôler suffisamment d’éléments de sa chaîne de valeur pour pouvoir l’utiliser, l’améliorer, la financer et la rendre accessible sans dépendre entièrement de décisions prises ailleurs. L’enjeu concerne aussi la continuité du service: une entreprise ou un État qui dépend d’un fournisseur unique peut découvrir, au moment d’une crise, que son autonomie était davantage contractuelle que réelle. L’intelligence artificielle devient ainsi un révélateur des dépendances économiques et stratégiques qui existaient déjà, tout en en créant de nouvelles.

2. Les États-Unis et l’architecture d’un écosystème dominant

Les États-Unis occupent une position centrale dans l’économie mondiale de l’intelligence artificielle parce qu’ils réunissent plusieurs avantages qui se renforcent mutuellement. Le pays dispose de grandes entreprises technologiques, de marchés financiers capables de soutenir des investissements considérables, d’universités et de laboratoires de recherche de premier plan, d’un marché intérieur important et d’une capacité à attirer des chercheurs et des entrepreneurs venus de nombreux pays. Cette concentration de ressources facilite la création d’un écosystème dans lequel les innovations scientifiques peuvent rapidement devenir des produits commerciaux, puis être intégrées à des services utilisés à l’échelle internationale. La domination américaine ne repose donc pas sur un acteur unique, mais sur l’interconnexion entre les concepteurs de modèles, les fournisseurs de matériel, les opérateurs de centres de données, les développeurs de logiciels, les entreprises de cybersécurité et les réseaux de distribution numérique.

Des entreprises comme Microsoft, OpenAI, Google, Amazon et Meta occupent des positions différentes mais complémentaires dans cette architecture. Microsoft associe les services infonuagiques Azure, les outils professionnels et ses partenariats dans l’intelligence artificielle. OpenAI développe des modèles et des produits destinés aussi bien au grand public qu’aux organisations. Google dispose de capacités de recherche, de ses propres infrastructures de calcul, de services numériques et de ses modèles Gemini. Amazon combine une activité majeure d’hébergement infonuagique avec des investissements dans les puces et les systèmes d’intelligence artificielle. Meta investit dans ses propres modèles et dans des approches ouvertes qui peuvent faciliter l’adoption de certaines technologies par les développeurs. Apple suit une logique différente, davantage centrée sur l’intégration de l’intelligence artificielle dans ses appareils, ses logiciels et ses dispositifs de traitement des données. Ces stratégies ne sont pas identiques, et les entreprises se livrent une concurrence réelle, mais elles illustrent toutes la même réalité: la valeur se construit par la combinaison du logiciel, du matériel, des infrastructures, des données, de la distribution et de la relation avec l’utilisateur.

La coopération entre Microsoft et OpenAI illustre également la manière dont évoluent les rapports de force à l’intérieur de cet écosystème. Un partenariat stratégique peut fournir des capacités de calcul, des financements et des débouchés commerciaux à un laboratoire, tout en créant une dépendance importante envers son partenaire industriel. Les évolutions annoncées en avril 2026 dans leur relation montrent que ces arrangements ne sont pas immuables et que les acteurs cherchent à préserver leurs marges de manœuvre à mesure que leurs activités se développent. L’enjeu dépasse les conditions d’un contrat: il porte sur l’accès aux infrastructures, la propriété intellectuelle, la distribution des produits et la possibilité de travailler avec plusieurs fournisseurs. Dans une industrie où les investissements sont particulièrement élevés, l’autonomie technologique se négocie souvent au sein de partenariats complexes plutôt qu’elle ne se réalise par une indépendance absolue.

La concentration des capacités présente toutefois des limites. Les dépenses nécessaires à l’entraînement des modèles les plus avancés, l’accès aux puces spécialisées et la disponibilité de l’électricité peuvent renforcer les avantages des entreprises déjà bien établies. Les petites entreprises, les universités et les pays disposant de ressources limitées risquent alors de dépendre de services qu’ils ne peuvent ni reproduire ni contrôler entièrement. Les modèles ouverts peuvent réduire certaines barrières d’accès et permettre aux développeurs de modifier des systèmes existants, mais ils ne suppriment pas automatiquement les besoins en puissance de calcul, en compétences, en financement et en infrastructure. Il faut donc distinguer l’ouverture d’un modèle de l’autonomie de l’écosystème qui le rend utilisable.

3. Les semi-conducteurs, fondement matériel de l’intelligence artificielle

Derrière les interfaces accessibles au public se trouve une industrie beaucoup plus complexe, celle des semi-conducteurs. Les processeurs spécialisés dans l’intelligence artificielle permettent d’effectuer à grande vitesse les opérations mathématiques nécessaires à l’entraînement et à l’exécution des modèles. Leur conception, leur fabrication et leur intégration exigent des équipements industriels très coûteux, des matériaux de haute pureté, une expertise scientifique spécialisée et des chaînes d’approvisionnement extrêmement précises. La valeur stratégique des puces ne vient pas uniquement de leur puissance brute, mais aussi de leur efficacité énergétique, de leur capacité à communiquer entre elles, de leur mémoire et de leur aptitude à fonctionner dans des systèmes de grande dimension.

NVIDIA est devenu un acteur central de cet environnement grâce à ses processeurs et à son écosystème logiciel, qui facilitent le développement et l’exécution de nombreuses applications d’intelligence artificielle. D’autres entreprises développent leurs propres puces afin de réduire les coûts, d’améliorer les performances ou de diminuer leur dépendance envers un fournisseur particulier. Amazon, par exemple, investit dans des processeurs conçus pour ses propres infrastructures. Cette diversification ne signifie pas que les obstacles industriels disparaissent: concevoir une puce performante ne garantit pas qu’elle pourra être fabriquée à grande échelle, à un coût compétitif et avec un rendement industriel satisfaisant. Le secteur repose sur une spécialisation internationale où les compétences de conception, les équipements de lithographie, la fabrication avancée et l’assemblage sont répartis entre plusieurs acteurs.

Taïwan occupe une place déterminante dans cette organisation, notamment grâce à Taiwan Semiconductor Manufacturing Company, connue sous le nom de TSMC, qui fabrique des puces avancées pour de nombreux concepteurs internationaux. Cette position fait de l’île un centre industriel essentiel pour l’économie numérique mondiale. Elle rend également la chaîne d’approvisionnement vulnérable à toute crise majeure dans le détroit de Taïwan. Une perturbation durable pourrait affecter les fabricants d’équipements électroniques, les centres de données, les télécommunications, l’automobile et plusieurs secteurs de la défense. Les stocks, les capacités de production situées ailleurs et les stratégies de diversification peuvent atténuer certains risques, mais ils ne permettent pas nécessairement de remplacer rapidement toutes les capacités les plus avancées.

ASML, entreprise néerlandaise spécialisée dans les systèmes de lithographie avancée, occupe pour sa part une position stratégique dans la fabrication des puces les plus sophistiquées. Son rôle montre que la souveraineté technologique ne se réduit pas à la possession d’usines ou à la nationalité des entreprises. Elle dépend d’un ensemble de compétences, d’équipements et de fournisseurs dont aucun acteur ne maîtrise nécessairement l’intégralité. Les États-Unis, l’Europe, Taïwan, la Corée du Sud, le Japon et d’autres économies interviennent dans différentes parties de cette chaîne. Les restrictions à l’exportation, les politiques industrielles et les accords de sécurité sont donc devenus des instruments de la compétition technologique. Ils peuvent protéger certains avantages stratégiques, mais ils peuvent aussi provoquer des coûts économiques, accélérer les stratégies de substitution et fragmenter les marchés.

4. Terafab: la tentative d’intégrer davantage de maillons industriels

Le projet Terafab annoncé en août 2026 par Elon Musk, associé à Tesla et à SpaceX, illustre une ambition particulièrement révélatrice de cette nouvelle compétition. Présenté comme un complexe industriel au Texas, dans le comté de Grimes, le projet vise à réunir plusieurs opérations qui sont généralement réparties entre des entreprises différentes, notamment la fabrication de circuits logiques et de mémoire, l’assemblage, le conditionnement et les tests. Les applications envisagées comprennent les systèmes d’inférence embarqués, les robots Optimus, les véhicules autonomes et certaines infrastructures de calcul associées aux activités spatiales. SpaceX a précisé que la demande combinée de Tesla et de SpaceX en puces et en capacités de calcul pourrait dépasser un térawatt de calcul. Ce chiffre décrit la demande anticipée par les deux entreprises, et non une capacité de production annuelle annoncée pour Terafab. Il s’agit d’une projection formulée par les promoteurs du projet, pas d’une capacité déjà opérationnelle ni d’une production industrielle démontrée.

Le projet répond à une préoccupation stratégique: les entreprises qui souhaitent déployer massivement des robots, des véhicules autonomes et des infrastructures de calcul peuvent considérer que l’accès aux puces constitue un facteur limitant. En investissant dans une capacité industrielle propre, elles chercheraient à mieux coordonner la conception du matériel, les besoins logiciels, les volumes de production et les calendriers de déploiement. Une intégration verticale réussie pourrait leur donner davantage de contrôle sur les coûts et sur la disponibilité des composants. Elle pourrait aussi réduire certaines dépendances envers les fabricants tiers. Mais une telle stratégie exige de résoudre des problèmes industriels considérables: maîtrise des procédés de fabrication, disponibilité des équipements spécialisés, recrutement de compétences rares, rendement des lignes de production, qualité des composants et investissements continus dans les générations technologiques suivantes.

Les précisions rapportées en octobre 2026 indiquent que Tesla et SpaceX entendent construire et exploiter le projet. Elon Musk a également précisé que TSMC pourrait louer une partie des installations, sans pour autant en devenir l’exploitant. Cette distinction est importante, car une annonce industrielle, même accompagnée d’un calendrier et d’investissements initiaux, ne démontre pas encore que les promoteurs maîtriseront les technologies de fabrication les plus avancées à l’échelle visée. L’annonce d’une usine intégrée ne suffit pas à établir que les procédés pourront être exploités immédiatement avec les rendements, les coûts et la qualité nécessaires. L’expérience industrielle, les équipements, les procédés et les rendements se construisent sur la durée. Terafab doit donc être analysé comme une tentative ambitieuse de modifier l’organisation de la production de semi-conducteurs, et non comme la preuve que les contraintes actuelles ont déjà été surmontées.

Le projet met aussi en évidence une évolution plus large du capitalisme technologique. Les grandes entreprises ne veulent plus seulement acheter des composants sur un marché spécialisé; elles cherchent parfois à sécuriser elles-mêmes des capacités industrielles considérées comme essentielles à leur stratégie. Cette tendance peut favoriser l’innovation et la coordination entre matériel et logiciel, mais elle comporte également des risques financiers et opérationnels. Plus l’intégration est profonde, plus l’entreprise doit assumer des responsabilités qui relevaient auparavant de fournisseurs spécialisés. Terafab sera donc jugé moins sur l’ampleur de ses annonces que sur sa capacité à produire des composants fiables, compétitifs et disponibles à une échelle suffisante.

LES MAÎTRES DE L’INTELLIGENCE ARTIFICIELLE

5. La rivalité entre Washington et Pékin et le rôle de Taïwan

La compétition entre les États-Unis et la Chine constitue l’un des principaux axes géopolitiques de l’intelligence artificielle. Elle concerne les modèles, les processeurs, les infrastructures de calcul, les télécommunications, les applications industrielles, les normes techniques et la capacité à attirer les talents. Washington cherche à préserver ses avantages dans plusieurs technologies critiques, tandis que Pékin investit dans le développement de capacités nationales afin de réduire sa dépendance envers les fournisseurs étrangers. La Chine dispose d’un vaste marché intérieur, d’une importante base industrielle, de ressources humaines scientifiques et de grandes entreprises numériques. Elle fait cependant face à des contraintes particulières dans certains segments des semi-conducteurs avancés, notamment en raison des restrictions commerciales et de la difficulté à reproduire rapidement l’ensemble des équipements et procédés les plus sophistiqués.

Il serait pourtant erroné de réduire la stratégie chinoise à une simple tentative d’imitation. Les entreprises et les institutions chinoises développent leurs propres modèles, leurs infrastructures et des applications adaptées à leur environnement économique. Les restrictions américaines peuvent ralentir certaines activités, mais elles encouragent aussi les investissements dans des solutions nationales et dans des chaînes d’approvisionnement alternatives. Le résultat dépendra de la capacité de la Chine à améliorer les performances, les coûts, les rendements industriels et l’accès à l’énergie, mais aussi de l’efficacité de ses politiques de recherche et de formation. De la même manière, les États-Unis ne peuvent considérer leur avance comme définitivement acquise: la concurrence évolue rapidement et les avantages technologiques peuvent se réduire lorsqu’un concurrent trouve des méthodes plus efficaces ou adopte une architecture différente.

Taïwan se situe au cœur de cette équation en raison de son importance industrielle et de sa situation politique. L’île dispose de ses propres institutions et de son propre système de gouvernement, tandis que la République populaire de Chine la revendique et n’a pas renoncé à la possibilité d’utiliser la force. Les États-Unis entretiennent des relations non officielles avec Taïwan et lui apportent un soutien important, notamment dans le domaine de la défense, selon leur cadre juridique et leur politique à l’égard du détroit. Cette configuration produit une situation de dissuasion complexe dans laquelle les décisions militaires, les signaux diplomatiques, les alliances et les calculs économiques interagissent. Une crise ne serait pas uniquement une confrontation régionale: elle pourrait provoquer un choc mondial dans la production électronique, les marchés financiers, le commerce et les infrastructures numériques.

La centralité de Taïwan crée ainsi une contradiction stratégique. Les économies qui dépendent de ses capacités industrielles ont intérêt à préserver la stabilité du détroit, mais les politiques de sécurité et les rivalités de souveraineté peuvent accroître les tensions. La diversification géographique des capacités de fabrication peut réduire certaines vulnérabilités, sans effacer rapidement l’importance de l’écosystème taïwanais. L’enjeu consiste donc à construire des chaînes d’approvisionnement plus résilientes tout en évitant que la compétition technologique ne transforme une dépendance économique partagée en instrument d’escalade politique.

6. Les réseaux satellitaires et la transformation de la guerre

La puissance technologique ne se limite pas aux centres de données terrestres. Elle dépend aussi de la capacité à transmettre des informations, à maintenir les communications dans des environnements dégradés et à relier des régions éloignées. Les constellations de satellites en orbite basse ont modifié les possibilités d’accès à Internet, notamment dans les zones mal desservies par les réseaux traditionnels. Elles peuvent compléter les infrastructures terrestres, accélérer le rétablissement des communications après une catastrophe et fournir une connectivité utile dans les zones rurales ou isolées. Leur importance est devenue particulièrement visible dans les conflits armés, où les réseaux de communication sont des infrastructures essentielles à la coordination des opérations et au fonctionnement des services civils.

En Ukraine, Starlink, le service satellitaire de SpaceX, a joué un rôle important dans le maintien de certaines communications après l’invasion russe à grande échelle. Cette expérience a montré que les infrastructures numériques privées pouvaient acquérir une importance stratégique comparable, dans certaines circonstances, à celle d’équipements traditionnellement contrôlés par les États. Elle a aussi révélé une question institutionnelle majeure: lorsqu’une capacité privée devient indispensable à des opérations militaires ou à la continuité des communications d’un pays, les décisions commerciales et techniques de son opérateur peuvent avoir des conséquences qui dépassent largement ses clients ordinaires. La question ne se limite donc pas aux performances du réseau. Elle concerne les conditions d’accès, les limites d’utilisation, les responsabilités contractuelles, les mécanismes de coordination avec les gouvernements et les solutions de remplacement en cas d’interruption.

La Russie cherche à développer des capacités satellitaires alternatives. Des informations publiées en juin 2026 ont notamment fait état d’un projet russe visant à lancer, en 2027, un service de haut débit par satellite de dimension plus limitée que Starlink. Cette annonce indique une intention stratégique, mais ne démontre pas qu’un réseau équivalent est déjà opérationnel ni qu’il peut fournir une couverture, une capacité et une résilience comparables. La construction d’une constellation exige des satellites, des lancements réguliers, des terminaux, des stations au sol, des moyens financiers et une chaîne industrielle capable de maintenir le système dans la durée. L’efficacité d’un réseau ne se mesure pas seulement au nombre de satellites annoncés, mais aussi à sa disponibilité, à son débit, à sa latence, à sa couverture et à sa résistance aux perturbations.

Les préoccupations européennes rapportées en octobre 2026 au sujet d’activités satellitaires russes à proximité de systèmes commerciaux utilisés par des partenaires occidentaux illustrent également l’importance croissante de la surveillance de l’espace. Ces signalements doivent être attribués aux responsables qui les ont formulés et ne doivent pas être transformés, sans preuve supplémentaire, en constat d’une attaque avérée. Ils témoignent néanmoins de la montée des inquiétudes concernant les satellites commerciaux, la collecte de renseignements et la sécurité des infrastructures orbitales. L’espace devient progressivement un domaine où se croisent les intérêts militaires, les communications civiles, l’observation de la Terre et les activités économiques.

L’enseignement est clair: la souveraineté numérique ne dépend pas seulement de la capacité à stocker des données sur son territoire ou à posséder un réseau terrestre. Elle implique également de comprendre les dépendances envers les infrastructures orbitales, les fournisseurs étrangers et les opérateurs privés. Pour les petits États et les territoires insulaires, les satellites peuvent offrir des possibilités considérables, notamment en matière de connectivité et de résilience après les catastrophes. Mais leur utilisation doit s’inscrire dans une politique de diversification et de continuité des services, plutôt que dans une dépendance exclusive à une infrastructure dont les décisions échappent entièrement aux autorités locales.

7. L’Europe face au défi de la souveraineté technologique

L’Union européenne dispose de ressources scientifiques, industrielles et financières importantes. Elle compte des universités reconnues, des entreprises de haute technologie, des compétences dans les équipements industriels et des institutions capables de soutenir des politiques de recherche à grande échelle. Le rôle d’ASML dans la fabrication des semi-conducteurs avancés démontre que l’Europe peut occuper une position essentielle dans une chaîne technologique mondiale. Des entreprises comme Mistral AI participent également à l’effort visant à développer des modèles et des capacités européennes. Le problème n’est donc pas l’absence de compétences ou de projets, mais la difficulté à transformer ces atouts en un écosystème suffisamment intégré, financé et déployé pour rivaliser à l’échelle mondiale avec les grandes plateformes américaines et les capacités industrielles chinoises.

La souveraineté technologique européenne se heurte à plusieurs contraintes. Les marchés demeurent fragmentés par les langues, les cadres réglementaires, les politiques nationales et les différences de financement. Les entreprises innovantes peuvent rencontrer des difficultés lorsqu’elles cherchent à passer de la recherche au déploiement industriel, puis à la commercialisation mondiale. L’Europe doit aussi concilier ses ambitions numériques avec des coûts énergétiques qui pèsent sur certaines activités industrielles, des besoins considérables en investissements et des arbitrages entre compétitivité, protection sociale et transition climatique. Les débats sur l’immigration, l’identité, le chômage, les services publics et la répartition des coûts de la transition peuvent compliquer la construction d’un consensus politique durable. Il serait toutefois réducteur de présenter ces tensions comme la preuve d’une paralysie totale: les institutions européennes et les États membres continuent de développer des politiques industrielles, des partenariats et des initiatives de sécurité économique, avec des résultats variables selon les domaines.

La question militaire renforce cette complexité. Les pays européens disposent de forces armées, d’industries de défense et de capacités nationales qui ne doivent pas être ignorées. Ils restent néanmoins dépendants des États-Unis pour certaines capacités essentielles de l’architecture de sécurité transatlantique, notamment dans des domaines tels que le renseignement, la surveillance, le transport stratégique, certaines fonctions de commandement et plusieurs systèmes de défense. Cette dépendance ne signifie pas que l’Europe serait dépourvue de moyens, mais qu’elle ne pourrait pas nécessairement remplacer immédiatement toutes les capacités américaines si les conditions politiques ou militaires changeaient profondément. La déclaration du sommet de l’OTAN tenu à Ankara en juillet 2026 souligne précisément l’importance croissante du partage des responsabilités entre les alliés européens, le Canada et les États-Unis, tout en maintenant la logique de l’alliance transatlantique.

Cette situation a des conséquences directes pour l’intelligence artificielle. Les technologies utilisées dans la défense, le renseignement, la cybersécurité et les communications reposent de plus en plus sur les mêmes infrastructures industrielles que celles du secteur civil. La capacité à protéger les données, à maintenir les systèmes en fonctionnement et à développer des solutions adaptées aux besoins militaires devient un élément de souveraineté. L’Europe doit donc articuler plusieurs objectifs: conserver ses partenariats, développer ses propres capacités, éviter les duplications inefficaces et préserver l’accès aux technologies dont elle ne maîtrise pas encore toute la chaîne de production. La souveraineté ne se résume pas à l’autarcie; elle consiste à disposer de choix crédibles, à réduire les dépendances critiques et à pouvoir négocier sans être entièrement exposé aux décisions d’un seul partenaire.

8. Le Moyen-Orient: transformer les ressources financières en puissance technologique

Plusieurs pays du Golfe, notamment les Émirats arabes unis et l’Arabie saoudite, investissent dans les infrastructures numériques, les centres de données, l’intelligence artificielle et les partenariats technologiques internationaux. Leurs ressources financières, leur capacité à mobiliser rapidement des capitaux et leur accès à des ressources énergétiques leur permettent d’envisager des projets de grande ampleur. Ces investissements s’inscrivent dans des stratégies de diversification économique qui cherchent à réduire la dépendance envers les hydrocarbures et à développer des secteurs à plus forte valeur ajoutée. Ils témoignent aussi d’une volonté de faire du numérique un instrument de puissance diplomatique, de modernisation administrative et de développement industriel.

La disponibilité de capitaux et d’énergie ne garantit cependant pas une autonomie technologique complète. Un pays peut financer un centre de données sans maîtriser la fabrication des processeurs qui l’équipent, les logiciels qui l’animent ou les compétences nécessaires à son évolution. Il peut conclure des accords avec de grandes entreprises sans posséder tous les leviers permettant de négocier les conditions d’accès, la localisation des données, les usages autorisés ou la continuité des services. L’enjeu consiste donc à transformer les investissements en compétences nationales, en recherche, en capacités de maintenance, en entreprises locales et en valeur économique durable. La réussite dépendra autant de la qualité de la gouvernance et de la formation que du volume des capitaux mobilisés.

Il faut également éviter de considérer le Moyen-Orient comme un ensemble homogène. Les ressources, les institutions, les priorités économiques, les situations politiques et les capacités scientifiques diffèrent fortement d’un pays à l’autre. Les stratégies d’intelligence artificielle peuvent améliorer certains services publics et soutenir des secteurs industriels, mais elles soulèvent aussi des questions relatives à la surveillance, à la protection des données, à l’emploi et à la répartition des bénéfices. L’expérience du Golfe présente ainsi un intérêt pour les autres économies qui cherchent à accélérer leur transformation numérique: l’investissement est nécessaire, mais sa valeur stratégique dépend de la capacité à l’inscrire dans une politique de développement humain et de maîtrise institutionnelle.

9. Les pays du Sud et les petits États: ne pas confondre accès et souveraineté

Les pays en développement abordent la révolution de l’intelligence artificielle à partir de situations très différentes. Certains possèdent des universités, des entreprises technologiques et des marchés numériques en expansion; d’autres restent confrontés à des déficits importants d’électricité, de connectivité, de financement et de formation. Même lorsque des applications sont accessibles gratuitement ou à faible coût, leur utilisation productive exige des appareils adaptés, une connexion fiable, des compétences numériques et des procédures permettant de vérifier les résultats. Une administration peut utiliser un outil d’intelligence artificielle pour améliorer la rédaction ou le traitement de documents sans disposer pour autant d’une stratégie de gouvernance des données, de sécurité informatique ou de contrôle des décisions automatisées. L’accès à un outil constitue donc une première étape, mais il ne doit pas être confondu avec la capacité de choisir, d’adapter, de contrôler et de maintenir cet outil.

Les besoins des pays du Sud sont pourtant considérables. Dans l’agriculture, l’analyse d’images et de données météorologiques peut aider à détecter certaines maladies, à mieux planifier les cultures ou à améliorer l’utilisation de l’eau. Dans l’éducation, des systèmes d’assistance peuvent compléter le travail des enseignants, faciliter l’apprentissage des langues et offrir des exercices adaptés à différents niveaux. Dans la santé, des outils d’aide à la décision peuvent contribuer au triage ou à l’organisation des informations, à condition de respecter les limites médicales et de conserver une supervision professionnelle. Les administrations peuvent également utiliser ces technologies pour améliorer l’accès à l’information, traduire des documents, détecter des incohérences et accélérer certaines tâches répétitives. Ces possibilités ne remplacent ni les institutions, ni les professionnels, ni les investissements de base; elles peuvent néanmoins renforcer les capacités existantes lorsque leur déploiement répond à un besoin clairement identifié.

Les petits États insulaires en développement sont confrontés à des contraintes supplémentaires. Leur éloignement, leur exposition aux catastrophes naturelles, la taille réduite de leurs marchés et leur dépendance envers des importations essentielles peuvent accroître les coûts des infrastructures numériques. Les ouragans, les inondations, les séismes et les interruptions de réseau peuvent compromettre la continuité des services au moment même où les besoins de communication deviennent les plus urgents. L’intelligence artificielle peut contribuer à la cartographie des risques, à l’analyse des données météorologiques, à la préparation des secours et à la diffusion d’informations utiles, mais son efficacité dépend de la qualité des données, de l’entretien des équipements et de l’existence de protocoles institutionnels éprouvés. Une technologie de pointe ne compense pas une infrastructure fragile; elle doit être intégrée à une politique plus large de résilience.

La souveraineté numérique de ces pays ne doit pas être comprise comme l’obligation de produire eux-mêmes chaque composant technologique. Une telle exigence serait financièrement irréaliste pour beaucoup d’entre eux et pourrait conduire à des duplications inefficaces. Elle suppose plutôt de disposer d’une capacité de choix: comparer les fournisseurs, éviter une dépendance excessive à un seul acteur, protéger les données sensibles, former les utilisateurs, négocier des contrats transparents et conserver des solutions de continuité. La coopération régionale peut jouer un rôle décisif en mutualisant certaines formations, des infrastructures de recherche, des capacités de cybersécurité, des ressources linguistiques et des outils adaptés aux besoins locaux. Pour les petites économies, la mutualisation peut offrir davantage d’autonomie réelle qu’une tentative isolée de reproduire l’ensemble de la chaîne industrielle mondiale.

10. Haïti et la Caraïbe: faire de la technologie un instrument de développement

Haïti et les pays de la Caraïbe ne peuvent se permettre d’aborder l’intelligence artificielle uniquement comme un phénomène extérieur dont ils observeraient les conséquences. La région est confrontée à des difficultés structurelles qui limitent sa capacité à convertir rapidement les innovations en gains de productivité: accès inégal à l’électricité, connectivité parfois coûteuse ou instable, faiblesse de certains services publics, besoins importants en formation, vulnérabilité aux catastrophes et accès limité aux capitaux à long terme. À ces contraintes s’ajoute une difficulté linguistique: les ressources numériques ne reflètent pas toujours suffisamment les réalités, les langues et les contextes sociaux de la région. Ces obstacles sont sérieux, mais ils ne rendent pas l’innovation impossible. Ils indiquent plutôt que les choix technologiques doivent être guidés par des priorités concrètes et par une évaluation réaliste des conditions de mise en œuvre.

Dans le secteur agricole, des outils d’analyse peuvent contribuer à la surveillance des cultures, à la gestion des ressources en eau, à la diffusion de conseils et à l’amélioration de la planification. Dans l’éducation, des applications bien encadrées peuvent soutenir les enseignants, renforcer l’apprentissage du créole, du français, de l’anglais et de l’espagnol, et faciliter l’accès à des ressources pédagogiques. Pour la gestion des risques, l’analyse des données disponibles peut aider à cartographier les zones vulnérables, à organiser les informations relatives aux catastrophes et à améliorer les communications d’urgence. Dans l’administration publique, certains outils peuvent simplifier la recherche documentaire, la traduction, le classement des dossiers et la production de rapports. Toutefois, aucune de ces applications ne saurait remplacer l’investissement dans les écoles, les réseaux électriques, les télécommunications, la formation professionnelle et les institutions responsables de la qualité des services.

La langue constitue un enjeu particulièrement important. Si les outils sont principalement conçus et évalués dans des langues disposant de vastes corpus numériques, les utilisateurs de langues moins représentées peuvent recevoir des résultats de qualité inégale. Le créole haïtien ne doit pas être considéré comme une simple question de traduction: il est au cœur de l’accès à l’information, de l’éducation, de la participation citoyenne et de la capacité des institutions à communiquer avec la population. Développer des ressources linguistiques fiables, des corpus de qualité et des outils adaptés au contexte local peut contribuer à réduire certaines formes d’exclusion numérique. Cette ambition suppose cependant de respecter les droits des personnes dont les données sont utilisées, de vérifier les contenus générés et de ne pas confondre la fluidité d’une réponse avec sa fiabilité.

La Caraïbe peut aussi tirer parti de la coopération régionale et de ses réseaux diasporiques. Les universités, les organisations professionnelles, les médias, les entreprises et les institutions publiques pourraient partager des formations, des ressources linguistiques, des outils de gestion des risques et des méthodes de vérification de l’information. Les pays de la région n’ont pas besoin de reproduire isolément les infrastructures les plus coûteuses pour développer une capacité collective d’utilisation et de gouvernance. Ils doivent plutôt identifier les domaines dans lesquels une action commune produirait des résultats tangibles et renforcerait leur pouvoir de négociation auprès des fournisseurs internationaux.

Dans cet environnement, CPGNNews peut contribuer à la compréhension publique de la transformation technologique en analysant les décisions industrielles, les stratégies des grandes puissances, les conséquences sociales et les possibilités de développement régional. Sa vocation de média international d’intérêt public, né dans la Caraïbe et ouvert au monde, implique de ne pas limiter la couverture aux centres de pouvoir traditionnels. La Caraïbe constitue le point d’origine, pas la limite. Une telle perspective permet d’examiner comment les mutations mondiales se répercutent sur les sociétés insulaires, tout en donnant à ces sociétés une place dans les débats sur les choix technologiques et économiques de demain.

11. L’énergie, l’eau et les limites matérielles de l’expansion numérique

L’expansion de l’intelligence artificielle repose sur des infrastructures physiques dont les coûts deviennent de plus en plus visibles. Les centres de données consomment de l’électricité pour alimenter les serveurs, les systèmes de stockage et les équipements réseau. Ils doivent également évacuer la chaleur produite par les processeurs, ce qui nécessite des systèmes de refroidissement dont les besoins varient selon la conception des installations, le climat et les technologies utilisées. La construction de nouvelles capacités de calcul peut donc exercer une pression sur les réseaux électriques, les ressources en eau et les équipements industriels. L’ampleur de cette pression dépend fortement des usages, de l’efficacité des infrastructures, de la source d’énergie et de la vitesse à laquelle la demande progresse.

Il serait cependant inexact de conclure que toute utilisation de l’intelligence artificielle entraîne automatiquement un gaspillage énergétique supérieur à celui des méthodes traditionnelles. Certaines applications peuvent réduire les déplacements, améliorer la planification industrielle ou optimiser des opérations qui consommaient auparavant davantage de ressources. L’évaluation doit porter sur l’ensemble du cycle de vie, en tenant compte de la fabrication du matériel, de son utilisation, de sa durée de vie et de son remplacement. Il faut aussi considérer l’effet rebond: lorsqu’une technologie devient moins coûteuse ou plus facile à utiliser, la demande peut augmenter suffisamment pour réduire une partie des économies attendues. L’efficacité technique demeure essentielle, mais elle ne garantit pas à elle seule une baisse de la consommation totale.

Les matériaux et les chaînes industrielles soulèvent d’autres questions. Les équipements électroniques mobilisent des métaux, des produits chimiques et des procédés de fabrication exigeants. Leur renouvellement rapide peut accroître les volumes de déchets électroniques et compliquer le recyclage. Les États et les entreprises doivent donc considérer la durabilité des équipements, la réparabilité, la gestion des déchets et la diversification des approvisionnements comme des composantes de leur stratégie numérique. Les pays qui importent la majorité de leur matériel sont particulièrement exposés aux fluctuations de prix, aux interruptions logistiques et aux décisions des fournisseurs.

Pour Haïti et les autres économies vulnérables, ces contraintes imposent de privilégier des solutions proportionnées aux besoins. Il peut être plus pertinent de renforcer la fiabilité de l’électricité, la connectivité des écoles et des centres de formation, ou la sécurité des systèmes administratifs, plutôt que de lancer immédiatement de grands projets de calcul dont les coûts d’exploitation seraient difficiles à soutenir. L’investissement numérique doit être évalué selon ses bénéfices sociaux, sa soutenabilité financière et sa compatibilité avec les infrastructures disponibles. La modernisation ne se mesure pas à la taille des équipements annoncés, mais à la capacité de produire des résultats durables pour la population.

12. Qui contrôlera la valeur créée par l’intelligence artificielle?

La compétition technologique ne concerne pas seulement la création de valeur, mais aussi sa distribution. Si l’intelligence artificielle permet à une entreprise de produire davantage avec moins de ressources, les gains peuvent prendre la forme de bénéfices plus élevés, de prix plus faibles, de nouveaux produits, de salaires améliorés ou de réductions d’effectifs. Rien ne garantit que ces effets se répartiront automatiquement de manière équilibrée. Les entreprises qui contrôlent les infrastructures, les modèles, les données et les canaux de distribution peuvent disposer d’un pouvoir de négociation supérieur à celui des travailleurs, des petites entreprises et des fournisseurs locaux. La question centrale devient alors politique et économique: qui bénéficie des gains de productivité, qui supporte les coûts d’adaptation et quels mécanismes permettent de rendre la transformation acceptable et durable?

Les réponses dépendent des marchés, des institutions et des décisions publiques. Une concurrence effective peut limiter certaines rentes, tandis que l’interopérabilité et les standards ouverts peuvent faciliter le changement de fournisseur et réduire les coûts de dépendance. Des règles de protection des données peuvent limiter les usages abusifs, à condition d’être applicables et proportionnées. La fiscalité, les politiques de formation, le dialogue social et les dispositifs de protection des travailleurs peuvent contribuer à répartir les coûts de transition. Dans les pays où les capacités administratives sont limitées, l’application de telles politiques peut être difficile, ce qui rend d’autant plus nécessaire une gouvernance claire des projets et une coopération entre les institutions publiques, les entreprises et les organisations de la société civile.

L’enjeu concerne aussi les médias et la circulation de l’information. Les systèmes génératifs peuvent aider à rechercher des documents, à comparer des données, à traduire des contenus et à automatiser certaines tâches de production. Ils peuvent également produire des erreurs plausibles, reproduire des biais présents dans leurs données d’entraînement ou faciliter la diffusion de contenus trompeurs. Les organisations qui les utilisent doivent donc maintenir des procédures de vérification, protéger leurs sources et préciser les responsabilités éditoriales. Dans le journalisme d’intérêt public, l’outil peut renforcer le travail d’enquête, mais il ne remplace ni le jugement éditorial, ni la vérification indépendante, ni la responsabilité humaine envers les lecteurs.

La véritable question n’est donc pas de savoir si l’intelligence artificielle sera utilisée, car son adoption est déjà en cours dans de nombreux secteurs. Il faut déterminer dans quelles conditions elle le sera, avec quelles garanties et au bénéfice de qui. Les choix technologiques ont des conséquences sur l’emploi, la concurrence, la souveraineté, les libertés publiques et les possibilités de développement. Une société qui se contente d’adopter des outils sans définir ses priorités risque de voir ses dépendances se renforcer. Une société qui investit dans les compétences, la transparence, les infrastructures et la capacité de négociation peut, au contraire, transformer cette révolution en instrument de progrès.

LES VÉRITÉS DERRIÈRE LES CHIFFRES

13. Mesurer l’exposition ne signifie pas prédire la disparition des emplois

Les débats sur l’intelligence artificielle et le travail sont souvent dominés par des chiffres spectaculaires. Des centaines de millions d’emplois seraient exposés à l’automatisation, des millions de travailleurs devraient changer de profession et des gains considérables de productivité pourraient transformer l’économie mondiale. Ces estimations sont importantes, mais elles ne mesurent pas toutes la même réalité. Certaines évaluent la proportion des tâches pouvant être réalisées ou assistées par un système d’intelligence artificielle; d’autres modélisent la disparition possible de certaines activités, les transformations professionnelles ou la création de nouveaux emplois. Les périodes de référence, les populations étudiées, les hypothèses technologiques et les méthodes de calcul diffèrent également. Comparer ces chiffres sans examiner leur définition conduit à confondre des scénarios économiques avec des prévisions certaines.

Le rapport publié en mai 2025 par l’Organisation internationale du Travail et NASK, institut national de recherche polonais, estime qu’environ un emploi sur quatre dans le monde présente un certain degré d’exposition à l’intelligence artificielle générative. La proportion atteint environ 34% dans les pays à revenu élevé, contre 11% dans les pays à faible revenu. L’étude estime par ailleurs que la catégorie mondiale présentant le degré d’exposition le plus élevé représente environ 3,3% de l’emploi total; les femmes y sont davantage représentées que les hommes, avec 4,7% contre 2,4% à l’échelle mondiale. Dans les économies à revenu élevé, l’écart est plus marqué dans cette catégorie, avec 9,6% des femmes contre 3,5% des hommes. Ces écarts reflètent notamment la structure des marchés du travail et la répartition des professions administratives, informationnelles ou cognitives susceptibles d’être assistées par ces systèmes.

Le rapport souligne toutefois que la transformation des tâches est, dans de nombreux cas, plus probable que la suppression complète des professions. Un emploi peut être exposé parce que certaines de ses activités peuvent être automatisées, alors que d’autres exigent encore de l’expérience, du jugement, une interaction humaine, une responsabilité professionnelle ou une présence physique. L’exposition constitue donc un indicateur de transformation potentielle, non une mesure directe du nombre de postes qui disparaîtront.

Cette distinction est essentielle pour interpréter les effets sur les travailleurs. Un comptable peut utiliser des outils génératifs pour préparer des documents ou analyser des données sans que sa profession disparaisse. Un enseignant peut disposer d’un assistant pour préparer des exercices, mais son travail demeure lié à la pédagogie, à l’encadrement et à la compréhension des élèves. Un journaliste peut automatiser certaines étapes de recherche ou de traitement de données, tout en restant responsable de la vérification, de la hiérarchisation de l’information et de la décision éditoriale. À l’inverse, lorsque les tâches d’un poste sont très standardisées et que les gains d’automatisation sont élevés, les employeurs peuvent réduire les effectifs, modifier les qualifications recherchées ou réorganiser profondément le travail. Les effets varient donc selon les professions, les entreprises, les pays et les choix de gestion.

Le rapport de l’OIT et de NASK met aussi en évidence des différences selon le revenu des pays et la répartition des professions entre les femmes et les hommes. Dans les économies à revenu élevé, les emplois administratifs et certaines professions de bureau, où les femmes sont souvent fortement représentées, présentent une exposition importante. Les catégories les plus exposées ne se distribuent donc pas uniformément entre les groupes sociaux. Mais les conséquences finales dépendront aussi de l’accès à la formation, de la capacité des entreprises à réorganiser leurs activités, de la demande de nouveaux services et des politiques de protection sociale. Les chiffres d’exposition doivent servir à préparer la transition et à identifier les besoins de formation, non à annoncer une disparition inévitable du travail humain.

14. Le Forum économique mondial: création, déplacement et recomposition des emplois

Le Future of Jobs Report 2025 du Forum économique mondial estime que les grandes transformations économiques et technologiques pourraient contribuer, à l’horizon 2030, à la création d’environ 170 millions d’emplois et au déplacement de 92 millions d’autres, soit un solde positif de 78 millions dans son scénario global. Ces chiffres proviennent d’une enquête auprès de 1 043 employeurs couvrant 55 économies et 22 secteurs d’activité, et reposent sur leurs anticipations concernant l’évolution de leurs activités et des marchés du travail. Ils ne constituent pas un décompte de postes déjà créés ou supprimés. L’enquête renseigne utilement sur les intentions des employeurs interrogés, mais elle ne représente pas de manière exhaustive toutes les petites entreprises, l’emploi informel et les réalités du travail dans les économies où les données sont moins complètes. Elle décrit une projection qui dépend des hypothèses retenues et des décisions que prendront les entreprises, les gouvernements et les travailleurs au cours des prochaines années.

Il faut également souligner que le Forum économique mondial ne réduit pas ces évolutions à l’intelligence artificielle. Les changements démographiques, la transition énergétique, les tensions géoéconomiques, l’évolution du coût de la vie, les besoins de soins, les transformations des chaînes d’approvisionnement et l’adoption d’autres technologies participent à la recomposition des professions. Les métiers liés à la santé, à l’éducation, à la construction, à la logistique et à plusieurs services essentiels peuvent connaître une croissance pour des raisons qui ne relèvent pas directement de l’intelligence artificielle. À l’inverse, certaines fonctions administratives ou répétitives peuvent être affectées par l’automatisation, la numérisation des procédures ou la réorganisation des entreprises. L’intelligence artificielle est donc un facteur majeur, mais elle agit au sein d’une transformation économique plus vaste.

Le solde global annoncé par le rapport ne signifie pas que chaque pays, chaque région ou chaque catégorie de travailleurs bénéficiera d’une évolution positive. Un emploi créé dans un secteur ne remplace pas automatiquement un emploi supprimé dans un autre. Les nouvelles fonctions peuvent exiger des compétences, une formation ou une localisation géographique différentes de celles des personnes déplacées. Un travailleur dont l’emploi disparaît peut rencontrer des difficultés pour accéder aux postes qui se développent, même si le nombre total d’emplois augmente. Les gains nets à l’échelle mondiale peuvent ainsi coexister avec des crises locales, des périodes de chômage, une baisse de revenus ou un accroissement des inégalités.

15. Goldman Sachs et le potentiel macroéconomique de l’intelligence artificielle

En avril 2023, Goldman Sachs Research a estimé que l’intelligence artificielle générative pourrait accroître le produit intérieur brut mondial d’environ 7% sur une période d’une dizaine d’années, soit un potentiel de plusieurs milliers de milliards de dollars de production supplémentaire. La même analyse évoquait une exposition pouvant concerner l’équivalent d’environ 300 millions d’emplois à temps plein. Ces chiffres ont largement contribué à populariser l’idée d’une transformation économique d’une ampleur exceptionnelle. Ils doivent néanmoins être interprétés pour ce qu’ils sont: des estimations fondées sur des hypothèses concernant l’adoption des technologies, la proportion des tâches automatisables et la manière dont les gains de productivité se diffuseraient dans les différents secteurs.

L’exposition d’un emploi à l’intelligence artificielle ne signifie pas qu’un poste sera supprimé, ni même que la totalité du temps de travail correspondant sera automatisée. Une profession peut comporter des tâches facilement assistées par un système génératif et d’autres qui demeurent difficiles à automatiser. L’adoption peut également être freinée par le coût de l’intégration, les obligations réglementaires, les risques d’erreur, les besoins de supervision et les résistances organisationnelles. Les gains de productivité peuvent apparaître progressivement, à mesure que les entreprises adaptent leurs procédures et investissent dans les compétences nécessaires. Les effets macroéconomiques dépendent donc autant des capacités techniques que de l’organisation du travail et des conditions institutionnelles.

Même lorsqu’un gain de productivité est effectivement réalisé, ses conséquences sur l’emploi et les salaires ne sont pas déterminées à l’avance. Une entreprise peut utiliser les gains pour développer ses activités et créer de nouveaux postes, ou chercher à réduire ses coûts en diminuant ses effectifs. Elle peut baisser ses prix, améliorer ses produits ou accroître ses marges. À l’échelle d’une économie, la hausse de la productivité peut soutenir la croissance et créer une demande nouvelle, mais elle peut aussi concentrer les bénéfices si les marchés sont dominés par un petit nombre d’acteurs. Les estimations de Goldman Sachs doivent donc être lues comme des scénarios de potentiel économique, non comme la promesse d’une croissance certaine ou l’annonce d’un volume précis de suppressions d’emplois.

Pour les pays qui disposent de capacités limitées, la question est de savoir comment accéder aux gains de productivité sans accroître excessivement leur dépendance. Les petites entreprises peuvent bénéficier d’outils abordables pour améliorer certaines tâches, mais elles risquent aussi de se retrouver en position défavorable si leurs concurrents disposent d’infrastructures, de données et de compétences supérieures. Les administrations peuvent améliorer leurs services, mais uniquement si elles disposent d’une organisation fiable et de procédures de contrôle. La croissance potentielle n’est donc pas un résultat automatique de la disponibilité des outils: elle dépend de la capacité à les intégrer dans des activités productives et à diffuser les bénéfices au-delà des entreprises déjà les mieux équipées.

16. McKinsey: l’automatisation et les transitions professionnelles

Le rapport du McKinsey Global Institute publié en 2017, Jobs Lost, Jobs Gained, distinguait plusieurs scénarios d’automatisation à l’horizon 2030. Selon ces scénarios, entre 400 et 800 millions de personnes dans le monde pourraient être déplacées par l’automatisation et devoir trouver un nouvel emploi. Le rapport estimait séparément qu’environ 75 à 375 millions de travailleurs pourraient devoir changer de catégorie professionnelle et acquérir de nouvelles compétences, selon le rythme d’adoption retenu. Ces chiffres concernent l’automatisation au sens large, et non spécifiquement l’intelligence artificielle générative, dont l’essor actuel n’était pas encore celui que nous connaissons aujourd’hui. Ils doivent être lus comme des scénarios conditionnels, fondés sur des hypothèses relatives à la faisabilité technique, aux coûts et à la vitesse de diffusion des technologies, plutôt que comme des prévisions certaines.

Le rapport mettait notamment en évidence le rôle des tâches dans l’analyse de l’automatisation. Les professions ne sont pas des blocs indivisibles: elles regroupent des activités dont la faisabilité technique varie. Une machine ou un logiciel peut prendre en charge certaines opérations sans être capable d’accomplir l’ensemble du travail. Cette approche aide à comprendre pourquoi une profession peut être profondément transformée sans disparaître. Elle montre également pourquoi les effets diffèrent entre deux personnes portant le même titre professionnel: l’organisation de leur travail, la nature de leurs responsabilités et les outils dont elles disposent peuvent être très différents.

La transition ne dépend pas seulement de la technologie. Elle est également déterminée par les coûts d’investissement, la réglementation, la disponibilité des infrastructures, l’acceptabilité sociale et les gains économiques attendus. Certaines entreprises peuvent automatiser rapidement une fonction lorsque les procédures sont standardisées et les bénéfices immédiatement mesurables. D’autres peuvent conserver une organisation plus traditionnelle parce que l’intégration est trop coûteuse, que les risques sont élevés ou que les clients accordent une grande importance à l’intervention humaine. Les prévisions à long terme sont donc sensibles aux hypothèses économiques et ne doivent pas être interprétées comme une description certaine de ce qui se produira dans chaque secteur.

L’enseignement durable de ces travaux est que la transformation professionnelle doit être anticipée avant que les déplacements d’emplois deviennent massifs dans les secteurs concernés. Les politiques de formation ne devraient pas se limiter à enseigner l’utilisation de quelques applications. Elles doivent renforcer les compétences transférables, la compréhension des données, la capacité d’analyse, la communication, la résolution de problèmes et l’aptitude à travailler avec des systèmes automatisés. Dans les pays où les dispositifs de reconversion sont faibles, le risque est que les travailleurs supportent une part disproportionnée des coûts de la transition, même lorsque les gains économiques globaux sont importants.

17. PwC: productivité, compétences et rémunérations

Le Global AI Jobs Barometer 2026 de PwC, publié en juin 2026, apporte un autre éclairage sur les relations entre l’intelligence artificielle, la productivité et les compétences. Selon les indicateurs présentés dans cette édition, les entreprises opérant dans les secteurs les plus exposés à l’intelligence artificielle ont enregistré une croissance de la productivité de 34% en 2025 par rapport à 2018, contre 24% pour les entreprises que PwC classe parmi celles qui sont les moins capables d’utiliser l’IA. Le rapport relève aussi une croissance des effectifs de 52% dans le premier groupe, contre 36% dans le second, ainsi qu’une croissance des salaires de 24% contre 17%.

Ces comparaisons décrivent des évolutions observées entre groupes d’entreprises et ne démontrent pas, à elles seules, que l’IA explique toute la différence. Le rapport fait également état d’une prime salariale moyenne de 62% associée aux compétences en intelligence artificielle dans les données analysées, contre 57% l’année précédente. PwC signale par ailleurs que les 20% d’entreprises les plus performantes parmi les entreprises fortement exposées à l’IA ont enregistré une progression moyenne de la productivité du travail de 163% par rapport à 2018. Ces chiffres doivent être rapportés à la méthodologie et aux populations étudiées par PwC; ils ne signifient pas que toute entreprise adoptant un outil d’IA obtiendra les mêmes résultats, ni que les écarts observés sont imputables à une seule cause. Les secteurs, les entreprises et les travailleurs les mieux placés pour adopter ces technologies peuvent déjà disposer d’avantages structurels.

Les chiffres doivent être interprétés en tenant compte des méthodes utilisées, des populations observées et de la définition des compétences concernées. Une prime salariale associée aux compétences en intelligence artificielle ne signifie pas que chaque personne ayant suivi une formation obtiendra automatiquement une augmentation comparable. Elle peut refléter une demande importante pour des profils rares, des différences de responsabilités ou la concentration des compétences dans des entreprises capables de mieux rémunérer leurs employés. De même, une progression de la productivité dans les secteurs exposés peut résulter d’une combinaison de facteurs, notamment les investissements, l’organisation du travail, la demande et l’évolution des modèles économiques. Les associations observées sont utiles pour comprendre les tendances, mais elles ne doivent pas être transformées en preuve causale universelle.

Le rapport souligne néanmoins un enjeu important: les compétences recherchées peuvent évoluer plus vite que les parcours de formation traditionnels. Les entreprises peuvent demander aux nouveaux employés une maîtrise plus avancée des outils numériques, une capacité d’analyse et une aptitude à vérifier les résultats générés automatiquement. Certains postes de début de carrière pourraient être particulièrement affectés si les tâches autrefois confiées aux débutants sont progressivement automatisées ou confiées à des systèmes d’assistance. Cette évolution n’est ni uniforme ni inévitable, mais elle pose une question pour les organisations: comment former les futurs professionnels si une partie des tâches qui leur permettaient auparavant d’acquérir de l’expérience disparaît ou change de nature?

Les établissements d’enseignement, les entreprises et les pouvoirs publics devront donc concevoir des parcours qui associent connaissances fondamentales, expérience pratique, accompagnement et apprentissage continu. L’objectif ne devrait pas être de transformer tous les travailleurs en spécialistes de l’intelligence artificielle, mais de leur permettre de comprendre les outils pertinents pour leur profession, d’en reconnaître les limites et de conserver leur capacité de jugement. Pour les pays en développement, l’accès à ces compétences peut devenir un avantage important si les formations sont accessibles, adaptées aux besoins locaux et reliées à des débouchés professionnels réels. À défaut, les primes salariales et les gains de productivité risquent de se concentrer dans les entreprises et les économies déjà les mieux équipées.

18. Le Fonds monétaire international: une exposition mondiale inégalement répartie

En janvier 2024, le Fonds monétaire international estimait qu’environ 40% de l’emploi mondial était exposé à l’intelligence artificielle, avec une proportion proche de 60% dans les économies avancées, de 40% dans les économies émergentes et de 26% dans les pays à faible revenu. Ces chiffres reposent sur une approche générale de l’exposition professionnelle à l’intelligence artificielle et ne sont pas directement comparables à ceux de l’OIT et de NASK, qui se concentrent sur l’intelligence artificielle générative et utilisent une méthodologie spécifique. Ils confirment toutefois que les effets potentiels de la technologie sont distribués de manière inégale selon la structure des économies et la composition de l’emploi.

Dans les économies avancées, la forte proportion de professions administratives, analytiques et cognitives peut accroître l’exposition à certaines applications de l’intelligence artificielle. Mais ces économies disposent généralement de davantage de capitaux, d’infrastructures et de dispositifs de formation pour accompagner l’adoption. Les pays à faible revenu peuvent présenter une exposition professionnelle directe plus faible, en raison de la place plus importante de certaines activités physiques ou informelles, sans être pour autant protégés des conséquences de la révolution technologique. Ils peuvent subir les effets indirects des changements dans le commerce, les services, les investissements et les marchés du travail internationaux, tout en manquant de ressources pour tirer parti des nouveaux outils.

L’analyse du FMI invite ainsi à distinguer deux dimensions. La première concerne la vulnérabilité des emplois existants face à l’automatisation ou à la transformation des tâches. La seconde concerne la capacité des économies à bénéficier des gains de productivité, à attirer des investissements et à former leurs travailleurs. Un pays peut être relativement moins exposé à l’automatisation directe et néanmoins se trouver désavantagé si ses entreprises n’ont pas accès aux infrastructures ou aux compétences nécessaires. Inversement, une économie fortement exposée peut bénéficier d’importants gains de productivité si elle parvient à organiser l’adoption, à protéger les travailleurs et à favoriser l’émergence de nouvelles activités.

Pour les gouvernements, l’enjeu consiste donc à élaborer des politiques qui tiennent compte de leur structure productive et de leurs capacités institutionnelles. Les réponses ne peuvent être identiques dans une économie avancée dotée de grandes entreprises technologiques et dans un petit État insulaire confronté à des déficits d’infrastructure. Il faut identifier les secteurs où les gains sont les plus accessibles, renforcer les compétences prioritaires, améliorer l’environnement des entreprises et mettre en place des mécanismes de protection adaptés. La moyenne mondiale ne fournit pas une stratégie nationale; elle signale plutôt la nécessité d’une analyse propre à chaque contexte.

19. La fracture numérique peut transformer l’intelligence artificielle en facteur d’inégalité

L’accès à l’intelligence artificielle est souvent présenté comme une opportunité universelle, mais les bénéfices dépendent des ressources dont disposent les utilisateurs. Une entreprise ayant accès à des données de qualité, à une connexion stable, à des employés formés et à des capacités d’investissement peut intégrer plus rapidement les nouveaux outils. Une petite entreprise dépourvue de ces moyens peut rester cantonnée à un usage occasionnel, sans bénéficier des mêmes gains de productivité. Les différences d’infrastructure et de compétences risquent alors de s’amplifier, même lorsque les applications sont accessibles au public. La fracture numérique ne concerne plus uniquement la possibilité de se connecter à Internet; elle concerne la capacité à transformer la connexion en valeur économique et sociale.

Les travaux consacrés aux écarts de développement et à l’intelligence artificielle, notamment les analyses publiées en 2026 par des institutions internationales sur les différences de tâches et les inégalités d’accès au numérique, soulignent l’importance de ces asymétries. Il convient toutefois de vérifier les résultats précis de chaque étude et de ne pas attribuer à un rapport des conclusions plus larges que celles qu’il établit. Le principe général est néanmoins clair: les économies disposant de ressources limitées peuvent manquer des infrastructures, des compétences et des institutions nécessaires pour convertir rapidement les innovations en gains productifs. Cette situation peut affecter leur compétitivité, leur capacité à créer des emplois qualifiés et leur position dans les chaînes de valeur internationales.

La fracture linguistique constitue une dimension supplémentaire de cette inégalité. Les langues qui disposent de vastes corpus numériques, de ressources de recherche et de marchés importants bénéficient souvent d’une meilleure représentation dans les outils génératifs. Les langues moins dotées peuvent être moins bien prises en charge, notamment dans les domaines où la précision, les références culturelles et la connaissance du contexte sont essentielles. Pour Haïti, la qualité des ressources en créole haïtien représente donc une question de participation économique et de souveraineté culturelle. Les institutions, les universités, les médias et les organisations de la société civile peuvent contribuer à constituer des ressources linguistiques fiables, tout en respectant les droits des personnes et les principes de protection des données.

Réduire ces écarts exige une stratégie plus large que la simple distribution d’outils. Il faut investir dans la connectivité, l’électricité, l’éducation, les compétences numériques, les données de qualité et la capacité des institutions à évaluer les technologies. Les partenariats internationaux peuvent aider, mais ils doivent être structurés de façon à renforcer les capacités locales plutôt qu’à installer une dépendance permanente. L’objectif n’est pas de reproduire partout les mêmes infrastructures à la même échelle, mais de donner aux pays les moyens de participer à l’économie numérique, de négocier les conditions d’accès et de conserver une part raisonnable de la valeur produite.

20. Ce que les statistiques ne peuvent pas décider à notre place

Les rapports de l’OIT, du Forum économique mondial, de Goldman Sachs, de McKinsey, de PwC et du FMI apportent des informations précieuses sur les transformations possibles du travail. Ils ne constituent cependant pas un verdict unique sur l’avenir de l’emploi. Les études ne portent pas toutes sur la même technologie, ne couvrent pas les mêmes périodes et ne définissent pas l’exposition de la même manière. Certaines évaluent les tâches susceptibles d’être assistées ou automatisées, d’autres modélisent la création et le déplacement d’emplois, tandis que d’autres encore examinent les relations observées entre compétences, productivité et rémunération. Leur intérêt réside dans la mise en évidence de tendances, de risques et de scénarios, à condition de respecter les limites méthodologiques propres à chacune.

Il faut également distinguer les capacités techniques de leurs conséquences économiques. Le fait qu’un système puisse effectuer une tâche ne signifie pas qu’une entreprise l’adoptera immédiatement. Le coût de l’intégration, la qualité des résultats, les exigences de sécurité, les obligations juridiques et la confiance des utilisateurs peuvent ralentir ou limiter son utilisation. Même lorsqu’une tâche est automatisée, l’emploi correspondant peut évoluer plutôt que disparaître, car de nouvelles responsabilités peuvent émerger ou la demande peut augmenter. À l’inverse, une automatisation partielle peut suffire à réduire les besoins de main-d’œuvre dans certaines organisations, surtout lorsque les activités sont standardisées et les marges financières sous pression.

La répartition des gains est tout aussi importante que leur volume. Une hausse de productivité peut améliorer les revenus, réduire les prix et créer de nouvelles activités, mais elle peut aussi accroître les marges d’un petit nombre d’entreprises ou réduire le pouvoir de négociation de certains travailleurs. Les conséquences dépendent de la concurrence, de la formation, de la négociation collective, des politiques publiques et des possibilités offertes aux personnes déplacées. Une économie peut afficher une croissance positive tout en connaissant une détérioration des conditions de travail pour certains groupes. Il faut donc évaluer la réussite de la transformation à partir de plusieurs indicateurs, notamment la productivité, la qualité des emplois, les revenus, l’accès à la formation, les inégalités et la capacité des institutions à accompagner le changement.

Pour les pays du Sud, cette prudence méthodologique est particulièrement importante. Les estimations globales sont souvent construites à partir de catégories professionnelles et de données qui ne reflètent pas parfaitement l’importance du travail informel, les spécificités linguistiques ou les contraintes des petites économies. Les décisions nationales doivent s’appuyer sur les études internationales tout en produisant des analyses adaptées aux réalités locales. Haïti et la Caraïbe ont besoin de données fiables sur leurs propres secteurs, leurs besoins de formation, leurs infrastructures et leurs possibilités d’adoption. Sans cette connaissance, le risque est de reproduire des stratégies conçues pour des économies dont les ressources et les priorités sont très différentes.

21. Préparer l’avenir: de l’adoption technologique à la capacité d’agir

L’intelligence artificielle ne supprimera pas le besoin de décisions humaines; elle en modifiera les conditions. Les gouvernements devront choisir les secteurs prioritaires, définir les règles d’utilisation des données et protéger les services essentiels. Les entreprises devront évaluer les bénéfices attendus, former leurs employés et déterminer quelles fonctions peuvent être automatisées sans dégrader la qualité de leurs produits ou services. Les établissements d’enseignement devront adapter leurs programmes sans abandonner les connaissances fondamentales, l’esprit critique et la capacité à vérifier l’information. Les médias devront apprendre à utiliser les outils de recherche et d’analyse tout en préservant la vérification indépendante et la responsabilité éditoriale.

Cette préparation suppose d’abord de renforcer les compétences. Il ne suffit pas d’apprendre à formuler des requêtes à un système génératif. Les utilisateurs doivent comprendre les limites des outils, reconnaître les erreurs plausibles, protéger les informations confidentielles et savoir quand une intervention humaine est indispensable. Les formations doivent être adaptées aux métiers et aux niveaux de départ, afin que l’intelligence artificielle ne devienne pas un nouveau mécanisme d’exclusion pour les personnes qui ont eu le moins d’occasions d’accéder à l’éducation numérique. Les travailleurs expérimentés doivent pouvoir actualiser leurs compétences, tandis que les jeunes doivent acquérir une formation suffisamment solide pour évoluer lorsque les outils et les pratiques changent.

La deuxième priorité est institutionnelle. Les organisations qui adoptent des systèmes d’intelligence artificielle doivent préciser les responsabilités, encadrer l’accès aux données, documenter les usages et prévoir des mécanismes de contrôle. Dans les administrations publiques, les décisions qui affectent les droits des personnes doivent faire l’objet d’une supervision adaptée et de voies de recours lorsque cela est nécessaire. Dans les entreprises, les contrats avec les fournisseurs doivent être évalués en fonction de la sécurité, de la confidentialité, des coûts à long terme et de la possibilité de changer de solution. La gouvernance n’est pas un obstacle extérieur à l’innovation: elle permet de réduire les risques, de renforcer la confiance et de rendre les bénéfices plus durables.

La troisième priorité concerne les infrastructures et la coopération. Les pays qui disposent de ressources limitées peuvent obtenir de meilleurs résultats en concentrant leurs investissements sur les besoins essentiels, en mutualisant certaines capacités et en développant des partenariats qui renforcent les compétences locales. Il est indispensable de comparer les coûts réels des solutions, de prévoir la maintenance et la formation, et de vérifier que les infrastructures nécessaires sont disponibles avant de multiplier les projets. L’accès à un outil ne constitue pas, à lui seul, une politique de développement. Il faut également disposer des moyens de l’utiliser de manière fiable, d’en évaluer les résultats et de l’adapter aux besoins des populations.

La troisième priorité concerne les infrastructures et la coopération. Les pays qui disposent de ressources limitées peuvent obtenir de meilleurs résultats en concentrant leurs investissements sur les besoins essentiels, en mutualisant certaines capacités et en développant des partenariats qui renforcent les compétences locales. Il est indispensable de comparer les coûts réels des solutions, de prévoir la maintenance et d’éviter les projets dont les dépenses récurrentes dépasseraient durablement les capacités financières. La coopération régionale peut soutenir la formation, la recherche, la cybersécurité, les ressources linguistiques et la préparation aux catastrophes. Elle peut également améliorer la capacité de négociation face aux fournisseurs internationaux.

Enfin, la transformation doit être évaluée à partir de ses effets sur la société. La réussite ne peut se mesurer uniquement au nombre de modèles utilisés, à la puissance des centres de données ou au volume des investissements annoncés. Elle doit aussi se traduire par une amélioration des services, un accès plus équitable aux compétences, des emplois de qualité, une plus grande résilience et une capacité accrue à prendre des décisions éclairées. L’intelligence artificielle peut contribuer à ces objectifs, mais elle ne les réalise pas automatiquement. Les résultats dépendront des priorités choisies et de la volonté de faire de la technologie un moyen de développement plutôt qu’une fin en soi.

L’INTELLIGENCE ARTIFICIELLE, NOUVELLE FRONTIÈRE DE LA SOUVERAINETÉ

L’intelligence artificielle ouvre une période de transformation dont les conséquences dépassent largement l’univers des logiciels et des innovations numériques. Elle modifie les conditions de production, les relations entre entreprises et travailleurs, l’organisation de la recherche scientifique, les infrastructures de communication et les rapports de puissance entre les États. Elle influence progressivement la manière dont les connaissances sont créées, les décisions préparées, les ressources mobilisées et les richesses distribuées. Dans cette nouvelle configuration mondiale, les États-Unis bénéficient d’un écosystème technologique particulièrement intégré, associant capitaux, entreprises, recherche et infrastructures; la Chine investit pour renforcer ses capacités nationales et réduire ses dépendances stratégiques; Taïwan conserve une place déterminante dans la fabrication avancée des semi-conducteurs; tandis que l’Europe cherche à convertir ses compétences scientifiques, industrielles et réglementaires en une autonomie stratégique plus solide. Les projets industriels de grande envergure, les investissements dans les centres de données, la course aux processeurs spécialisés et la compétition autour des réseaux satellitaires témoignent d’une évolution profonde: la maîtrise de l’intelligence artificielle dépend de plus en plus du contrôle des infrastructures matérielles, énergétiques, financières et humaines qui rendent son développement possible.

Cette transformation ne peut cependant être comprise à travers la seule compétition entre les grandes puissances. Ses conséquences se mesurent également dans les entreprises qui réorganisent leurs activités, les travailleurs qui doivent adapter leurs compétences, les établissements d’enseignement qui repensent leurs méthodes et les administrations qui cherchent à améliorer leurs services. Les projections relatives à l’emploi confirment l’ampleur des changements possibles, mais elles ne permettent pas de prédire un avenir uniforme. L’exposition d’une profession à l’intelligence artificielle ne signifie pas nécessairement la disparition de cette profession, pas plus qu’un gain de productivité ne garantit une augmentation équitable des salaires ou une amélioration générale des conditions de travail. La création nette d’emplois à l’échelle mondiale ne protège pas automatiquement les personnes, les territoires et les secteurs confrontés à des déplacements professionnels. Les études internationales constituent des instruments précieux pour anticiper les mutations, à condition de tenir compte de leurs méthodes, de leurs périodes d’observation et de leurs hypothèses. Leur véritable utilité consiste à éclairer les décisions et à préparer les transitions, non à présenter des scénarios comme des fatalités.

Pour Haïti, la Caraïbe et les petits États, l’enjeu n’est pas de reproduire immédiatement les capacités industrielles des grandes puissances ni de prétendre maîtriser toutes les technologies disponibles. Il est de déterminer avec lucidité les domaines dans lesquels l’intelligence artificielle peut répondre à des besoins prioritaires, les infrastructures qu’il convient de renforcer, les compétences qu’il faut développer et les dépendances qu’il importe de maîtriser. L’éducation, l’agriculture, la santé, la gestion des risques, les services publics, la recherche, les médias et la valorisation des ressources linguistiques représentent autant de domaines dans lesquels des investissements ciblés pourraient contribuer à améliorer les capacités nationales et les perspectives de développement. Ces possibilités ne deviendront toutefois des résultats durables qu’à la condition de reposer sur des institutions crédibles, des données fiables, des infrastructures adaptées, une supervision humaine effective, une protection rigoureuse des droits et une évaluation transparente des coûts. Sans ces fondations, l’intelligence artificielle risque de demeurer une technologie importée, dont les bénéfices sont limités, les usages insuffisamment adaptés aux réalités locales et les conditions d’accès largement déterminées par des acteurs extérieurs.

La souveraineté numérique ne signifie pas que chaque pays doit tout concevoir, tout fabriquer et tout financer sur son propre territoire. Une telle ambition serait souvent irréaliste, particulièrement pour les économies disposant de ressources limitées. Elle suppose plutôt de posséder une capacité suffisante pour comprendre les systèmes utilisés, évaluer leurs limites, choisir ses partenaires, protéger ses données, former ses citoyens et conserver des possibilités de décision lorsque les circonstances économiques ou géopolitiques changent. Pour les petits États, cette autonomie peut être consolidée par la coopération régionale, la mutualisation des infrastructures, les partenariats universitaires, la formation scientifique et l’investissement dans les capacités humaines. Elle exige également que les contrats technologiques, les choix d’équipement et les politiques de données soient examinés à la lumière de leurs conséquences à long terme. La souveraineté ne se mesure donc pas uniquement à la possession d’une technologie, mais à la capacité de l’utiliser dans l’intérêt collectif sans abandonner la maîtrise des décisions essentielles.

Cette exigence conduit à replacer l’être humain au centre du débat. La puissance de calcul, la vitesse d’exécution et les gains de productivité ne constituent pas, à eux seuls, des indicateurs suffisants du progrès. Une transformation technologique doit aussi être évaluée selon sa contribution à l’éducation, à la dignité du travail, à la réduction des inégalités, à la qualité des services publics, à la liberté individuelle et à la capacité des populations de participer à la vie économique et sociale. Les entreprises ont un rôle déterminant dans la création et l’adoption de nouvelles capacités, mais les pouvoirs publics, les institutions éducatives, les médias et la société civile doivent également contribuer à définir les règles, les garanties et les priorités collectives. L’objectif n’est pas d’empêcher l’innovation, mais de veiller à ce que ses bénéfices ne soient pas réservés à ceux qui détiennent déjà les capitaux, les infrastructures et les moyens d’influence les plus importants.

La question centrale de notre époque n’est donc pas simplement de savoir si les machines deviendront plus performantes. Leur progression devrait ouvrir de nouvelles possibilités dans de nombreux domaines, même si elle restera inégale et soumise à des contraintes scientifiques, industrielles, énergétiques et économiques. La véritable interrogation porte sur la capacité des sociétés à organiser cette puissance, à prévenir ses abus, à accompagner les transformations du travail et à répartir plus équitablement les bénéfices qui en découleront. L’intelligence artificielle peut approfondir les inégalités ou élargir les possibilités humaines; elle peut renforcer la concentration du pouvoir ou favoriser de nouvelles formes de coopération; elle peut accroître la dépendance des sociétés ou contribuer à leur autonomie. Aucun de ces résultats n’est garanti d’avance. Ils dépendront des choix industriels, des politiques publiques, de la qualité de l’éducation, de la solidité des institutions et de la capacité des citoyens à participer aux décisions qui engagent leur avenir.

Pour CPGNNews, cette réflexion relève pleinement de la responsabilité d’un média international d’intérêt public. Examiner l’intelligence artificielle, c’est analyser une transformation qui touche simultanément les dimensions économiques, politiques, sociales, scientifiques, technologiques et culturelles du monde contemporain. C’est aussi dépasser les annonces spectaculaires pour interroger les rapports de force, vérifier les affirmations, distinguer les faits établis des projections et donner une place aux sociétés dont les réalités sont trop souvent marginalisées dans les grands récits technologiques. Depuis Haïti et la Caraïbe, CPGNNews entend contribuer à cette compréhension mondiale en reliant les décisions prises dans les principaux centres de pouvoir aux conséquences qu’elles peuvent avoir pour les peuples, les économies et les générations futures. Born in the Caribbean, Open to the World! exprime ainsi davantage qu’une identité géographique: cette formule traduit une ambition éditoriale qui consiste à partir d’un ancrage régional pour éclairer les enjeux universels, sans renoncer à la diversité des expériences nationales ni à l’indépendance du jugement. La Caraïbe constitue le point d’origine, pas la limite.

L’intelligence artificielle nous place finalement devant une responsabilité qui dépasse les entreprises, les gouvernements et les frontières nationales. Elle nous oblige à réfléchir à la société que nous voulons construire, aux valeurs que nous souhaitons préserver et aux possibilités que nous entendons transmettre aux générations suivantes. Dans un monde où la puissance technologique devient un instrument majeur de compétitivité, de sécurité et d’influence, la souveraineté ne saurait être réduite à la capacité de produire des machines plus avancées. Elle doit également désigner la faculté des peuples de comprendre les transformations qui les concernent, de participer aux choix qui les orientent et de défendre leurs intérêts sans renoncer à la coopération internationale. Le véritable progrès ne se mesurera donc pas seulement à ce que l’intelligence artificielle permettra d’accomplir, mais aussi à la manière dont l’humanité choisira d’en répartir les possibilités, d’en assumer les responsabilités et d’en limiter les conséquences les plus dommageables.

L’avenir ne sera pas déterminé uniquement par ceux qui construiront les machines les plus puissantes, mais aussi par ceux qui sauront mettre cette puissance au service de la dignité humaine, de la justice et du développement partagé. Dans l’ère de l’intelligence déchaînée, le défi fondamental n’est pas de donner toujours plus de puissance aux machines, mais de faire en sorte que cette puissance contribue à rendre l’humanité plus libre, plus responsable et mieux préparée à construire son destin commun.

RÉFÉRENCES DOCUMENTAIRES ET INSTITUTIONNELLES

Les références suivantes constituent la base documentaire de ce rapport. Les chiffres prospectifs doivent être lus selon les méthodes et les hypothèses propres à chaque publication. Les annonces industrielles sont distinguées des capacités déjà opérationnelles, et les informations de presse doivent être attribuées à leurs sources.

1. Organisation internationale du Travail et NASK: Generative AI and Jobs: A Refined Global Index of Occupational Exposure, mai 2025. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure.

2. Forum économique mondial: The Future of Jobs Report 2025. https://reports.weforum.org/docs/WEF_Future_of_Jobs_Report_2025.pdf

3. Goldman Sachs Research: Generative AI Could Raise Global GDP by 7 Percent, 5 avril 2023. https://www.goldmansachs.com/insights/articles/generative-ai-could-raise-global-gdp-by-7-percent.html

4. McKinsey Global Institute: Jobs Lost, Jobs Gained: What the Future of Work Will Mean for Jobs, Skills, and Wages, 2017. https://www.mckinsey.com/featured-insights/future-of-work/jobs-lost-jobs-gained-what-the-future-of-work-will-mean-for-jobs-skills-and-wages

5. PricewaterhouseCoopers (PwC): Global AI Jobs Barometer 2026, juin 2026. https://www.pwc.com/gx/en/issues/artificial-intelligence/publications/artificial-intelligence-study.html

6. Fonds monétaire international: Kristalina Georgieva, AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity, janvier 2024. https://www.imf.org/en/Blogs/Articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity

7. Organisation internationale du Travail et Banque mondiale: Disruption without dividend? How the digital divide and task differences split GenAI’s global impact, document de travail conjoint, 2026. L’étude porte sur 135 pays et analyse la manière dont les écarts d’infrastructure numérique et la composition des tâches peuvent conduire les économies en développement à subir des perturbations avant de recueillir les gains de productivité attendus. https://www.ilo.org/publications/disruption-without-dividend-how-digital-divide-and-task-differences-split

8. Commission européenne: Strengthening Europe’s Tech Sovereignty, 3 juin 2026. Présentation du paquet européen relatif aux semi-conducteurs, à l’intelligence artificielle, au cloud, aux logiciels libres et à la numérisation de l’énergie. Il s’agit d’un programme annoncé et de propositions politiques, non de la preuve que l’autonomie technologique européenne est déjà réalisée. https://commission.europa.eu/news-and-media/news/strengthening-europes-tech-sovereignty-2026-06-03_en

9. Commission européenne: Communication on European Tech Sovereignty, accompanied by an EU Open Source Strategy, 3 juin 2026. Document de politique publique détaillant les initiatives annoncées pour les semi-conducteurs, les infrastructures de cloud et d’IA, les logiciels libres et l’énergie. https://digital-strategy.ec.europa.eu/en/library/communication-european-tech-sovereignty-accompanied-eu-open-source-strategy

10. Organisation du traité de l’Atlantique Nord: The Ankara Summit Declaration, 8 juillet 2026. https://www.ncia.nato.int/newsroom/news/the-ankara-summit-declaration

11. SpaceX Breaking Ground on Terafab in Texas, annonce du projet industriel, 6 août 2026. La source précise que le térawatt de calcul correspond à la demande anticipée combinée de Tesla et de SpaceX, et non à une capacité de production annoncée de l’usine. https://www.spacex.com/updates/starship-2025-report

12. Reuters: SpaceX, Tesla to initially spend $16.8 billion on Terafab chip plant in Texas, 6 août 2026. Source journalistique complémentaire sur l’investissement initial annoncé et le projet d’usine. https://www.reuters.com/business/media-telecom/spacex-says-terafab-be-built-texas-with-initial-investment-168-billion-2026-08-06/

13. Gouvernement du Texas: Annonce relative à l’expansion de SpaceX dans le comté de Grimes, 6 août 2026. https://gov.texas.gov/news/post/governor-abbott-announces-spacex-expansion-in-grimes-county

14. Reuters: Russia Plans to Launch Its Smaller Version of Starlink Next Year, 5 juin 2026. https://www.internazionale.it/ultime-notizie-reuters/2026/06/05/russia-plans-to-launch-its-smaller-version-of-starlink-next-year

15. Reuters: Russian Satellite Activity Raises Concerns for Starlink, German Space Commander Says, 9 octobre 2026. https://www.reuters.com/business/media-telecom/russian-satellite-activity-raises-concerns-starlink-german-space-commander-says-2026-10-09/

16. Middle East Institute: AI, the Gulf, and the US: A Primer, février 2026. https://mei.edu/report/ai-the-gulf-and-the-us-a-primer/

17. OpenAI: The Next Phase of the Microsoft–OpenAI Partnership, 27 avril 2026. https://openai.com/index/next-phase-of-microsoft-partnership/

18. ASML: Documentation institutionnelle sur les systèmes de lithographie utilisés dans la fabrication des semi-conducteurs. Cette source permet de contextualiser le rôle industriel de l’entreprise néerlandaise dans la chaîne de valeur des puces. https://www.asml.com/en

Note méthodologique

Les chiffres prospectifs présentés dans ce rapport ne sont pas directement interchangeables. Les études de l’OIT et de NASK portent sur l’exposition à l’intelligence artificielle générative; les estimations du FMI utilisent une définition plus large de l’exposition à l’IA; le Forum économique mondial rapporte les anticipations des employeurs interrogés; Goldman Sachs et McKinsey proposent des scénarios économiques fondés sur des hypothèses explicites; PwC analyse des associations observées entre exposition à l’IA, productivité, emploi et rémunération.

Les annonces industrielles, notamment celles relatives à Terafab et aux constellations satellitaires, sont présentées comme des projets ou des intentions lorsque leur mise en œuvre complète n’est pas établie. Les données et les projets devront être actualisés au fil des évolutions, sans transformer les projections en résultats acquis.

CPGNNews — Independent International Public Interest Media │Research • Investigation • Analysis • Journalism.

Born in the Caribbean, Open to the World!

Par Yvon BONHOMME
Chercheur indépendant, essayiste, analyste géopolitique et spécialiste en gouvernance
Editor-in-Chief, CPGNNews

Email: info@cpgnnews.com │© Tous droits réservés.