Les initiatives nationales en IA sont des efforts coordonnés par les gouvernements pour façonner le développement et le déploiement de l'intelligence artificielle sur leurs territoires. Ces initiatives englobent généralement un mélange de financements publics pour la recherche, de cadres réglementaires, de programmes de développement des compétences et de stratégies visant à encourager l'adoption par le secteur privé. L'objectif est souvent de renforcer la compétitivité économique, de répondre aux défis sociétaux et d'établir des positions nationales dans une technologie largement considérée comme transformatrice.
Bien que les structures spécifiques varient, la plupart des initiatives nationales partagent des éléments communs : des flux de financement dédiés pour la recherche académique et industrielle, la création d'organismes consultatifs ou d'instituts nationaux, des lignes directrices ou des lois éthiques, et des accords de coopération internationale. L'essor de ces initiatives s'est accéléré après les réalisations marquantes en apprentissage automatique et apprentissage profond dans les années 2010, incitant les gouvernements à répondre à la fois aux opportunités et aux risques.
Origines historiques
L'implication précoce des gouvernements dans l'informatique et l'IA était souvent motivée par des missions, comme les programmes de défense ou spatiaux. La Defense Advanced Research Projects Agency (DARPA) des États-Unis a financé des travaux fondamentaux en IA dans les années 1960 et 1970, y compris les premières recherches sur les réseaux de neurones. Dans les années 1980, le projet japonais Fifth Generation Computer Systems visait à créer des architectures avancées d'IA et d'informatique, inspirant des efforts nationaux similaires en Europe et aux États-Unis.
Cependant, la vague moderne d'initiatives nationales en IA a commencé au milieu des années 2010. En 2016, les États-Unis ont publié leur rapport « Preparing for the Future of Artificial Intelligence », suivi de la création du comité sélectionné sur l'IA du National Science and Technology Council. En 2017, la Chine a publié son « New Generation Artificial Intelligence Development Plan », fixant des objectifs ambitieux de leadership mondial d'ici 2030. L'Union européenne a suivi avec son plan coordonné sur l'IA en 2018, mettant l'accent sur des approches éthiques et centrées sur l'humain.
Financement et programmes de recherche
Un élément central des initiatives nationales est l'investissement public dans la recherche en IA. Par exemple, la National Artificial Intelligence Initiative Act de 2020 aux États-Unis a autorisé des milliards de financements à travers des agences comme la National Science Foundation et le Department of Energy. Cela a soutenu des centres de recherche universitaires, y compris ceux de MIT CSAIL, Stanford AI Lab et Berkeley AI Research.
Le plan chinois implique un financement public substantiel pour les institutions académiques et les entreprises publiques, avec un accent sur des domaines comme la vision par ordinateur et le traitement du langage naturel. Le programme Horizon Europe de l'Union européenne a alloué des sommes importantes à la recherche en IA, y compris des projets sur l'IA digne de confiance et la robotique. D'autres pays, comme le Canada, le Royaume-Uni et la Corée du Sud, ont lancé leurs propres stratégies nationales avec des budgets dédiés.
Cadres réglementaires et éthiques
Les initiatives nationales incluent de plus en plus de composantes réglementaires. L'AI Act de l'Union européenne, proposé en 2021 et adopté en 2024, est une réglementation marquante qui catégorise les applications d'IA par niveau de risque et impose des exigences aux systèmes à haut risque. Il reflète une tendance plus large vers des cadres de gouvernance qui abordent des questions comme les biais, la transparence et la responsabilité.
Aux États-Unis, la réglementation fédérale est plus fragmentée, avec des agences comme la Federal Trade Commission et la Food and Drug Administration publiant des lignes directrices pour des secteurs spécifiques. La Maison Blanche a publié un projet de déclaration des droits de l'IA en 2022, décrivant des principes pour une IA sûre et équitable. La Chine a mis en œuvre des réglementations sur les systèmes de recommandation algorithmiques et la synthèse profonde, effectives respectivement en 2022 et 2023, se concentrant sur le contrôle du contenu et la protection des utilisateurs.
Collaboration industrielle et internationale
De nombreuses initiatives nationales visent à renforcer l'industrie nationale et à favoriser les partenariats internationaux. Les marchés publics et les subventions de recherche soutiennent souvent des entreprises comme OpenAI, Anthropic et Google DeepMind aux États-Unis, tandis que l'Union européenne a financé des consortiums impliquant des entreprises telles que Nokia Bell Labs et Fujitsu. Les collaborations internationales incluent le Partenariat mondial sur l'IA (GPAI), lancé en 2020 par le Canada et la France, qui compte désormais plus de 25 pays membres.
Les initiatives nationales abordent également le développement des compétences, avec des programmes pour former des spécialistes en IA et requalifier les travailleurs. Par exemple, l'Office for AI du Royaume-Uni a financé des cours de troisième cycle, tandis que le programme d'apprentissage en IA de Singapour place les diplômés dans des rôles industriels. Ces efforts sont souvent liés à des stratégies économiques plus larges, alors que les gouvernements cherchent à attirer des investissements de sociétés comme Amazon Web Services, Azure et Google Cloud.
Défis et critiques
Les initiatives nationales en IA font face à plusieurs défis. Les critiques soutiennent que le financement favorise souvent les grandes entreprises technologiques au détriment des petites startups et des laboratoires académiques, ce qui pourrait concentrer le pouvoir. Il y a aussi des préoccupations concernant le rythme de la réglementation, qui peut être en retard sur les avancées technologiques rapides dans des domaines comme les grands modèles de langage et l'IA générative. De plus, la concurrence internationale peut conduire à une fragmentation, avec des normes différentes et des restrictions sur le partage de données.
Certains chercheurs, comme Thomas Dietterich et Melanie Mitchell, ont appelé à une plus grande emphase sur la robustesse et la sécurité dans les programmes nationaux. D'autres soulignent le risque de « nationalisme de l'IA », où les initiatives privilégient l'avantage national au détriment de la coopération mondiale. Malgré ces problèmes, les initiatives nationales restent un mécanisme principal pour les gouvernements afin d'influencer la trajectoire de l'IA, en équilibrant l'innovation et l'intérêt public.