Pourquoi l’IA ne ralentira pas sans changement de paradigme

Les appels à ralentir l’intelligence artificielle reposent sur une intuition compréhensible. Des systèmes plus puissants justifient davantage d’évaluations, de mesures de sécurité et de réflexion sur leurs effets économiques, sociaux, informationnels ou militaires. Un ralentissement mondial durable exigerait toutefois une coordination entre des États et des entreprises qui se trouvent simultanément en situation de coopération et de concurrence. Dès qu’un acteur craint que ses rivaux poursuivent leur progression, la retenue acquiert un coût stratégique potentiel.

Cette tension déplace le centre du débat. La possibilité de ralentir dépend autant des risques techniques que des incitations qui structurent la compétition. Une puissance peut souhaiter une trajectoire plus prudente à l’échelle mondiale tout en considérant qu’un ralentissement unilatéral menacerait sa position économique, scientifique ou militaire. La même contradiction traverse les entreprises. L’accélération peut alors rester cohérente du point de vue de chaque acteur tout en augmentant collectivement des risques que plusieurs souhaiteraient réduire.

Le coût stratégique d’un ralentissement unilatéral

Imaginons deux puissances capables de développer des systèmes d’IA très avancés. Toutes deux peuvent reconnaître les dangers d’une progression trop rapide et souhaiter consacrer davantage de temps aux évaluations, aux garde-fous et aux règles communes. Si chacune s’attend à ce que l’autre respecte le même rythme, la prudence devient plus facile à soutenir. L’incertitude modifie le calcul. Celui qui ralentit seul risque de céder des capacités de recherche, des parts de marché, des infrastructures, une influence sur les standards ou certains avantages militaires.

Le problème ressemble à un mécanisme classique d’action collective. Une décision raisonnable à l’échelle individuelle peut contribuer à une trajectoire moins maîtrisée à l’échelle du groupe. La pression vient souvent de la crainte d’être distancé. Dans ce cadre, les déclarations en faveur de la sécurité restent compatibles avec des investissements massifs dans les capacités. Les deux comportements répondent à des objectifs différents qui coexistent chez les mêmes acteurs.

Le vocabulaire officiel américain illustre directement cette dimension stratégique. Le plan publié par la Maison-Blanche le 23 juillet 2025 porte le titre « Winning the AI Race: America’s AI Action Plan » et organise plus de 90 actions fédérales autour de l’innovation, des infrastructures et du leadership international en matière de diplomatie et de sécurité. La Maison-Blanche relie explicitement ce programme à la compétitivité économique et à la sécurité nationale.

La Chine formule son approche différemment. Son Global AI Governance Action Plan, publié le 26 juillet 2025, insiste sur la coopération internationale, la sûreté, la souveraineté et l’inclusion, tout en appelant à accélérer les infrastructures numériques, l’innovation et l’adoption de l’IA. Ces textes décrivent des stratégies distinctes, mais ils montrent tous deux comment la gouvernance des risques coexiste avec des objectifs de puissance technologique et industrielle.

Une course asymétrique

Parler d’une « course » peut donner l’impression que les principaux acteurs disposent de moyens comparables. Les écarts d’accès aux accélérateurs avancés, aux capacités de calcul, aux capitaux, à l’énergie, aux données et aux compétences sont pourtant considérables. Cette asymétrie change la signification politique d’un ralentissement. Une restriction sur les puces ou la puissance de calcul peut répondre à une préoccupation de sécurité tout en produisant des effets industriels et géopolitiques très différents selon les pays concernés.

Les contrôles américains sur les semi-conducteurs avancés illustrent cette ambiguïté. En janvier 2026, le Bureau of Industry and Security a modifié sa politique d’octroi de licences pour certaines puces destinées à la Chine et à Macao. Les demandes concernant notamment les Nvidia H200 et AMD MI325X peuvent être examinées au cas par cas sous plusieurs conditions, tandis que d’autres transferts restent soumis à des régimes plus restrictifs. Le texte officiel rattache ces choix à la sécurité nationale et au maintien du leadership américain dans l’intelligence artificielle.

Une mesure présentée comme prudente par un acteur peut ainsi être interprétée par un autre comme un instrument de containment technologique ou de politique industrielle. Cette perception influence directement la volonté de coopérer. Un régime international où certains pays conserveraient un accès privilégié aux ressources stratégiques tandis que d’autres supporteraient l’essentiel des restrictions risquerait d’être perçu comme la consolidation d’une hiérarchie existante. La réciprocité ne peut alors se limiter à appliquer la même règle formelle à des acteurs placés dans des situations très différentes.

Réguler peut modifier la course sans l’interrompre

L’Union européenne suit une autre voie avec l’AI Act. Les obligations visant les fournisseurs de modèles d’IA à usage général sont devenues applicables le 2 août 2025. Depuis le 2 août 2026, la Commission dispose de ses pouvoirs d’exécution correspondants, tandis que de nouvelles obligations de transparence sont également entrées en application.

Ce type de réglementation peut imposer de la documentation, des évaluations, des mesures de gestion des risques et des obligations de transparence sans suspendre l’amélioration générale des modèles. Elle peut également réduire une partie du désavantage associé à certaines mesures de sécurité lorsqu’elles deviennent obligatoires pour tous les acteurs relevant du même cadre juridique.

Cette distinction évite de placer sous un même mot des politiques qui agissent sur des objets différents. Un moratoire sur certains entraînements, une obligation d’évaluer les modèles, une restriction visant un usage militaire, un contrôle des exportations de puces et une règle de transparence ne modifient ni les mêmes comportements ni les mêmes incitations. Certaines mesures peuvent ralentir une activité précise. D’autres cherchent surtout à rendre son développement moins risqué.

Les entreprises répondent à plusieurs formes de concurrence

La pression ne vient pas uniquement des États. Une entreprise peut reconnaître des risques graves et consacrer des ressources importantes à leur évaluation tout en craignant qu’un cycle de développement plus long fasse perdre des utilisateurs, des chercheurs, des partenaires, des capitaux ou une position dans l’écosystème. La distribution compte autant que la performance lorsque des modèles deviennent des plateformes intégrées à des produits, à des outils professionnels et à des chaînes de développement logiciel.

Les engagements de Séoul de 2024 montrent cette coexistence entre sécurité et compétition. Les entreprises signataires se sont engagées à définir des seuils de risque grave, à publier des cadres de sécurité et, dans les cas extrêmes prévus par ces cadres, à renoncer au développement ou au déploiement lorsque les mesures d’atténuation ne maintiennent pas le risque sous les seuils définis. Ces engagements organisent des conditions de sûreté autour de la progression des capacités sans instaurer de suspension générale de cette progression.

Une grande entreprise peut ainsi investir dans la sécurité tout en augmentant ses capacités de calcul, en améliorant ses algorithmes et en cherchant à élargir sa distribution. Elle doit également compter avec des concurrents étrangers, de nouveaux entrants et des modèles à poids ouverts susceptibles de réduire rapidement le coût d’accès à certaines capacités. Cette pluralité d’incitations rend fragile toute approche qui suppose qu’un petit nombre de laboratoires dominants pourrait stabiliser durablement la course par un accord volontaire.

Le progrès dépasse largement le calcul d’entraînement

La puissance de calcul demeure un levier majeur, mais elle ne résume plus à elle seule la progression des systèmes. Le rapport international sur la sécurité de l’IA publié en février 2026 distingue le calcul, les avancées algorithmiques et les données parmi les principaux moteurs du progrès. Il souligne aussi qu’une part croissante des améliorations récentes provient de techniques appliquées après l’entraînement initial, notamment le post-entraînement et l’utilisation de davantage de calcul au moment de générer les réponses.

Cette évolution complique tout régime centré sur les grands entraînements. Des gains algorithmiques peuvent permettre d’obtenir davantage de performances avec une quantité comparable de ressources. Le post-entraînement peut renforcer un modèle existant. Les systèmes agentiques peuvent accroître son utilité pratique en lui permettant d’utiliser des outils et d’enchaîner des actions. L’intégration organisationnelle peut enfin transformer une capacité déjà disponible en avantage économique ou opérationnel sans changement spectaculaire du modèle sous-jacent.

Le calcul conserve malgré tout une propriété importante pour la gouvernance. Les puces avancées, les grands centres de données et l’approvisionnement énergétique possèdent une dimension physique qui rend certaines activités plus observables que les idées algorithmiques ou le code. Cette visibilité explique l’intérêt des politiques qui cherchent à surveiller les infrastructures. Elle crée aussi un problème de pouvoir, car la gouvernance se concentre alors entre les mains des États et des entreprises qui contrôlent déjà ces ressources.

La coopération existe, mais son objet reste limité

Les tentatives de coordination internationale progressent. Le sommet de Séoul a développé la coopération entre gouvernements sur les évaluations et les risques des systèmes avancés. L’ONU a ensuite établi un Dialogue mondial sur la gouvernance de l’intelligence artificielle, dont la première session annuelle s’est tenue à Genève les 6 et 7 juillet 2026. Plus de 3 000 participants y ont pris part, avec des délégations de 163 pays, autour de sujets incluant la sécurité, l’accès, les droits humains et l’interopérabilité des approches de gouvernance.

Ces initiatives créent des concepts communs, des méthodes d’évaluation et des espaces de négociation. Elles restent toutefois éloignées d’un accord contraignant capable de limiter certaines capacités stratégiques à l’échelle mondiale. Partager des pratiques de sécurité demande moins de confiance que renoncer à un avantage potentiel dont la valeur économique ou militaire peut être considérable.

Les trois tensions qu’un régime mondial devrait affronter

La difficulté apparaît d’abord dans la question de l’équité. Une architecture de retenue ne peut durablement demander à certains pays de renoncer à des capacités auxquelles d’autres conserveraient un accès privilégié. Les États qui disposent aujourd’hui de moins de puissance de calcul ou d’une industrie des semi-conducteurs moins développée pourraient voir des plafonds internationaux comme une manière de figer leur retard. Un accord crédible devrait traiter la répartition des droits d’accès, des coûts de conformité et des bénéfices attendus, faute de quoi la sécurité risquerait de devenir indissociable d’un rapport de puissance contesté.

Le périmètre constitue une deuxième tension. Un dispositif concentré sur les entraînements dépassant un certain volume de calcul offre l’avantage d’un critère relativement observable, mais laisse subsister d’autres voies de progression. Les gains algorithmiques, le post-entraînement, le calcul à l’inférence, les modèles à poids ouverts et le déplacement d’activités vers d’autres juridictions peuvent réduire l’efficacité d’une règle trop étroite. À l’inverse, un régime qui chercherait à suivre chaque amélioration algorithmique, chaque modèle diffusé et chaque usage deviendrait rapidement difficile à vérifier et politiquement intrusif.

La troisième tension concerne la concentration des leviers de contrôle. Les semi-conducteurs, l’énergie et les grands centres de données offrent des points d’observation rares dans un domaine largement immatériel. Les utiliser comme instruments de gouvernance donnerait en même temps un pouvoir considérable aux gouvernements, fabricants de puces, fournisseurs de cloud et opérateurs d’infrastructures qui contrôlent déjà ces goulets d’étranglement. La capacité de vérifier les engagements progresserait au prix d’une concentration institutionnelle qui devrait elle-même être encadrée.

Aucune de ces tensions ne dispose aujourd’hui d’une solution simple. Elles expliquent pourquoi la dernière étape du raisonnement est aussi la plus politique. Rendre la retenue réciproque, vérifiable et supportable suppose davantage que de choisir un seuil technique. Il faut décider qui peut continuer à développer quoi, avec quelles ressources, sous quel contrôle et avec quelles garanties pour les acteurs qui acceptent une limitation.

Deux architectures plutôt qu’un seul régime

Une gouvernance crédible pourrait nécessiter deux architectures complémentaires. La première viserait les capacités frontière présentant les risques les plus graves. Son objet serait relativement étroit : définir des seuils de capacités ou de risque, organiser des évaluations comparables, prévoir des obligations de notification et établir les conditions dans lesquelles un développement ou un déploiement devrait être suspendu. Les engagements de Séoul constituent une forme volontaire et encore limitée de cette logique, puisqu’ils demandent déjà aux développeurs de définir des seuils et des procédures pour les situations où un risque grave resterait insuffisamment maîtrisé.

La seconde architecture porterait sur l’environnement industriel qui rend ces capacités possibles. Elle concernerait les puces avancées, les infrastructures de calcul, certains grands centres de données, l’approvisionnement énergétique et éventuellement les chaînes d’accès à ces ressources. Son objectif serait moins de juger chaque modèle que de rendre certains engagements observables et d’éviter qu’un accord sur les capacités puisse être contourné simplement en déplaçant les entraînements ou en accumulant discrètement les ressources nécessaires.

Ces deux niveaux répondent à des problèmes différents. Le premier cherche à relier des capacités mesurées à des obligations de sécurité. Le second s’intéresse aux moyens matériels qui rendent possible leur développement à grande échelle. Ils se complètent sans se confondre. Une gouvernance des infrastructures dépourvue de critères de capacité pourrait devenir un simple instrument de contrôle industriel. Un régime de sécurité des modèles qui ignorerait l’infrastructure manquerait une partie des leviers permettant de vérifier les engagements.

Jusqu’où tient l’analogie avec la maîtrise des armements ?

La maîtrise des armements fournit une analogie utile pour penser la réciprocité, la vérification, la confiance limitée et le risque de défection. Les accords de ce type cherchent précisément à rendre supportable une retenue qu’aucun acteur ne souhaite assumer seul. Ils montrent aussi qu’une coopération peut devenir possible entre rivaux lorsqu’elle repose sur des règles observables et sur une compréhension suffisamment partagée des conséquences d’une violation.

L’objet technologique rend cependant la comparaison imparfaite. Un algorithme peut être copié, modifié et diffusé à très faible coût. Des poids ouverts peuvent circuler bien au-delà du développeur initial. Les mêmes modèles servent à des usages civils banals et à des applications sensibles. Une amélioration décisive peut venir d’une idée ou d’une technique de post-entraînement plutôt que d’une infrastructure nouvelle et visible. L’inspection ne peut alors reproduire les méthodes employées pour compter des vecteurs, surveiller des sites déclarés ou vérifier la destruction d’équipements physiques.

Cette différence oblige à abandonner l’idée d’un équivalent direct d’un traité nucléaire appliqué à l’IA. L’enseignement utile se situe dans l’architecture institutionnelle : créer des obligations réciproques, prévoir des mécanismes de vérification adaptés à l’objet, définir les conséquences d’une violation et limiter le bénéfice que pourrait tirer celui qui triche. Les instruments techniques nécessaires restent largement à construire.

Le changement de paradigme est aussi politique

Le ralentissement de l’intelligence artificielle apparaît alors comme un problème de distribution du pouvoir autant que de sécurité technologique. Un accord mondial devrait arbitrer l’accès à des ressources stratégiques, déterminer les activités soumises au contrôle et confier des pouvoirs de vérification à certaines institutions. Chaque choix crée des gagnants, des perdants, des dépendances et des possibilités d’abus. La difficulté ne disparaît pas lorsque les acteurs s’accordent sur l’existence d’un risque.

La prudence deviendrait réellement soutenable si un acteur pouvait se limiter sans craindre que cette retenue soit immédiatement exploitée par ses concurrents. Une telle situation exige de la réciprocité, des mécanismes de contrôle crédibles et une répartition des contraintes jugée suffisamment légitime. Elle exige aussi un périmètre assez souple pour suivre plusieurs formes de progrès technique sans prétendre surveiller toute innovation.

Deux niveaux de gouvernance semblent alors se dessiner. Le premier concerne les systèmes frontière et les capacités présentant des risques graves. Le second concerne l’infrastructure industrielle et énergétique qui permet leur développement à grande échelle. Leur articulation offrirait davantage de prise qu’un simple plafond de calcul ou qu’une réglementation générale des usages, tout en laissant ouvertes des questions difficiles d’équité, de souveraineté et de concentration du pouvoir.

C’est ici que l’article atteint volontairement sa limite. Le diagnostic des incitations explique assez bien pourquoi les appels généraux au ralentissement peinent à produire une décélération collective. Il ne fournit pas encore l’architecture politique capable de résoudre les conflits d’intérêts qu’il met au jour. Cette architecture devrait rendre la prudence praticable sans figer définitivement les hiérarchies technologiques, créer des moyens de vérification sans construire un pouvoir de surveillance disproportionné et contenir les capacités les plus dangereuses sans prétendre immobiliser l’ensemble de l’innovation.

Tant que ces conditions manqueront, la retenue restera exposée au même problème initial : celui qui ralentit doit pouvoir croire que les autres ne transformeront pas son choix en avantage pour eux-mêmes. Le changement de paradigme commence à cet endroit, dans la construction d’institutions capables de modifier ce calcul plutôt que dans l’espoir que tous les acteurs renoncent spontanément à le faire.