L’intelligence artificielle franchit un nouveau seuil politique. Le 21 septembre 2026, 22 dirigeants issus de 20 pays et de l’Union européenne ont soutenu une déclaration appelant à maintenir l’IA « sous la direction, la supervision et le contrôle humains ». Leur proposition : créer un mécanisme international capable de coordonner les normes, de vérifier les pratiques de sécurité et d’évaluer les modèles d’IA les plus avancés.
Le texte intervient alors que les capacités des modèles progressent rapidement, que les investissements industriels atteignent des niveaux inédits et que les usages se multiplient dans la santé, le climat et les services numériques. Il ne propose pas de suspendre le développement de l’IA, mais d’imposer des garde-fous communs avant le déploiement des systèmes les plus puissants.
Cette initiative pourrait modifier les rapports de force entre États, laboratoires et entreprises spécialisées dans les puces. Elle révèle aussi une difficulté centrale : les deux principales puissances de l’IA, les États-Unis et la Chine, n’ont pas signé la déclaration.
22 pays proposent une supervision mondiale des modèles avancés
La déclaration adoptée en marge de l’Assemblée générale des Nations unies demande une coopération internationale renforcée sur les systèmes d’IA dits frontier, c’est-à-dire les modèles les plus avancés et les plus capables.
Le texte est porté notamment par la Finlande et la Norvège. Il réunit 20 pays ainsi que la Commission européenne, pour un total de 22 dirigeants signataires. La liste comprend notamment l’Allemagne, le Canada, l’Australie, l’Afrique du Sud, Singapour, les Émirats arabes unis, le Kenya, le Kazakhstan, la Turquie et l’Espagne.
À retenir : la proposition ne vise pas à ralentir l’IA en général. Elle cherche à établir des règles communes pour les modèles avancés, avant leur mise à disposition du public ou leur intégration dans des infrastructures sensibles.
Le projet évoque une institution internationale pouvant jouer un rôle comparable, sur le plan conceptuel, à celui de l’Agence internationale de l’énergie atomique. Cette comparaison ne signifie pas que l’organisme disposerait déjà de pouvoirs identiques. Elle décrit plutôt une ambition : réunir les États, développer des standards partagés et organiser des mécanismes de vérification.
La déclaration reste ouverte à de nouvelles signatures. Cette possibilité est importante, car le nombre initial de participants ne suffit pas à créer une gouvernance mondiale représentative de l’ensemble des puissances technologiques.
Trois missions au cœur du projet
Le futur organe envisagé aurait plusieurs fonctions opérationnelles :
- vérifier que les entreprises disposent de protocoles de sécurité transparents ;
- encourager les tests obligatoires avant le déploiement des modèles avancés ;
- faciliter des évaluations indépendantes avec un accès suffisant aux systèmes concernés ;
- coordonner les standards développés par les gouvernements et les organisations régionales ;
- améliorer la transparence sur les incidents graves liés à l’IA ;
- favoriser un accès plus équitable à l’expertise scientifique et aux capacités d’évaluation.
Cette approche cherche à déplacer le débat du principe général de précaution vers des procédures vérifiables. Un laboratoire ne devrait pas seulement affirmer qu’un modèle est sûr. Il devrait pouvoir documenter les tests réalisés, transmettre certaines informations à des évaluateurs indépendants et signaler les incidents importants.
Les États-Unis et la Chine absents, une faiblesse politique immédiate
L’absence des États-Unis et de la Chine constitue le principal point de fragilité de l’initiative. Ces deux pays concentrent une part majeure des entreprises, des infrastructures et des investissements qui structurent le secteur mondial de l’IA.
Leur non-participation réduit la portée immédiate d’un futur dispositif. Une institution mondiale peut produire des standards, mais son influence dépend de la coopération des pays qui développent les modèles les plus puissants et contrôlent une partie des infrastructures de calcul.
Le Royaume-Uni, la France, l’Italie, l’Inde, le Japon et la Corée du Sud ne figurent pas non plus parmi les signataires recensés au lancement de la déclaration. Cette situation distingue l’initiative d’un accord universel déjà négocié. Il s’agit d’abord d’un appel politique porté par une coalition de pays favorables à une supervision internationale.
La déclaration conserve néanmoins une valeur stratégique. Elle fixe une position commune sur plusieurs principes : les systèmes d’IA doivent rester sous contrôle humain, les modèles avancés doivent être testés avant leur déploiement et les évaluations doivent pouvoir être conduites de manière indépendante.
Une gouvernance sans les principaux développeurs peut-elle fonctionner ?
La question n’est pas seulement diplomatique. Elle concerne directement la capacité à appliquer les règles.
Les laboratoires qui développent les modèles les plus avancés détiennent une expertise technique indispensable pour mesurer les performances, identifier les vulnérabilités et reproduire les incidents. Les États qui ne participent pas à leur développement peuvent fixer des exigences, mais ils ont besoin d’un accès aux systèmes et aux données techniques pour les contrôler efficacement.
Une institution internationale devrait donc résoudre trois tensions :
- obtenir la coopération des entreprises privées sans leur laisser définir seules les règles ;
- associer les grandes puissances sans transformer l’organe en simple forum politique ;
- imposer des exigences communes tout en tenant compte des différences entre les législations nationales.
La déclaration portée par les 22 dirigeants ouvre la porte à cette architecture, mais elle ne constitue pas encore un traité créant une autorité dotée de pouvoirs contraignants.
Des tests avant déploiement pour passer des principes aux preuves
L’obligation de tests préalables est l’un des éléments les plus concrets du texte. Elle vise les modèles avancés avant leur mise à disposition ou leur utilisation dans des contextes à risque.
Un test de pré-déploiement consiste à examiner un système avant sa diffusion afin d’identifier ses comportements dangereux, ses limites et ses possibilités de détournement. Les évaluations peuvent porter sur la cybersécurité, la génération de contenus trompeurs, la protection des données, l’autonomie d’un agent logiciel ou la capacité d’un modèle à contourner certaines consignes.
La déclaration insiste également sur l’indépendance des évaluateurs. Cette exigence répond à un problème de crédibilité : une entreprise qui évalue seule son propre système peut produire des résultats utiles, mais l’absence de regard extérieur limite la confiance accordée à ces résultats.
Ce que changerait une évaluation indépendante
Pour les laboratoires, une telle obligation pourrait modifier le calendrier de lancement d’un modèle. La mise sur le marché ne dépendrait plus uniquement de la fin de l’entraînement et de la disponibilité de l’infrastructure. Elle devrait aussi intégrer une phase de vérification documentée.
Pour les entreprises utilisatrices, cette évolution fournirait des éléments de comparaison plus homogènes. Les acheteurs pourraient examiner les méthodes de test, la nature des risques évalués et les incidents signalés avant de choisir un fournisseur.
Pour les régulateurs, l’enjeu serait de disposer d’une base technique commune. Des évaluations coordonnées permettraient de comparer des systèmes développés dans plusieurs pays, au lieu de multiplier des procédures nationales incompatibles.
Le principal défi consiste à définir ce qui déclenche une évaluation renforcée. Une règle fondée sur la taille du modèle serait insuffisante, car la puissance dépend aussi des données, de l’architecture, des outils connectés et de l’autonomie accordée au système.
L’industrie des puces montre pourquoi la gouvernance dépasse les logiciels
La question de la supervision ne concerne pas uniquement les laboratoires d’IA. Elle touche aussi les fabricants de processeurs, les fournisseurs de cloud et les opérateurs de centres de données.
AMD a franchi le seuil d’une capitalisation boursière de 1 000 milliards de dollars, signe de l’importance prise par les infrastructures nécessaires à l’entraînement et à l’exécution des modèles. Les accélérateurs de calcul sont devenus une composante stratégique de l’industrie, au même titre que les logiciels et les données.
Cette évolution élargit le périmètre d’un éventuel organe mondial. Pour évaluer un modèle, il faut comprendre son fonctionnement logiciel, mais aussi les ressources matérielles qui permettent son entraînement, sa distribution et son déploiement à grande échelle.
| Acteur | Rôle dans l’écosystème de l’IA | Point de contrôle potentiel |
|---|---|---|
| Laboratoires de modèles | Développement et entraînement des systèmes avancés | Tests de sécurité et publication des résultats |
| Fabricants de puces | Fourniture des capacités de calcul | Traçabilité des capacités et contrôle des usages |
| Fournisseurs de cloud | Hébergement et accès aux modèles | Surveillance des déploiements à grande échelle |
| Gouvernements | Élaboration et application des règles | Standards communs et procédures de vérification |
| Évaluateurs indépendants | Analyse des performances et des risques | Accès technique et validation des protocoles |
La montée en puissance d’AMD illustre également la concentration économique du secteur. Les fournisseurs de composants critiques peuvent influencer la vitesse de développement des modèles, la capacité des entreprises à les entraîner et le coût d’accès aux services d’IA.
Un organe mondial qui se limiterait aux déclarations des laboratoires manquerait donc une partie du problème. La supervision devrait prendre en compte la chaîne complète, depuis le calcul jusqu’à l’usage final.
Muse de Meta révèle la vitesse de diffusion des applications d’IA
Le succès de Muse de Meta sur l’App Store montre une autre dimension du phénomène : les produits d’IA peuvent atteindre rapidement une large visibilité, même lorsque des failles sont signalées.
L’application s’est hissée en tête de l’App Store malgré la présence d’une vulnérabilité. Ce cas illustre la tension entre vitesse de distribution et contrôle qualité. Une application peut rencontrer un succès commercial ou attirer une forte demande avant que ses risques techniques soient complètement documentés et traités.
Cette dynamique renforce l’intérêt de règles de transparence applicables après le lancement. Les tests avant déploiement ne suffisent pas toujours, car les problèmes apparaissent parfois lorsque le produit est confronté à des usages réels, à des volumes élevés ou à des tentatives de détournement.
La sécurité doit suivre tout le cycle de vie
Une politique crédible devrait distinguer plusieurs moments :
- l’évaluation avant la sortie ;
- la surveillance pendant les premières phases d’utilisation ;
- la correction des failles ;
- la déclaration des incidents graves ;
- la nouvelle évaluation après une modification importante du modèle ou de l’application.
Cette logique s’applique aussi aux assistants connectés à des outils externes. Un système qui produit seulement du texte ne présente pas le même profil de risque qu’un agent capable d’envoyer des messages, de modifier des fichiers ou d’exécuter des actions dans un environnement professionnel.
Le cas de Muse de Meta met en évidence une difficulté de régulation : une faille peut coexister avec une forte popularité. Le succès auprès des utilisateurs ne constitue donc pas une preuve de sécurité.
Santé et climat, des bénéfices mesurables mais des limites persistantes
La déclaration internationale reconnaît que l’IA peut contribuer à améliorer la vie quotidienne, à accélérer la recherche scientifique et à soutenir l’activité économique. Les avancées récentes dans la santé et le climat nourrissent cette promesse.
Dans la santé, les modèles peuvent contribuer à analyser des images, à organiser des informations médicales ou à soutenir la recherche. Dans le climat, ils peuvent aider à exploiter de grands volumes de données, à améliorer certaines prévisions et à modéliser des phénomènes complexes.
Ces usages ne suppriment pas les contraintes propres à chaque domaine. Une erreur dans un contexte médical peut avoir des conséquences différentes d’une erreur dans une application grand public. De même, un modèle climatique doit être évalué sur la qualité de ses données, la robustesse de ses hypothèses et la capacité des chercheurs à interpréter ses résultats.
À retenir : l’utilité d’un système d’IA ne dispense pas d’une vérification humaine. Plus la décision touche à la santé, à la sécurité ou aux infrastructures, plus l’évaluation doit être documentée et indépendante.
La gouvernance mondiale pourrait établir des exigences transversales, mais elle ne remplacerait pas les autorités sectorielles. Les dispositifs médicaux, les services financiers, les infrastructures énergétiques et les outils destinés au grand public nécessitent des niveaux de contrôle différents.
Éviter l’exagération des capacités
Le débat sur l’IA oppose souvent des promesses très larges à des résultats plus limités dans la pratique. Les modèles peuvent produire des réponses convaincantes tout en commettant des erreurs, en inventant des informations ou en échouant dans des situations inhabituelles.
Une évaluation sérieuse doit donc mesurer plusieurs dimensions : précision, robustesse, sécurité, résistance aux attaques, respect des contraintes et comportement lorsque le système ne dispose pas d’une réponse fiable.
La transparence sur les limites est aussi importante que la communication sur les performances. Une application qui annonce clairement ses domaines d’utilisation permet aux entreprises et aux administrations de mieux calibrer leurs décisions.
Un organe mondial pourrait imposer un nouveau coût de conformité
La création d’un mécanisme international aurait des effets directs sur les entreprises. Les laboratoires devraient probablement consacrer davantage de ressources à la documentation, aux tests et à la surveillance des modèles.
Pour les grands groupes, ces obligations pourraient être absorbées par des équipes juridiques, techniques et de sécurité déjà structurées. Pour les jeunes entreprises, elles pourraient représenter une barrière à l’entrée si les exigences deviennent trop coûteuses ou trop longues à satisfaire.
Le débat portera donc sur la proportionnalité. Tous les systèmes d’IA ne présentent pas le même niveau de risque. Un outil de classement interne ne devrait pas être soumis aux mêmes procédures qu’un modèle généraliste connecté à des systèmes critiques.
Des règles communes peuvent aussi réduire la fragmentation
La conformité internationale peut cependant produire un bénéfice industriel. Aujourd’hui, les entreprises opérant dans plusieurs marchés doivent composer avec des obligations différentes, des définitions variables et des procédures de contrôle parfois difficiles à comparer.
Des standards communs pourraient réduire cette fragmentation. Un protocole reconnu par plusieurs pays permettrait de limiter la répétition des audits, d’améliorer la lisibilité des dossiers techniques et d’accélérer certains déploiements transfrontaliers.
| Effet possible | Entreprises technologiques | Utilisateurs professionnels |
|---|---|---|
| Tests obligatoires | Coûts et délais supplémentaires avant la sortie | Meilleure visibilité sur les risques |
| Évaluations indépendantes | Accès accru des tiers aux modèles | Comparaison plus fiable des solutions |
| Standards communs | Réduction des divergences réglementaires | Déploiements internationaux simplifiés |
| Signalement des incidents | Obligations de transparence renforcées | Réaction plus rapide en cas de problème |
Le résultat dépendrait du niveau de précision des règles. Des principes trop généraux laisseraient les entreprises dans l’incertitude. Des exigences trop rigides pourraient empêcher l’adaptation à des technologies qui évoluent rapidement.
Notre avis : l’initiative doit obtenir des pouvoirs techniques, pas seulement une déclaration
L’appel des 22 pays marque une étape importante parce qu’il associe trois sujets souvent séparés : la sécurité des modèles, la coordination internationale et le contrôle de la chaîne industrielle. Il met aussi en lumière une contradiction : une gouvernance mondiale de l’IA ne peut pas être pleinement efficace sans dialogue avec les États-Unis et la Chine.
La priorité devrait être la création de standards techniques précis. Les principes de contrôle humain et de transparence sont nécessaires, mais ils ne suffisent pas à évaluer un modèle ou à décider s’il peut être déployé.
Un organe crédible devrait pouvoir s’appuyer sur des évaluateurs indépendants, accéder aux informations nécessaires, organiser le signalement des incidents et publier des méthodes de test comparables. Sans ces capacités, il resterait un forum diplomatique supplémentaire.
À six mois, le point décisif sera l’élargissement ou non de la coalition. L’arrivée de nouveaux pays, en particulier parmi les grandes puissances technologiques, déterminerait si la déclaration devient le socle d’une négociation internationale ou reste une initiative portée par un groupe de gouvernements volontaires.
La question centrale est désormais claire : les États accepteront-ils de soumettre les modèles les plus avancés à des règles communes avant que leur diffusion ne rende ces règles indispensables ?