Un entretien avec Reda Sadki de la Fondation Apprendre Genève, à partir de ses remarques lors du panel « After World Labs: Is the Standalone AI Model Era Ending? ».
Ce que le panel a demandé
Le 3 octobre 2026, Reda Sadki a rejoint un panel en ligne organisé par le Forum IA pour les pays en développement dans le cadre de son examen IA hebdomadaire. Le point de départ était l’annonce d’AMD, le 28 septembre 2026, d’un accord pour acquérir World Labs, la société de recherche en IA dirigée par Fei-Fei Li, dans une transaction entièrement en actions d’une valeur d’environ 8,2 milliards de dollars dont la clôture est prévue fin 2026.
Le panel a posé la question suivante: une entreprise peut-elle construire une activité durable uniquement autour de ses modèles, ou bien la valeur se déplace-t-elle vers l’infrastructure, la distribution et les applications? Il a également demandé ce que cela signifie pour les pays en développement: quelles capacités ils devraient développer et conserver, où les partenariats suffisent, et où la dépendance aux plateformes externes limiterait leurs choix.
Les autres participants étaient le professeur Bruce Mellado, Institut de physique des hautes énergies, Académie chinoise des sciences, Afrique du Sud; Veronika Stoka, Département de biochimie et biologie moléculaire et structurale, Institut Jožef Stefan, Slovénie; Georg Zangl, cofondateur et directeur de la technologie, MudoZangl, Autriche; et Shashank Tiwari, PDG, Bytical AI, États-Unis.
Trois messages clés
- Investissez dans ce que personne ne peut vous vendre: vos équipes, votre main-d’œuvre et les connaissances locales qu’elles détiennent.
- Payez pour ce que vous voulez vraiment: un travail fiable et terminé. Mesurez le coût par tâche réussie.
- La souveraineté repose sur trois capacités: choisir, partir et juger. La souveraineté matérielle est hors de portée pour la plupart des pays en développement, mais la souveraineté des modèles reste à portée de main. Vous pouvez télécharger un modèle. Vous ne pouvez pas télécharger un centre de données.
Pourquoi un gouvernement d’un pays en développement devrait-il se préoccuper d’une acquisition?
Quand j’ai vu le sujet de cette semaine, je me suis demandé pourquoi nous devrions discuter d’une seule acquisition dans l’industrie de l’IA dans le contexte de l’IA pour les pays en développement. Mais si vous travaillez pour un gouvernement d’un pays en développement, il est essentiel de suivre ces transactions industrielles. Les enjeux vont affecter votre pays.
Il y a deux discussions. La première porte sur les enjeux mondiaux: des entreprises qui valent des milliers de milliards de dollars en concurrence les unes avec les autres, et en dessous, la concurrence entre les États-Unis et la Chine. La seconde porte sur ce que tout cela signifie si vous êtes ministre de la santé ou premier ministre d’un pays en Afrique, en Asie ou en Amérique latine. C’est à cette seconde discussion que j’espère contribuer.
Au Sommet RAISE à Paris en juillet 2025, j’ai écouté Eric Schmidt, ancien directeur général de Google, décrire l’un des principaux risques géopolitiques: que la Chine ou les États-Unis prennent tellement d’avance que l’autre ne puisse absolument pas rattraper son retard. Dans ce cas, a-t-il dit, il ne vous reste plus qu’une option nucléaire. Il a dit cela lors d’un forum public.
Quelle que soit votre opinion sur cette évaluation, réfléchissez à ce que cela signifie pour tous les autres. La souveraineté matérielle est probablement hors de portée pour les pays en développement. La souveraineté des modèles peut encore être à portée de main, mais des transactions comme celle-ci pourraient la rendre plus difficile. Si une superpuissance peut prendre trop d’avance pour qu’on puisse la rattraper, qu’est-ce que cela signifie pour un pays qui est déjà très en retard? C’est pourquoi comprendre ce qui se passe dans l’industrie est essentiel pour les gouvernements du Sud global.
Que signifie l’accord AMD et World Labs?
La lecture la plus simple est que les entreprises de modèles sont en train d’être absorbées dans des systèmes intégrés. Je pense à trois choses. La première est la concurrence entre les États-Unis et la Chine, par exemple les restrictions à l’exportation de puces. La deuxième est l’intégration du matériel et des logiciels d’Apple, et les différents avis sur la durée du succès construit sur cette intégration. La troisième est la robotique. Je ne peux pas imaginer une entreprise de puces qui envisage un avenir robotique et qui ne voudrait pas acquérir des modèles pour ses propres besoins, pour ne pas dépendre des autres.
La partie qui m’intéresse le plus est ce que cela signifie pour la souveraineté des gouvernements, en particulier dans le Sud global.
Personne en dehors de l’accord ne sait si cela reflète une nécessité ou une opportunité, et cela peut être les deux. World Labs parle de mise à l’échelle de son travail en intelligence spatiale et physique. AMD parle de la recherche comme guide pour les charges de travail futures.
Pour les pays en développement, la leçon pratique est que l’entreprise chez qui vous achetez aujourd’hui peut appartenir à quelqu’un d’autre demain. Choisissez des outils que vous pouvez quitter, et gardez les connaissances qui les rendent utiles à l’intérieur de vos propres institutions.
Les entreprises de modèles indépendantes font-elles face à une limite?
Je ne vois pas de limite en ce moment, parce que le travail autour des grands modèles de langage reste très ouvert. Regardez comment Jev est sortie de la discrétion avec un investissement de 40 millions de dollars et est devenue le sujet de conversation. La part de relations publiques et la part de substance est une question à part. Mais une petite entreprise qui semblait surgir de nulle part a pu apporter quelque chose de nouveau.
Je parle en tant qu’utilisateur. Mon organisation s’est transformée autour d’un flux de travail axé sur l’IA agentique. De cette perspective, un coup d’œil rapide à ce qui est nouveau sur le référentiel de modèles Hugging Face vous donne une idée du niveau d’activité et du rythme du changement dans les modèles. Ce travail reste à la portée des organisations plus petites, qui peuvent l’utiliser et le posséder. Le matériel est une autre affaire.
Les modèles deviennent-ils des produits de base, et le modèle est-il toujours le produit?
Les modèles deviennent des produits de base, en grande partie grâce à l’industrie chinoise de l’IA. Le matériel est beaucoup plus difficile à transformer en produit de base, au sens de devenir une ressource abondante que tout le monde peut accéder et se permettre. Cela a des conséquences pour les pays en développement.
Il y a un écart entre ce que vous pouvez exécuter localement avec des modèles ouverts sur du matériel relativement abordable et ce qu’offre un laboratoire de pointe. L’histoire d’Uber porte une certaine ironie. Uber a épuisé son budget annuel en IA au cours des quatre premiers mois de l’année. En même temps, les laboratoires de pointe subventionnent les coûts des jetons, tout comme Uber l’a fait quand les trajets étaient bon marché parce qu’il voulait vous rendre accro.
Si vous êtes un ministère de la santé et que vous faites confiance à la mauvaise réponse d’un modèle, les gens meurent. Vous avez des décisions difficiles à prendre. La souveraineté matérielle semble de plus en plus hors de portée. La souveraineté des modèles peut encore être à portée de main. Vous pouvez télécharger un modèle. Vous ne pouvez pas télécharger un centre de données.
Ce que les clients paient, c’est un travail terminé auquel ils peuvent faire confiance. En juillet, notre collègue IA a refusé de publier deux rapports terminés parce qu’un script de vérification avait trouvé dix-sept citations de travailleurs de la santé qu’il ne pouvait pas faire correspondre aux données brutes. Trois avaient été modifiées par le modèle de rédaction, qui avait nettoyé un espace égaré et lissé une phrase. La rédaction a pris des minutes. La valeur était dans le contrôle, et dans les gens qui savaient ce que les travailleurs de la santé avaient réellement écrit.
L’écart entre les modèles locaux et les modèles cloud se réduit-il ou s’élargit-il ?
Je n’ai pas l’expertise pour répondre à cette question. Je peux parler de mon expérience personnelle. En tant qu’utilisateur, j’essaie très fort de comprendre comment utiliser des modèles locaux, et quel type de matériel peut donner des résultats que je peux utiliser. Ce qui compte, c’est le résultat que vous cherchez, la fiabilité de la réponse, et ce qu’il coûte de vérifier cette réponse. Ensemble, ces éléments font le coût total. Jusqu’à présent, je n’ai pas pu utiliser un modèle local, même sur du matériel très coûteux, pour produire des résultats que je peux utiliser dans mon travail.
Si la valeur va au-delà des modèles, où les pays en développement peuvent-ils la capturer ?
Je travaille avec des gens au niveau national dans les ministères de la santé. La plupart des gens que je connais utilisent encore des adresses e-mail Gmail ou Yahoo pour communiquer. Je le vois comme un signal d’alarme pour la maturité technologique, et comme un indicateur possible de la souveraineté. Si c’est là où nous en sommes pour posséder notre propre e-mail, qu’est-ce que cela signifie pour le matériel et pour les modèles ?
Je pense toujours que la souveraineté des modèles est à portée de main, en partie parce que les modèles deviennent des produits de base face aux enjeux plus importants de la robotique et de l’intégration du matériel et du logiciel. Mais si vous travaillez dans un ministère de la santé, vous n’avez probablement pas les ressources pour payer votre personnel pour utiliser un modèle de pointe. Vous n’avez pas l’expertise technique pour mettre en place votre propre centre de données, l’exploiter, ou enseigner aux gens comment utiliser des modèles locaux. Ce qui reste, c’est le savoir.
Ce savoir est sous-évalué, et un modèle sans lui est un récipient vide. À l’Agentic AI Summit à Berkeley, un architecte Microsoft a dit que les modèles sont des produits de base, et que l’avantage est ce qu’une organisation sait. En santé, cela signifie ce que les travailleurs de première ligne savent sur leurs propres districts, dans leurs propres langues. Au Nigéria, notre programme d’apprentissage par les pairs a duré six semaines avec l’UNICEF et la NPHCDA, l’agence nationale de soins de santé primaires. Le savoir a circulé dans tout le pays entre 4 300 pairs répartis dans 308 zones de gouvernement local. Cela a eu un effet multiplicateur sur le rythme de progrès pour trouver les enfants zéro dose.
Je ferais un parallèle avec les produits pharmaceutiques. Une grande partie de la pharmacologie potentielle se trouve sur le continent africain. De nombreuses plantes médicinales pourraient être la source de nouveaux médicaments, mais très peu sont étudiées assez loin pour devenir des médicaments, et quand elles le sont, elles ne sont généralement pas possédées par l’Afrique. Un examen de 2026 des plantes médicinales utilisées par les communautés rurales dans la province du Limpopo, en Afrique du Sud, appelle toujours à une enquête clinique des utilisations que ces communautés décrivent. En Afrique australe, le savoir du peuple San sur Hoodia a été breveté sans leur consentement. Même les accords de partage des avantages célèbres, comme celui du rooibos, ont renforcé l’inégalité. Ainsi, bien qu’il y ait beaucoup de discussions sur la construction de sa propre fabrication pharmaceutique en Afrique, le chemin de ces ressources à une industrie possédée par l’Afrique reste peu clair. L’Afrique a la pharmacie, et d’autres possèdent le laboratoire et l’usine. L’IA porte le même risque, et la même opportunité.
Donc, du point de vue d’un ministère de la santé, regardez le savoir et les données que vous avez, ne sous-estimez pas leur valeur, et ne les donnez pas. Ne laissez pas le savoir local devenir la prochaine exportation brute. Si vous investissez, investissez de manière à garantir que vous possédez le savoir, et que vous gardez les gens qui peuvent vérifier la validité de ce que ces systèmes génèrent. Le reste n’est pas une cause perdue.
Que veut dire souveraineté en pratique ?
Je vous propose trois messages précis.
- Investissez dans ce que personne ne peut vous vendre : vos équipes, votre personnel, et les connaissances locales que vous détenez.
- Payez pour ce que vous voulez vraiment : un travail fiable et terminé. Si vous calculez le coût de votre passage à l’IA, calculez le coût par tâche réussie, et quelle combinaison de modèles et de matériel vous le garantira.
- La souveraineté repose sur trois capacités : pouvoir choisir, pouvoir partir ou refuser, et pouvoir juger.
Si vous travaillez dans un environnement à ressources limitées, voici les trois questions à poser pour chaque décision difficile : est-ce que vous pouvez choisir, est-ce que vous pouvez partir, et est-ce que vous pouvez juger la valeur de ce qui est produit.
Le risque contraire a un nom dans notre domaine. En commentant le rapport State of AI 2025, j’ai décrit une nouvelle ère possible de colonialisme numérique, où un secteur devient entièrement dépendant de quelques entreprises privées pour sa technologie la plus critique. Quand elles le peuvent, les institutions devraient construire plutôt que louer les éléments qui portent leurs connaissances : leurs données, leur évaluation et leurs processus de travail. Les institutions capables de porter cela existent déjà : les ministères de la santé avec leurs politiques de formation continue, les conseils réglementaires avec leurs exigences de formation, les réseaux d’anciens en épidémiologie de terrain. La question ouverte est de savoir si elles peuvent le faire à un coût par praticien qu’un budget national peut porter.
La capacité à juger dépend des personnes. Un pays qui possède le matériel mais a perdu les personnes capables de vérifier les résultats n’a gagné que très peu de contrôle. J’appelle le lien entre ce que produit une machine et la capacité humaine à le vérifier le lien de validation. Automatisez le travail par lequel les gens apprennent, et il ne restera personne pour vérifier ce que vous avez acheté.
La vraie bataille oppose-t-elle les modèles de pointe propriétaires aux modèles ouverts ?
C’est une des vraies batailles, et c’est celle qui décide si la souveraineté sur les modèles est possible. Les poids ouverts peuvent être téléchargés, exécutés localement, et ajustés sur vos propres données, dans vos propres locaux. CB Insights a rapporté en décembre 2025 que les petits modèles ouverts gagnent du terrain dans les gouvernements, la finance, la santé et le droit, et que les entreprises hors États-Unis et Chine représentent 40 % du marché des petits modèles, contre 33 % pour les grands modèles. À Berkeley, Jennifer Chayes a soutenu que développer des modèles à poids ouverts est le seul moyen pour les États-Unis, et une grande partie du monde, de garder son avance en IA. Andrew Ng a décrit un examen de sécurité que son équipe n’a pu terminer qu’avec des modèles à poids ouverts.
Les poids ouverts rendent la souveraineté sur les modèles possible. Ils ne protègent pas vos connaissances. Pour un agent de santé de district, la confrontation qui décide des résultats se joue entre deux voies. La première est le colonialisme numérique : des outils géo-verrouillés, la dépendance et l’inégalité renforcée. La seconde est l’intelligence en réseau, où l’IA est un collègue de travail et l’apprentissage entre pairs relie les personnes qui résolvent des problèmes dans des conditions similaires. Un modèle ouvert utilisé sans données locales, sans évaluation locale et sans personnes capables de le juger produit quand même de la dépendance. Je soutiendrais les écosystèmes ouverts, et je les jugerais selon que les personnes les plus proches de la communauté possèdent l’évaluation des outils qui les servent.
Et si les coûts de l’infrastructure d’IA chutaient soudainement ?
Le prix d’une réponse baisse à nouveau, et le goulot d’étranglement se déplace encore plus vite vers sa vérification. Chaque production bon marché crée une petite obligation pour quelqu’un : la lire, la juger ou agir. Plus le brouillon est bon marché, plus nous avons besoin de vérifications.
Une chute soudaine du coût affaiblirait aussi la compression du calcul qui concentre maintenant le pouvoir entre les mains d’une poignée de géants du cloud. C’est une bonne nouvelle pour les pays en développement. Le matériel moins cher aide, mais il ne sera jamais vraiment le leur. Les connaissances peuvent l’être, à une condition : avoir des personnes capables de bien utiliser ces outils et de voir quand ils se trompent. Un calcul moins cher ne crée pas cette capacité. Les humains la construisent par le travail et l’apprentissage.
Que devraient prioriser les gouvernements des pays en développement ?
Nous avons parlé de puces et de modèles. Beaucoup de personnes ont suggéré, de diverses façons, que l’IA est une nouvelle espèce. La première intelligence non humaine d’ordre supérieur que nous ayons rencontrée, et une que nous avons contribué à créer. Si vous adoptez ce point de vue, il peut être utile de penser en termes d’immigration plutôt que de souveraineté.
La première question est le contrôle des frontières. Voulez-vous des frontières ouvertes qui laissent n’importe quelle IA entrer dans votre pays ? La deuxième est la résidence. Sur quelle base une IA devrait-elle recevoir un permis de résidence, tout comme un travailleur étranger dans la plupart des endroits doit faire une demande et répondre à des critères ? La troisième est l’expulsion. Sur quelle base expulseriez-vous une IA que vous avez autorisée à résider dans votre pays ?
Je suis à la fois un peu facétieux et provocateur. Mais parfois, déplacer la lentille d’un problème informatique, d’un problème d’approvisionnement ou d’un problème de marché, et essayer une métaphore différente, est une façon utile de penser à l’avenir.