La politique internationale à l'ère de l'intelligence artificielle, ⑨ L'économie politique internationale de l'IA : stratégies nationales d'IA et concurrence mondiale

⑩ Économie politique internationale de l'IA, Jiyeon Song [Lire le document de travail]

I. Introduction

À l'ère de l'intelligence artificielle (IA), celle-ci émerge comme un actif stratégique clé dans la concurrence nationale et l'économie politique internationale. Le développement et la diffusion rapides des technologies d'IA sont considérés comme des technologies ayant le potentiel de remodeler non seulement l'innovation industrielle, mais aussi des éléments clés du pouvoir national tels que la croissance économique, la puissance militaire, le contrôle des données et les marchés financiers. Dans ce contexte, les pays élaborent et publient de manière compétitive des « Stratégies nationales d'IA », et la concurrence pour l'obtention de la suprématie technologique mondiale est intense.

Cette étude classe d'abord ces stratégies nationales d'IA en quatre types idéaux afin de les analyser systématiquement. Premièrement, selon l'orientation stratégique (offensive vs défensive), on distingue si l'IA sera utilisée comme moyen d'acquérir une hégémonie mondiale ou si les risques et la dépendance résultant de la diffusion technologique seront gérés. Deuxièmement, selon la structure de leadership politique (dirigée par le marché vs dirigée par l'État), il est déterminé si l'innovation sera confiée aux entreprises privées et au marché, ou si l'État coordonnera directement l'industrie, les données et les infrastructures. En combinant ces deux critères, quatre types de stratégies sont dérivés : « dirigée par le marché-offensive », « dirigée par l'État-offensive », « ajustée par le marché-défensive » et « dirigée par l'État-défensive ». Chaque pays adopte des choix stratégiques différents en fonction de son système politique, de sa structure industrielle, de son écosystème technologique et de sa position internationale.

En outre, la stratégie nationale d'IA doit être comprise comme un produit dynamique qui interagit dans le contexte structurel de la concurrence mondiale en matière d'IA. L'IA, en tant que technologie universelle, a un impact sur tous les domaines tels que l'économie, l'industrie, le militaire et la société, et l'écart technologique entre les pays ne se limite pas à une simple différence de productivité, mais conduit directement à une restructuration du pouvoir national et de la position stratégique. Par conséquent, l'IA a tendance à intensifier la concurrence mondiale sous la forme d'une guerre totale. Cependant, cette concurrence en matière d'IA comporte le risque d'amplifier les effets négatifs des stratégies poursuivies par chaque pays. Par conséquent, la mise en place d'une gouvernance internationale de l'IA est une tâche urgente pour gérer ces risques.

II. Stratégies nationales d'IA

Avec la montée en flèche de l'importance stratégique de l'IA, les pays élaborent et publient de manière compétitive des « Stratégies nationales d'IA ». En mars 2017, le gouvernement canadien a annoncé la « Stratégie pancanadienne en matière d'intelligence artificielle », accompagnée d'un soutien financier complet. Il s'agissait d'une tentative de définir l'IA non pas comme une simple technologie industrielle, mais comme une technologie stratégique déterminant la compétitivité nationale, la croissance économique et la capacité d'innovation à long terme, et de coordonner systématiquement au niveau national les investissements en recherche et développement, la formation des talents et la construction d'un écosystème d'innovation.[1]Par la suite, de nombreux pays ont annoncé leurs stratégies en matière d'IA, et les politiques nationales en matière d'IA se sont répandues dans le monde entier. L'émergence et la diffusion de ces stratégies nationales d'IA montrent que l'IA est reconnue non pas comme une simple nouvelle technologie, mais comme une technologie universelle capable de remodeler des éléments clés du pouvoir national tels que la productivité, la structure industrielle, la puissance militaire, le contrôle des données et les marchés financiers. Par conséquent, les stratégies nationales d'IA doivent être comprises non pas comme une simple extension des politiques de promotion industrielle, mais comme le produit de réponses stratégiques par lesquelles les États redéfinissent leur position politico-économique dans le contexte de la concurrence pour la suprématie technologique et la restructuration des chaînes de valeur mondiales.[2]

Une stratégie nationale d'IA peut être définie comme « un ensemble de politiques gouvernementales coordonnées selon des objectifs clairs, afin de maximiser les avantages potentiels et de minimiser les coûts potentiels de l'IA pour l'économie et la société ».[3] Cette définition implique trois éléments clés. Premièrement, la stratégie d'IA présuppose la définition d'objectifs clairs au niveau national. Deuxièmement, divers instruments politiques tels que la recherche et le développement, la politique industrielle, l'éducation et la formation des talents, la réglementation, la gouvernance des données et la coopération internationale sont combinés de manière coordonnée. Troisièmement, les objectifs offensifs de promotion de la croissance et les objectifs défensifs de gestion des risques sont pris en compte simultanément. En fait, les gouvernements du monde entier ont fixé des objectifs politiques différents, tels que l'obtention du leadership mondial en matière d'IA, le renforcement de la souveraineté technologique, la protection des industries stratégiques et la supervision et la réglementation de l'adoption de l'IA. Cela signifie que la stratégie nationale d'IA va au-delà d'une simple politique de promotion industrielle et représente une conception globale de la manière dont l'État gérera et orientera le développement et la diffusion des technologies d'IA dans un ordre politico-économique donné.

Ce document présente quatre « types idéaux » de stratégies de développement de l'IA afin de comprendre systématiquement ces stratégies nationales d'IA. Le type idéal est un concept proposé par Max Weber, un modèle conceptuel construit non pas comme une entité empirique existant telle quelle dans la réalité, mais pour saisir analytiquement une réalité complexe et mixte.[4]Il ne s'agit pas de classer la réalité de manière simpliste, mais de fournir des points de référence analytiques pour comparer et évaluer dans quelle mesure chaque stratégie nationale se rapproche de certaines orientations et caractéristiques institutionnelles. Bien que les stratégies nationales d'IA réelles varient en fonction du système politique, de la structure industrielle, de l'écosystème technologique, du système financier et du système de valeurs sociales de chaque pays, elles peuvent être typifiées en se concentrant sur leur orientation fondamentale et leur structure de leadership politique.

Le premier critère de distinction des types idéaux est « l'orientation stratégique ». Cela fait référence aux valeurs que la stratégie d'IA privilégie en fin de compte et à la manière dont l'IA est positionnée comme un moyen dans le pouvoir national et le modèle de développement. Ici, on peut distinguer entre stratégies offensives et défensives. La stratégie offensive est une approche visant à prendre une avance concurrentielle dans le domaine de l'IA dans le contexte de la concurrence mondiale pour la suprématie technologique, et ainsi à acquérir une supériorité économique, militaire et scientifique et technologique. L'accélération de l'innovation technologique, l'accumulation de ressources de données et de calcul, la formation d'effets de réseau, la prise de contrôle des normes technologiques mondiales et des infrastructures, et le contrôle des composants clés et des chaînes d'approvisionnement sont définis comme des tâches clés. Dans ce cas, l'IA est considérée comme un moteur de croissance et un atout stratégique, directement lié à l'expansion du pouvoir national. En revanche, la stratégie défensive se concentre sur la minimisation des risques tels que la dépendance industrielle, la vulnérabilité des données, les chocs sur le marché du travail et l'aggravation des inégalités sociales qui peuvent résulter de la concurrence en matière d'IA. Il ne s'agit pas de freiner le développement technologique, mais d'une approche d'ajustement visant à garantir l'autonomie économique et la stabilité sociale en gérant le rythme, la portée et les modalités d'adoption par le biais de la réglementation. Par conséquent, « l'orientation stratégique » est un axe conceptuel qui permet de déterminer l'orientation fondamentale de la politique, en se concentrant sur l'utilisation active de l'IA comme moyen d'expansion du pouvoir national ou en mettant l'accent sur la gestion des chocs structurels résultant de la diffusion de l'IA.

Le deuxième critère est la « structure de leadership politique ». Cela fait référence à la manière dont les pouvoirs et le leadership sont répartis entre l'État et le marché, en particulier les entreprises de plateformes numériques, dans le processus d'élaboration et de mise en œuvre de la stratégie d'IA. Ici, la « structure de leadership politique » ne signifie pas simplement le niveau ou la force de l'intervention gouvernementale, mais est un concept structurel qui explique à quel acteur le pouvoir décisionnel clé et le contrôle stratégique sont finalement attribués dans le système de gouvernance entourant le développement de l'IA. Dans la stratégie dirigée par le marché/la plateforme, les entreprises privées, en particulier les grandes entreprises de plateformes technologiques et les écosystèmes de capital-risque, fonctionnent comme le principal moteur de l'innovation. Le gouvernement fournit le cadre institutionnel, tel que le soutien à la recherche fondamentale, la mise en place de cadres réglementaires, la promotion de la concurrence et l'élaboration de lignes directrices éthiques, mais la direction et le rythme spécifiques de l'innovation technologique sont déterminés par la concurrence du marché, les marchés des capitaux et les effets de réseau. En revanche, dans la stratégie dirigée par l'État, le gouvernement fixe les priorités du développement de l'IA et coordonne directement le développement technologique en utilisant la politique industrielle, le soutien financier, les instituts de recherche publics, les achats publics et les pouvoirs réglementaires. La désignation d'industries stratégiques, les investissements publics à grande échelle, le contrôle national des infrastructures de données et le lien avec la sécurité sont des caractéristiques typiques. Dans ce cas, l'État fonctionne non seulement comme un promoteur, mais aussi comme un décideur et un acteur central de l'allocation des ressources.

En combinant ces deux critères, quatre types idéaux de stratégies nationales d'IA sont dérivés : « dirigée par le marché-offensive », « dirigée par l'État-offensive », « ajustée par le marché-défensive » et « dirigée par l'État-défensive ». Bien sûr, les stratégies nationales d'IA réelles ne correspondent pas entièrement à l'un de ces types, mais ont un caractère composite et se situent sur un continuum. Néanmoins, ces types idéaux fournissent un cadre analytique utile pour analyser la manière dont les pays réagissent au développement et à la diffusion de la technologie universelle qu'est l'IA.

<Tableau 1> Types idéaux de stratégies nationales d'IA

1. Stratégie offensive axée sur le marché (market-led offensive strategy)

La stratégie offensive axée sur le marché désigne le type de stratégie qui reconnaît l'IA comme un actif stratégique clé dans la compétition pour le pouvoir national, tout en plaçant la dynamique principale de son développement non pas sous le contrôle direct de l'État ou une planification centralisée, mais dans la concurrence du marché et les capacités d'innovation du secteur privé. Dans cette stratégie, l'État n'est pas un contrôleur dirigeant le développement technologique de manière détaillée, mais plutôt un coordinateur et un facilitateur qui présente une vision à long terme, une orientation normative et conçoit une base institutionnelle et financière. Les principaux acteurs de la mise en œuvre de l'innovation sont des acteurs décentralisés tels que les entreprises, les universités, les instituts de recherche, l'écosystème des startups et les marchés de capitaux. L'État renforce stratégiquement leur compétitivité par le biais de l'expansion des investissements en R&D, de l'ouverture des données et des ressources informatiques, de la rationalisation de la réglementation, de l'élaboration de stratégies de normalisation, de la stabilisation des chaînes d'approvisionnement et de mesures de sécurité sélectives. Par conséquent, cette stratégie a le caractère d'un « libéralisme stratégique » qui, tout en prônant un ordre de marché libre, poursuit des objectifs offensifs tels que l'obtention de la suprématie technologique, la préemption des normes internationales et la réalisation d'une supériorité militaire.

Le domaine de l'IA est un domaine particulièrement adapté à ce libéralisme stratégique. Après le « hiver de l'IA » des années 1970, le développement de l'IA a été principalement mené par des entreprises privées, le soutien public ayant diminué. Les innovations clés telles que les robots industriels, l'exploration de données, l'IA basée sur le cloud et les grands modèles linguistiques ont été principalement réalisées par des entreprises privées. Aujourd'hui encore, de grandes entreprises technologiques comme Microsoft, Google, Amazon, Meta et OpenAI sont à la pointe du développement de l'IA, s'appuyant sur d'énormes quantités de données, de ressources informatiques et de plateformes mondiales.[5] Par conséquent, l'IA est considérée comme une technologie typiquement axée sur le marché, où la concurrence entre entreprises détermine la vitesse et la direction de l'innovation. Cette structure axée sur le secteur privé est également une raison clé pour laquelle la stratégie offensive axée sur le marché est hautement cohérente dans le domaine de l'IA.

Les États-Unis sont l'exemple le plus représentatif de cette stratégie. L'« American AI Initiative », publiée par l'administration Trump lors de son premier mandat en 2019, a fixé le maintien et le renforcement du leadership américain en matière d'IA comme objectif national, mais son approche s'est concentrée sur la création d'un environnement d'innovation plutôt que sur un contrôle industriel centralisé. Les points clés comprenaient l'augmentation des investissements fédéraux en R&D sur l'IA, l'ouverture des données fédérales de haute qualité et des ressources informatiques, la minimisation des obstacles réglementaires entravant l'innovation, la formation de talents STEM et la participation à la formation de normes internationales. En particulier, en évitant une réglementation préalable excessive et en soulignant une réglementation axée sur les résultats basée sur une analyse coûts-avantages, elle a cherché à garantir institutionnellement l'autonomie de l'innovation privée. Cela peut être évalué comme une stratégie de facilitation qui, tout en fixant des objectifs offensifs, met l'accent sur la création d'écosystèmes et la construction de bases institutionnelles en termes d'outils politiques.[6]

L'« America’s AI Action Plan », publié par l'administration Trump lors de son second mandat en 2025, a évolué vers une stratégie offensive plus explicite et structurée. Ce plan est centré sur trois axes : accélérer l'innovation en IA, construire l'infrastructure américaine d'IA, et diriger la diplomatie et la sécurité internationales en matière d'IA, plaçant la compétition stratégique entre les États-Unis et la Chine au premier plan. Il comprend des stratégies d'exécution intégrant l'industrie, la sécurité et la diplomatie, telles que la révision de la réglementation et le renforcement de la déréglementation, la promotion de l'écosystème open source, l'expansion des infrastructures de semi-conducteurs, de centres de données et d'énergie, la construction d'infrastructures d'IA hautement sécurisées pour les agences militaires et de renseignement, le renforcement des contrôles à l'exportation et la formation de blocs technologiques basés sur des alliances. En d'autres termes, alors que la stratégie de 2019 se concentrait sur l'établissement des bases institutionnelles de l'écosystème d'innovation, la stratégie de 2025 peut être considérée comme un cadre d'exécution complet visant à transformer les résultats de l'innovation en avantages géopolitiques par la réorganisation des chaînes d'approvisionnement, le contrôle technologique et l'expansion des réseaux d'alliances. L'America’s AI Action Plan de 2025 a renforcé le rôle stratégique de l'État en explicitant la compétition pour la suprématie en IA, en renforçant la sécurisation de l'IA et en institutionnalisant les stratégies de contrôle technologique et de blocage envers les pays concurrents.[7] Néanmoins, on peut évaluer que les deux stratégies maintiennent de manière cohérente leur caractère axé sur le marché, en ce sens que le gouvernement ne gère pas l'industrie de l'IA de manière planifiée et que le centre de l'innovation reste les entreprises privées et la communauté de recherche.

Tableau 2 Comparaison entre l'American AI Initiative et l'America’s AI Action Plan

Le principal avantage de la stratégie offensive axée sur le marché est sa cohérence structurelle avec la structure de développement de l'IA axée sur le secteur privé. Une structure de marché concurrentielle permet l'expérimentation de diverses voies technologiques, élimine rapidement les échecs et favorise un afflux massif de capitaux et de talents. Les entreprises détenant des plateformes mondiales peuvent diffuser les normes internationales et les piles technologiques grâce aux effets de réseau, et l'État peut répondre de manière flexible aux risques géopolitiques en intervenant sélectivement dans des points stratégiques tels que les chaînes d'approvisionnement, la sécurité et les normes. En d'autres termes, la vitesse et l'ampleur du développement technologique sont assurées par le marché, tandis que la transformation stratégique des résultats est assurée par l'État, créant une division structurelle du travail. Cependant, cette stratégie comporte également des limites structurelles. Les entreprises prennent des décisions basées sur le risque et le rendement, ce qui peut reléguer la sécurité à long terme, l'éthique et la responsabilité sociale au second plan. La domination croissante des entreprises de plateformes et le monopole des données peuvent entraver la concurrence et aggraver les inégalités. De plus, des problèmes de cohérence stratégique peuvent survenir lorsque les intérêts commerciaux des entreprises privées ne correspondent pas toujours aux stratégies à long terme de l'État.[8]

La stratégie offensive axée sur le marché peut être qualifiée de stratégie hybride visant à obtenir un avantage dans la compétition pour la suprématie technologique internationale en mobilisant au maximum les capacités d'innovation du secteur privé, par le biais de la conception d'un environnement institutionnel et d'incitations stratégiques, plutôt qu'en contrôlant directement l'industrie. L'exemple américain montre une évolution vers la promotion active de la réorganisation de l'ordre géopolitique centré sur la technologie, tout en maintenant un écosystème d'innovation ouvert.

2. Stratégie offensive dirigée par l'État (state-led offensive strategy)

La stratégie offensive dirigée par l'État définit l'IA non pas comme un simple moyen d'innovation industrielle, mais comme un actif stratégique clé directement lié à la réorganisation structurelle du pouvoir national. Elle vise à obtenir une position de leader dans la compétition technologique internationale en dirigeant de manière globale la définition de la vision à long terme, l'allocation des ressources, la conception des institutions, l'organisation industrielle et l'intégration de la sécurité par le gouvernement central. Dans cette stratégie, le gouvernement central dirige la feuille de route du développement, les technologies clés, l'implantation industrielle, le système de gestion des données, ainsi que l'orientation des normes et réglementations, tandis que le marché et les entreprises sont mobilisés et coordonnés dans le cadre de la stratégie nationale.

L'exemple le plus typique de ce type idéal est la Chine. Avec le « A New Generation Artificial Intelligence Development Plan » publié par le Conseil des affaires de l'État en 2017, la Chine a élevé l'IA au rang de priorité stratégique suprême et a fixé l'objectif à long terme de devenir un centre majeur d'innovation en IA et un pays leader mondial d'ici 2030. Ce plan définit l'IA comme une technologie stratégique qui mènera l'avenir et poursuit simultanément l'autosuffisance technologique et l'obtention d'un avantage concurrentiel mondial, en soulignant l'acquisition nationale d'actifs stratégiques tels que les algorithmes clés, les puces d'IA avancées, les ressources de données et les systèmes intelligents, ce qui démontre une orientation offensive claire. En particulier, en la combinant avec la stratégie de fusion civilo-militaire, le développement de l'IA a été directement lié à la modernisation militaire, le transformant en un projet national intégrant la technologie, l'industrie et la sécurité.

En termes de structure de direction politique, le gouvernement central supervise la direction du développement par le biais de la réorganisation des laboratoires clés et des bases d'innovation au niveau national, d'investissements financiers et de financements politiques à grande échelle, de la désignation de secteurs stratégiques et de subventions, et de la construction de systèmes de gouvernance des données. Les principales entreprises de plateformes telles qu'Alibaba, Tencent, Baidu et Huawei fonctionnent comme des acteurs d'innovation autonomes mais aussi comme des partenaires d'exécution de la stratégie nationale. Contrairement au modèle où les entreprises privées sont au centre en tant qu'acteurs indépendants du marché, cela montre la nature d'un complexe technico-industriel intégré sous la stratégie nationale. De plus, les données sont redéfinies comme un actif stratégique directement lié à la sécurité nationale, au-delà d'un simple élément de concurrence de marché, et leur collecte, leur distribution, leur utilisation et leur transfert transfrontalier sont progressivement intégrés dans la sphère de la gestion étatique. Les systèmes de supervision de la loi, de l'éthique, des normes, de la propriété intellectuelle et de la sécurité sont également révisés de manière proactive, formant une structure de supervision couvrant de la conception des algorithmes à la phase d'application, caractérisée par une approche systématique visant à promouvoir une diffusion technologique à grande échelle dans des limites contrôlables.[9]

Grâce à ces caractéristiques structurelles, la stratégie offensive dirigée par l'État présente des avantages tels qu'une mobilisation concentrée des ressources, la cohérence de la stratégie à long terme, une coordination intégrée de la technologie, de l'industrie et de l'armée, et la construction rapide d'infrastructures à grande échelle. En particulier, le fait que l'État puisse concentrer des ressources sur des industries stratégiques en intégrant les politiques fiscales, financières et industrielles au stade de la poursuite technologique est propice à une accumulation rapide des capacités. Cependant, en même temps, la structure bureaucratique centralisée risque de limiter la diversité de l'innovation radicale et disruptive, et la désignation d'industries stratégiques et les subventions à grande échelle comportent des risques d'allocation erronée des ressources et d'erreurs de jugement politique. Si l'autonomie des entreprises est excessivement subordonnée à la stratégie nationale, la flexibilité et la créativité sur le marché mondial peuvent s'affaiblir. De plus, le renforcement du contrôle des données et l'élargissement de l'intervention de l'État peuvent constituer des obstacles à la coopération internationale et à l'établissement de la confiance. Il est également souligné comme une limite structurelle que plus le développement technologique est étroitement lié à la stratégie nationale, plus la tendance à la transposition des conflits politiques internationaux dans le domaine technologique s'intensifie.[10] En d'autres termes, la stratégie offensive dirigée par l'État peut être évaluée comme un type de stratégie dont la viabilité dépend de la manière dont elle garantit la flexibilité institutionnelle et l'ouverture internationale, tout en possédant les avantages d'une forte capacité de mobilisation et de la mise en œuvre de stratégies à long terme.

3. Stratégie défensive de régulation du marché (market-shaping defensive strategy)

La stratégie défensive de régulation du marché reconnaît l'IA comme une technologie stratégique clé, mais vise à défendre les valeurs, les institutions et la stabilité sociale d'un pays en redéfinissant les conditions institutionnelles et les normes du marché, plutôt qu'à obtenir un avantage offensif direct dans la compétition pour la suprématie technologique internationale. Dans cette stratégie, l'État fonctionne non seulement comme un promoteur industriel, mais aussi comme un concepteur de normes et un gestionnaire des risques. La dynamique de l'innovation technologique réside toujours dans le secteur privé, mais l'État façonne structurellement la trajectoire du développement technologique par le biais de la réglementation juridique, des systèmes de normalisation, de la gouvernance des données, des politiques de concurrence et des mécanismes de responsabilité. C'est-à-dire qu'il s'agit d'une stratégie qui, au lieu de fermer le marché ou de contrôler directement la production, établit des frontières institutionnelles pour que le développement technologique ne soit pas en conflit avec la démocratie, les droits de l'homme, la protection de la vie privée et la confiance sociale, en restructurant les règles de fonctionnement du marché.

L'exemple représentatif de cette stratégie est l'AI Act de l'Union Européenne. Adopté en 2024, ce règlement est le premier cadre réglementaire complet sur l'IA au monde, dont le principe clé est l'« approche basée sur les risques ». Il classe les systèmes d'IA en quatre niveaux de risque : « risque inacceptable », « risque élevé », « risque limité » et « risque minimal », et différencie l'intensité de la réglementation proportionnellement à l'intensité du risque. Les systèmes tels que la notation sociale de crédit, la manipulation des groupes vulnérables et la biométrie à distance en temps réel à grande échelle sont interdits. L'IA à haut risque utilisée dans des domaines tels que l'éducation, l'emploi, le crédit, l'application de la loi, l'immigration et la justice doit satisfaire à des exigences strictes en matière de gestion des risques, de qualité des données, de documentation technique, de supervision humaine, de précision, de robustesse et de cybersécurité. De plus, pour l'IA à usage général (General Purpose AI), des obligations supplémentaires d'évaluation et de reporting sont imposées aux modèles ayant une échelle de calcul supérieure à un certain seuil, afin de gérer les risques systémiques à l'avance. L'approche de l'UE se caractérise également par le fait qu'elle fait partie d'une stratégie globale de régulation du marché qui redéfinit l'ordre numérique dans son ensemble, plutôt que d'être une réglementation isolée de l'IA. La protection renforcée de la vie privée par le Règlement Général sur la Protection des Données (RGPD), la régulation de la domination du marché des plateformes par le Digital Markets Act (DMA) et le renforcement de la responsabilité des plateformes en ligne par le Digital Services Act (DSA) se combinent avec la réglementation de l'IA pour former un cadre normatif cohérent.[11] Par conséquent, l'UE poursuit une stratégie de « pouvoir normatif » visant à façonner les principes de fonctionnement du marché mondial par le biais de normes et de standards, plutôt qu'à obtenir un avantage industriel direct dans la compétition pour la suprématie technologique.

Les avantages de la stratégie défensive de régulation du marché sont clairs. Premièrement, elle garantit la stabilité à long terme et la légitimité démocratique en institutionnalisant à l'avance les risques sociaux et politiques que le développement technologique pourrait entraîner. Deuxièmement, un cadre réglementaire clair offre de la prévisibilité aux entreprises et aux investisseurs et renforce la confiance des consommateurs. Troisièmement, au niveau international, elle permet d'exercer une influence dans le processus de formation de l'ordre technologique mondial en préemptant les normes et les standards. Cela peut être évalué comme une tentative d'obtenir une autonomie stratégique dans le domaine de la compétition normative, au-delà de la simple compétition industrielle. Cependant, cette stratégie comporte également des limites structurelles. Le problème le plus crucial est le risque de « surréglementation préventive » résultant de l'introduction d'une réglementation complète avant la maturité technologique. Une réglementation préalable stricte augmente les coûts de conformité et impose un fardeau particulièrement lourd aux startups et aux PME disposant de ressources financières et juridiques limitées. Cela peut entraver l'expérimentation de l'innovation et la commercialisation rapide, affaiblissant ainsi le dynamisme de l'écosystème industriel.

De plus, un système réglementaire complexe risque paradoxalement de favoriser les grandes entreprises. Les entreprises mondiales disposant de ressources suffisantes peuvent absorber les coûts de conformité réglementaire, mais les nouvelles entreprises peuvent avoir une incitation à abandonner le marché ou à s'installer en dehors de l'UE. En outre, bien que l'UE ait obtenu une position de leader dans sa capacité à définir des normes, elle dispose d'une base industrielle relativement faible par rapport aux États-Unis et à la Chine en termes de développement de modèles à très grande échelle et d'infrastructures informatiques massives.[12] Dans ces circonstances, si une réglementation stricte est introduite précocement, le déséquilibre structurel où le « pouvoir de créer des règles » est exercé mais le « pouvoir de produire de la technologie » est limité risque de s'aggraver. Cela pourrait, à long terme, créer une tension avec l'objectif d'obtenir l'autonomie stratégique.

La stratégie défensive de régulation du marché est une approche qui défend les valeurs sociales et la stabilité institutionnelle en façonnant structurellement la direction du développement technologique par le biais de lois et de réglementations, sans contrôler entièrement le marché. L'AI Act de l'UE est l'exemple le plus systématique de cette stratégie, et peut être considéré comme une tentative de redéfinir la compétition technologique non pas comme une simple compétition pour la suprématie industrielle, mais comme une compétition normative. Cependant, cette stratégie exige un ajustement continu de l'équilibre entre la légitimité normative et la compétitivité industrielle, et ses résultats à long terme dépendront de la manière dont cet équilibre sera conçu.

4. Stratégie défensive dirigée par l'État (state-led defensive strategy)

La stratégie défensive dirigée par l'État reconnaît l'IA comme une technologie stratégique clé pour la sécurité nationale et le développement économique, mais vise à protéger la base industrielle et à assurer l'autosuffisance de manière dirigée par l'État, plutôt qu'à obtenir un avantage offensif direct dans la compétition mondiale pour la suprématie technologique. Dans cette stratégie, l'État fonctionne comme le principal moteur du développement industriel et l'exécuteur de la protection du marché. Plutôt que de s'appuyer entièrement sur la concurrence autonome du marché, le gouvernement utilise divers outils politiques tels que les subventions, les marchés publics, le soutien à la R&D, la réglementation des entreprises étrangères, le contrôle des données et les investissements dans les infrastructures pour protéger l'écosystème national de l'IA de la pression concurrentielle extérieure. Cela peut être considéré comme une tentative de prévenir la dépendance industrielle résultant de la domination des entreprises technologiques mondiales sur la technologie, les données et les plateformes, et de construire un « espace tampon stratégique » institutionnalisé où l'industrie nationale peut se développer.

Cette stratégie défensive évolue à un niveau supérieur en se combinant avec le concept d'IA Souveraine, au-delà de la simple protection du marché. L'IA Souveraine désigne une approche stratégique visant à construire de manière autonome l'ensemble du système de conception, d'entraînement, de déploiement et d'exploitation des modèles d'IA, ainsi que l'infrastructure informatique et le système de gouvernance qui le soutiennent, au-delà de la souveraineté des données qui gère les données conformément au cadre juridique national. Cela va au-delà de la question de « qui contrôle les données » pour s'étendre à la question plus fondamentale de la souveraineté : « qui conçoit les algorithmes et les modèles, et selon quelles règles et valeurs l'IA fonctionne-t-elle ? ». La stratégie défensive dirigée par l'État vise à atteindre une internalisation technologique à long terme et une autonomie stratégique en garantissant cette souveraineté de l'IA.[13]

L'Inde peut être classée comme un exemple représentatif de cette stratégie défensive dirigée par l'État. L'Inde reconnaît que l'IA est un moteur clé de la croissance économique et de la transformation numérique, mais elle s'est méfiée de la dépendance structurelle de son écosystème d'IA vis-à-vis des entreprises de plateformes américaines et chinoises. Dans ce contexte, le NITI Aayog a présenté une vision stratégique au niveau national en publiant la « National Strategy for Artificial Intelligence: AI for All » en 2018. Bien que cette stratégie mette l'accent sur la croissance inclusive en apparence, son contenu montre clairement le caractère d'une stratégie défensive dirigée par l'État visant à garantir l'autosuffisance technologique et la souveraineté.[14]

La stratégie indienne AI for All est conçue pour que l'État dirige la direction du développement de l'IA par le biais de la création de demande axée sur le secteur public. L'Inde a sélectionné des domaines d'application prioritaires tels que la santé, l'agriculture, l'éducation, les villes intelligentes et la mobilité intelligente, où les externalités sociales sont importantes. Il s'agit d'une approche qui privilégie l'optimisation sociale plutôt que la maximisation des profits à court terme, et qui vise à empêcher que l'industrie de l'IA ne soit réorganisée en un marché de consommation commerciale centré sur les entreprises de plateformes étrangères. En particulier, en créant directement la demande dans des domaines tels que l'agriculture et la santé, où il y a peu d'incitation à investir pour le secteur privé seul, elle vise à orienter la direction du développement industriel vers des objectifs publics.

Deuxièmement, cette stratégie vise à systématiser l'écosystème de recherche au niveau national par une double structure : les Centres de Recherche d'Excellence (CORE) pour renforcer les capacités de recherche fondamentale et les Centres Internationaux pour l'IA Transformationnelle (ICTAI) axés sur l'application et l'innovation industrielle. Il ne s'agit pas simplement d'adopter des technologies étrangères, mais d'une stratégie progressive visant à internaliser la technologie à long terme par l'apprentissage (adaptation) et l'application. Cela peut être considéré comme un choix visant à accumuler des capacités 독자적 (indépendantes) en utilisant l'avantage du suiveur tardif (« late-mover advantage »), tout en reconnaissant les contraintes en tant que suiveur tardif.

Troisièmement, elle met l'accent sur la garantie de la souveraineté des données et du contrôle des plateformes. L'Inde cherche à conserver le contrôle des données au niveau national par le biais d'exigences de localisation des données, de la mise en place d'un système de protection des données personnelles et de la création de cadres réglementaires sectoriels. De plus, par la conception d'une plateforme publique intégrant la collecte de données, l'annotation et le déploiement de modèles par le biais de la National AI Marketplace (NAIM), elle vise à atténuer la dépendance structurelle vis-à-vis des plateformes des géants technologiques mondiaux et à permettre à l'État de fonctionner comme coordinateur et concepteur de l'écosystème. Cela peut être interprété comme une tentative de construire les bases institutionnelles de l'IA Souveraine.

Quatrièmement, elle procède à la réorganisation des ressources humaines et des bases institutionnelles. Les programmes de requalification à grande échelle, les modèles d'éducation décentralisés et les stratégies de création de nouveaux emplois tels que l'annotation de données peuvent être compris comme des mesures défensives visant à atténuer le choc de l'automatisation et à minimiser les conflits sociaux. Parallèlement, l'amélioration du système de propriété intellectuelle (PI) qui reflète les spécificités des brevets sur les données et des modèles basés sur les données constitue une préparation institutionnelle pour ne pas être assujetti à la structure de la propriété intellectuelle centrée sur les entreprises étrangères.

Les points forts de cette stratégie axée sur l'État et défensive sont les suivants. Premièrement, elle permet de réduire la dépendance technologique extérieure et de jeter les bases d'une autonomie industrielle à long terme. Les politiques protectionnistes empêchent les entreprises nationales en phase initiale de disparaître face à la concurrence directe des géants mondiaux et leur accordent le temps nécessaire à l'accumulation de connaissances. De plus, l'approche d'IA souveraine, qui vise à maintenir les données et les infrastructures sous contrôle national, contribue à atténuer les risques sécuritaires et à préserver l'autonomie politique. En outre, un modèle de développement de l'IA axé sur des objectifs publics peut garantir la légitimité sociale et aider à atténuer les problèmes d'inégalité et d'exclusion qui peuvent survenir lors de la transition numérique. Cependant, la stratégie axée sur l'État et défensive présente également des limites structurelles. Un protectionnisme excessif risque d'affaiblir la pression concurrentielle, ce qui pourrait nuire à l'efficacité et à la capacité d'innovation de l'industrie nationale. Bien que le renforcement de la réglementation à l'encontre des entreprises étrangères puisse avoir un effet protecteur sur le marché à court terme, il existe également un risque de réduction des investissements étrangers et de la coopération technologique à long terme. De plus, la mise en place d'une IA souveraine nécessite des investissements considérables en infrastructures informatiques, ressources énergétiques et personnel qualifié, et les pays en développement font face à des contraintes technologiques pour construire leurs propres modèles. En outre, l'allocation des ressources dirigée par l'État comporte également le risque d'être accompagnée de jugements politiques et d'inefficacités bureaucratiques.

La stratégie axée sur l'État et défensive peut être considérée comme une réponse réaliste pour les pays en développement dans la course mondiale à l'IA, une stratégie défensive et axée sur la souveraineté visant à prévenir la dépendance structurelle vis-à-vis du pouvoir technologique extérieur et à garantir la souveraineté technologique. La stratégie de l'Inde, axée sur la construction d'une IA souveraine sous le couvert d'une croissance inclusive, démontre une approche qui privilégie le contrôle de l'écosystème et l'internalisation de la technologie plutôt que l'ouverture du marché. Cela peut être considéré comme un exemple typique de stratégie de développement de l'IA axée sur l'État, dont les objectifs principaux sont la survie technologique et l'autonomie stratégique, distincte d'une stratégie offensive de domination.

5. Diversité des stratégies nationales en matière d'IA

Les quatre stratégies nationales en matière d'IA examinées jusqu'à présent peuvent être distinguées selon leur attitude face à la concurrence technologique mondiale et la manière dont elles définissent la relation entre l'État et le marché. La première concerne l'orientation stratégique : s'agit-il d'étendre son influence dans l'ordre international grâce à l'IA, ou de gérer la dépendance et les risques ? La seconde concerne l'acteur qui mène l'innovation.

La stratégie axée sur le marché et offensive vise la domination mondiale de l'IA en s'appuyant sur la capacité d'innovation et l'accumulation de capital des entreprises privées. Dans cette stratégie, l'État agit comme un facilitateur qui crée un environnement propice à l'innovation par le biais de la déréglementation, du soutien à la R&D, de l'attraction des talents et d'avantages fiscaux, plutôt que de contrôler directement l'industrie. La stratégie axée sur l'État et offensive vise à maintenir des objectifs offensifs, mais les atteint par le biais de politiques industrielles et de mobilisation des ressources centrées sur l'État. Dans ce cas, l'État n'est pas un simple coordinateur, mais un acteur clé qui conçoit l'orientation industrielle et alloue des ressources aux secteurs stratégiques. La stratégie axée sur le marché et défensive vise à maintenir la structure fondamentale de l'économie de marché tout en gérant les risques sociaux potentiels de la technologie de l'IA par une réglementation stricte et une conception institutionnelle. Ce type privilégie la protection de valeurs telles que la sécurité, l'éthique, les droits de l'homme et la protection des données, plutôt que l'expansion offensive dans la compétition mondiale pour la domination. La stratégie axée sur l'État et défensive est dirigée par l'État pour le développement industriel, mais son objectif est de prévenir la dépendance technologique et d'assurer l'autonomie stratégique, plutôt que la domination mondiale. Cette stratégie vise à internaliser l'écosystème national de l'IA par la protection de l'industrie, le contrôle des données, la création de demande publique et l'autonomie des infrastructures.

<Tableau 3> Diversité des stratégies nationales en matière d'IA

Les quatre stratégies nationales en matière d'IA décrites ci-dessus sont des combinaisons stratégiques choisies en fonction de la capacité nationale, de la structure industrielle, du système politique et du statut international. Il est probable qu'elles apparaissent de manière mixte, plutôt qu'exclusive, en fonction des conditions structurelles dans lesquelles chaque pays se trouve. Cependant, cette typologie fournit un cadre analytique utile pour comprendre la structure de la concurrence mondiale en matière d'IA et pour comparer et analyser les implications des choix stratégiques de chaque pays.

III. Interaction entre la concurrence mondiale en matière d'IA et les stratégies nationales

Les stratégies de développement de l'IA commencent par des choix politiques individuels des États, mais elles ne fonctionnent pas en réalité dans un environnement isolé. L'IA, en tant que technologie d'usage général (General Purpose Technology), a des effets d'entraînement dans tous les domaines : économique, industriel, militaire et social. Sa vitesse de développement et son étendue de diffusion ont le potentiel de remodeler la compétitivité des pays et la hiérarchie de l'ordre international. De plus, l'accumulation de données à grande échelle, l'acquisition de ressources informatiques, l'effet d'apprentissage cumulatif des performances algorithmiques, les effets de réseau et la dépendance à l'égard des écosystèmes de plateformes créent une structure qui permet aux leaders d'accroître plus rapidement leur avance. Dans cette structure, il est facile d'observer des phénomènes de gagnant-emporte ou de gagnant-avantage. Les pays ou les entreprises qui ont été les premiers sur le marché absorbent davantage de données, de capital et de talents, formant ainsi un avantage auto-renforcé, tandis que les retardataires doivent investir des coûts et du temps exponentiels pour atteindre le même niveau. L'industrie de l'IA présente ainsi une structure concurrentielle où le coût du retard est très élevé, et la perception qu'« il est difficile de rattraper une fois qu'on a pris du retard » exerce une forte pression sur les choix stratégiques au niveau national.

Dans ce contexte de pression concurrentielle, les stratégies d'IA de chaque pays tendent à converger par le biais d'interactions. Premièrement, à mesure que la concurrence pour la domination de l'IA s'intensifie, une convergence entre la stratégie axée sur le marché et offensive des États-Unis et la stratégie axée sur l'État et offensive de la Chine est susceptible de se produire, favorisant ainsi la formation de blocs technologiques et la fragmentation des chaînes d'approvisionnement. De plus, la course à la vitesse technologique due à la pression concurrentielle rend difficile la mise en œuvre de la stratégie axée sur le marché et défensive, et augmente le risque de ne pas pouvoir gérer adéquatement les externalités sociales telles que les chocs sur le marché du travail, les déséquilibres d'information et l'aggravation des inégalités. La poursuite inconsidérée d'une stratégie d'IA souveraine peut également entraîner un gaspillage de ressources et une inefficacité stratégique. Ainsi, à mesure que la concurrence en matière d'IA et la diffusion technologique s'accélèrent, les risques augmentent en termes de stabilité de l'économie et de la société mondiales, et d'utilisation efficace des ressources stratégiques nationales. Ces problèmes sont difficiles à gérer par des réponses au niveau d'un seul pays. Par conséquent, il est nécessaire de construire une gouvernance de l'IA au niveau international.

1. Concurrence mondiale en matière d'IA

Le 1er septembre 2017, le président russe Vladimir Poutine a déclaré lors d'une leçon publique avec des étudiants : « Celui qui sera le leader dans le domaine de l'IA deviendra le maître du monde. »[15] Sa déclaration, au-delà d'une simple rhétorique, résume la perception que l'IA est une technologie stratégique qui déterminera la puissance d'un État et l'orientation de l'ordre international. Aujourd'hui, l'IA est considérée comme une technologie qui exerce une influence considérable, allant au-delà d'un simple outil d'innovation industrielle, sur la puissance militaire, la guerre de l'information, la productivité économique et la capacité à établir des normes, ce qui rend la concurrence mondiale de plus en plus de nature à somme nulle.

Plus important encore, l'élément clé qui définit la nature de la concurrence en matière d'IA est le fait qu'il s'agit d'une technologie d'usage général. Historiquement, les technologies d'usage général telles que la machine à vapeur, l'électricité et les technologies de l'information et de la communication (TIC) ont fondamentalement remodelé les modes de production et les structures organisationnelles de l'ensemble de l'économie, au-delà des industries spécifiques. L'IA peut également être appliquée dans presque tous les domaines, tels que la fabrication, la finance, la défense, la santé, l'éducation et l'administration, et elle a le potentiel de transformer radicalement l'efficacité et la structure des industries existantes par le traitement des données, la prise de décision et l'automatisation. En raison de cette généralité, l'effet sur l'amélioration de la productivité peut être limité au début, mais si les structures organisationnelles et les systèmes sont réorganisés en conséquence, son impact peut s'étendre de manière exponentielle.[16] La nature générale de l'IA rend la portée de la concurrence globale. Cela ne se limite pas à la concurrence entre entreprises au sein d'une industrie spécifique, mais suscite une « concurrence totale » englobant l'écosystème industriel national, l'infrastructure de données, le système de formation des talents, la stratégie militaire et la capacité à établir des normes internationales. En d'autres termes, la concurrence en matière d'IA est une concurrence en R&D, une concurrence pour la mobilisation des capitaux, une concurrence pour l'acquisition de talents et une concurrence pour l'ordre autour des plateformes et des normes. Dans ce cadre concurrentiel multidimensionnel, les gouvernements et les entreprises considèrent le développement de l'IA non pas comme une simple opportunité économique, mais comme un moyen d'acquérir un avantage stratégique capable de remodeler les fondements de la compétitivité nationale.

De plus, l'industrie de l'IA présente fortement des caractéristiques structurelles de type gagnant-emporte ou gagnant-avantage. Les effets de réseau et les effets d'accumulation de données, qui apparaissent dans l'ensemble de l'industrie des plateformes numériques, sont encore renforcés dans le domaine de l'IA. Les algorithmes s'améliorent grâce à davantage de données, et à mesure que leurs performances s'améliorent, ils forment une structure auto-renforcée qui absorbe à nouveau davantage d'utilisateurs et de données.[17] Une fois qu'une entreprise ou un pays a acquis une position de leader, il peut creuser l'écart en absorbant davantage de capital, de talents et d'écosystèmes. À l'inverse, les retardataires doivent investir des coûts et du temps considérables pour atteindre le même niveau, et le risque de tomber dans la dépendance technologique et commerciale augmente au cours de ce processus. Cette structure crée une forte incitation à accélérer le développement de l'IA plutôt qu'à le freiner, ce qui rend la concurrence encore plus féroce.

En fin de compte, la concurrence mondiale en matière d'IA, combinant les caractéristiques structurelles d'une technologie d'usage général et une structure de marché de type gagnant-emporte, prend un caractère de guerre totale qui exerce une pression sur les États et les entreprises pour qu'ils ne puissent pas « prendre du retard ». Cela a des implications stratégiques comparables à la course aux armements de la guerre froide, mais son champ d'influence est encore plus large, s'étendant au-delà du domaine militaire à l'ensemble de l'économie et de la société. Par conséquent, la concurrence en matière d'IA n'est pas simplement une question d'innovation technologique, mais évolue vers une compétition de pouvoir globale axée sur la vitesse, l'échelle, l'écosystème et les normes.[18]

2. Convergence des stratégies nationales dans la course à la domination de l'IA

À mesure que la concurrence mondiale en matière d'IA s'intensifie, les stratégies nationales de développement de l'IA tendent à converger par le biais de la surveillance mutuelle, de l'imitation et de l'apprentissage institutionnel. En particulier, à mesure que l'intensité de la concurrence pour la domination de l'IA entre les États-Unis et la Chine, qui ont adopté des stratégies offensives, augmente, on observe une tendance où l'obtention d'avantages à court terme et le contrôle stratégique deviennent plus importants que la construction d'un écosystème à long terme ou la coopération ouverte.

Premièrement, la convergence entre la stratégie axée sur le marché et offensive et la stratégie axée sur l'État et offensive est clairement évidente dans le contexte de la concurrence entre les États-Unis et la Chine. Traditionnellement, la stratégie axée sur le marché et offensive se concentrait sur l'obtention d'une supériorité technologique basée sur la capacité d'innovation des entreprises privées et un ordre de marché ouvert. En revanche, la stratégie axée sur l'État et offensive consistait à promouvoir intensivement les industries stratégiques par des investissements massifs de l'État et des politiques industrielles. Cependant, comme la concurrence en matière d'IA est perçue comme une compétition pour des industries stratégiques directement liées à la sécurité, les deux stratégies commencent à utiliser des instruments politiques similaires. En particulier, les États-Unis, qui jouissent actuellement d'une supériorité relative dans le domaine de l'IA, renforcent progressivement leur caractère axé sur l'État et protecteur du marché par le biais de contrôles à l'exportation de semi-conducteurs, de restrictions sur les investissements dans les technologies de pointe et de politiques de subventions publiques massives. Cela peut être interprété non seulement comme une protection technologique, mais aussi comme une stratégie visant à retarder la progression des concurrents et à consolider structurellement leur supériorité technologique. En conséquence, la stratégie axée sur le marché et offensive tend à converger progressivement avec la stratégie axée sur l'État et offensive, se déplaçant vers la formation de sphères technologiques bloquées plutôt que vers un ordre économique mondial ouvert.

De plus, cette convergence ne se limite pas à un renforcement du protectionnisme extérieur, mais se manifeste également intérieurement par une centralisation accrue et une concentration industrielle. Généralement, la stratégie axée sur le marché et offensive visait à obtenir une supériorité technologique basée sur la capacité d'innovation des entreprises privées et un ordre de marché ouvert, et considérait un écosystème décentralisé où de nombreuses entreprises et startups sont en concurrence comme la source de l'innovation. Cependant, avec la diffusion de la perception que les performances de l'IA sont améliorées par le « scale » (échelle) des données massives et des ressources informatiques considérables, le raisonnement selon lequel il est plus efficace que la concurrence en matière d'IA soit menée par quelques « champions nationaux » ou de grandes entreprises de plateforme gagne du terrain. Cependant, cette centralisation comporte le risque d'affaiblir le moteur de l'innovation à long terme. L'innovation est généralement favorisée par diverses expériences, l'assouplissement des barrières à l'entrée, la libre circulation des talents et la création d'entreprises, mais une concentration excessive peut limiter cette dynamique concurrentielle.[19]

En conséquence, la concurrence entre les États-Unis et la Chine converge les stratégies vers un renforcement de l'intervention de l'État et de la concentration industrielle afin d'obtenir un avantage concurrentiel à court terme. Cela peut contribuer à creuser l'écart technologique et à renforcer le contrôle stratégique à court terme, mais cela comporte le risque de réduire la diversité de l'innovation et la portée des expériences à long terme, limitant ainsi le potentiel d'amélioration de la productivité. Parallèlement, cette centralisation et ce blocage accélèrent la fragmentation des chaînes d'approvisionnement mondiales et de l'économie numérique, entraînant des effets structurels qui rétrécissent l'ordre économique mondial ouvert. La concurrence en matière d'IA converge ainsi les stratégies nationales dans le sens d'un renforcement du protectionnisme et du blocage technologique à l'extérieur, et de la concentration industrielle et de la centralisation à l'intérieur.

3. Concurrence en matière d'IA et stabilité socio-économique

Les effets socio-économiques de la diffusion de la technologie de l'IA n'ont pas encore été clairement vérifiés par des données suffisantes et opportunes. Cependant, compte tenu du fait qu'au début de la révolution industrielle, bien que la production par travailleur ait augmenté, les salaires réels sont restés stagnants pendant une longue période, et qu'il a fallu beaucoup de temps pour que les progrès technologiques se traduisent par le bien-être des travailleurs, on peut évaluer que l'IA, tout en ayant le potentiel d'améliorer la productivité et le taux de croissance, est susceptible de réduire la demande de travail par le biais d'un « effet de déplacement » à court terme et d'aggraver la répartition des revenus. En particulier, alors que l'automatisation robotique existante remplaçait principalement les travailleurs « peu instruits, peu qualifiés et peu rémunérés », l'IA a le potentiel d'automatiser une partie importante des tâches des emplois « hautement instruits, hautement qualifiés et hautement rémunérés ». Cela suggère que la diffusion de l'IA pourrait avoir un impact majeur sur les travailleurs professionnels et de bureau dans les pays développés, et le risque d'une baisse du taux de répartition des revenus du travail et d'un élargissement de l'écart entre les salaires et la productivité ne peut être exclu. Bien sûr, la technologie peut également rétablir la demande de travail par un « effet de réembauchage » qui crée de nouvelles tâches. Au cours des 19e et 20e siècles, avec l'apparition de la machine à vapeur, de l'électricité et des ordinateurs, de nouveaux emplois qui n'existaient pas auparavant ont été créés, ce qui a conduit à une augmentation des salaires et du niveau de vie à long terme. Cependant, certains universitaires soulignent que les récentes innovations TIC et IA se sont concentrées sur l'automatisation plutôt que sur la création de nouvelles tâches, ce qui a entraîné une stagnation de la demande de travail et une aggravation des inégalités.[20]

La stratégie axée sur le marché et défensive peut être considérée comme une tentative de gérer ces problèmes de répartition et les chocs sociaux à l'avance. Pour gérer les chocs sur le marché du travail, l'aggravation des inégalités, etc., qui peuvent survenir en raison de la diffusion rapide de l'IA, la mise en place de cadres normatifs et de systèmes de supervision est essentielle. Cependant, dans un contexte de forte pression concurrentielle en matière d'IA, la stratégie axée sur le marché et défensive est confrontée à un dilemme structurel. Cette stratégie privilégie le contrôle des risques, l'établissement de normes et la garantie de la confiance sociale, et repose sur une approche visant à prévenir les externalités qui peuvent survenir lors du processus de diffusion technologique. Cependant, dans une industrie de l'IA qui a une forte nature de gagnant-emporte et des économies d'échelle, et où les performances de l'IA s'améliorent de manière non linéaire en fonction des données, des ressources informatiques et des effets de réseau, l'écart de vitesse initial est susceptible de se consolider en un écart technologique à long terme. Dans ce cas, la stratégie axée sur le marché et défensive, qui prend du temps pour construire des réglementations et des dispositifs de sécurité, peut freiner la vitesse de l'innovation à court terme et placer le pays dans une position désavantageuse dans la course à la suprématie technologique. C'est pourquoi il devient de plus en plus difficile de maintenir la cohérence normative à mesure que la pression concurrentielle s'intensifie.

Récemment, la nécessité de renforcer la compétitivité de l'IA est de plus en plus soulevée en Europe également. L'UE est confrontée au risque de prendre du retard dans la course mondiale à l'IA dans un contexte de pression croissante sur la croissance économique et la compétitivité due au vieillissement de la population et au ralentissement de la productivité. Pour surmonter cela, on souligne de plus en plus la nécessité de mesures décisives et d'objectifs ambitieux, axés sur les entreprises privées. Autrement dit, la demande selon laquelle l'UE devrait également se concentrer sur le renforcement de la compétitivité de l'IA par la coopération dans les domaines technologique, industriel et politique, la mobilisation des talents et des capitaux, la modernisation des infrastructures clés et la création d'un écosystème technologique compétitif, se propage de plus en plus.[21]

En fin de compte, la stratégie axée sur le marché et défensive implique un choix complexe entre le risque d'aggravation de l'écart technologique et le risque d'atteinte à la stabilité sociale. À mesure que la pression concurrentielle s'intensifie, la tentation de combiner la déréglementation et le soutien à l'industrie devient plus forte, mais cela peut affaiblir les filets de sécurité sociale. À l'inverse, si une approche réglementaire stricte est maintenue, le risque de dépendance technologique et de ralentissement de la croissance augmente. Ce dilemme suggère qu'à mesure que la concurrence en matière d'IA s'intensifie, il devient plus difficile de mettre en œuvre des mesures de gestion des risques sociaux. Par conséquent, les mesures qui doivent être prises de manière proactive pour gérer les risques sociaux causés par l'IA sont de réduire la concurrence en matière d'IA elle-même.

4. AI Competition and Sovereign AI

AI competition is also acting as a key factor in promoting the spread of 'Sovereign AI' strategies. As competition intensifies, dependence on external platforms and technologies is perceived as a security vulnerability, leading countries to strengthen policies aimed at securing autonomy, such as data localization, building domestic cloud infrastructure, and developing national AI models. This trend is observed not only in state-led defensive strategies but also in countries pursuing offensive strategies. In other words, AI competition is having the effect of converging national policies towards valuing technological sovereignty, regardless of the type of strategy.

While AI competition is thus promoting Sovereign AI strategies, there are several structural constraints and limitations to the feasibility and practicality of such strategies. First, Sovereign AI presupposes a strategic approach that aims to place extensive resources such as core technologies, data, computing infrastructure, standards, and talent under national control. However, the core areas of the AI industry are already converging into a global oligopolistic/monopolistic structure. In a situation where specific companies and countries dominate the market, it requires immense cost and time for latecomer nations to achieve complete self-reliance in these core areas. For example, the reality that Microsoft-OpenAI dominates about 70% of the commercial LLM market and a few companies supply over 90% of GPUs for AI training makes it difficult for nations to control these core resources and technologies independently.

Second, the practicality of Sovereign AI strategies largely depends on the size of the domestic market and the capabilities of the industrial ecosystem. Countries with large domestic markets can achieve a certain level of technological and industrial internalization through protectionist approaches, but it is difficult for countries with limited domestic markets to implement such strategies. A limited market size poses constraints in terms of recouping R&D investments, securing talent, and fostering experimental innovation, and protectionist policies may paradoxically hinder innovation and increase costs.

Consequently, despite the logical necessity of Sovereign AI strategies to secure technological sovereignty and national security amidst competitive pressure, they are not strategies that all countries can equally implement due to the realistic constraints of global industrial structure, domestic market size, technological concentration, and access to capital and talent. Therefore, even amidst intensifying AI competition, each country must prioritize its strategic objectives and adopt an approach of pursuing selective Sovereign AI in core areas and specialized markets. A hybrid strategy of global cooperation and internalization, rather than complete self-reliance, may be a more realistic and effective alternative.

5. AI Competition and Governance

AI competition provides strong incentives for both nations and corporations to secure technological superiority and strategic autonomy, but it can also cause structural problems for the global economy, society, and national strategies. First, as competition intensifies excessively, convergence between market-led offensive strategies and state-led offensive strategies is occurring, and there is a high probability that technological bloc formation and supply chain fragmentation will be promoted, centered around the US and China, rather than an open global economy. This can hinder the efficiency of global trade and the digital economy, and in the long term, weaken the openness of the global economy.

Second, the speed race for technology driven by competitive pressure makes it difficult to realize market-adjustment defensive strategies, increasing the risk of inadequately managing social externalities such as labor market shocks, information asymmetry, and deepening inequality. With the winner-take-all nature of AI and its rapid spread, defensive strategies that require time to establish regulations and safety nets may limit the speed of innovation in the short term while failing to adequately ensure social stability.

Third, the indiscriminate pursuit of Sovereign AI strategies can also lead to resource waste and strategic inefficiency. Protectionist policies aimed at self-sufficiency in core technologies and infrastructure require enormous investment and talent mobilization, but given the industrial structure, domestic market size, and potential for technological dependence, it is difficult for all countries to implement them successfully. This carries the risk of increasing costs and limiting innovation capabilities in some countries.

As AI competition and technological diffusion accelerate, risks increase in terms of global economic and social stability, and the efficient utilization of national strategic resources. These are problems that cannot be managed solely at the national level. Therefore, establishing international AI Governance is becoming an essential task to prevent the side effects and unintended consequences of new technologies.[22]Kissinger and Allison emphasize that "the possibility that the unlimited development of AI could have catastrophic consequences for the United States and the world is so great that government leaders must act immediately," clarifying that AI is not merely an economic or technological issue but a potential threat that could determine global strategic stability and the future of humanity.[23]Furthermore, AI developers warn that "the existential risk from AI should be treated as a global priority, on par with the risk of pandemics and nuclear war," recalling Turing's concern about AI's potential to control human lives. They emphasized the need for a strong oversight system and new regulatory frameworks that ensure ethical, transparent, and controllable innovation to manage the fundamental changes brought about by AI (GenAI).[24]

However, despite these warnings, the establishment of AI Governance is considered one of the most challenging tasks facing the international community.[25] AI Governance should not be merely a technical regulation, but a comprehensive and multi-layered system to mitigate the weakening of global economic openness, the infringement of social stability, and the waste of resources due to the indiscriminate pursuit of Sovereign AI strategies resulting from AI competition and technological diffusion. This implies that AI policy is not limited to technology and industry but must simultaneously consider complex factors such as international cooperation, standard coordination, and ethical and social consensus. However, given that AI is a general-purpose technology (GPT) with a winner-take-all structure, and national strategies are intertwined, establishing governance is bound to be an extremely difficult task.

Although establishing AI Governance is a very difficult task, the case of the Basel Accord can serve as a useful reference. The Basel Accord is an international norm derived from the need for major countries, including the United States, to strengthen domestic financial regulations to ensure financial market stability following the banking crises of the 1970s, while also addressing the issue that strengthening regulations could undermine the international competitiveness of domestic financial institutions. In other words, it can be seen as a case where problems that could weaken competitiveness due to domestic regulations were resolved through international norms. Through the Basel Accord, the United States secured the stability of its domestic financial market while also inducing other countries to apply the same standards, thereby balancing the competitive environment.[26]

The logic that emerged during the establishment of the Basel Accord can be similarly applied to AI Governance. That is, while a single country introducing strong regulations independently for financial market stability carries the risk of weakening competitiveness, the fact that balance between stability and competitiveness could be achieved through international standards and norms offers implications for the AI field as well. The rapid spread of AI heightens concerns about social stability, including labor market shocks, information distortion, and deepening inequality, which can act as pressure to strengthen regulations and safety nets. In particular, if socioeconomic instability caused by the spread of AI intensifies within the United States, which is leading AI technological development, this situation could provide strong momentum for establishing AI Governance. One such possibility currently is the issue of the AI Bubble. It is continuously argued that a financial and industrial bubble has formed due to the combination of excessive investment and expectations in the AI industry.[27] If this bubble bursts, voices calling for regulating AI development to some extent and ensuring stability within the United States will likely strengthen, which could become an opportunity for establishing AI Governance.

IV. Conclusion

Currently, the South Korean government considers the AI great transformation as the core of its national economic growth strategy and aims to transition the Korean economy from a follower economy to a leading economy by becoming one of the top three AI powers. To this end, the government is pursuing comprehensive policy tasks, including expanding the AI budget, forming an 'AI highway' by building a national data center, securing high-performance GPUs and AI data clusters, activating convergence industries through the 'AI for All' project and regulatory exceptions, and fostering future talent. These strategies fundamentally exhibit the characteristics of a state-led development strategy while being designed to leverage private-led innovation, indicating that South Korea is setting its strategic direction along the extension of its existing developmental state model.

First, considering the global AI competition landscape, South Korea appears to need an approach that positions itself as a strategic linchpin state within the AI ecosystem by participating in AI alliances and global cooperation based on its semiconductor industry and digital infrastructure, rather than pursuing independent development. Furthermore, and more importantly, while the current South Korean AI strategy is proactive in technological competition and industrial development, it is relatively weak in managing socioeconomic risks. Despite the fact that the spread of AI can cause various social problems such as automation, labor market restructuring, and deepening social inequality, institutional mechanisms and policy responses to mitigate these issues are not sufficiently prepared. Realistically, strengthening independent regulations amidst global competition can lead to a decline in competitiveness; therefore, in the short term, policies that offset negative effects, such as strengthening social safety nets and implementing retraining/labor transition programs, are necessary. In the long term, managing social risks collaboratively through international AI regulations and governance, and participating in the formation of global standards and ethical guidelines, can simultaneously secure technological competitiveness and social stability.

In this regard, South Korea's AI strategy focuses on domestic industry development and technological infrastructure construction, but it can be assessed as somewhat lacking in AI diplomacy and international cooperation strategies. To function as a strategic linchpin state in the fierce global AI competition and to proactively participate in the formation of international norms and governance, an AI diplomacy strategy that integrates technological competitiveness, industrial development, and social stability is necessary. In particular, this approach should not only promote AI development but also include the role of strategically managing the pace of development. Polanyi pointed out that "the rate of change is as important as the direction of change itself," emphasizing that the core role of government in the economic sphere is to "moderate the rate of change."[28] This suggests that South Korea's AI strategy needs a balanced approach that not only pursues technological competition and industrial development but also manages the pace of AI development through diplomatic and policy means to mitigate the risks of AI diffusion.■

[1]Gouvernement du Canada. 2022. « Le Gouvernement du Canada lance la deuxième phase de la Stratégie pancanadienne en matière d'intelligence artificielle ». 22 juin.https://www.canada.ca/en/innovation-science-economic-development/news/2022/06/government-of-canada-launches-second-phase-of-the-pan-canadian-artificial-intelligence-strategy.html.

[2]Radu, Roxana. 2021. « Orienter la gouvernance de l'intelligence artificielle : les stratégies nationales en perspective ».Policy and Society, 40 (2): pp. 178-193.

[3]Dutton, Tim. 2018. "Building an AI World: Report on National and Regional AI Strategies." CIFAR. December 6. https://cifar.ca/cifarnews/2018/12/06/building-an-ai-world-report-on-national-and-regional-ai-strategies/#topskipToContent.

[4]Weber, Max. 1978. Economy and Society. Berkeley: University of California Press. p. 6.

[5]Radu, Roxana. 2021. "Steering the Governance of Artificial Intelligence." Policy and Society, 40 (2): pp. 179-180.

[6]The White House. 2020. “American Artificial Intelligence Initiative: Year One Annual Report.”

[7]The White House. 2025. “Winning the Race: America’s AI Action Plan.”

[8]Khanal, Shaleen, Hongzhou Zhang et Araz Taeihagh. 2025. « Pourquoi et comment le pouvoir des Big Tech s'accroît-il dans le processus politique ? Le cas de l'IA générative ».Policy and Society, 44 (1): pp. 52–69.

[9]State Council of China. 2017. "The New Generation Artificial Intelligence Development Plan." https://digichina.stanford.edu/work/full-translation-chinas-new-generation-artificial-intelligence-development-plan-2017/.

[10]Frey, Carl Benedikt. 2025. "How the Battle for Control Could Crush AI’s Promise." Finance & Development, 62 (3): pp. 50-53.

[11]EU Artificial Intelligence Act. 2024. "High-level Summary of the AI Act." February 27. https://artificialintelligenceact.eu/high-level-summary/; European Union. 2024. "Regulation (EU) 2024/1689 of the European Parliament and of the Council." June 13. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689.

[12]Rajan, Raghuram R. 2025. "The Tradeoffs of AI Regulation." Project Syndicate. August 26. https://www.project-syndicate.org/commentary/ai-regulation-innovation-tradeoff-us-versus-europe-by-raghuram-g-rajan-2025-08.

[13]Letort, Brian and Kadri Linask-Goode. 2025. "What Is Sovereign AI and Why Is It Growing in Importance?" Digital Reality. April 3. https://www.digitalrealty.com/resources/blog/what-is-sovereign-ai.

[14]NITI Aayog. 2018. National Strategy for Artificial Intelligence: AI for All.

[15]RT. 2017. "‘Whoever leads in AI will rule the world’: Putin to Russian children on Knowledge Day." September 1. https://www.rt.com/news/401731-ai-rule-world-putin/.

[16]Kishtainy, Niall. 2025. "A New Industrial Revolution?" Finance & Development, 62 (4): pp. 46-49.

[17]Radu, Roxana. 2021. "Steering the Governance of Artificial Intelligence." Policy and Society, 40 (2): p. 189. Johnson, Simon. 2025. "Tech’s Winner-Take-All Trap." Finance & Development, 62 (2): pp. 66-67.

[18]Bremmer, Ian and Mustafa Suleyman. 2023. "Building Blocks for AI Governance." Finance & Development, 60 (4): pp. 10-12.

[19]Frey, Carl Benedikt. 2025. "How the Battle for Control Could Crush AI’s Promise." Finance & Development, 62 (3).

[20]Comunale, Mariarosaria et Andrea Maneara. 2024. « Les impacts économiques et la réglementation de l'IA : une revue de la littérature académique et des actions politiques ». International Monetary Fund Working Paper, WP/24/65; Kishtainy, Niall. 2025. "A New Industrial Revolution?" Finance & Development, 62, 4: pp. 46-49.

[21]General Catalyst. 2025. An Ambitious Agenda for European AI.

[22]Radu, Roxana. 2021. "Steering the Governance of Artificial Intelligence." Policy and Society, 40 (2): p. 180.

[23]Kissinger, Henry A. et Graham Allison. 2023. « La voie vers un contrôle des armements en matière d'intelligence artificielle ».Foreign Affairs. 13 octobre. https://www.foreignaffairs.com/united-states/henry-kissinger-path-artificial-intelligence-arms-control.

[24]Tourpe, Hervé. 2025. « La promesse et le péril de l'intelligence artificielle ».Finance & Development. 60(4) : p. 8-9.

[25]Bremmer, Ian et Mustafa Suleyman. 2023. « Éléments constitutifs pour la gouvernance de l'IA ».Finance & Development, 60 (4).

[26]Kapstein, Ethan Barnaby. 1992. « Between Power and Purpose: Central Bankers and the Politics of Regulatory Convergence ».International Organization, 46 (1) : p. 265-287 ; Oatley, Thomas et Robert Nabors. 1998. « Redristributive Cooperation: Market Failure, Wealth Transfers, and the Basle Accord ».International Organization, 52 (1) : p. 35-54.

[27]Stiglitz, Joseph E. 2025. « Trump et la fin de l'hégémonie américaine ».Project Syndicate. 15 décembre. https://www.project-syndicate.org/magazine/trump-end-of-american-hegemony-by-joseph-e-stiglitz-2025-12.

[28]Polanyi, Karl. 1944. The Great Transformation. Boston : Beacon Press, p. 36-37.

■ Auteur : Jeong Jae-hwan_Professeur à l'Université d'Inha.

■ Responsable et éditeur : Lim Jae-hyun_Chercheur à l'EAI

    Contact : 02 2277 1683 (ext. 209) | jhim@eai.or.kr