Des modèles souverains, des usages importés ?

Je rentre d'une rencontre européenne de la communauté des Fellows Echoing Green, et l’évolution est visible de tous, de New York à Dar es Salaam. Les entretiens avec les financeurs se déplacent, partout, des questions d'impact vers les questions de stratégie IA. Ce n'est pas qu'une impression : les études convergent, l'immense majorité des financeurs du secteur attendent désormais de l'IA un effet transformateur et regardent les candidatures à travers ce prisme [1], alors même que très peu accompagnent concrètement leurs bénéficiaires dans son implémentation [2]. La demande précède le soutien, ce qui n'est jamais bon pour structurer un secteur. Plus grave, il semble que la demande précède le besoin. Seuls les acteurs publics, gouvernements et institutions, semblent avancer à une autre vitesse, avec plus de circonspection ; j'y reviendrai, car cette asymétrie est au cœur de ce qui suit.

Les entrepreneurs sociaux, précisément parce qu'ils connaissent leur terrain, n'ont pas tous conclu que l'IA était la réponse à leur problème. Beaucoup ont des solutions qui fonctionnent, déployées, produisant des résultats mesurables, et qui ne doivent rien à l'IA. S'il faut de l'IA pour être financé, alors ce n'est plus le terrain qui parle mais la mode.

On pourrait penser que la question ne se pose même pas pour une partie du secteur : ceux qui servent les populations les plus pauvres ou les plus rurales, supposées hors d'atteinte de l'IA. Ce n'est que partiellement vrai : environ une personne sur six dans le monde en âge de travailler utilise déjà l'IA générative [3]. Bien que l'écart entre le Nord et le Sud global se creuse [3], la barrière à l'entrée peut tomber par les choix de distribution des fournisseurs eux-mêmes. L'arrivée en 2025 de modèles gratuits l'a montré : DeepSeek, en supprimant les coûts d'accès (carte bancaire, abonnement), a vu son usage en Afrique atteindre un niveau estimé deux à quatre fois plus élevé que dans les autres régions [4]. Meta suit la même logique en intégrant son assistant IA directement dans WhatsApp, une application à l'adoption quasi universelle parmi les utilisateurs d'internet de nombreux pays africains [5], précisément parce qu'elle est peu gourmande en données, fonctionne sur les téléphones les moins chers et contourne les barrières de l'alphabétisation grâce aux notes vocales. L'IA est déjà dans la poche de ces populations : pas parce qu'un acteur du secteur social l'a décidé, pas parce qu'un gouvernement l'a choisi, mais parce que des fournisseurs de solutions, depuis la Californie ou depuis la Chine, ont fait des choix de distribution.

Voilà le paysage réel : des populations très larges touchées par l'IA sans qu'aucun des acteurs qui connaissent leurs besoins n'ait participé à la conception, à commencer par ces populations elles-mêmes. La question « IA ou pas IA » dans le secteur social mérite toujours d'être posée, et rien n'interdit de designer d'autres trajectoires. Mais dans les faits, une réponse a déjà été apportée, et elle l'a été sans nous. D'où la question qui m'occupe ici : qui décide des modalités de déploiement de l'IA, comment le secteur de l'entrepreneuriat social fera son choix sur les modèles à utiliser et pour quelle raison ?

Ce que demandent les financeurs, ce que dit le terrain

C'est une conversation lors de cette rencontre qui m'a le mieux fait toucher cette tension du doigt. Une entrepreneuse sociale de Dar es Salaam, dont les investisseurs, comme partout, demandent une intégration de l'IA à sa solution. Son cas est d'autant plus intéressant que le cas d'usage existe réellement. Elle opère un numéro d'urgence en santé mentale : l'IA pourrait automatiser la redirection des appels vers les bonnes ressources, ou permettre une première auto-évaluation sans mobiliser un psychiatre, une ressource rare. C'est potentiellement utile et pourrait avoir un impact réel.

Et pourtant, la même question la travaille : est-ce pour cela que les financeurs veulent de l'IA dans sa solution ? Ont-ils regardé son problème et conclu que l'IA y répondait ? Ou suivent-ils simplement le mouvement, pour pouvoir écrire « AI-powered » dans leur rapport annuel ?

La nuance est importante. Quand le financement précède le besoin, on inverse la charge de la preuve : ce n'est plus à la technologie de démontrer son utilité pour le terrain, c'est au terrain de se rendre compatible avec la technologie. Et l'on pousse ainsi, sans le vouloir, les innovateurs sociaux à devenir de simples consommateurs de technologie plutôt que des concepteurs. Ceux qui connaissent le problème du terrain se retrouvent à intégrer des solutions pensées ailleurs, pour d'autres raisons.

Ce désalignement n'est pas qu'une question de principe. Il peut mettre les entrepreneurs sociaux en réel porte-à-faux. Car à Dar es Salaam, pendant que les investisseurs poussent l'IA, les partenaires gouvernementaux de ces mêmes entrepreneurs freinent. Le gouvernement tanzanien ne veut pas d'IA dans les solutions qu'il adopte sans avoir eu le temps de mener sa propre évaluation. La question de la souveraineté est cruciale et il s'agit de ne pas aller trop vite. L'entrepreneuse sociale se retrouve donc coincée entre un financeur qui conditionne son soutien à l'adoption d'une technologie et un partenaire public dont dépend le déploiement, et qui n'en veut pas. Suivre la mode des financeurs, ce n'est pas seulement diluer sa mission : c'est parfois fragiliser sa propre capacité à opérer.

Les gouvernements entre souveraineté et peur d'être laissés de côté

Cette prudence gouvernementale mérite qu'on s'y arrête, parce qu'elle est plus complexe qu'un simple conservatisme administratif. De ma conversation de Dar es Salaam au débat public qui traverse le continent, le même double mouvement revient. D'un côté, les gouvernements veulent garder la main : évaluer, comprendre, décider par eux-mêmes de ce qui entre dans leurs services publics. De l'autre, une inquiétude lancinante : est-ce que l'Afrique va, une fois de plus, être laissée de côté ? Après les révolutions industrielles, après l'ascension des géants du numérique, faut-il laisser passer cette opportunité au nom de la prudence ou monter dans le train le plus vite possible ?

Ce dilemme ne se pose pas que sur le continent africain. Je le vois en Europe depuis des années, et de très près : les gouvernements européens se posent exactement les mêmes questions, entre la volonté de ne pas dépendre de technologies conçues et opérées ailleurs, la peur du décrochage et le besoin d'analyser précisément les besoins de terrain.

J'ai eu l'occasion de participer à ces réflexions. Chez SoScience, la solution digitale que nous avons développée dans les dernières années s'adressait notamment à des acteurs publics (institutions de recherche dans plusieurs pays européens, agences gouvernementales et de financement de la recherche, institutions européennes). Dans nos conversations commerciales, deux questions revenaient systématiquement, avant même de parler de fonctionnalités : où sont hébergées les données, et quels modèles utilisez-vous ? Le fait que notre stack reposait sur Mistral AI, une solution européenne, n'était pas un détail technique. C'était un argument fondamental des échanges.

Si la réponse à ces deux questions allait décider de la suite, elles n'étaient qu'un ticket d'entrée. Savoir où sont les serveurs et d'où vient le modèle ouvrait la conversation, mais les acheteurs avaient déjà en tête un ensemble de valeurs et un positionnement sur l'utilisation des outils d'IA. C'est dans les échanges avec ces acteurs publics sur le pourquoi d'une implémentation, et son adéquation avec un besoin de terrain, que tout se jouait réellement.

La souveraineté ne s'arrête pas au modèle

Car ce qui a le plus retenu l'attention de nos interlocuteurs publics, et en particulier des équipes de la Commission européenne en charge de l'implémentation de solutions IA, ce n'était pas uniquement le modèle. C'était la façon dont notre solution l'utilisait, les agents que nous avions décidé de spécialiser et ce que cela impliquait pour les usages réels.

Notre outil aidait les chercheurs à penser leur candidature à des financements, surtout pas à la rédiger à leur place. Des agents spécialisés posaient les questions clés, celles qui déterminent la qualité d'un projet de recherche, et les réponses devaient être produites par les chercheurs eux-mêmes, les forçant à creuser et à aller plus loin dans la réflexion. L'IA structurait, reformulait, challengeait. Elle n'écrivait pas de A à Z. Ce choix de conception, nous l'avions fait pour des raisons de fond : un projet de recherche dont les intentions ont été générées par une machine n'est pas un bon projet, c'est un projet vide mieux emballé. Les chercheurs sont les mieux placés pour produire les réponses sur le fond, et aucune écriture ne doit avoir lieu tant que l'IA n'a pas les éléments nécessaires pour nourrir son travail.

Ce que nous montrions dans une démo de quinze minutes était spectaculaire : les prospects étaient impressionnés par le produit, voyaient immédiatement le temps gagné et la qualité du rendu. Je comprends cet enthousiasme, les démos d’outils IA sont parmi les plus frappantes qui soient, et nous avons vécu ces moments où elles emportent l'adhésion sur-le-champ. Mais ce que l'écran ne montrait pas, c'était l'essentiel. Nos démonstrations étaient toujours construites autour d'un projet déjà solidement pensé par son chercheur, puisque c'était cela, notre conception : une IA au service d'une pensée déjà là. Nous l'expliquions à chaque fois, et pourtant une part de mystification demeurait. Ce que les prospects retenaient, c'était la vitesse et le rendu, rarement ce qui les rendait possibles. Une démo montre un résultat, jamais une conception de l'usage.

Ce qui m'a frappée, c'est d'autant plus à quel point notre choix de conception résonnait chez les acteurs publics européens. Ils y voyaient une conception de l'usage qui correspondait à des valeurs qu'ils n'avaient pas forcément formulées consciemment : une IA qui augmente la capacité de penser des humains plutôt qu'elle ne s'y substitue. Il y a là, je crois, quelque chose qu'on pourrait appeler une éthique européenne de l'implémentation. Pas seulement des modèles européens sur des serveurs européens, mais une certaine idée de ce que l'IA doit faire, et surtout de ce qu'elle ne doit pas faire à notre place.

Sur le terrain de la souveraineté d'infrastructure, Mistral AI a des atouts sérieux, et j'en ai été témoin directe : pour les acteurs publics européens, il s'agit aujourd'hui de l'interlocuteur naturel. L'entreprise le sait et a même lancé l'initiative « AI for Citizens » pour valoriser ce positionnement. Pour l'instant, cette initiative recouvre des partenariats avec des États, des ministères, des agences publiques, des centres d'excellence au sein des gouvernements. Autrement dit, pour l'instant, il s'agit surtout de la vision « AI for governments ». C'est une étape nécessaire, mais sans le contrepoint du terrain, elle est risquée. L'économiste Mariana Mazzucato documente ce risque dans son dernier livre [6] : les réformes et les innovations conçues sans ceux qu'elles prétendent servir finissent par ne pas être reconnues par eux, et cette absence de reconnaissance creuse la fracture entre institutions et citoyens, jusqu'à rendre les transformations impossibles. Pour elle, la confiance publique ne se restaure pas par de meilleures annonces, mais par des relations de réciprocité où les solutions remontent du terrain au lieu de descendre vers lui. Appliqué à l'IA dans les services publics, le problème le plus épineux n'est pas de moderniser les services rendus aux citoyens avec des solutions IA, mais de les associer à la conception de l'usage à travers des processus mis en oeuvre par la puissance publique.

Aujourd'hui, où sont les citoyens dans le déploiement ? Où sont les entrepreneurs sociaux, les représentants de travailleurs, les praticiens de terrain, tous ceux qui connaissent les problèmes que ces services publics transformés sont censés résoudre ? Ils apparaissent comme bénéficiaires finaux. Ils n'apparaissent pas comme co-concepteurs.

Or ce que mes échanges récents et mon expérience passée m'ont montré, de Dar es Salaam à Bruxelles, converge vers le même constat : le moment essentiel est la conception de l'usage. C'est là que se décide si l'usage sera adopté par les bénéficiaires avec un réel bénéfice pour eux, si les acteurs intermédiaires (dont les entrepreneurs proposant des solutions de terrain) pourront mettre au point des stratégies cohérentes, et in fine si les gouvernements seront convaincus par l'utilité de la proposition. Or aujourd'hui, ces corps intermédiaires sont largement absents de cette phase de conception, coincés entre des financeurs qui poussent une technologie et des gouvernements qui la reçoivent.

La souveraineté dont nous parlons tant ne se réduit pas à la localisation des serveurs ni à la nationalité des modèles. Elle inclut quelque chose de plus fondamental : la capacité de décider collectivement de ce que cette technologie doit faire, avec ceux qui vivent les problèmes qu'elle prétend résoudre, et pour de vraies raisons plutôt que par mimétisme. Une souveraineté par la base, co-construite, qui ne s'arrête pas à « quelle IA ? » mais se demande surtout « pour quoi faire ? ».

En Europe, nous pouvons bâtir autour d'un modèle souverain. C'est une victoire réelle, et elle était loin d'être acquise. Mais si les usages, eux, restent importés, conçus loin du terrain, poussés par les modes de financement plutôt que par les besoins, qu'aurons-nous vraiment gagné ?

[1] Bonterra, « The AI readiness path: Key insights for nonprofits and funders » (91 % des financeurs anticipent un effet transformateur de l'IA sur la philanthropie et les financements) : https://www.businesswire.com/news/home/20251110626529/en

[2] The Center for Effective Philanthropy, « AI WITH PURPOSE: How Foundations and Nonprofits are Thinking About and Using Artificial Intelligence » (87% des "non-profits" disent que leurs financeurs ne comprennent pas leurs besoins en ce qui concerne l'IA, et près de 90 % des fondations n'offrent aucun accompagnement à l'implémentation de l'IA à leurs bénéficiaires) : https://cep.org/wp-content/uploads/2025/09/CEP_AI_Layout_FINAL.pdf

[3] Microsoft AI Economy Institute, « Global AI Adoption in 2026: Q1 2026 Trends and Insights » (17,8 % de la population mondiale en âge de travailler utilise l'IA générative au premier trimestre 2026) : https://blogs.microsoft.com/on-the-issues/2026/05/07/the-state-of-global-ai-diffusion-in-2026/

[4] Microsoft AI Economy Institute, « Global AI Adoption in 2025: A Widening Digital Divide » (usage de DeepSeek estimé 2 à 4 fois plus élevé en Afrique que dans les autres régions) : https://www.microsoft.com/en-us/research/wp-content/uploads/2026/01/Microsoft-AI-Diffusion-Report-2025-H2.pdf

[5] Yazi, « WhatsApp Usage Across Africa: Key Insights for 2025-2026 » (taux de pénétration de 95 à 97 % parmi les utilisateurs d'internet au Kenya, en Afrique du Sud et au Nigeria) : https://www.askyazi.com/useful-data-sources-for-africa/whatsapp-usage-across-africa-key-statistics-insights-for-2025

[6] Mariana Mazzucato, « The Common Good Economy: A New Compass », Allen Lane, 2026 : https://marianamazzucato.com/books/the-common-good-economy/

[5] Pauline Gandré, « Les sciences : un nouveau champ d'investigation pour les gender studies », Idées économiques et sociales, 2012/1 (N° 167), p. 52-58.