La géopolitique de l’IA : pourquoi ChatGPT, Claude, Mistral, DeepSeek ( et tous les autres…) ne sont pas que des outils
Il y a un mot qui revient partout dans les discussions sur l’intelligence artificielle, souvent sans être défini : « géopolitique ». On parle de « compétition géopolitique », de « risques géopolitiques », d’« enjeux géopolitiques des LLMs ».
La géopolitique est une discipline qui étudie les rapports de force entre États en analysant leur contrôle sur des espaces stratégiques. Historiquement, ces espaces étaient surtout géographiques, comme les territoires ou les routes commerciales. Aujourd’hui, la géopolitique s’étend à d’autres dimensions : l’espace économique (qui domine les chaînes d’approvisionnement ?), l’espace informationnel (qui contrôle les données et les récits ?) et l’espace technologique (qui possède les infrastructures critiques ?). Dans le contexte de l’intelligence artificielle (IA), la géopolitique examine qui contrôle les outils comme ChatGPT ou Mistral, et comment ces outils influencent les décisions économiques, militaires ou sociales à l’échelle mondiale. Les fondateurs de cette discipline incluent le géographe Friedrich Ratzel et le stratège Halford Mackinder, qui voyaient dans le contrôle des territoires un enjeu de pouvoir majeur.
Les modèles d’IA comme ChatGPT ou DeepSeek sont qualifiés de grands modèles de langage (LLMs, pour Large Language Models). Contrairement aux anciens systèmes d’IA spécialisés dans une tâche précise, ces LLMs traitent le langage de manière générale, ce qui leur permet de s’appliquer à presque toutes les activités humaines : rédaction, analyse, décision, communication, éducation ou gouvernance. Leur généralisation les rend indispensables, mais aussi concentrés entre les mains de quelques acteurs. En 2024, moins d’une dizaine d’organisations maîtrisent l’entraînement de ces modèles : OpenAI, Anthropic et Google DeepMind (États-Unis), Baidu, Alibaba et DeepSeek (Chine), et Mistral (France). L’investissement privé américain en IA a atteint 109 milliards de dollars en 2024, contre 9,3 milliards pour la Chine. Cette concentration pose un problème géopolitique, car elle crée une dépendance envers des acteurs liés à des visions du monde spécifiques, comme les États-Unis ou la Chine.
L’adoption de ces modèles d’IA par des entreprises, administrations ou institutions crée une dépendance informationnelle. Par exemple, un hôpital africain utilisant un LLM américain pour le diagnostic ou une administration asiatique déployant un modèle chinois pour ses services publics ne contrôlent ni les données d’entraînement ni les biais de ces outils. Cette dépendance est renforcée par une asymétrie d’interprétabilité : les producteurs de modèles savent comment et pourquoi leurs systèmes fonctionnent, mais les utilisateurs, surtout dans les pays sans infrastructure de recherche en IA, ne le savent pas. L’Afrique, qui héberge moins de 1 % des centres de données mondiaux, utilise des LLMs non entraînés sur des données locales. Cette opacité rend difficile la détection et la correction des erreurs, surtout dans des domaines à haut risque comme la médecine ou la justice.
L’IA est devenue un outil de diplomatie IA, où le choix d’un modèle ou d’une infrastructure lie un pays à la politique étrangère du pays qui le produit. Par exemple, la Chine propose ses modèles à des pays africains ou asiatiques pour renforcer son influence diplomatique, comme elle l’a fait avec la 5G. Les États-Unis, de leur côté, déploient des stratégies pour contrer cette influence, comme le plan d’action américain de juillet 2025 qui vise à réduire la dépendance à la Chine dans les instances de gouvernance internationale. Cette diplomatie IA s’articule autour de trois niveaux : le logiciel (modèles et standards), le matériel (puces et mémoires), et les ressources minérales (contrôles à l’exportation, accords diplomatiques avec les pays producteurs). Ces trois dimensions structurent les politiques étrangères des grandes puissances.
L’Europe a adopté une approche réglementaire avec l’AI Act, entré en vigueur le 1er août 2024, qui établit des règles pour garantir que les systèmes d’IA respectent les valeurs européennes. Cependant, l’Europe produit peu de modèles : en 2024, elle n’en a produit que 3, contre 40 pour les États-Unis et un nombre non précisé pour la Chine. L’UE mise sur sa souveraineté normative pour imposer ses standards au niveau mondial, un phénomène appelé Brussels effect. Mais cette régulation ne crée pas de modèles ni ne réduit la dépendance informationnelle. Elle permet à l’Europe de ne pas devenir un No-Right Land où tout est permis au profit des plus puissants, mais elle ne lui donne pas les leviers pour contrôler les infrastructures ou les ressources.
La gouvernance de l’IA ne peut plus être réduite à une question de régulation technique ou à un affrontement entre deux blocs (États-Unis et Chine). Elle doit intégrer tous les acteurs, y compris les pays d’Afrique, d’Asie ou d’Amérique latine, qui utilisent des modèles sans pouvoir les auditer. Les standards d’interprétabilité et d’auditabilité des LLMs ne peuvent être définis uniquement par les grandes puissances. Ils doivent inclure les contraintes et vulnérabilités spécifiques des autres pays, comme le Maroc, le Kenya, le Vietnam ou la Colombie. La géopolitique de l’IA se joue donc aussi dans ces pays, où des opérateurs déploient des systèmes qu’ils ne peuvent pas questionner, dans des cadres qui ne leur donnent pas les outils pour le faire. L’enjeu est de créer une gouvernance mondiale qui reflète la diversité des acteurs et des besoins.
