L’intelligence artificielle et ses défis d’ici 2035
« Depuis le lancement de ChatGPT 3.5 en novembre 2022, l’intelligence artificielle est passée de l’outil informatique spécialisé au produit de consommation de masse, avec plus de 1,5 milliard d’utilisateurs mensuels dans le monde, et 25% de la population active dans les pays développés s’en servant au quotidien », rappelle Arnault Barichella en introduction à cette étude de l’Institut Jacques Delors, commanditée par le CRiP (Club des Responsables d’Infrastructure, de technologies et de Production informatique).
Parmi d’autres effets négatifs, « l’IA agentique fait peser un risque de ‘tsunami’ sur les emplois de bureau dits ‘à col blanc’ à l’horizon 2028 et au-delà, qui représentent la majorité des emplois dans les pays occidentaux. Plus de 300 millions de postes mondiaux seraient vulnérables à l’automatisation à court terme, tandis que 150 à 200 millions nouveaux emplois pourraient être créés, notamment dans les infrastructures numériques, la cybersécurité et la gestion de l’IA », souligne l’auteur.
L’IA bouleverse aussi les systèmes éducatifs. Avec « le risque du développement d’une certaine paresse intellectuelle, voire d’une diminution prononcée de la capacité d’esprit critique des jeunes étudiants par rapport aux générations qui n’ont pas connu l’IA à l’école et à l’université ». « En effet, si les LLM peuvent faire tous les devoirs à la maison dans toutes les disciplines ou, tout du moins, les faire suffisamment bien pour obtenir une note moyenne et passable, nous risquons d’évoluer vers une société où les jeunes ne possèderont plus les mêmes outils intellectuels que leurs parents ou grands-parents. Cela inclut la capacité de raisonnement complexe, indispensable pour évoluer avec succès sur le marché du travail, au même moment où les opportunités d’emplois pour les jeunes diplômés sont en diminution justement en raison de la révolution de l’IA. Nous risquons d’avoir une génération formée par ChatGPT et dépendante de celui-ci, qui ne sera pas capable de faire même un travail basique sans avoir recours à une IA. Bien entendu, il est indispensable de former la jeune génération aux outils de l’IA, qui sont en train de devenir essentiels sur le marché du travail. Mais cela ne doit pas se faire aux dépens du développement d’un esprit libre et critique, fondamental pour évoluer dans une société démocratique où les citoyens sont appelés à voter régulièrement et pour être compétitif sur le marché du travail », explique Arnault Barichella.
Avec potentiellement une crise identitaire pour l’humanité et de graves conséquences pour la société. « La distinction entre l’humain et la machine pourrait se brouiller, un phénomène qui menace de s’amplifier au cours des prochaines années. Un premier exemple est le symptôme, apparu depuis la sortie de ChatGPT en 2022, entraînant un repli sur soi et l’isolation sociale, où la tentation d’échanger et même de se confier à l’IA plutôt qu’à un humain, souvent par facilité, s’est rapidement propagée. Dans certains cas, nous sommes arrivés au point où la machine est devenue un confident, et même un thérapeute, avec des exemples d’emprise psychologique néfastes avérés qui ont conduit à des situations extrêmes avec des meurtres ou à des suicides », rappelle notamment l’auteur.
Il souligne aussi que « l’IA a déjà épuisé la majorité des données disponibles sur Internet, risquant une stagnation des nouveaux modèles. Les ‘données de synthèse’ (combinant les données générées par l’IA avec une touche créatrice humaine) et la latence décisionnelle (plus de temps à l’IA pour générer les réponses) sont des palliatifs insuffisants à long terme. L’utilisation excessive des données de synthèse peut provoquer un ‘effondrement du modèle’ et une régression de la performance, avec le risque d’un ralentissement dans la vitesse du développement technologique à l’horizon 2028 ».
« Un seul prompt de ChatGPT consomme environ dix fois plus d’électricité qu’une recherche Google. Les data centers consomment déjà environ 415 TWh par an (proche de l’équivalent de la France entière), et devraient plus que doubler pour atteindre 945 TWh d’ici 2030 (soit l’équivalent du Japon). Cela crée des difficultés majeures d’approvisionnement en énergie pour les entreprises du secteur, avec des conséquences très négatives sur l’environnement. Les Small Language Models (SLM), plus sobres en énergie, offrent une alternative, mais restent limités par rapport aux LLM en raison de leur spécialisation et donc leur difficulté à exécuter des tâches complexes », observe l’auteur. Avant d’évoquer la dimension financière : « Plus de 1 000 milliards de dollars ont été investis globalement depuis 2022, mais 80% des projets d’IA échouent à générer un retour sur investissement, deux fois plus que les projets informatiques traditionnels. Le retour sur investissement est négatif pour la majorité des start-ups et développeurs de modèles, mais fortement positif pour les fabricants de puces et fournisseurs de matériels (Nvidia) ou les fournisseurs de Cloud (Azure, Google Cloud). Le risque d’une bulle spéculative – comparée à la bulle dot-com de 2000 – est réel, même si une consolidation du marché à l’horizon 2028 avec des corrections plus ou moins sévères semble l’hypothèse la plus probable ».
« L’IA démultiplie [également] les capacités de désinformation : production instantanée de contenus convaincants en de multiples langues (textes, vidéos et audios), deepfakes ultraréalistes de dirigeants politiques, campagnes de manipulation électorale automatisées à grande échelle. Celles-ci sont souvent commanditées par des régimes autoritaires (Russie, Iran, Corée du Nord, etc.) pour diviser l’occident et favoriser la montée du populisme en minant les démocraties de l’intérieur. Les bots IA de 2026 sont capables d’engager des conversations de manière autonome avec un microciblage psychologique, rendant leur détection très difficile. En Europe, l’AI Act (articles 12 et 13) impose l’auditabilité, la transparence et la ‘journalisation automatique’ des systèmes sur l’ensemble du cycle de vie du modèle, et propose des outils de correction des biais en continu (MLOps, AIF360, Fairlearn) et la technique du filigrane numérique (Watermarking) », rappelle l’auteur, qui note toutefois que « le processus de simplification en cours des législations numériques par la Commission européenne (Digital Omnibus) pourrait affaiblir certaines de ces protections ; trouver des compromis s’avère donc essentiel ».
Afin de contenir la désinformation exacerbée par l’IA, le rapport préconise de mettre en place à très court terme (2026-2028) : (1) des « bacs à sable de données » (Data Sandboxes) sécurisées gérées par le Bureau européen de l’IA pour que les entreprises puissent tester leurs algorithmes sur des données certifiées UE pour détecter les biais ; (2) un passeport algorithmique dynamique obligatoire pour chaque modèle d’IA à haut risque, contenant l’historique des données d’entraînement, les tests de biais successifs et un journal des modifications ; (3) un signalement d’alerte automatique inter-plateformes (Cross-Platform Signaling) en temps réel en cas de détection d’un biais de manipulation ; (4) un filigrane numérique renforcé (intégration obligatoire des métadonnées (C2PA) au niveau matériel (capteurs) et logiciel pour tout contenu dans l’espace public européen).
L’IA représente un défi écologique systémique : la demande en électricité des data centers optimisés par l’IA devrait plus que quadrupler d’ici 2030. S’y ajoutent une consommation massive d’eau : 4 à 6 milliards de m³/an – l’équivalent de la moitié de celle du Royaume-Uni - qui augmente fortement chaque année, ainsi que les déchets électroniques issus des puces spécialisées à courte durée de vie, explique l’auteur, qui souligne que « la combinaison de ces facteurs génère des pressions grandissantes sur les écosystèmes locaux », même s’il reconnaît que « l’IA contribue aussi positivement à la transition écologique dans d’autres cas avec, par exemple, l’optimisation du réseau électrique via les smart grids, l’agriculture de précision ou le suivi satellitaire des émissions de gaz à effet de serre ». Il estime aussi que « le processus actuel de simplification (Omnibus) des normes climatiques » comporte des risques et qu’« un juste équilibre doit être trouvé pour ne pas sacrifier l’écologie sur l’autel de la compétitivité ».
Le rapport préconise dès lors de rapidement (2026-28) introduire : (1) un audit environnemental reposant sur un accès en temps réel aux compteurs électriques et d’eau des data centers ; (2) une taxe carbone numérique proportionnelle pour les modèles dépassant un seuil de requêtes quotidiennes, avec TVA réduite pour les processeurs économes ; (3) une standardisation des Small Language Models (SLM), avec obligation pour les fournisseurs de proposer une version allégée pour les tâches simples ; (4) des quotas d’eau par Téraflop (limite maximale de litres d’eau consommés par unité de calcul) ; (5) une interdiction du refroidissement par eau potable en zones de stress hydrique ; (6) un index de réparabilité/durabilité des infrastructures d’IA : recyclage, réemploi obligatoire des équipements.
« L’Europe est largement dépendante des technologies américaines à trois niveaux : le Cloud (65% contrôlé par AWS, Azure, Google Cloud), le matériel/processeurs (GPU Nvidia quasi exclusifs), et les modèles de base intégrés dans les outils de travail quotidien (ChatGPT, Microsoft 365, Google Workspace) à grande échelle. Le Cloud Act américain et ses clauses extraterritoriales impactent directement la souveraineté numérique de l’UE, car il neutralise les protections du RGPD. L’UE a répondu avec des mesures incluant les labels de Cloud souverains (EUCS ou SecNumCloud) et en investissant dans les infrastructures numériques européennes comme les supercalculateurs (réseau EuroHPC) avec notamment le AI Continent Action Plan ou la stratégie Data Union. L’objectif est de subventionner la recherche et soutenir les champions européens comme Mistral AI (France), DeepL (Allemagne) ou Silo AI (Finlande). Malgré ces efforts, 65% des organisations dans l’UE admettent ne pas pouvoir rester compétitives sans recourir partiellement à des fournisseurs non européens. Le rapport ‘Draghi’ (2024) identifie l’excès réglementaire comme constituant un frein à l’innovation de l’UE dans le secteur numérique, même si beaucoup d’économistes pointent d’autres facteurs comme la fragmentation persistante du marché unique », rappelle encore Arnault Barichella.
Alors, comment faire face à tous ces défis ? Le rapport estime à au moins 100 milliards d’euros l’enveloppe (50 milliards provenant du prochain Cadre financier pluriannuel (CFP) + 50 milliards de cofinancement par les États membres et des capitaux privés) nécessaire d’ici 2030 pour protéger les secteurs économiques impactés par l’IA. À l’intérieur de cette enveloppe, au moins 50 milliards devraient être consacrés aux besoins de formation, soit environ 10 milliards par an sur les cinq prochaines années, commençant dès 2026.
Une seconde enveloppe d’au moins 300 milliards d’euros, financée à 50% par le budget européen (CFP 2028-2034) et pour 50% par les États membres et les capitaux privés, serait nécessaire pour réduire la dépendance à l’égard des technologies étrangères, avec « l’objectif d’une résilience pragmatique et d’une souveraineté ciblée ». Celle-ci devrait permettre la constitution d’un fonds souverain numérique, doté d’au moins 30 milliards/an sur une décennie en commençant dès 2026, pour financer les infrastructures critiques numériques souveraines (Cloud, supercalculateurs, data centers, fabriques IA) par des fonds publics, partenariats public-privé ou la « taxe robot ».
Le rapport préconise aussi (1) une politique de commande publique stratégique, avec une préférence européenne dans les marchés publics pour les solutions d’IA européennes ; (2) une stratégie Data Union : mutualisation des données dans les secteurs clés (santé, industrie, énergie) ; (3) la relocalisation de la production de puces avancées (GPU, accélérateurs IA) en Europe, dans le cadre du nouveau Chips Act ; la mise en place de l’union des marchés de capitaux au plus tard en 2028 pour « permettre aux ‘licornes’ européennes de l’IA de lever des fonds sans être rachetées par des groupes étrangers ».
L’Open Source, que la Commission met en avant dans sa récente communication (du 3 juin 2026), est un mode de développement et distribution de logiciels dont le code source est rendu public et, rappelle l’auteur, « apporte l’autonomie stratégique (pas de coupure d’accès possible), la transparence (absence de ‘portes dérobées’ souvent utilisées pour l’espionnage) et permet de sortir de ‘l’enfermement propriétaire’ ». « L’Open Source offre la possibilité à l’UE de concurrencer les USA avec beaucoup moins de moyens financiers ; des champions européens ont pu émerger par cette voie (Mistral AI, Odoo, Grafana Labs, SUSE). Mais l’Open Source seul est insuffisant si le matériel (hardware) demeure américain, ce qui est majoritairement le cas, d’autant plus que les GAFAM sont également des leaders dans ce domaine. Ainsi, l’Europe doit articuler l’Open Source avec le renforcement des infrastructures numériques souveraines, l’intégration du marché unique et la stratégie Data Union », affirme Arnault Barichella. En estimant que d’ici 2035, environ 4 milliards d’euros supplémentaires devraient être fléchés par an vers l’Open Source, avec un focus sur l’IA et le Cloud (inclus dans la 2e enveloppe financière des € 30 milliards/an) + 1% des budgets informatiques publics dédiés à la maintenance de l’Open Source existant.
« Selon l’AI Act, les technologies sont réglementées en fonction du degré de risque qu’elles représentent, avec quatre catégories : risque d’IA inacceptable (interdit : notation sociale, manipulation subliminale), risque élevé (réglementation stricte : justice, emploi, santé), risque limité (transparence obligatoire : chatbots) et risque minimal (codes de conduite volontaires) », rappelle l’auteur, qui note toutefois que certaines lacunes subsistent dans la législation européenne : « manque de souplesse et processus de révision trop lent face à l’évolution rapide du secteur, une attention insuffisante aux impacts sociétaux collectifs de l’IA (désinformation/manipulation démocratique), et un recours excessif à l’auto-évaluation par les entreprises (surtout avec le Digital Omnibus) affaiblissant la mise en conformité ». Pour combler les lacunes de l’AI Act européen, il préconise notamment une mise à jour rapide des catégories de risque (délégation au Comité européen de l’IA des révisions annuelles sans procédure législative complète) et l’élargissement des critères de la catégorie « risque inacceptable », notamment pour la biométrie et la reconnaissance faciale.
Le rapport milite enfin pour l’intégration systématique des normes ISO dans l’AI Act – gouvernance (ISO/IEC 42001), gestion des risques (ISO/ IEC 23894), qualité des données (ISO/IEC 5259), éthique et biais (ISO/IEC TR 24027) – et estime que « l’UE doit exiger de ses principaux partenaires commerciaux l’adoption des standards européens d’usage responsable de l’IA, en s’appuyant sur sa position de plus grand marché unique mondial et sur la portée extraterritoriale de l’AI Act ». (Olivier Jehin)
Arnault Barichella. Révolution des technologies de l’intelligence artificielle à l’horizon 2035 – L’humain dans la boucle : réguler et définir des limites pour garder le contrôle. Institut Jacques Delors. Juin 2026. 95 pages. Le rapport peut être téléchargé gratuitement sur le site de l’institut : https://aeur.eu/f/mhn