IA : face au vertige technologique, reprendre la maîtrise
Dans son « Point de vue » du 13 août, Jean-François Bouthors alertait sur une intelligence artificielle échappant à ses créateurs. Pour les organisations, la gouvernance IA en entreprise n'est pas affaire de trancher entre miracle et Golem. Il s'agit plutôt de reprendre la main sur sa maîtrise technologique.
Dans son « Point de vue » publié le 13 août dans ces colonnes et signé en son nom propre, le journaliste et éditeur Jean-François Bouthors convoquait les figures du Golem et de l'apprenti sorcier. Il décrivait ainsi une intelligence artificielle échappant à ses créateurs. Il pointait une consommation énergétique incontrôlée, des capitaux démesurés et des défaillances de sécurité. Ce texte a le mérite de nommer une inquiétude réelle. Il illustre aussi une polarisation qui traverse tout le débat public sur l'IA, entre la promesse d'une productivité miracle et la peur d'une créature devenue incontrôlable.
Pour les organisations, qu'il s'agisse d'entreprises, d'administrations ou de collectivités, cette polarisation masque un enjeu bien plus immédiat, et bien plus actionnable : celui de la gouvernance et de la maîtrise technologique. Il est temps de sortir du mythe, qu'il soit prométhéen ou catastrophiste. L'objectif est de ramener l'intelligence artificielle sur le terrain de la réalité économique, opérationnelle et souveraine.
Le risque d'un surinvestissement sans retour, et d'une dépendance mal mesurée
Selon Gartner, les dépenses mondiales liées à l'IA devraient atteindre 2 590 milliards de dollars en 2026. Un chiffre spectaculaire, largement tiré par les infrastructures, les fournisseurs technologiques et les grands acteurs du cloud. Il ne dit pourtant rien à lui seul de la valeur réellement créée dans les organisations qui les utilisent.
Le débat public se concentre volontiers sur les risques macroéconomiques et sociétaux : consommation énergétique, assèchement du financement des autres secteurs, concentration du pouvoir informationnel. Pour une entreprise, une administration ou une collectivité, le risque le plus immédiat se situe pourtant à l'échelle de l'organisation elle-même : celui de la dépendance. S'en remettre aveuglément aux géants de la Tech, qu'ils soient américains ou chinois, pour piloter des processus stratégiques ou des services publics, c'est s'exposer à un verrouillage propriétaire (vendor lock-in) d'une ampleur inédite. L'architecture, les conditions d'accès à la donnée, le fonctionnement des modèles et les marges de réversibilité peuvent alors échapper à l'organisation. Sa capacité de maîtrise s'effondre. Cela survient bien avant que les scénarios les plus extrêmes évoqués par Jean-François Bouthors ne se réalisent.
De la proportionnalité technologique à la sobriété algorithmique
L'argument environnemental, que Bouthors place à juste titre au centre de son alerte, ne relève plus de la simple responsabilité sociétale : il devient un critère d'arbitrage budgétaire et technique.
L'enjeu n'est donc plus de mobiliser systématiquement le modèle le plus puissant disponible, mais le modèle proportionné au besoin. Pour de nombreux usages circonscrits, dans une administration comme dans une entreprise, des modèles plus petits et spécialisés peuvent offrir un meilleur compromis. Ce compromis porte sur la performance, le coût, la consommation et la maîtrise. La sobriété algorithmique consiste d'abord à ne pas mobiliser plus de puissance que le besoin réel n'en exige.
Gouvernance de l'IA en entreprise : réversibilité et capital de maîtrise
Contrairement au scénario du Golem échappant à tout contrôle, la dépendance numérique des organisations n'est pas une fatalité qui s'abat de l'extérieur. Elle se construit, contrat après contrat, choix technique après choix technique. Elle se prévient de la même manière. Pour sortir de la dépendance et maximiser la valeur produite, les organisations doivent basculer d'une posture de consommateurs passifs à celle d'architectes avisés de leurs choix numériques. Trois piliers structurent cette bascule :
Les trois piliers de la maîtrise
1. L'évaluation de la dépendance numérique : mesurer en toute transparence l'empreinte environnementale, les coûts récurrents et les risques de captation de valeur associés à chaque brique d'IA intégrée.
2. Auditabilité, réversibilité et maîtrise des dépendances : exiger la traçabilité des données, des flux, des versions et des décisions automatisées. Organiser l'évaluation des modèles. Garantir l'interopérabilité et tester réellement les capacités de réversibilité. Ce qui compte n'est pas seulement ce que l'organisation possède, mais ce qu'elle reste capable de comprendre, contrôler et remplacer.
Cette exigence n'a rien de théorique. Le secteur numérique a déjà connu des rachats d'éditeurs suivis de refontes tarifaires brutales. Des organisations pourtant matures se sont ainsi retrouvées prises au piège de leurs propres choix d'infrastructure, faute d'avoir anticipé un scénario de sortie. J'en ai fait, dans mes fonctions de direction de systèmes d'information publics, l'expérience directe. L'IA générative reproduit ce même schéma, à une vitesse et une échelle supérieures : plus l'intégration est profonde dans les processus, plus la sortie devient coûteuse et lente à organiser. Tester la réversibilité ne consiste pas à préparer un changement permanent de fournisseur. Il s'agit plutôt de vérifier que cette option demeure réellement praticable avant d'en avoir besoin.
3. La valeur d'usage plutôt que l'automatisation de principe : ne pas automatiser parce que l'IA le permet. Il s'agit plutôt de sélectionner les cas d'usage pour lesquels le bénéfice, économique, opérationnel ou pour l'usager, est démontrable et supérieur aux nouvelles dépendances introduites.
Un projet d'IA ne devrait jamais être évalué à la seule aune de son gain de productivité, mais aussi de la dépendance supplémentaire qu'il introduit.
Vers un numérique maîtrisé et gouvernable
Contrairement à ce que suggère l'image de l'apprenti sorcier, le sort n'a rien d'irréversible. Il appartient aux décideurs, publics comme privés, de fixer les règles du jeu avant que la dépendance ne s'installe, et non après.
Des décennies passées à la tête de systèmes d'information publics m'ont appris une chose : une maîtrise qui n'a pas été organisée dès l'origine se reconquiert ensuite difficilement, lentement et souvent au prix fort. Il appartient aujourd'hui à tous les décideurs de bâtir un numérique maîtrisé, durable et gouvernable. Mieux vaut cela que d'attendre le miracle ou de redouter le Golem.
C'est précisément ce que mesure le capital de maîtrise : la capacité d'une organisation à comprendre, décider et reprendre la main sur ce qu'elle délègue — l'un des principes centraux du Modèle GDN.