Menu principal
Lors d’un premier article l’auteur avait analysé l’introduction et les principes directeurs. Ce second article, quant-à-lui, traite des questions tournant autour de l’intelligence artificielle.
Innovation dans l’intelligence artificielle
Si les principes sont la boussole, l’innovation est le moteur. Ce pilier est au cœur du plan et peut-être le plus controversé, car sa philosophie fondamentale pourrait être résumée comme «libérante et s’accélérant». La logique est puissante: pour gagner une course technologique, en particulier contre un concurrent avec un modèle d’État plus centralisé, le secteur privé et le monde universitaire doivent être responsabilisés. Mais comment faire cela dans la pratique sans tomber dans le chaos réglementaire? Le premier levier est la suppression de la réglementation jugée inutile. La résiliation du décret exécutif 14110 de l’administration précédente n’est pas un simple geste politique; c’est un changement de paradigme réglementaire. Des organismes tels que le Bureau des politiques scientifiques et technologiques et le Bureau de la gestion et du budget sont chargés d’examiner et de dégager la voie. Prenons un exemple concret: il est suggéré que la Commission fédérale des communications évalue si la réglementation de l’État sur l’intelligence artificielle interfère avec ses fonctions. Cela crée un environnement plus permissif pour les startups. D’un point de vue juridique, se trouve ici un dilemme classique: l’équilibre entre la promotion de l’innovation et la protection des droits fondamentaux tels que la vie privée ou la non-discrimination. Le plan est convaincu qu’une surveillance dynamique du marché et de l’ex post dans les secteurs critiques sera suffisante.
Le second levier, la promotion des modèles ouverts, est un pari stratégique fascinant. Face à la tendance de certains géants technologiques à garder leurs modèles comme secrets commerciaux, le plan s’engage à l’open source et aux « poids ouverts ». Pourquoi ? Pour deux raisons principales. Tout d’abord, il démocratise l’innovation, permettant aux chercheurs universitaires et aux petites entreprises de s’appuyer sur les avancées existantes sans repartir de zéro. C’est comme donner à des milliers d’inventeurs l’accès à un atelier de haute technologie auparavant réservé à quelques-uns. Deuxièmement, et cela est crucial d’un point de vue géopolitique, exporter des modèles ouverts américains est d’exporter les valeurs et les normes qui y sont incorporées.
L’adoption ne se produit pas dans le vide, de sorte que le plan propose de créer des espaces d’expérimentation contrôlée: «boîtes à sable réglementaires» et Centres d’excellence. Pensez-y comme des pistes de test où les entreprises peuvent apporter leurs outils d’intelligence artificielle à des secteurs sensibles tels que la santé ou les marchés financiers, sous la supervision de la Food and Drug Administration ou de la Securities and Exchange Commission. Cela réduit l’incertitude juridique et accélère l’intégration. En parallèle, l’Institut national des normes et de la technologie joue un rôle de premier plan dans l’élaboration de métriques pour mesurer l’impact réel de l’intelligence artificielle sur la productivité, ce qui est essentiel pour justifier les investissements et les politiques.
Tout cela serait incomplet sans une main-d’œuvre qualifiée. Les initiatives visant à intégrer les compétences en intelligence artificielle dans les programmes d’apprentissage et d’éducation technique, et même à rendre cette formation financièrement attrayante grâce à des avantages fiscaux, visent à combler le fossé entre l’avancement technologique et la préparation humaine. C’est une reconnaissance que l’innovation ne concerne pas seulement les puces et les algorithmes, mais aussi les personnes qui peuvent travailler avec eux. Enfin, l’investissement dans la science et la fabrication permis par l’intelligence artificielle – des laboratoires automatisés de découverte de médicaments à la robotique avancée – pointe vers une reconquête de la souveraineté technologique. Il ne suffit pas de concevoir des algorithmes ; nous devons maintenir la capacité de fabriquer les instruments physiques qui les exécutent, en veillant à ce que la chaîne d’innovation, de l’idée au produit, ait un lien domestique fort.
Infrastructures pour l’intelligence artificielle
Nous pouvons avoir les idées les plus brillantes et les algorithmes les plus efficaces, mais sans l’infrastructure physique pour les soutenir, ce ne sont que de simples exercices théoriques. Ce pilier aborde l’épine dorsale souvent oubliée de la révolution de l’intelligence artificielle : l’énergie, les semi-conducteurs et les centres de données. C’est comme planifier un réseau ferroviaire pour l’ère de la vapeur ; sans rails et stations, le moteur est inutile. La modernisation du réseau électrique est la priorité numéro un.
Le paradoxe est évident : l’intelligence artificielle, qui promet d’optimiser tout, est vorace dans la consommation d’énergie. Le plan note avec préoccupation que la capacité de production américaine a été relativement stagnante, car la Chine déploie une nouvelle capacité à un rythme redoutable. La réponse proposée est pragmatiquement et technologiquement diversifiée : stabiliser l’existant, mais aussi stimuler de manière agressive des sources telles que l’énergie géothermique avancée et l’énergie nucléaire (fission et, à long terme, fusion). Ce qu’il appelle le « dogme climatique radical » est explicitement rejeté, en donnant la priorité à la fiabilité et à la capacité par rapport aux objectifs de réduction des émissions qui peuvent ralentir l’expansion. Il s’agit d’un point de divergence crucial avec les visions européennes, par exemple, et qui reflète un choix stratégique clair : la compétitivité dans l’intelligence artificielle est un impératif qui justifie certains engagements énergétiques.
Mais quelle est l’utilisation de l’énergie si vous ne pouvez pas construire rapidement les installations qui la consommeront ? Le plan s’appuie sur des réformes avant la Loi sur la politique nationale de l’environnement afin de proposer des exclusions catégoriques pour les projets de centres de données à impact bas de gamme. L’idée est d’explorer un « permis national » pour ces centres en vertu de la loi sur l’eau propre qui cherche à créer une voie rapide, réduisant la complexité bureaucratique de l’approbation à l’échelle de l’État. L’objectif est clair : que les États-Unis puissent construire leur infrastructure numérique à la vitesse de la Silicon Valley, et non à la vitesse de Washington D. C. Cela a des implications environnementales et communautaires évidentes, et le plan suppose le risque comme coût nécessaire.
Le plan reconnaît la vulnérabilité stratégique d’avoir externalisé une grande partie de sa fabrication.
Au cœur de tout matériel hardware d’intelligence artificielle se trouvent des semi-conducteurs. Le plan reconnaît la vulnérabilité stratégique qui signifie qu’il a externalisé une grande partie de sa fabrication. Le document propose alors d’« optimiser », ce qui signifie en pratique éliminer les exigences considérées comme politiques ou bureaucratiques qui peuvent décourager l’investissement privé. En outre, il suggère d’utiliser des outils d’intelligence artificielle pour concevoir et fabriquer de meilleurs semi-conducteurs, créant un cercle vertueux: l’utilisation de l’intelligence artificielle pour construire le matériel qui rendra l’intelligence artificielle plus puissante.
La sécurité physique et cyber de cette infrastructure est une préoccupation parallèle. Le plan traite de la construction de centres de données de haute sécurité pour l’utilisation militaire et du renseignement, avec des normes techniques pour résister aux attaques de l’État. Cela transcende la protection des données; il s’agit de veiller à ce que les capacités de défense et de dissuasion, de plus en plus dépendantes de l’intelligence artificielle, aient une base physique inviolable. Enfin, aucune infrastructure n’est soutenue seule. La formation d’une main-d’œuvre spécialisée – des électriciens qui comprennent les exigences d’un centre de données aux techniciens de système de réfrigération avancés – est essentielle. Le plan propose d’élargir les programmes d’apprentissage et de formation pratique, en reconnaissant que le « travail d’infrastructure » du XXIe siècle exige un ensemble de compétences radicalement nouvelles. En substance, ce pilier construit la maison où l’intelligence artificielle vivra, une maison qui doit être grande, sûre, efficace et construite avec ses propres matériaux.
—