La géopolitique de l’IA : pourquoi ChatGPT, Claude, Mistral, DeepSeek (et tous les autres…) ne sont pas que des outils

Géopolitique : une définition de travail

La géopolitique, concept aux multiples définitions, étudie les relations entre la puissance politique et l’espace géographique. Elle cherche à comprendre comment le contrôle des territoires, des routes et des ressources détermine les rapports de force entre les États. Ses fondateurs – le géographe Friedrich Ratzel à la fin du XIXe siècle, le stratège Halford Mackinder au début du XXe – pensaient le contrôle de l’espace physique comme une dimension stratégique du pouvoir : celui qui contrôle les grandes plaines d’Eurasie contrôle le monde, celui qui contrôle les détroits contrôle le commerce.

Ce cadre s’est profondément transformé au fil du siècle. L’espace géographique physique a été progressivement rejoint, sans être remplacé, par d’autres types d’espaces stratégiques  : l’espace économique (qui contrôle les chaînes d’approvisionnement ?), l’espace informationnel (qui contrôle les réseaux, les données, les récits et, par extension, les « messages » à transmettre ?), l’espace technologique (qui contrôle les infrastructures critiques ? qui contrôle les outils dominants sur le marché ?).

La géopolitique de l’IA s’inscrit dans cette continuité. Elle pose des questions concrètes avec des réponses concrètes : qui contrôle les infrastructures d’IA (côté composants/ressources minérales pour produire et maintenir le matériel informatique, côté logiciel, côté recherche et innovation) sur lesquelles reposent les décisions — économiques, militaires, institutionnelles, sociales — d’une part croissante de la planète ?

Comment l’IA est-elle devenue un sujet géopolitique ?

L’IA n’a pas toujours été géopolitique. Pendant des décennies, elle a été un sujet académique, puis industriel, essentiellement accessible à des acteurs préparés, voire formés, à créer, accueillir et utiliser cette technologie. La question de savoir qui gagnait la « course à l’IA » relevait d’une question de compétitivité économique importante, mais n’était pas fondamentalement différente de la compétition dans les secteurs automobile ou pharmaceutique. 

Trois basculements ont changé cela.

1/ Une IA presque pour toutes et tous, la généralité

Les anciens systèmes d’IA étaient spécifiques à une problématique bien définie : un algorithme de recommandation, un système de reconnaissance d’images. Les LLMs, grands modèles de langage qui alimentent les applications d’IA génératives, sont généraux. Ils traitent du langage dans toute sa diversité, ce qui signifie qu’ils s’inscrivent dans la quasi-totalité des activités humaines  : rédiger, analyser, décider, communiquer, soigner, éduquer, gouverner. Un outil général qui s’intègre dans les processus de décision à tous les niveaux d’une société – accessible sans prérequis, c’est-à-dire sans préparation, sans formation et sans niveau de connaissance de la tech préalable – cesse d’être un simple produit technologique, il devient une infrastructure, voire « presque » un incontournable et cela quel que soit le métier. 

2/ Une grande puissance d’IA entre les mains de peu d’acteurs : la concentration des pouvoirs

Cette infrastructure est produite par un nombre restreint d’acteurs. Dans le monde, moins d’une dizaine d’organisations sont capables d’entraîner des LLMs sur des ensembles de données volumineux comportant des milliards, voire des milliers de milliards de paramètres : OpenAI, Anthropic, Google DeepMind côté américain ; Baidu, Alibaba, DeepSeek côté chinois, Mistral côté français. L’investissement privé américain en IA a atteint 109 milliards de dollars en 2024, contre 9,3 milliards pour la Chine… et l’écart se resserre. DeepSeek R1 a montré en janvier 2025 qu’une efficacité radicale peut bousculer des avantages capitalistiques considérables en quelques semaines. La concentration de la production d’infrastructure d’IA dans quelques entreprises, elles-mêmes très liées à deux visions du monde (USA vs. Chine), est précisément ce qui rend la question géopolitique.

Alors est-ce réellement un problème ?  À titre de comparaison : Google contrôle environ 90 % des requêtes mondiales sur les moteurs de recherche. NVIDIA détient entre 70 et 90 % du marché des accélérateurs d’IA. Trois entreprises (Samsung, SK Hynix, toutes deux de Corée du Sud, et Micron, des États-Unis) produisent la quasi-totalité des puces mémoire HBM nécessaires pour faire fonctionner ces modèles. La concentration de ces modèles au sein d’une dizaine d’acteurs n’est donc pas une anomalie en soi. Il semblerait que ce soit le cas de toute la chaîne technologique sous-jacente et c’est peut-être cela le problème.

3/ La liberté illusoire au profit d’une dépendance progressivement établie

Les acteurs qui adoptent les modèles d’IA du marché ne se contentent pas de déployer un logiciel. Ils adoptent une infrastructure qui conditionne leur façon de traiter l’information et de préparer des décisions. Cette dépendance a une dimension géographique et politique : un hôpital africain qui utilise un LLM américain pour l’aide au diagnostic, une administration du Sud-Est asiatique qui déploie un modèle chinois pour ses services publics, une PME française qui délègue sa veille juridique à un outil dont elle ne contrôle ni les données d’entraînement ni les biais. Tous ces acteurs entrent dans une relation de dépendance informationnelle qui dépasse le simple cadre du contrat commercial.

Quelles conséquences concrètement ?

→ L’émergence d’une politique étrangère IA (AI diplomacy) : Imaginez que choisir une IA vous lie à la politique étrangère du pays qui en est à l’origine. C’est cela, la diplomatie IA. Lorsque la Chine propose ses modèles à prix compétitifs à ses pays voisins ou à des partenaires africains, cela est non seulement pour des raisons commerciales, mais également pour une stratégie d’alignement diplomatique, car ici le choix d’une solution d’IA générative devient alors un signal d’alignement diplomatique, analogue au choix d’une infrastructure 5G.

Lorsque le plan d’action américain de juillet 2025 nomme explicitement l’objectif de « contrer l’influence chinoise dans les instances de gouvernance internationale » cela aboutit à des actions concrètes comme : le retrait ou refus de signer des cadres multilatéraux jugés favorables à la position chinoise, le déploiement d’ investissement diplomatique en Afrique pour contrebalancer l’influence chinoise, l’utilisation du positionnement dans les organismes de normalisation internationaux pour défendre des valeurs américaines ou encore en l’utilisation du contrôle à l’exportation sur les puces IA comme outil de politique étrangère pour empêcher la chine d’acquérir la base matérielle nécessaires pour développer des modèles IA. 

L’analyse de ces exemples, et d’autres, montrent l’émergence d’une diplomatie IA opérant simultanément à trois niveaux  : le Logiciel (software) au niveau des modèles et standards, le Matériel informatique (hardware) avec l’explosion de la demande de barrettes mémoires (RAM) et de processeurs (SSD) et la lutte pour les Ressources Minérales au travers de contrôles à l’exportation, la signature d’accord diplomatique avec les pays producteurs de ces ressources critiques.

La diplomatie IA est donc d’une stratégie d’influence à plusieurs niveaux interconnecté et interdépendant afin de garantir à chaque pays de faire partie de ceux qui contrôlent les modèles, le hardware, et les ressources permettant de produire ces systèmes IA. 

Ces trois dimensions structurent de plus en plus les politiques étrangères des grandes puissances, et conditionnent les marges de manœuvre des pays qui n’opèrent à aucun de ces trois niveaux et n’ont donc aucun levier sur ces sujets-là. 

→ Une fracture d’auditabilité : Les producteurs de modèles savent, en théorie, ce que leurs systèmes font, comment, et pourquoi. Les utilisateurs, en très grande majorité, ne le savent pas. Cette asymétrie, que nous appellerons « asymétrie d’interprétabilité », est beaucoup plus prononcée dans les pays qui ne disposent pas d’infrastructure de recherche en IA. L’Afrique héberge moins de 1 % des centres de données mondiaux et les LLMs utilisés sur le continent n’ont pas été entraînés sur des données africaines. La dépendance est ici réelle, mesurable, et peu discutée dans les forums de gouvernance.

→ Une instabilité stratégique : Quand des décisions à haut risque (ex. : militaires, médicales, judiciaires, financières) sont préparées à l’aide de systèmes que les opérateurs ne peuvent pas auditer, l’erreur devient plus difficile à détecter, à corriger et à attribuer. Dans un contexte de compétition entre puissances, cette opacité amplifie l’incertitude et crée les conditions d’une escalade par incompréhension.

Et si on parlait d’Europe et de souveraineté européenne ? 

L’Europe a une stratégie, mais concrètement produit peu de modèles : selon le rapport AI Index 2025 de Stanford5, en 2024, les institutions américaines ont produit 40 modèles d’IA notables, celles de Chine, et l’ensemble de l’Europe seulement 3. Ce chiffre illustre précisément le paradoxe européen : l’UE élabore des règles, notamment l’AI Act, mais ne produit pas les modèles qu’elle réglemente. 

L’AI Act, entré en vigueur le 1er août 2024, est le premier cadre législatif complet au monde dédié à l’IA. Il établit des règles harmonisées dans l’ensemble de l’Union européenne afin de garantir que les systèmes d’IA développés et/ou utilisés sur le sol européen respectent les valeurs européennes. Ici l’AI Act joue le rôle de levier de souveraineté normative afin de s’assurer que l’Europe n’est pas un No-Right Land (que l’on peut traduire pas « un espace de non-droit ») où tout est permis… au profit du plus puissant.

En d’autres termes, l’Europe qui ne domine ni le software, ni le hardware, ni les ressources minérales, a introduit une quatrième dimension dans l’échiquier de la gouvernance : la régulation comme standard mondial (ce que les juristes américains appellent le « Brussels effect« ). C’est un levier réel, mais asymétrique : les règles européennes s’imposent aux modèles déployés sur son marché, mais ne créent pas les modèles eux-mêmes et ne combattent donc pas la dépendance informationnelle ou structurelle.

En quoi cette réalité change-t-elle ce qu’on doit demander à la gouvernance ?

Si l’IA est devenue une question géopolitique, alors la gouvernance de l’IA ne peut pas être pensée uniquement comme une question de régulation des produits technologiques, et pas seulement par deux pays — ou des groupes de pays — segmentant le monde selon deux visions. Elle doit être pensée comme une question de structure des rapports de force entre acteurs (États, entreprises, régions du monde) dans l’accès, la production, le contrôle et l’audit des systèmes qui conditionnent de plus en plus nos décisions collectives. Autrement dit, aujourd’hui, ne pas pouvoir auditer l’IA que vous utilisez, c’est accepter une dépendance que vous ne pouvez ni mesurer ni négocier.

Les standards d’interprétabilité et d’auditabilité des LLMs ne peuvent pas être définis exclusivement par les États-Unis, l’Union européenne et la Chine. Les autres pays doivent être intégrés aux processus de définition de ces standards : non pas comme bénéficiaires passifs d’une gouvernance conçue ailleurs, mais comme acteurs dont les contraintes et les vulnérabilités spécifiques constituent le problème.

La géopolitique de l’IA ne se joue donc pas seulement entre Washington, Bruxelles et Pékin. Elle se joue aussi à Rabat, Nairobi, à Hanoï, à Bogotá et partout 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. 

Ikram Chraibi Kaadoud, PhD (she/her)

Chercheuse indépendante XAI & sciences cognitives
LinkedIn I HAL I https://ikramchraibik.com/

 Cet article est une adaptation grand public d’une note d’orientation publiée en anglais par l’autrice sur la plateforme Substack  : https://ikramchraibik.substack.com/p/the-geopolitics-of-ai-software-hardware

Un article dont la mise en forme (uniquement !) a été réalisée avec l’aide d’une solution d’IA générative. 

Pour aller plus loin : 

1 Lacoste, Y. (dir.). (1993). Dictionnaire de géopolitique. Flammarion.

2 Ratzel, F. (1897). Politische Geographie oder die Geographie der Staaten, des Verkehres und des Krieges. R. Oldenbourg. [Partial Fr. trans. : Géographie politique, Economica, 1988]

3 Mackinder, H. J. (1904). The geographical pivot of history. The Geographical Journal, 23(4), 421–437. https://doi.org/10.2307/1775498

4 Bommasani, R., et al. (2021). On the opportunities and risks of foundation models. arXiv:2108.07258. Stanford CRFM. https://doi.org/10.48550/arXiv.2108.07258

5 Maslej, N., et al. (2025). Artificial Intelligence Index Report 2025. Stanford HAI. https://hai.stanford.edu/ai-index/2025-ai-index-report

6 DeepSeek-AI, Guo, D., et al. (2025, January 22). DeepSeek-R1 : Incentivizing reasoning capability in LLMs via reinforcement learning. arXiv:2501.12948. https://doi.org/10.48550/arXiv.2501.12948

7 Dugoin-Clément, C. (2020, October). Les enjeux géopolitiques de la 5G. The Conversation. https://theconversation.com/les-enjeux-geopolitiques-de-la-5g-146494

8 The White House. (July 2025). America’s AI Action Plan. https://www.whitehouse.gov/wp-content/uploads/2025/07/Americas-AI-Action-Plan.pdf

9 UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. https://unesdoc.unesco.org/ark :/48223/pf0000380455

L’article La géopolitique de l’IA : pourquoi ChatGPT, Claude, Mistral, DeepSeek (et tous les autres…) ne sont pas que des outils est apparu en premier sur Blog binaire.