L’intelligence artificielle transforme progressivement les activités économiques, les services publics, la recherche, la sécurité et les usages numériques. Mais son développement ne constitue pas seulement une évolution technologique : il soulève également des enjeux de confiance, de responsabilité, de souveraineté, de protection des droits fondamentaux et de résilience.

L’essentiel

L’intelligence artificielle constitue l’une des transformations technologiques majeures du début du XXIᵉ siècle.

Les progrès récents de l’apprentissage automatique, des modèles génératifs, de la puissance de calcul et de l’accès aux données ont considérablement accéléré son adoption.

L’IA permet désormais d’assister :

• l’analyse ;
• la création de contenu ;
• la recherche scientifique ;
• la maintenance ;
• la cybersécurité ;
• la médecine ;
• la logistique ;
• la prise de décision.

Mais ces capacités s’accompagnent également de nouveaux risques :

• erreurs ;
• biais ;
• dépendances technologiques ;
• atteintes à la vie privée ;
• manipulation de l’information ;
• cybermenaces ;
• défaut de transparence ;
• difficultés d’attribution des responsabilités.

L’enjeu n’est donc plus simplement de développer davantage d’intelligence artificielle.

Il consiste à développer et utiliser une IA utile, maîtrisée, sécurisée et compatible avec les droits fondamentaux.

1. L’intelligence artificielle ne constitue pas une technologie unique

L’expression « intelligence artificielle » regroupe des technologies et des usages très différents.

Elle peut notamment désigner des systèmes permettant :

• de reconnaître des objets ou des images ;
• de traduire automatiquement ;
• de détecter des anomalies ;
• de prédire certains événements ;
• de recommander des contenus ;
• de générer des textes, images ou sons ;
• d’assister des décisions.

Tous ces systèmes ne présentent ni les mêmes capacités, ni les mêmes risques.

Il est donc essentiel d’éviter deux visions excessives :

considérer l’IA comme une solution universelle ;

ou

considérer toute IA comme intrinsèquement dangereuse.

La pertinence d’un système dépend de sa finalité, de ses données, de son environnement d’utilisation et du niveau de contrôle mis en place.

2. Une accélération technologique spectaculaire

Les progrès récents reposent sur plusieurs facteurs combinés :

• volumes considérables de données ;
• puissance de calcul disponible ;
• amélioration des architectures algorithmiques ;
• développement du cloud ;
• progrès des modèles d’apprentissage profond ;
• apparition de modèles d’IA à usage général.

L’IA générative a notamment rendu certaines capacités accessibles au grand public et aux organisations à une échelle inédite.

Cette démocratisation transforme désormais profondément les usages professionnels.

3. Des opportunités importantes pour la recherche et la santé

Dans le domaine scientifique, l’intelligence artificielle peut faciliter l’analyse de volumes de données qu’un humain aurait de grandes difficultés à traiter seul.

En santé, certaines applications peuvent contribuer à :

• l’analyse d’imagerie médicale ;
• l’aide au diagnostic ;
• l’identification de structures moléculaires ;
• la recherche pharmaceutique ;
• l’optimisation de certains parcours de soins.

Les avancées dans la prédiction de structures protéiques constituent notamment une illustration majeure du potentiel scientifique des techniques d’apprentissage automatique.

Mais l’IA médicale doit rester utilisée dans un cadre maîtrisé.

Une performance statistique élevée ne supprime ni :

• les erreurs possibles ;
• le besoin de validation ;
• les exigences réglementaires ;
• la responsabilité humaine.

4. Industrie et infrastructures : vers des systèmes plus intelligents

L’intelligence artificielle contribue également à la transformation de l’industrie.

Elle peut être utilisée pour :

• anticiper certaines défaillances ;
• optimiser la maintenance ;
• analyser la qualité ;
• améliorer la consommation énergétique ;
• assister la logistique ;
• automatiser certaines opérations.

Dans les infrastructures critiques ou sensibles, ces technologies peuvent améliorer la capacité d’analyse.

Mais elles introduisent également de nouvelles dépendances :

• aux logiciels ;
• aux données ;
• aux fournisseurs ;
• aux infrastructures numériques ;
• aux capacités de calcul.

L’augmentation de la performance doit donc être accompagnée d’une réflexion sur la résilience.

5. L’IA transforme également la cybersécurité

L’intelligence artificielle peut aider les équipes de cybersécurité à traiter de grandes quantités d’informations.

Elle peut notamment contribuer à :

• détecter des comportements anormaux ;
• analyser des événements ;
• assister le tri d’alertes ;
• identifier certaines vulnérabilités ;
• accélérer l’analyse d’incidents.

Mais les acteurs malveillants peuvent également utiliser l’IA.

Elle peut faciliter :

• la génération de contenus trompeurs ;
• certaines formes d’ingénierie sociale ;
• l’automatisation de tâches ;
• la personnalisation d’attaques.

L’IA constitue donc simultanément un outil de défense et un facteur de transformation de la menace.

6. L’IA générative bouleverse la production de l’information

Les systèmes génératifs permettent de produire rapidement :

• textes ;
• images ;
• vidéos ;
• voix ;
• logiciels.

Cette capacité ouvre de nombreuses possibilités.

Mais elle modifie également profondément l’environnement informationnel.

Il devient plus facile de créer :

• des contenus plausibles mais faux ;
• des images artificielles ;
• des voix synthétiques ;
• des documents trompeurs.

La difficulté ne concerne donc plus uniquement l’accès à l’information.

Elle concerne désormais davantage :

la capacité à déterminer son origine, sa fiabilité et son authenticité.

7. Le risque d’erreur reste fondamental

Un système d’IA générative peut produire une réponse :

• convaincante ;
• grammaticalement correcte ;
• structurée ;

tout en étant factuellement erronée.

Cette caractéristique est particulièrement importante dans les domaines sensibles.

Il faut donc conserver une distinction essentielle :

Une réponse crédible n’est pas nécessairement une réponse exacte.

Pour les usages professionnels, les résultats doivent être contrôlés selon leur niveau de criticité.

8. Les données influencent directement les résultats

La qualité d’un système dépend en partie :

• des données utilisées pour son développement ;
• de leur représentativité ;
• de leur qualité ;
• de leur contexte ;
• des méthodes utilisées pour les traiter.

Un modèle peut donc reproduire :

• des biais historiques ;
• des déséquilibres ;
• des erreurs ;
• des représentations incomplètes.

Ces biais ne sont pas toujours visibles.

Ils peuvent apparaître uniquement lorsqu’un système est appliqué à certaines catégories de population ou à certaines situations particulières.

9. Biais algorithmique ne signifie pas seulement discrimination volontaire

Une discrimination produite par un système ne suppose pas nécessairement qu’un développeur ait voulu discriminer.

Elle peut résulter :

• des données ;
• d’un indicateur mal choisi ;
• d’une variable indirectement corrélée à une caractéristique sensible ;
• d’un échantillon insuffisant ;
• du contexte d’utilisation.

La gouvernance de l’IA doit donc dépasser la simple question :

« L’algorithme est-il techniquement performant ? »

Il faut également demander :

« Pour qui fonctionne-t-il ? Dans quelles conditions ? Et avec quelles conséquences ? »

10. La protection des données reste un enjeu majeur

De nombreux systèmes d’intelligence artificielle peuvent traiter des données à caractère personnel.

Leur utilisation doit alors être examinée au regard des règles applicables, notamment du RGPD.

Plusieurs questions deviennent essentielles :

• quelles données sont utilisées ?
• pour quelle finalité ?
• pendant combien de temps ?
• qui peut y accéder ?
• quelles données sont transmises à un fournisseur externe ?
• comment sont-elles sécurisées ?

L’utilisation d’un outil d’IA ne supprime pas les responsabilités de l’organisation concernant les données qu’elle lui confie.

11. Les organisations doivent maîtriser les informations envoyées aux IA génératives

L’un des risques les plus immédiats concerne l’usage quotidien des assistants génératifs.

Un collaborateur peut être tenté de transmettre :

• un document interne ;
• un contrat ;
• des données personnelles ;
• un rapport confidentiel ;
• des informations commerciales ;
• du code source.

Cette facilité d’usage peut créer des risques importants.

Les organisations doivent donc définir des règles concernant :

• les outils autorisés ;
• les données pouvant être utilisées ;
• les usages interdits ;
• la validation des résultats ;
• la conservation des informations.

12. La responsabilité humaine ne disparaît pas

L’utilisation d’une intelligence artificielle ne transfère pas automatiquement la responsabilité à la machine.

Dans de nombreux contextes professionnels, une décision reste prise ou validée par :

• une organisation ;
• un professionnel ;
• un responsable ;
• une autorité.

L’IA peut assister une décision.

Mais plus les conséquences sont importantes, plus la question du contrôle humain devient essentielle.

13. L’automatisation peut créer un biais de confiance

Un phénomène particulièrement important est la tendance à accorder une confiance excessive à un système automatisé.

Lorsqu’un outil produit régulièrement de bons résultats, l’utilisateur peut progressivement cesser de les vérifier.

Cette dépendance peut devenir problématique lorsque l’IA :

• se trompe ;
• rencontre une situation inhabituelle ;
• travaille sur des données incorrectes.

Le contrôle humain ne doit donc pas devenir une simple validation automatique.

14. L’IA transforme le travail plus qu’elle ne le fait disparaître uniformément

Le débat sur l’emploi est souvent présenté sous la forme :

« L’IA va-t-elle remplacer les travailleurs ? »

La réalité est plus complexe.

Une technologie peut automatiser :

• certaines tâches ;
• certaines étapes ;
• certaines fonctions.

Cela ne signifie pas nécessairement qu’un métier entier disparaît.

Dans de nombreux secteurs, l’enjeu sera plutôt la transformation des compétences.

Les travailleurs devront progressivement apprendre :

• quand utiliser l’IA ;
• comment vérifier ses réponses ;
• quelles données ne pas lui transmettre ;
• quand ne pas l’utiliser.

15. L’esprit critique devient une compétence technologique

Plus les systèmes deviennent faciles à utiliser, plus une compétence humaine devient importante :

la capacité de vérifier.

Il faut notamment savoir :

• questionner une réponse ;
• rechercher la source ;
• identifier les incohérences ;
• comparer plusieurs informations ;
• reconnaître les limites d’un outil.

L’apprentissage de l’intelligence artificielle ne devrait donc pas se limiter à apprendre à rédiger des instructions.

Il devrait également développer l’esprit critique numérique.

16. Une technologie au cœur des rapports de puissance

L’intelligence artificielle possède également une dimension géopolitique.

Le développement des modèles les plus avancés dépend notamment :

• des semi-conducteurs ;
• des centres de données ;
• de l’énergie ;
• des infrastructures cloud ;
• des compétences scientifiques ;
• de l’accès aux données.

La maîtrise de ces ressources devient donc un enjeu :

• économique ;
• industriel ;
• stratégique ;
• de souveraineté.

L’IA ne peut ainsi être analysée indépendamment des chaînes d’approvisionnement technologiques mondiales.

17. L’Europe a choisi une approche fondée sur le risque

L’Union européenne a adopté le règlement (UE) 2024/1689, couramment appelé AI Act.

Son objectif est notamment de favoriser une intelligence artificielle centrée sur l’humain et digne de confiance, tout en assurant un niveau élevé de protection de la santé, de la sécurité et des droits fondamentaux.

L’approche européenne repose notamment sur le niveau de risque associé aux usages.

Cela signifie que les obligations ne sont pas identiques pour tous les systèmes.

18. L’AI Act n’est plus un projet

Cette mise à jour est particulièrement importante pour un article publié en 2026.

Il ne faut plus écrire :

« Le futur cadre réglementaire européen, souvent désigné sous le nom d’AI Act… »

Le règlement a été adopté en 2024 et son application se déroule progressivement.

Au 2 août 2026, une partie majeure du dispositif est devenue applicable et la Commission, avec les autorités nationales compétentes, est entrée dans une nouvelle phase de contrôle de son application.

19. L’application du règlement reste progressive

Dire que « l’AI Act s’applique depuis le 2 août 2026 » ne signifie pas que toutes ses dispositions sont devenues applicables simultanément.

Le calendrier est progressif.

Certaines dispositions s’appliquaient déjà auparavant, notamment :

• certaines règles générales et interdictions depuis février 2025 ;
• plusieurs dispositions relatives à la gouvernance et aux modèles d’IA à usage général depuis août 2025.

D’autres exigences, notamment concernant certaines catégories de systèmes d’IA à haut risque, bénéficient d’un calendrier spécifique allant au-delà de 2026. Le texte consolidé du règlement a d’ailleurs été modifié en juillet 2026 sur ce calendrier.

Cette progressivité doit être prise en compte par les organisations.

20. Certaines pratiques sont interdites

L’approche européenne ne consiste pas seulement à imposer des obligations administratives.

Certaines pratiques d’IA considérées comme présentant des risques incompatibles avec les valeurs et droits fondamentaux européens sont interdites.

Le règlement encadre notamment certaines formes de :

• manipulation ;
• exploitation de vulnérabilités ;
• notation sociale ;
• prédiction individuelle de certaines infractions fondée uniquement sur le profilage.

Le régime exact dépend cependant des critères et exceptions prévus par le texte.

Il faut donc éviter de résumer l’AI Act à une simple liste d’interdictions générales.

21. La transparence devient une obligation réglementaire

Depuis le 2 août 2026, certaines obligations de transparence prévues par l’article 50 du règlement sont applicables.

Elles concernent notamment certaines situations dans lesquelles une personne interagit avec un système d’IA ou lorsqu’un contenu a été généré ou manipulé artificiellement.

La Commission européenne a publié en juillet 2026 des lignes directrices destinées à faciliter une application cohérente de ces obligations.

Cela traduit une évolution importante :

l’identification de certains usages de l’IA devient progressivement une question de conformité et plus seulement de bonne pratique.

22. La culture de l’IA devient un enjeu organisationnel

Le déploiement responsable de l’IA ne repose pas uniquement sur les développeurs.

Les organisations doivent également renforcer la capacité de leurs personnels à comprendre :

• les possibilités ;
• les limites ;
• les risques ;
• les conditions d’utilisation des systèmes d’IA.

La formation ne doit donc pas se limiter à l’utilisation technique d’un outil.

Elle doit inclure :

• sécurité ;
• confidentialité ;
• esprit critique ;
• gouvernance ;
• responsabilité.

23. L’IA nécessite une gouvernance interne

Une organisation qui utilise plusieurs systèmes d’IA devrait progressivement pouvoir répondre à des questions simples :

• Quels systèmes utilisons-nous ?
• Dans quels services ?
• Pour quelles finalités ?
• Avec quelles données ?
• Avec quels fournisseurs ?
• Quels systèmes prennent ou assistent des décisions importantes ?
• Qui est responsable de leur supervision ?

Sans cette visibilité, il devient difficile de maîtriser les risques.

24. Sécurité by Design et AI by Design doivent converger

L’intelligence artificielle ne doit pas être ajoutée à un système sans analyse préalable.

Les organisations doivent intégrer dès la conception :

• cybersécurité ;
• protection des données ;
• qualité des données ;
• contrôle humain ;
• résilience ;
• conformité.

Cette approche permet d’éviter une situation fréquente :

déployer rapidement une technologie puis chercher après coup comment maîtriser ses conséquences.

25. L’innovation et la régulation ne sont pas nécessairement opposées

La régulation est parfois présentée comme un frein à l’innovation.

Mais l’absence totale de règles peut également empêcher l’adoption d’une technologie.

Les organisations et les citoyens doivent pouvoir avoir confiance dans les systèmes utilisés.

Une gouvernance claire peut donc contribuer à :

• réduire l’incertitude ;
• harmoniser certaines pratiques ;
• protéger les utilisateurs ;
• favoriser une adoption durable.

L’enjeu est de trouver un équilibre entre innovation, sécurité et protection des droits.

Points de vigilance

« L’IA comprend ce qu’elle dit comme un humain »

Pas nécessairement.

Les performances d’un système ne doivent pas être confondues avec une compréhension humaine du monde.

« Une réponse générée par IA est forcément exacte »

Non.

Un système peut produire une information plausible mais erronée.

« L’AI Act est encore un projet européen »

Non.

Le règlement (UE) 2024/1689 est en vigueur et son application progressive est déjà engagée.

« Toutes les IA sont soumises aux mêmes règles »

Non.

Le cadre européen repose notamment sur le type de système, son rôle, son utilisation et le niveau de risque.

« Utiliser une IA transfère la responsabilité à son fournisseur »

Non.

L’organisation utilisatrice conserve ses propres obligations et responsabilités selon son rôle et le contexte.

« Une IA performante peut être utilisée sans contrôle humain »

Pas automatiquement.

Le niveau de supervision nécessaire dépend notamment de la finalité, des risques et du cadre réglementaire applicable.

Ce qu’il faut retenir

L’intelligence artificielle représente simultanément une technologie d’opportunité et une technologie de risque.

Elle peut améliorer :

la recherche ;

la santé ;

l’industrie ;

la cybersécurité ;

l’analyse et la productivité.

Mais son adoption implique également de maîtriser :

les erreurs ;

les biais ;

les données ;

les dépendances technologiques ;

la cybersécurité ;

la responsabilité ;

la transparence.

La question n’est donc plus simplement de savoir ce que l’intelligence artificielle peut faire, mais dans quelles conditions nous voulons l’utiliser.

Perspectives

Les prochaines années seront marquées par une intégration croissante de l’intelligence artificielle dans :

• les logiciels ;
• les administrations ;
• les entreprises ;
• les infrastructures ;
• les équipements connectés ;
• la recherche ;
• les activités de sécurité.

Cette diffusion rendra probablement moins pertinente l’idée de l’IA comme secteur technologique autonome.

Elle deviendra progressivement une composante intégrée de nombreux systèmes existants.

Les enjeux se déplaceront donc vers :

• la gouvernance ;
• l’interopérabilité ;
• la souveraineté technologique ;
• la sécurité des modèles ;
• la qualité des données ;
• la formation ;
• la capacité de contrôle humain.

Dans cet environnement, les organisations les plus résilientes ne seront pas nécessairement celles qui utilisent le plus d’intelligence artificielle.

Elles seront probablement celles qui savent où l’utiliser, pourquoi l’utiliser, comment la contrôler et quand ne pas l’utiliser.

Sources et références institutionnelles

• Règlement (UE) 2024/1689 – Artificial Intelligence Act
• Commission européenne – AI Act et cadre européen de l’intelligence artificielle
• Bureau européen de l’intelligence artificielle – AI Office
• CNIL – Intelligence artificielle et protection des données
• ENISA – Intelligence artificielle et cybersécurité
• OCDE – Principes sur l’intelligence artificielle
• UNESCO – Recommandation sur l’éthique de l’intelligence artificielle
• NIST – AI Risk Management Framework

Publication ADESS – Analyse stratégique

ADESS – Association des Experts en Sécurité et Sûreté

Cette publication propose une analyse générale des opportunités, risques et enjeux de gouvernance liés au développement de l’intelligence artificielle. Elle ne constitue ni un avis juridique individualisé, ni une validation technique d’un système d’IA particulier.

Rimard Prosnel BADIATA – ID : 13734383