Qu’est-ce que le mouvement pour l’IA publique, et qui est derrière?

L’IA publique repose sur l’idée qu’une société ne devrait pas avoir à louer toute son IA auprès d’une poignée d’entreprises. Dans sa version forte, des organismes publics ou d’intérêt public entraînent les modèles, les exploitent au prix coûtant et rendent des comptes à la population. Dans sa version plus modeste, les gouvernements financent les ingrédients communs, comme la puissance de calcul et les données ouvertes, et laissent d’autres bâtir dessus.

Elle se distingue de l’IA souveraine, qui demande si un pays contrôle l’IA dont il dépend. Un modèle souverain peut être privé et fermé, du moment qu’il est national. L’IA publique pose une autre question : à qui l’IA rend-elle des comptes? Notre comparaison en termes simples met les deux côte à côte.

Qui défend cette idée

L’idée circule depuis peu après la sortie de ChatGPT. Bruce Schneier, Nathan Sanders et Henry Farrell disent avoir été parmi les premiers, en proposant ce qu’ils appelaient une option publique pour l’IA en 2023. Depuis, un ensemble reconnaissable de groupes s’est formé autour d’elle :

Le livre blanc de Bertelsmann fixe un objectif concret : maintenir au moins un modèle complet à code source ouvert qui s’approche de ce que font les meilleurs systèmes propriétaires. Sans cela, soutient-il, les acteurs publics restent limités dans ce qu’ils peuvent faire. Son « gradient » apporte une nuance utile, puisqu’il traite le caractère public comme une question de degré, selon l’ouverture, la gouvernance et le souci du bien commun, plutôt que comme une étiquette binaire.

Ce qui a vraiment été bâti

L’infrastructure la plus visible est la Public AI Inference Utility. L’inférence consiste à exécuter un modèle déjà entraîné pour répondre à des demandes, un travail différent de l’entraînement. L’argument de la Utility est pratique : les superordinateurs nationaux peuvent entraîner un modèle, mais ils ne sont pas conçus pour servir le public jour et nuit. Elle offre donc un site de clavardage et une interface de programmation pour des modèles publics, sur de la puissance de calcul donnée par des partenaires.

Son financement est en soi instructif sur la façon dont ces projets survivent. Selon Schneier et Sanders, il s’agit d’un projet de l’organisme sans but lucratif Metagov, avec de l’argent de Mozilla, du Center for Cultural Innovation et du Future of Life Institute. Parmi les donateurs de calcul figurent le centre suisse de calcul intensif, des initiatives nationales d’Australie, d’Allemagne et de Singapour, et des services infonuagiques commerciaux comme AWS. La Utility précise que l’accès gratuit repose sur du temps GPU donné et sur des subventions publicitaires, et elle espère que des États et des institutions la soutiendront à long terme.

Les modèles racontent une histoire de compromis semblable. Schneier et Sanders notent que SEA-LION, la famille singapourienne, a débuté avec des modèles entraînés à partir de zéro avant de passer à l’ajustement fin de modèles commerciaux à poids ouverts, ce qu’ils lisent comme un arbitrage difficile entre coût et utilité. La série OLMo d’Ai2 est très transparente, mais elle n’est pas sous contrôle public et dépend de partenaires d’entreprise pour le calcul. Notre comparaison de ces modèles les passe en revue un à un.

Exemple concret : à quel point est-ce public?

Voici une façon d’appliquer vous-même l’idée du « gradient ». Prenez un service d’IA que votre municipalité, votre école ou votre employeur envisage et remplissez ce tableau. Les deux colonnes ci-dessous sont remplies à partir de documents publics, à titre d’illustration.

C’est sur la dernière ligne que les promoteurs doivent répondre, et elle mène aux objections.

Ce que disent les détracteurs

L’objection la plus vive vient des défenseurs du libre marché. Dans un texte d’opinion pour le Competitive Enterprise Institute, l’auteur soutient que l’État ne peut pas suivre le rythme des grandes entreprises technologiques, qu’un modèle public serait dépassé avant d’être terminé et que le gouvernement se disputerait les mêmes rares ingénieurs et puces que les sociétés les plus riches du monde.

Les chiffres de coût donnent à cet argument un certain poids, mais aussi des limites. Schneier et Sanders estiment le calcul d’Apertus à une somme de 36 à 100 millions de dollars américains aux tarifs commerciaux de location, une petite somme à côté des dépenses des grands laboratoires. Ils concèdent toutefois que le modèle a à peu près la taille de la génération commerciale de 2023. Les partisans répondent que c’est justement le but : utile et abordable, et non le plus puissant.

Une critique plus discrète vient du milieu lui-même. Un article de 2026 sur le choix d’acheter ou de bâtir, dont l’un des auteurs est un des responsables d’Apertus, décrit les stratégies nationales comme généralement mixtes, où modèles commerciaux, ouverts et souverains servent chacun à des fins différentes. Dans cette optique, un seul modèle public est rarement toute la réponse, et la vraie décision porte sur les usages qui justifient un contrôle accru.

Reste aussi la question de l’indépendance d’un tel service. Une Utility financée par la publicité, le calcul commercial donné et des subventions de fondations n’est pas encore l’institution publique stable que son nom laisse entendre. Les chiffres fiables sur le nombre de personnes qui utilisent réellement ces services sont également difficiles à trouver.

Le Canada est un cas intéressant. Ses gestes récents, dont la participation dans Cohere, penchent vers une capacité souveraine par l’entremise d’une entreprise privée plutôt que vers un modèle public. La Utility a nommé le Canada parmi les pays où elle espérait conclure des partenariats, mais aucun partenariat du genre ne figure dans ses annonces jusqu’ici.

L’IA publique pourrait-elle un jour remplacer les assistants commerciaux?

Rien ne l’indique pour l’instant, et la plupart de ses promoteurs ne le souhaitent pas. Le livre blanc de Bertelsmann affirme clairement que le but est de rééquilibrer le pouvoir, et qu’il ne rejette pas l’innovation privée. Le portrait le plus réaliste est celui d’une coexistence, comme celle des bibliothèques publiques et des librairies.

Une option publique pourrait d’abord compter dans des usages précis où la confiance est essentielle : robots conversationnels de services publics, écoles, langues que le marché ignore, recherche qui doit voir l’intérieur d’un modèle. Pour le travail courant qui exige le modèle le plus fort, les assistants commerciaux garderont probablement l’avantage tant que l’écart de dépenses durera. Si vous voulez suivre ce mouvement, surveillez moins le prochain modèle que la question de savoir qui s’engage à financer son exploitation à long terme avec de l’argent public.