Introduction
Mais cette poussée fulgurante, déroutante pose une question simple et pourtant lourde de conséquences : qui bénéficie réellement de cette révolution ? Si l’IA devait être seulement un moteur de profit pour quelques acteurs concentrés, quels effets sur la souveraineté industrielle, l’emploi et le développement régional… ?
Autrement dit, l’enjeu n’est pas seulement technologique : il est politique, économique, social.
Cet article décrypte la vision d’une « IA inclusive » défendue par la CNUCED 2025, en mettant en perspective analyses sectorielles, données chiffrées et préconisations concrètes.
Présentation rapide du rapport (CNUCED, 2025) et de ses messages clés
La Conférence des Nations unies sur le commerce et le développement (CNUCED / UNCTAD) publie en 2025 un rapport consacré à « l'intelligence artificielle inclusive pour le développement »(source).
Le document observe que l’IA, en tant que technologie générale, offre des opportunités majeures pour la croissance et la transformation structurelle mais que sa diffusion est inégale, souvent concentrée dans quelques pays et entreprises, ce qui risque d’accentuer des inégalités préexistantes.
Le rapport plaide pour des politiques publiques proactives : les infrastructures, l'accès aux données, la formation et la coopération internationale sont au cœur d’une stratégie pour tirer profit de l’IA de manière équitable.
Que dit le rapport sur les risques et les opportunités ?
La CNUCED met en garde : sans mesures correctrices, l’IA peut creuser l’écart Nord–Sud, puisque l’infrastructure, les compétences et le capital restent largement concentrés. À l’inverse, avec une gouvernance adaptée, l’IA peut devenir un levier de productivité, d’accès aux services, et d’industrialisation plus intelligente.
L’essor de l’IA : chiffres clés et projections
Croissance du marché mondial et projections (2023–2033)
Plusieurs études et synthèses dont des références relayant le rapport de la CNUCED estiment que la valeur du marché mondial de l’IA pourrait passer d’environ 189 milliards de dollars en 2023 à près de 4,8 trillions (4 800 milliards) d’ici 2033.
Cette projection, qui varie selon les méthodologies, traduit l’ampleur de l’investissement en logiciels, plateformes, matériel (datacenters, GPU) et services liés à l’IA. Ces chiffres ne sont pas des promesses, mais des scénarios et ils expliquent pourquoi industries et États se repositionnent aujourd’hui.
Adoption et accélération des usages : qui gagne, qui perd ?
L’adoption est hétérogène. Les grandes entreprises et économies avancées captent une grande partie de l’innovation, des talents et des infrastructures (centres de calcul, chaînes d’approvisionnement en semi-conducteurs).
Résultat : des effets de réseau et des avantages compétitifs qui peuvent marginaliser les acteurs plus petits ou les économies moins équipées, à moins d’un effort de politique industrielle et de coopération.
Opportunités offertes par l’IA pour l’industrie et les pays en développement
Gains de productivité et transformation digitale sectorielle
Pour l’industrie, l’IA promet des gains multiples : optimisation des processus, maintenance prédictive, meilleure gestion des stocks, réduction des pertes énergétiques, automatisation de tâches dangereuses ou répétitives…
Ces gains, accumulés, améliorent la compétitivité mais pas automatiquement : il faut repenser les organisations, les KPIs et les business models.
Une usine “IA-ready” n’est pas une usine qui automatise tout, mais une usine qui combine intelligence humaine et numérique pour extraire davantage de valeur.
Amélioration des services publics et privés : santé, éducation, logistique
Au-delà de la production, l’IA peut transformer les services : diagnostics médicaux plus rapides, chaînes d'approvisionnement intelligentes pour les vaccins, enseignement personnalisé pour compenser le manque d’enseignants qualifiés…
Dans les pays en développement, de tels usages peuvent offrir des sauts qualitatifs étonnants, s’ils sont accompagnés d’une adaptation au contexte local (langues, contraintes de connectivité, culture des données).
Cas d’usage concrets dans les économies émergentes
Pensez à un service logistique qui, grâce à l'évolution de l’intelligence artificielle, optimise la distribution dans des zones à infrastructures limitées ; à une plateforme d’agriculture de précision qui permet à de petits producteurs d’augmenter leurs rendements ; à des outils éducatifs hors ligne qui adaptent le rythme d’apprentissage.
Ces exemples montrent que l’IA inclusive n’est pas un idéal abstrait : c’est une stratégie concrète de montée en valeur locale.
Défis et risques : concentration, emploi et fracture numérique
Concentration des infrastructures et de l’expertise
Le rapport de la CNUCED souligne un fait parfois oublié : les capacités matérielles et humaines nécessaires à l’IA : centres de données, puces électroniques, équipes de R&D… sont en grande partie concentrées.
Cette asymétrie crée des barrières à l’entrée et des dépendances qui fragilisent les écosystèmes industriels moins équipés. Sans politique industrielle et sans exportation de compétences, les gains de l’IA risquent d’être captés par une minorité d’acteurs.
Risques pour l’emploi et transformations du travail
Des estimations relayées par plusieurs analyses internationales indiquent que jusqu’à 40 % des métiers pourraient être affectés par l’automatisation ou la reconfiguration des tâches à moyen terme pas seulement par la disparition d’emplois, mais par une transformation profonde des compétences requises.
L’enjeu est double : protéger les personnes à risque et accompagner massivement la reconversion professionnelle.
Fracture numérique Nord–Sud et gouvernance mondiale
Sans coordination internationale (règles, transferts technologiques, standards), la montée de l’IA pourrait reproduire les schémas d’exclusion déjà observés lors des vagues précédentes de mondialisation technologique.
Les questions de souveraineté des données, d’accès aux infrastructures et de normes éthiques deviennent des éléments centraux pour éviter une “course aux avantages” qui enferme certains États dans des trajectoires secondaires.
Vers une IA inclusive : recommandations pratiques (CNUCED) pour les industries
La CNUCED ne se contente pas d’alerter : elle propose une feuille de route. Voici comment les industries, en particulier dans les économies émergentes et pour les partenaires privés, peuvent traduire ces recommandations en actions.
Accès équitable aux technologies et infrastructures
- Investir en commun dans des infrastructures régionales (centres de calcul partagés, pépinières de données) plutôt que reproduire des architectures centralisées.
- Favoriser des modèles “Edge + cloud” qui réduisent la dépendance aux liaisons internationales coûteuses.
Ces mesures diminuent la barrière d’entrée et élargissent le nombre d’acteurs capables d’industrialiser l’IA localement.
Formation, compétences et stratégies de montée en capacité
Le véritable moteur d’une IA inclusive, ce ne sont ni les algorithmes, ni les datacenters… mais les compétences humaines qui les conçoivent, les adaptent, les pilotent. Car l’intelligence artificielle n’a de valeur que dans la mesure où elle s’intègre dans les métiers, dans les décisions, dans les gestes du quotidien industriel.
C’est pourquoi la CNUCED insiste : sans montée en compétence à grande échelle, l’IA risque de devenir un facteur d’exclusion plutôt qu’un vecteur de progrès.
Mais que signifie concrètement “monter en capacité” ?
1.Former autrement, former ensemble
Les entreprises ne peuvent plus se contenter de formations descendantes ou génériques. Il faut des programmes ciblés, ancrés dans la réalité opérationnelle : recyclage des techniciens, bootcamps industriels pour les ingénieurs, ateliers pratiques pour les managers. Ces initiatives ont d’autant plus d’impact lorsqu’elles sont co-construites avec les acteurs économiques eux-mêmes : industriels, écoles techniques, associations professionnelles.
2.L’apprentissage par la pratique : du “learning by doing” au “learning by building”
C’est là qu’intervient le fameux principe du “learning by doing” : expérimenter, tester, itérer. Mettre les collaborateurs au centre de projets pilotes, leur permettre de manipuler des données, d’explorer des cas concrets d’automatisation ou d’analyse prédictive.
Les incubateurs sectoriels : ces laboratoires où se rencontrent ingénieurs, data scientists et responsables métiers jouent un rôle clé. Ils transforment la curiosité en compétence et la compétence en innovation.
En réalité, la meilleure manière d’apprendre l’IA, c’est de la faire parler à son métier.
- Comment un opérateur de ligne peut-il utiliser une interface prédictive ?
- Comment un logisticien peut-il interpréter les recommandations d’un modèle ?
- Comment un directeur d’usine peut-il arbitrer entre automatisation et préservation des savoir-faire ?
Ces questions ne trouvent de réponse que dans la pratique, pas dans les manuels.
3.Repenser l’organisation et les parcours RH
Le défi est aussi organisationnel.
Intégrer l’intelligence artificielle dans les structures existantes suppose de revoir les parcours RH, les systèmes d’évaluation, les plans de carrière.
Une entreprise “IA-ready” n’est pas celle qui recrute des data scientists à la chaîne, mais celle qui développe des compétences hybrides : sur le territoire du métier et de la data.
On parle ici de former des “traducteurs” internes : des profils capables de comprendre les contraintes du terrain tout en dialoguant avec les experts techniques. Ces intermédiaires deviennent essentiels pour faire circuler l’intelligence.
4.Créer une culture d’apprentissage continu
Enfin, l’IA évolue trop vite pour que la formation soit un événement ponctuel. Il faut bâtir une culture d’apprentissage continu, où la curiosité est encouragée, où l’expérimentation n’est pas perçue comme un risque mais comme une nécessité.
Les dirigeants jouent ici un rôle décisif : ils doivent incarner cette ouverture, soutenir les initiatives internes, valoriser les parcours atypiques.
Car, au fond, une IA inclusive ne se mesure pas seulement à la quantité de modèles déployés, mais à la qualité des humains qui les accompagnent. Et cette qualité se cultive, lentement, collectivement.
Conclusion
L’intelligence artificielle est indéniablement un puissant levier de transformation industrielle et sociale. Mais la question qui demeure est celle de la direction : voulons-nous d’une IA qui concentre richesse et pouvoir, ou d’une IA qui élargit les possibilités, stimule des filières locales et respecte des normes partagées ?
Le rapport de la CNUCED (2025) nous invite à choisir la deuxième voie, par la politique, la coopération et l’investissement ciblé.
Pour les entreprises, le message est clair : l’IA est une opportunité stratégique, mais son potentiel réel ne se réalise que lorsqu’elle est intégrée de façon inclusive et responsable.
Quelle place voulez-vous prendre dans cette histoire ? Bâtir des ponts (infrastructure, formation, partenariats) plutôt que des murs s'avère non seulement moral, mais aussi… bon sens économique.
Discutons de vos ambitions, de vos défis, de votre vision.
D'autres articles à ne pas manquer
