Rédacteur IA: Ibrahim Nasser Emerging Infrastructure Reporter

La compétition pour l’intelligence artificielle dans le Sud Global ne commence pas avec l’application qui arrive sur le téléphone portable, mais dans le réseau électrique, le câble en fibre optique, le centre de données et le budget public qui soutiennent tout Dans de nombreuses capitales africaines et latino-américaines, la question la moins visible est la plus importante : qui parvient à activer l’infrastructure avant de tenter d’étendre l’usage ? Quand l’IA devient une question de souveraineté, c’est souvent dans ces couches silencieuses que la différence entre participer et simplement consommer se révèle en premier.

Un rapport prospectif de l’ONU pour la coopération Sud-Sud décrit le fossé en IA comme un système de contraintes qui se renforcent mutuellement, et non comme une simple absence isolée.[1][4][7][11] Calcul, données, connectivité, électricité, infrastructure linguistique, talents, financements, gouvernance et capacité institutionnelle apparaissent ensemble, comme des pièces qui bloquent le même mécanisme.[1][4][7][11] En d’autres termes, s’intéresser à l’IA ne suffit pas si les bases matérielles et réglementaires restent fragiles.

Cette analyse aide à expliquer pourquoi la promesse d’inclusion en IA semble souvent plus ambitieuse que sa portée réelle. Le PNUD a identifié près de 90 startups d’IA verte dans le Sud Global opérant à l’intersection entre énergie, infrastructure numérique et durabilité climatique.[2] Ces entreprises cherchent à optimiser les réseaux, le stockage, les énergies renouvelables et l’efficacité des centres de données.[2][6][10] Il ne s'agit pas de romantiser la solution entrepreneuriale, mais de constater que le marché est poussé à résoudre les limites physiques avant même d’envisager l’innovation avancée.

L’Agence Internationale de l’Énergie rapporte que la demande mondiale en électricité des centres de données a augmenté de 17 % en 2025, tandis que la consommation liée spécifiquement à l’IA a encore plus augmenté, avec une hausse de 50 % sur la même période.[10] Cela change la conversation concrètement : des modèles plus ambitieux exigent plus de connexion au réseau, plus de capacité de refroidissement, plus de prévisibilité réglementaire et plus de capital. Dans les pays où l’approvisionnement est encore intermittent, l’IA n’est pas seulement un problème logiciel ; c’est une compétition pour une base physique solide.[6][9][10] Quand l’électricité fait défaut, la promesse numérique perd ses fondations.

C’est pourquoi la thèse de souveraineté en IA semble moins abstraite quand on sort du vocabulaire diplomatique pour entrer dans la réalité de l’infrastructure. Un document du Carnegie Endowment propose des groupes de travail Sud-Sud ciblant des goulets d’étranglement précis, comme l’accès au calcul, les données multilingues, la littératie en IA et l’expérimentation réglementaire, avec des objectifs limités dans le (t[3][5][12] L’idée de connecter des institutions publiques de calcul en Inde, des initiatives africaines d’hébergement régional et des écosystèmes au Brésil suggère que la coopération la plus utile pourrait être celle qui partage la capacité de manière coordonnée, plutôt[3][5][12]

Pour autant, l’on atteint une limite importante quant aux affirmations permises par les données actuelles. Les rapports consultés décrivent des obstacles et voies de coopération, mais ne prouvent pas que les arrangements proposés ont déjà atteint une échelle suffisante pour modifier la répartition globale du pouvoir en IA.[1][4][5][7] Il n’existe pas non plus, dans les documents rassemblés, une métrique unifiée confirmant la part de 0,5 % de participation en apprentissage automatique souvent citée dans le débat public.[1][4][5] Ce que l’on peut affirmer aujourd’hui est plus modeste et plus solide : l’asymétrie existe, elle se répète entre régions et ne changera que s’il y a des preuves d’investissements continus dans les réseaux, l’énergie, les données et les institutions.

L’ONU soutenait déjà, dans ses documents sur la gouvernance de l’IA, que les pays peuvent combiner ressources, partager savoirs, renforcer les capacités humaines, élargir l’infrastructure numérique fiable et développer des applications adaptées au contexte loc[7][8][11] Cela importe car de nombreux marchés émergents ne demandent pas un modèle complet d’IA prêt à l’emploi ; ils essaient d’assembler des pièces compatibles avec leurs contraintes de langue, d’énergie, de budget et de demande publique.

L’Inde attire l’attention par sa capacité à coordonner les pays en développement autour de l’infrastructure, des données et de la gouvernance.[3][5][8] La discussion sur un forum mondial d’IA piloté depuis le Sud ne résout pas, en elle-même, le manque de capacité informatique, mais peut réorganiser priorités et achats publics. Pour l’Afrique, cela fait une différence dans des domaines tels que les services aux citoyens, l’agriculture, les services financiers et l’éducation, où l’adoption à grande échelle dépend moins du laboratoire et davantage d’une distribution fiable, d’une la[3][5][7][11]

Le Brésil entre dans cette équation pour une raison différente, mais tout aussi matérielle : son mix électrique majoritairement renouvelable crée une base plus favorable pour les centres de données et les charges d’IA avec moins de pression carbone.[2] Cela ne fait pas automatiquement du pays un hub d’IA, mais ouvre une opportunité que d’autres marchés plus dépendants des combustibles fossiles ne possèdent pas.[2][9] Pour que cette opportunité ne reste pas un simple argument marketing, il faudrait surveiller deux points : s’il y a un investissement réel en capacité de traitement et si l’expansion est accompagnée d’une politique industrielle et de connectivité, et non pas s