1 | Les États-Unis en tête du peloton

Le modèle américain : catalyseur des avancées en IA

Le développement de l’intelligence artificielle naît avec les premiers ordinateurs pendant la Seconde Guerre Mondiale. Alan Turing, un mathématicien britannique, craque le code de la machine allemande Enigma (histoire racontée dans le super film The Imitation Game) et publie en 1950 « Computing Machinery and Intelligence », considéré comme le premier article évoquant l’intelligence artificielle1. Il définit une machine intelligente comme une machine capable de passer le « Test de Turing » : si un juge discutant parallèlement avec une machine et un humain ne peut pas faire la différence, alors la machine est intelligente.

Mais le terme « intelligence artificielle » apparaît pour la première fois lors de la conférence de Dartmouth, aux États-Unis en 1956. C’est le premier « âge d’or »1 de l’IA. En pleine Guerre Froide, les Russes viennent de marquer les esprits avec le « moment Spoutnik » : il n'est pas question pour les États-Unis de se laisser devancer. L’argent coule à flots (notamment de la DARPA, la Defense Advanced Research Projects Agency) pour développer des programmes militaires. Ceux-ci auront des retombées civiles, en particulier dans le domaine de l’algorithmique et de la robotique. La DARPA finance par exemple les projets de Marvin Minsky, cofondateur du Groupe d'intelligence artificielle du Massachusetts Institute of Technology (MIT) et reconnu comme l’un des pères de l’Intelligence Artificielle.

De l’IA Symbolique à l’IA Agentique en passant par le Deep Learning

Des années 50 aux années 70, le type d’IA utilisé est l’IA dite « symbolique ». Il repose sur la logique et des représentations symboliques des problèmes (c’est-à-dire lisibles par l’homme). Cela signifie que l’ordinateur « réfléchit » et « agit » en fonction de règles, de faits et d’un raisonnement déductif préprogrammé à la main par l’homme. Par exemple, le 1er Chatbot ELIZA, sorti en 1966, simulant un psychothérapeute, fonctionne par reconnaissance de forme et par substitution de mots-clés. Il relance son interlocuteur selon des associations d’idées pré-définies par le programmeur. Par exemple : Interlocuteur « Mon patron m’énerve », Chatbot « Parlez-moi de votre travail ».

Le Machine Learning, un autre type d’intelligence, est théorisé en 1958. Il ne sera appliqué que dans les années 80 et il est la base des IA modernes (dont ChatGPT). Contrairement à l’IA symbolique qui respecte des règles, le Machine Learning permet à la machine d’apprendre toute seule à partir de données sur lesquelles elle s’entraîne. Le Machine Learning évolue ensuite vers le Deep Learning grâce à des réseaux de neurones complexes, avant de déboucher sur les IA modernes que nous connaissons. Machine Learning, Deep Learning, IA modernes : les méthodes et les modèles divergent mais il est surtout important de comprendre qu’il s’agit d’un système d’apprentissage par la donnée. On l’appelle l’IA connexionniste.

Le Deep Learning connaît de grandes avancées dans les années 2010 (AlexNet, SenseTime, AlphaGo), il ouvre ensuite la voie à l’explosion d'autres formes d'IA dans les années 2020, notamment l'IA générative puis, très récemment, l'IA agentique. L’infographie suivante permet de comprendre les évolutions techniques et les diverses applications et adoptions de l’IA:

Ces notions techniques, même comprises en surface, sont importantes à saisir, tant elles ont des conséquences politiques et géopolitiques importantes :

1. La responsabilité et l’explicabilité. Avant même de se demander qui entraîne les modèles et de savoir si ces personnes ont des idées anti-woke ou non, la technologie en elle-même pose la question de la responsabilité et de l’explicabilité. À l’époque de l’IA symbolique, les règles étaient programmées par les humains. En cas de problèmes, on pouvait identifier sa raison (Par exemple : telle règle est mauvaise, il y a eu une erreur de programmation ici,…). Dans le cas de l’IA connexionniste (Deep Learning, IA Générative, Agentique ou Prédictive), nous n’avons pas d’explications précises, aucune trace du cheminement de prise de décisions par la machine. C’est l’effet « boîte noire ». Imaginez alors que l’on utilise ces programmes pour lancer des missiles : admettons qu’une IA envoie une bombe sur un village alors qu’il n’y a que des blessés, et enfreint donc le droit de la guerre. Qui est responsable ? La personne qui a codé l’IA ? L’entreprise qui a développé le modèle ? L’État dont elle dépend ? Il est extrêmement difficile de remonter dans la chaîne de responsabilité5. La DARPA a d’ailleurs lancé un programme de 4 Mds de dollars4 pour construire une IA capable de justifier ses décisions, mais ce n’est du tout le cas aujourd’hui.
2. La maîtrise de la chaîne de l’IA. Data centers, processeurs GPU, énergie, minerais, le besoin en gros volumes de données et en entraînement des modèles qu’impliquent les nouvelles formes d’IA reconfigure la chaîne de valeur et les terrains de compétition. Il s’agit désormais pour les puissances au mieux de la maîtriser, ou à défaut, de ne pas devenir trop dépendantes.

Et aujourd’hui, les entreprises américaines sont dominantes tout au long de cette chaîne de valeur :

Répartition mondiale des centres de données : un système extrêmement hiérarchisé. Géoconfluences. Juillet 2025.

Pour plus de détails sur la guerre des semi-conducteurs, maillon extrêmement important de la chaîne, parcourez l’infographie interactive dédiée !

Comment les États-Unis sont-ils devenus leaders de l’IA ?

Grâce à leur modèle néolibéral et à la porosité entre recherche État et secteur privé qui ont permis aux leaders mondiaux de créer des monopoles.

La porosité entre Tech, recherche, État et marchés

Dans son livre Géopolitique du numérique, Chap 5 : L’État néolibéral et la Big Tech, Ophélie Coelho explique « la logique récurrente [qui] accompagne la montée en puissance des géants du numérique : un amont financé, garanti et porté par l’État, suivi d’un verrouillage opéré par les logiques de marché » qu’elle appelle « Le cycle de dépendance État-marché-Big Tech7 ». Ces mécanismes ont conduit à des situations de monopole et à la captation de la recherche en IA par la Big Tech. C'est donc toute une logique néolibérale, faite de porosité entre public et privé, qui a permis aux États-Unis de devenir leaders mondiaux de l'IA :

Ce mécanisme a pour conséquence directe d'orienter la recherche vers les usages les plus rentables à court terme.10

Il explique par exemple le triomphe de l’IA connexionniste (Deep Learning) sur l’IA symbolique : plus qu’une question de performance technique, il s’agissait surtout de facilité de commercialisation.10 En effet, rappelons qu’un système symbolique repose sur des règles écrites par des experts : il faut l'adapter, le reprogrammer, le valider à chaque nouveau cas d'usage. Un modèle de Deep Learning, à l'inverse, n'a besoin que de données. Le même socle technique peut ainsi être redéployé presque tel quel pour traduire du texte, reconnaître une image, prédire un clic publicitaire ou piloter un véhicule. Cette portabilité change la nature du produit : au lieu de vendre une solution sur mesure à chaque client, l'entreprise vend une capacité générique, qu'elle peut décliner à l'infini. De plus, contrairement à un modèle symbolique dont les performances dépendent de la qualité et du nombre des règles écrites par des experts, un modèle de Deep Learning s'améliore mécaniquement à mesure qu'on le nourrit de données supplémentaires. Or Google, par son moteur de recherche, dispose déjà d'un flux quotidien de milliards de requêtes, de clics et de comportements d'utilisateurs : une matière première qu'aucun concurrent, ni aucun laboratoire académique, ne peut réunir à cette échelle.

C’est ainsi qu’au début des années 2010, Google, devenu géant du secteur, investit massivement dans le Deep Learning. Ce tournant marque le début de son adoption généralisée par toute l’industrie tech. Et ce choix n’a rien d’un pari scientifique désintéressé. L’équipe du chercheur en IA Geoffrey Hinton, nouvellement embauché par Google, oriente rapidement ses travaux vers des applications à forte valeur commerciale pour l’entreprise : traduction automatique (Google Translate), prédiction de texte (Gmail), voiture autonome (Waymo). Et le Deep Learning vient améliorer directement le cœur du modèle économique de l’entreprise : en affinant la correspondance entre les requêtes des utilisateurs et les pages web, il permet à la fois de meilleurs résultats de recherche et des publicités plus précisément ciblées. Plus Google engrange de bénéfices publicitaires grâce à l’IA, plus il investit dans sa recherche, et plus le reste de l’industrie suit ce mouvement.

Un autre exemple du façonnement des IA modernes par le système américain : la création et l’évolution d'OpenAI, à l’origine de notre nouveau meilleur ami ChatGPT, première application grand public d'IA générative.

En 2014, Google, dirigé par Larry Page, rachète DeepMind, une société destinée à produire l’Intelligence Artificielle Générale (AGI)*.

→ L'AGI est aujourd'hui l'objectif affiché de la plupart des grandes entreprises d'IA : il s’agit d’une seule intelligence artificielle capable d'effectuer n'importe quelle tâche cognitive aussi bien ou mieux que l'humain. Les IA que nous utilisons aujourd’hui sont dites « étroites » ou « spécialisées », elles excellent dans une tâche ou un domaine circonscrit (traduction, reconnaissance d'image, génération de texte, etc.), par opposition à une intelligence généraliste capable de transférer ses capacités d'un domaine à l'autre.

Elon Musk, qui connaît bien Larry Page, s’inquiète de la possibilité que l’AGI cause l’extinction de l’humanité. Il s’énerve de l’indifférence de Page face à ce danger. Larry Page répond en accusant Elon Musk de « spécisme »9 (discrimination en faveur de sa propre espèce). Elon Musk fonde alors OpenAI avec Sam Altman en 2015 : une organisation à but non lucratif, dont la mission est de développer une AGI « libre de droits de propriété » qui profiterait « à toute l'humanité ».

Elon Musk, déjà richissime grâce à Tesla et SpaceX, finance le projet avec d’autres membres de la « mafia Paypal » (dont Peter Thiel) : ils réunissent un milliard de dollars. Cette somme sert notamment à recruter les meilleurs chercheurs du secteur : Ilya Sutskever (chercheur chez Google ayant travaillé sur le projet AlexNet), Greg Brockman (développeur chez Stripe, l’infrastructure de paiement numérique) - ces deux derniers sont d’ailleurs co-fondateurs d’OpenAI -, et Dario Amodei (chercheur en IA chez Google, puis Vice-Président d’OpenAI, qui fondera plus tard Anthropic, société à l’origine de votre autre nouveau meilleur ami : Claude). Ces chercheurs brillants se laissent convaincre en 2015 par la vision de Musk et Altman : puisque l’AGI verra le jour, autant qu’elle profite à toute l’humanité et pas seulement qu’elle « assure le succès d’un groupe d’investisseurs ou d’une entreprise en particulier » (mail de Brockman à Musk et Altman en novembre 2015, Empire of AI10). Musk et Altman insistent également sur la notion d’« alignement des intelligences artificielles »9 : pour éviter que la machine ne détruise l’humanité, il faut que ses intérêts et ses valeurs soient étroitement liés à ceux des humains.

Nous reviendrons sur la vision de ces géants de l’IA dans un prochain numéro intitulé Les idéologues de l’IA. Mais il faut bien noter ici que la notion d’« entière humanité » est à comprendre comme « survie en tant qu’espèce » et non « tous les individus ». Par exemple, dès les premières avancées, des groupes de chercheurs au sein d’OpenAI alertent sur les biais discriminatoires inévitables des modèles. La direction d’OpenAI refuse d’allouer des ressources sur cet aspect de la sécurisation de l’IA (Empire of AI, Hao, 2025, p80).

Les dirigeants d’OpenAI se rendent compte des montants astronomiques nécessaires à l’atteinte de l’AGI : salaires de ces chercheurs star, énergie, construction de data centers, puces GPU… Le statut d'organisation à but non lucratif ne permet aucun retour sur investissement pour d'éventuels investisseurs, un obstacle rédhibitoire face à ces besoins de financement. Les dirigeants commencent à réfléchir à changer de statut. Musk propose de financer OpenAI directement grâce aux bénéfices de ses autres entreprises, ce qui lui paraît d'autant plus cohérent qu'il y voit des synergies évidentes : OpenAI permettrait à Tesla d'améliorer ses voitures autonomes (l'Autopilot est déjà sorti), et se marierait bien avec Neuralink - l'entreprise de Musk qui développe des puces destinées à connecter le cerveau humain à un ordinateur. Cette proposition ne convainc pas Sam Altman, qui parvient à rallier à sa cause Greg Brockman et Ilya Sutskever. Musk quitte alors le projet.

En 2019, Altman scelle un accord avec Microsoft. OpenAI devient une structure à profit plafonné (les investisseurs ne peuvent toucher que 100 fois leur mise). Microsoft investit un milliard de dollars en échange de droits exclusifs de commercialisation sur son cloud Azure. Cet accord, mené par Sam Altman, est perçu comme flou et exacerbe les tensions : Qu’a-t-il vraiment promis ? Est-il toujours fidèle à la mission ? Dario Amodei, en charge de l'aspect sécurité de l’IA chez OpenAI et jugeant qu’Altman a trahi la cause, quitte l’entreprise en 2020 ; il fondera Anthropic l'année suivante. Après le coup de théâtre de novembre 2023, au cours duquel Sam Altman est licencié par un conseil d'administration alors composé de plusieurs membres attachés à la mission non lucrative, puis réintégré cinq jours plus tard sous la pression de Microsoft, Altman se retrouve à la tête d'un nouveau conseil d'administration nettement plus favorable à l'accélération commerciale. En octobre 2025, OpenAI finalise une restructuration complète : la branche à but non lucratif devient l'OpenAI Foundation, réduite à une participation minoritaire d'environ 26 % dans une nouvelle entité commerciale, l'OpenAI Group PBC - une Public Benefit Corporation, statut américain qui autorise une entreprise à poursuivre un but lucratif tout en affichant une mission d'intérêt général, sans toutefois imposer de vérification extérieure contraignante du respect de cette mission. Aux côtés de Microsoft (27 %) et des salariés et investisseurs (47 %), le plafond de rendement disparaît entièrement, ouvrant la voie à une éventuelle entrée en Bourse. En dix ans, ce qui devait être une mission non lucrative au service de l'humanité - une ambition déjà questionnable dès lors qu'elle reposait sur la volonté de quelques milliardaires plutôt que sur une délibération collective - s'est transformée en start-up comme les autres : des actionnaires, un plafond de rendement supprimé, et le cap mis sur une entrée en Bourse.

Ces deux exemples (le choix scientifique de l’IA connexionniste et la dérive institutionnelle d'une organisation à but non lucratif) révèlent une même logique de fond. Les idées scientifiques (quelle approche de l'IA mérite d'être développée) et les institutions censées les porter (quelle organisation a le droit de les développer, et dans quel but) sont structurellement dépendantes du capital privé. Celui-ci finit toujours par trancher, non pas parce que le marché aurait raison sur le fond, mais parce qu'il est, aux États-Unis, la seule source de financement suffisamment massive pour soutenir la course à l'IA. En d'autres termes, le modèle néolibéral américain ne se contente pas de financer l'innovation, il façonne ce que l'innovation a le droit de devenir.

Dans les prochains numéros de cette série de rentrée, nous décrypterons les modèles chinois, puis européen, dont les logiques sont profondément différentes.

Pas encore abonné ? C’est le moment !

Le financement de la politique par la Tech

Si ces dépendances sont structurées par des logiques de marché, elles le sont aussi par le système de financement des partis et des campagnes politiques : les entreprises en sont des acteurs très importants, et la tech en particulier depuis les années 2020 et l’avènement de l’IA Générative.

Aux États-Unis, où les élections présidentielles et législatives reviennent tous les deux ans, les entreprises et leurs patrons disposent de plusieurs véhicules d'influence électorale. Le plus ancien est le PAC d'entreprise, un comité plafonné légalement, alimenté par les cadres et actionnaires d'une société. À ce circuit s'ajoutent les dons individuels des employés eux-mêmes, également plafonnés par personne et par candidat. Mais depuis 2010, un troisième véhicule est apparu : le SUPER PAC, non plafonné. Contrairement au PAC classique, qui vise avant tout à garantir un accès aux personnalités politiques (les PAC finançaient les deux Partis simultanément), le SUPER PAC sert à pousser activement un candidat ou une idée précise. Et contrairement aux dons individuels ou aux PAC classiques, il peut lever et dépenser des sommes illimitées, au service d'un camp, d'une cause, ou d'un allié politique donné. Sa seule contrainte légale est de ne jamais coordonner son action avec un candidat ni lui reverser directement de l'argent : il finance exclusivement des dépenses dites « indépendantes » : publicités, campagnes de mobilisation… en soutien ou en opposition à des candidats nommés.

Evolution des contributions aux campagnes électorales américaines en fonction des différents types de véhicules de financement. Source : OpenSecrets.

C'est le canal que la tech a investi le plus massivement ces dernières années, pas uniquement pour faire élire tel ou tel candidat, mais aussi pour imposer une vision du monde, de la place de la technologie dans la société, et en particulier du cadre réglementaire de l'intelligence artificielle. Trois super PAC illustrent les logiques distinctes de cette bataille :

• America PAC, le super PAC personnel d'Elon Musk, a levé 263,5 millions de dollars sur le cycle 2024, dont 88,2 millions rien qu'en soutien direct à Donald Trump. C’est la personnalisation la plus radicale du financement politique tech à ce jour.
• Protect Ohio Values, financé en 2022 à hauteur de 15 millions de dollars par Peter Thiel, a porté la candidature sénatoriale de JD Vance. Il s’agissait ici d’investir personnellement dans un allié politique précis, appelé à devenir Vice-Président.
• Leading the Future, lancé en 2025 par le président d'OpenAI Greg Brockman avec le soutien d'Andreessen Horowitz, de Joe Lonsdale (cofondateur de Palantir) et de l'investisseur Ron Conway, a réuni 125 millions de dollars. Sa doctrine est ouvertement accélérationniste et dérégulatrice : imposer un cadre réglementaire fédéral unique et permissif pour l'IA, capable de neutraliser la mosaïque naissante de lois d'États fédérés (Californie par exemple) plus contraignantes. En face, Public First Action, financé à hauteur de 40 millions de dollars par Anthropic, défend la position inverse : des garde-fous de sécurité et une supervision publique renforcée. Ici, les deux entreprises aux visions opposées s’affrontent à coup de millions de dollars dans leurs SUPER PAC respectifs.

La bataille s'est encore élargie fin 2025 avec l'entrée de Meta : l'entreprise a lancé successivement deux super PAC : Meta California, puis l'American Technology Excellence Project, doté de « dizaines de millions » de dollars et destiné à contrer, État par État, les projets de loi encadrant l'IA.

Le financement de campagnes n’est pas le seul levier à la disposition de la tech. Le lobbying, qui vise à influencer directement un texte de loi ou une décision réglementaire plutôt qu’à faire élire un candidat, est en forte croissance depuis 2020.

Contrairement au PAC ou au super PAC, le lobbying ne finance aucune campagne : il s’agit d’une dépense de l’entreprise consacrée à peser sur un texte en discussion au Congrès comme auprès des agences fédérales :

Dépenses des lobbys du secteur Communications/ Electronics comprenant les entreprises de la fabrication de produits électroniques et les entreprises d’Internet (Google, Microsoft, Amazon, Meta, Oracle, Apple,…). Source : OpenSecrets

Cette accélération, nette à partir de 2020, coïncide avec l'essor de l'intelligence artificielle générative et la multiplication des textes destinés à l'encadrer.

L’État contre les monopoles tech

Lobbys, SUPER PAC, mécanisme de monopoles grâce aux marchés… le pouvoir démesuré de quelques entreprises en IA a finalement été rendu possible par le système américain lui-même. Pourtant, on entend souvent dire que la libre concurrence est le fondement naturel d'une économie saine et le moteur de l'innovation : toute politique industrielle un peu trop volontariste est une entrave à ce mécanisme vertueux. Ce mythe, indissociable du récit du rêve américain et fondement du néolibéralisme, comporte cependant des contradictions qu’illustre parfaitement la tech américaine aujourd’hui, en particulier l’IA. Nous l’avons vu, le cycle de dépendance État-marché-Big Tech a produit l’exact inverse de la libre concurrence : une poignée de monopoles technologiques. Et cette contradiction est certes un effet de système, mais elle est aussi explicitement assumée par certains de ses architectes. Karen Hao raconte, dans Empire of AI10, la « stratégie du monopole » de Peter Thiel (investisseur d’OpenAI, fondateur de Palantir,…) qui a inspiré Sam Altman dans son parcours entrepreneurial : un fondateur ne doit pas chercher à rivaliser sur un marché mais à viser le monopole, la concurrence étant une position vouée à l'échec. Un monopole, pour Thiel, n'est pas une anomalie du marché à corriger : c'est la preuve qu'une entreprise a créé quelque chose de suffisamment précieux, exclusif et durable pour ne plus avoir à se soumettre à la loi de la concurrence.

Ce paradoxe n'a rien de nouveau : il remonte à la fin du XIXe siècle, quand des figures comme Carnegie ou Rockefeller bâtissent leur réussite dans l'acier et le pétrole en constituant les premiers grands trusts du pays. Cette tendance du capitalisme américain à engendrer les monopoles qu'il prétend combattre pousse dès 1890 à la création du Sherman Antitrust Act, et confronte depuis lors chaque génération de dirigeants politiques américains à la même question : comment préserver la concurrence et l’innovation sans étouffer les acteurs qu'elle a elle-même fait naître ?

Mais cette vigilance s'érode à partir des années 1980. Sous l’administration Reagan (1980-89), la logique structurelle des lois antitrust change7 : un monopole devient acceptable tant qu’il ne se traduit pas par une hausse des prix, et donc n’affecte pas le bien-être du consommateur. Et cette logique arrange plutôt bien les futurs géants du numérique, dont les services sont, pour beaucoup, gratuits en apparence et reposent sur l’accumulation de données clients et de recommandations publicitaires (Meta, Google, Amazon,…). Ce laisser-faire vis-à-vis des monopoles sera la doctrine dominante jusqu’à Obama (à part le procès antitrust contre Microsoft pour abus de position dominante en 1998 sous Bill Clinton) qui l'incarne pleinement à l'ère de l'IA naissante. Dans son entretien à Wired16 en octobre 2016, il défend un État qui investit massivement dans la recherche fondamentale et laisse ensuite l'innovation se déployer, n'intervenant que lorsque la maturité d'une technologie l'exige vraiment. Cette approche se traduit très concrètement dans sa politique de commande publique : à la NASA, le programme Commercial Crew transfère délibérément à des acteurs privés comme SpaceX des capacités de vol spatial jusque-là entièrement régaliennes. Même s’il affirme vouloir être vigilant sur les biais discriminatoires de l’IA, Barack Obama est profondément techo-optimiste.

Le Président Barack Obama visite le site de préparation des fusées commerciales SpaceX. 2016.

Avec Joe Biden (2021-2025), l'État change de posture sans rompre frontalement avec l'héritage antérieur : il ne s'agit plus seulement de laisser filer l'innovation, mais de se positionner en protecteur du citoyen et du consommateur face aux effets de la concentration technologique. Ce déplacement se matérialise d'abord par la relance des procès antitrust : le ministère de la Justice attaque à nouveau Google en 2023 pour abus de position dominante dans la publicité en ligne, tandis que la FTC (Federal Trade Commission) poursuit Amazon pour les contraintes imposées à ses vendeurs tiers. Il se traduit surtout par le décret présidentiel du 30 octobre 2023 sur le développement sûr, sécurisé et digne de confiance de l'IA, qui fixe des standards de sécurité, renforce la protection de la vie privée, impose la lutte contre la discrimination algorithmique et affirme la défense des consommateurs et des travailleurs. L’époque Biden, c’est aussi celle des excuses publiques des grands patrons : le 31 janvier 2024, Mark Zuckerberg est forcé de présenter des excuses publiques aux familles de victimes de préjudices en ligne dans la salle de la commission judiciaire du Sénat.

Mais les Big Tech ne comptent pas se laisser faire. Le décret de 2023 sera abrogé dès le 20 janvier 2025, premier jour du second mandat de Donald Trump, élu grâce aux fonds d’Elon Musk et des autres patrons de la tech, qui n’ont probablement pas apprécié l’attitude « paternaliste »15 de Joe Biden à leur égard.

Le président Donald Trump signe des décrets en présence d'Elon Musk et de son fils le mardi 11 février 2025 dans le Bureau ovale de la Maison-Blanche.

Sur la question des monopoles, Donald Trump a également mobilisé les lois antitrust20 depuis son retour à la Maison Blanche. Les nouveaux responsables de l’application de ces lois ont affirmé vouloir mettre la pression aux plateformes monopolistiques. Mais il s’agit plutôt d’un moyen de « réorienter leur politique de modération des contenus dans une direction plus favorable à l’administration Trump et aux idées conservatrices » et de « forcer les entreprises de la tech à s’aligner sur les priorités idéologiques de l’administration » (M. Velliet, IFRI, avril 2026).

Trump II : l’obsession de la course

En 2024, Donald Trump est élu avec le soutien d'une partie significative de l'industrie tech. C’est un basculement notable pour un secteur dont les donateurs avaient historiquement plutôt financé le camp démocrate, et dont plusieurs figures avaient publiquement pris leurs distances avec lui durant son premier mandat. Ce retournement s'explique moins par une adhésion idéologique que par un calcul stratégique : il fallait un candidat ouvertement dérégulationniste, favorable au laissez-faire économique, capable de lever les freins réglementaires.

L’IA, le salut de l’Amérique et la domination mondiale

Il y a un peu plus d’un an, le 23 juillet 2025, Donald Trump présentait sa nouvelle politique : Winning the Race : America’s AI Action Plan. L’idée de course y est omniprésente dans son discours. Il n’y aura qu’un seul, et il faut que ce soit les États-Unis. Il articule 4 promesses imbriquées : la dérégulation, le respect des « valeurs américaines », la réindustrialisation et la domination géopolitique. Gagner la course à l’IA n’est ni plus ni moins que la condition pour Make America Great Again. Il pose le cadre dès la préface du document : l'IA a « le potentiel de redessiner l'équilibre mondial des puissances », il est donc « un impératif de sécurité nationale » que les États-Unis atteignent « une domination technologique mondiale incontestée et sans partage ». Il ne s'agit plus de leadership, mais de suprématie.

1. La dérégulation. Le premier pilier de cette doctrine est la rupture frontale avec l'héritage Biden : « pour maintenir son leadership mondial en IA, le secteur privé américain doit être libéré des lourdeurs bureaucratiques. » Trop de régulation tue l’innovation, les Big Tech doivent absolument pouvoir faire ce qu’elles veulent pour gagner la course. Aucun risque sociétal ou environnemental mentionné, le seul risque est géopolitique.
2. Une IA sans « biais idéologique ». Les systèmes d’IA doivent absolument être objectifs et libres de biais idéologique et rechercher « la vérité objective plutôt que de servir un programme d'ingénierie sociale »18. Le plan recommande ainsi la suppression des références à la désinformation, aux enjeux de diversité et au changement climatique dans le document-cadre de gestion des risques de l’IA.
3. La réindustrialisation. Le troisième axe, intitulé Build American AI Infrastructure vise à faire de l'IA le vecteur d'un retour industriel américain et à réconcilier les deux ailes du trumpisme que tout semble opposer : les « techno-optimistes » de la Silicon Valley et la « droite populiste » attachée à la reconquête manufacturière19. Les droits de douane et la dérégulation (à propos de l’environnement par exemple) permettront aux entreprises tech de « bâtir » (des usines de semi-conducteurs, des infrastructures énergétiques,…) tout au long de la chaîne de valeur de l’IA et ainsi créer des emplois pour les Américains.
4. L’IA comme instrument de puissance face à la Chine. Le 4ème pilier projette cette doctrine à l’échelle mondiale. « Les États-Unis sont actuellement leaders mondiaux dans la construction de centres de données, la performance du matériel informatique et les modèles », il faut convertir cet avantage en « alliance mondiale durable », en exportant l'ensemble de la pile technologique américaine (matériel, modèles, logiciels, normes) vers les pays « prêts à rejoindre l'alliance IA de l'Amérique », tout en verrouillant l'accès des rivaux stratégiques aux puces avancées. L'IA occupe donc une place singulière dans la compétition avec la Chine : elle n'est pas seulement un secteur économique disputé entre les deux puissances, mais un terrain où se concentrent simultanément les trois dimensions de leur rivalité. Trump identifie bien la dimension économique (« quiconque possède le plus grand écosystème IA, en récoltera les bénéfices économiques »), militaire (l’IA est un actif dual - civil et militaire -, au même titre que le nucléaire, il est donc primordial que la Chine ne profite pas des technologies américaines) et normative (Trump exprime la volonté de contrer l’influence chinoise dans les instances de gouvernance internationale pour éviter que l’Empire du Milieu n’impose ses standards).

Les moyens : dérégulation, financement et stratégie internationale

Un an après la présentation du plan, l'ambition affichée par Trump s'est traduite par trois grands chantiers concrets : une campagne de dérégulation tous azimuts, une annonce de financement colossal porté par le secteur privé, et une stratégie internationale mêlant alliances, pression diplomatique et guerre commerciale.

La dérégulation au profit des Big Tech

En ce qui concerne la dérégulation, l'administration Trump a mené une entreprise systématique de démantèlement des cadres existants en matière d'IA, de cybersécurité et de modération des contenus. Dès son premier jour, Trump a abrogé le décret Biden de 2023 sur la gestion des risques liés à l'IA. En matière de cybersécurité, l'administration a supprimé l'obligation de « pratiques minimales » imposée aux fournisseurs de l'État et démantelé plusieurs cellules fédérales dédiées à la lutte contre la désinformation et les ingérences étrangères. Trump a également tenté d’appliquer les revendications du fameux SUPER PAC Leading the Future (celui financé par OpenAI et Andreessen Horowitz) et d’autres leaders de la tech (Meta par exemple) : empêcher les États fédérés de promulguer des lois régulant l’IA. L'administration Trump a traduit cette demande par un moratoire d'une décennie sur toute régulation étatique de l'IA ; rejeté à 99 voix contre 1 au Sénat, il a dû être imposé par décret en décembre 2025, provoquant la protestation de 50 législateurs républicains locaux au nom des « droits des États ».

Un financement privé, des projets facilités par l’État

Sur le plan du financement, Trump annonce, dès le lendemain de son investiture, le lancement de Stargate, projet censé incarner concrètement le pilier « Build American AI Infrastructure » de son plan d'action. Mais fidèle au modèle américain de dépendance au capital privé, ce ne sont pas des subventions étatiques. Stargate est une coentreprise de droit privé réunissant OpenAI, SoftBank, Oracle et le fonds souverain émirati MGX, avec pour ambition d'investir 500 milliards de dollars sur quatre ans dans la construction de data centers. L'État n'y intervient ni comme financeur ni comme actionnaire, mais comme facilitateur administratif (permis accélérés, mise à disposition de terres fédérales et surtout caution politique).

Mais alors, comment les entreprises financent-elles leur développement et leur course à l’AGI ? Nous l’avons vu plus haut : la transformation d’OpenAI en société à but lucratif plafonné, puis sa restructuration complète en octobre 2025 a été précisément motivée par ce besoin de lever des capitaux à l'échelle du capital-risque. L’entreprise mise aussi sur la publicité, désormais testée sur ChatGPT et prépare une entrée en Bourse attendue à l'automne, avec une valorisation qui pourrait avoisiner les 1 000 milliards de dollars. Pour les géants du cloud plus établis (Google, Meta, Microsoft, Amazon), le financement a longtemps reposé sur l'autofinancement, grâce à des rentes de monopole sans équivalent (essentiellement provenant de la publicité). Mais l'ampleur des investissements requis par l'IA dépasse désormais ces capacités, l'endettement devient incontournable23. Ce recours croissant à la dette nourrit des inquiétudes sur une possible bulle de l'IA, dans un contexte où l'encours des prêts liés au secteur est passé de presque zéro à plus de 200 milliards de dollars très rapidement.

La stratégie internationale

Sur la scène internationale, il s’agit autant de profiter des atouts des « alliés » que d’exporter sa technologie comme instrument de puissance économique et normative.

La Pax Silica

Cet été, Jacob Helberg, sous-secrétaire d'État, a détaillé dans les médias un projet américain d’envergure : la Pax Silica. Il s'agit d'une coalition de sécurité économique regroupant aujourd'hui 14 pays, conçue comme une approche « écosystémique » de la chaîne d'approvisionnement de l'IA. Jacob Helberg présente le projet directement comme s’opposant aux Nouvelles Routes de la Soie chinoises. Alors que la Chine mobilise des entreprises publiques pour mener des projets d'infrastructures à l'étranger lui servant de levier politique, il rappelle que les États-Unis préfèrent compter sur leur « super pouvoir, notre secteur privé et nos entreprises ». L'objectif est de mettre les entreprises américaines « aux commandes » de véritables co-entreprises avec les pays partenaires, combinant les avantages du droit américain et les avantages industriels des pays hôtes. Les pays sont ainsi sélectionnés en fonction de leurs atouts sur la chaîne de valeur de l’IA : terres rares (Australie), marché (Europe), usines de batteries (Corée du Sud), usines de semi-conducteurs (Taïwan), main-d'œuvre qualifiée (Inde)24,…

Carte GeoContext : les pays membres de la Pax Silica des États-Unis et les pays membres de l’Organisation de coopération mondiale sur l’IA (WAICO), initiée par la Chine

La pression sur l’Europe

Trump a dérégulé aux États-Unis, mais il veut aussi mettre la pression sur l’Union européenne. Depuis le début de son mandat, l'administration Trump consacre une grande énergie à combattre la réglementation numérique européenne. Le marché européen est d’abord extrêmement important pour les Big Tech. Mais c‘est aussi une question de normes. Par l'« effet Bruxelles », les standards des dispositifs conçus pour protéger les citoyens européens (DSA, règlement européen sur les services numériques, le DMA (Digital Markets Act) ou de l'AI Act), pourraient devenir la référence mondiale, étant donné que les entreprises américaines sont tenues de s’y conformer si elles veulent accéder au plus grand marché mondial. Et ces standards viennent directement contredire l'ambition de l’administration Trump : faire des États-Unis la puissance qui fixe les normes mondiales de l'IA.

Concrètement, l’administration accuse l’UE de censure en attaquant très violemment le DSA. Ce texte porte en réalité sur la responsabilisation des plateformes en matière de transparence de leur modération, et non sur le contenu de cette modération elle-même. À chaque condamnation de la Commission européenne dans le cadre de ses décisions relatives au DSA, Trump crie au scandale : c’est une atteinte à la liberté d’expression.

Les États-Unis ont d’autres leviers contre l’UE : ils menacent toujours d’augmenter les droits de douane, ils interdisent de séjour aux États-Unis certains responsables (les sanctions contre Thierry Breton et quatre responsables d'ONG en décembre 2025 en étant l'illustration la plus spectaculaire), évoquent implicitement une conditionnalité de la protection de l'OTAN (évoquée par Vance dès 2024), et ont créé un portail de contournement de la modération européenne (freedom.gov). L'administration s'appuie finalement sur les eurodéputés d'extrême droite et sur un écosystème médiatique financé indirectement par la mouvance MAGA pour relayer ses idées.

Les droits de douane pour réindustrialiser

Les États-Unis utilisent aussi le levier tarifaire pour appliquer sa doctrine. Par exemple, dès janvier 2025, Trump a menacé d'imposer des taxes pouvant atteindre 25, 50, voire 100 % sur les puces taïwanaises si TSMC, le fabricant taïwanais qui produit environ 90 % des semi-conducteurs les plus avancés au monde, ne relocalisait pas sa production aux États-Unis.

Les États-Unis peuvent-ils gagner ?

Grâce à leurs entreprises leaders internationales, les États-Unis dominent incontestablement la chaîne de valeur de l’IA, ce qui leur confère une grande influence sur la scène internationale et dans les rapports de force. La puissance des mécanismes de marché leur a permis de débloquer les fonds nécessaires aux avancées spectaculaires que nous observons ces dernières années et dont nous profitons tous maintenant au quotidien. Mais la stratégie américaine de faire de l’IA un instrument pour garder leur place de première puissance mondiale comporte plusieurs failles.

Un manque de terres rares

Les États-Unis sont confrontés à une vulnérabilité structurelle : la dépendance américaine aux terres rares chinoises, révélée au grand jour par la bataille commerciale de 2025. En avril de cette année-là, en riposte aux droits de douane décrétés par Washington, Pékin avait suspendu l'exportation de terres rares en imposant un régime de licences qui a semé l'incertitude dans des pans entiers de l'industrie technologique et de défense américaines. La Chine, qui assure plus de 90 % de la production mondiale de terres rares transformées et d'aimants, a ainsi démontré qu'elle disposait d'un levier de pression au moins aussi efficace que l'arme tarifaire elle-même, un rapport de force que l'accord de pause conclu à l'automne 2025 entre Donald Trump et Xi Jinping a suspendu sans le résoudre.

Depuis, l'administration a fait de la diversification de son approvisionnement l'un des axes structurants de sa stratégie géopolitique en matière d'IA, tant ces matériaux sont indispensables. Washington a ainsi pris des participations, actées ou conditionnelles, dans une trentaine d'entreprises minières depuis 2025 (par exemple : 750 millions de dollars destiné à sécuriser quinze ans de production de la mine brésilienne Serra Verde).27

Mais ces projets portent principalement sur les terres rares dites « légères » dont l'importance stratégique est nettement moindre que celle des terres rares « lourdes », dont l’extraction est toujours dominée par la Chine : il faudra encore plusieurs années pour que la chaîne américaine de transformation, du minerai à l'aimant fini, atteigne une intégration verticale susceptible de rivaliser avec l'appareil industriel chinois.

Des incohérences dans le discours

Le second mandat de Donald Trump a tenté de faire tenir ensemble deux promesses difficilement conciliables : celle d’une alliance avec la Silicon Valley, dont les dirigeants ont massivement rallié sa candidature en 2024, et celle d’une réindustrialisation portée par l’IA au bénéfice des travailleurs américains, le socle même de la coalition MAGA. Mais cette synthèse commence à se fissurer. Dans une lettre ouverte publiée en mai 2026, Steve Bannon, figure fondatrice du mouvement MAGA, et une soixantaine de figures du nationalisme chrétien évangéliste, réclament un contrôle fédéral obligatoire des modèles d’IA de pointe avant leur déploiement. Ils critiquent les « élites corporatistes et mondialistes » de la tech qui menacent la souveraineté nationale, ce qui traduit une divergence de fond sur ce que doit être le rapport entre pouvoir d’État et pouvoir de marché dans l’écosystème de l’IA.

Cette fracture idéologique semble trouver écho dans l’opinion publique à l’approche des midterms de novembre. Les sondages Ipsos compilés par Le Grand Continent montrent que l’érosion de la popularité de Donald Trump est concentrée précisément sur les enjeux économiques et le coût de la vie : les Américains ne ressentent pas du tout les effets de la réindustrialisation par l’IA. Le sentiment que l’IA profite aux grandes plateformes plus qu’aux territoires se lit également dans la contestation locale des data centers : selon une enquête Gallup de mars 2026, sept Américains sur dix s’opposent à la construction d’un data center près de chez eux, dont près de la moitié s’y opposent fortement, un rejet suffisamment massif et transpartisan pour que l’implantation de ces infrastructures devienne un enjeu de campagne dans plusieurs États.26 Laisser le pouvoir de décision aux grands acteurs de la tech, sur l’implantation des centres de données comme sur l’orientation des modèles, se heurte ainsi frontalement à l’imaginaire anti-élites qui a fait le succès électoral de Donald Trump. Et cela pourrait lui coûter cher aux midterms.

Si vous êtes un peu perdus sur les cycles électoraux aux États-Unis, je vous explique tout ici : 📄 Donald Trump a-t-il les pleins pouvoirs ?.

Face à cette contradiction croissante, l'administration a cherché, à l'approche des midterms, une sortie qui réconcilie les deux registres : OpenAI aurait proposé de céder 5 % de son capital au gouvernement fédéral dans le but de redistribuer aux citoyens une part des gains économiques de l'IA. Alignement avec la mission officielle d’OpenAI de faire profiter « toute l’humanité » ou manœuvre populiste avant les élections, je vous laisse juge…

Conclusion : mais que signifie gagner ?

Mais lorsqu’on parle de course, il reste une question fondamentale à poser : que signifie, au juste, la gagner ? Quelle est la ligne d’arrivée ? La définition même de l’objectif poursuivi, l’AGI, cette intelligence artificielle générale censée égaler ou dépasser l’esprit humain, est un objet « théorique » dont rien ne garantit ni la faisabilité technique ni la date d’avènement. Et l’intelligence, même humaine, est si complexe à définir, à chaque fois que nous aurons à atteint la ligne, une autre ne se dessinera-t-elle pas ?

Dans Empire of AI, Karen Hao restitue une scène révélatrice de ce flou fondateur. Interrogés sur la raison pour laquelle des milliards de dollars sont engagés dans la poursuite d’une « superintelligence bienveillante » plutôt que dans la résolution directe de problèmes identifiés (changement climatique, accès aux soins,…), Greg Brockman et Ilya Sutskever, deux des dirigeants d’OpenAI, répondent par un raisonnement essentiellement circulaire. Ils font le pari que l’AGI sera tellement puissante qu’elle permettra de résoudre les problèmes qu’elle a aggravés. Sutskever affirme par exemple que l’AGI permettra de « compenser le coût environnemental de sa propre production ».

Cette indétermination sur la nature même de la ligne d’arrivée affecte la lecture géopolitique de la course. Michael Froman, président du Council on Foreign Relations, souligne ainsi que les États-Unis définissent la compétition avec la Chine en termes de vitesse d’atteinte de l’AGI. Ils évaluent même l’avance en mois, sans que personne ne puisse dire avec certitude ce que signifierait franchir ce seuil, ni même s’il sera perceptible au moment où il sera atteint.

Plus fondamentalement, Froman avance que les deux puissances pourraient ne pas participer à la même course : quand les États-Unis parient l’essentiel de leurs ressources sur des modèles frontières de plus en plus vastes, la Chine privilégie une diffusion de l’IA à l’échelle de son économie physique (robotique industrielle, capteurs, automatisation manufacturière), une stratégie moins spectaculaire mais potentiellement plus transformatrice du système productif. Reste alors une question qui déborde le seul cadre américain, et que le prochain article de cette série abordera frontalement : si la définition même de la victoire diverge selon l’acteur qui la formule, sur quel terrain la compétition sino-américaine pour l’IA se joue-t-elle réellement ? Réponse dans le prochain numéro de la série sur la Chine !

« Les États-Unis ne sont-ils pas en train de courir vers la mauvaise ligne d’arrivée ? Certes, nous supposons être au coude à coude avec la Chine, mais celle-ci pourrait bien suivre une voie totalement différente. » La Chine, les États-Unis et la course à l’IA. Michael Froman. Octobre 2025.

Sources

1. Qu’est-ce que l’intelligence artificielle générale (AGI) ?. IBM. Sept 2024.
2. L’Histoire de l’IA Yves Meyer. Conférence Université de Nantes. Mai 2025.
3. Conférence de l’IEGA. Géopolitique de l’Intelligence Artificielle. Romane Croizet-Fontane. L'intelligence artificielle, un champ de puissance mondiale.
4. Barack Obama, Neural Nets, Self-Driving Cars, and the Future of the World. 2016. Wired.
5. Géopolitique du numérique. Ophélie Coelho. Editions de l’atelier. Novembre 2025.
6. Google: Lessons for America’s Innovation Policy. Mai 2004. Center for American Progress
7. Elon Musk by Walter Isaacson. Edition Fayard. 2023.
8. Empire of AI. Karen Hao. 2025.
9. L'Etat américain au capital d'OpenAI ? « Certains critiquent l'interventionnisme de Trump, en disant qu'il s'inspire de ce que fait la Chine ». Juillet 2026. Les Echos.
10. Amour, gloire… et psychodrames : l'autre histoire d'OpenAI et ChatGPT. Nov 2025. Les Echos.
11. A Timeline of the Battle for OpenAI: Musk, Altman, and the For-Profit Shift. Oct 2025. TIME
12. États-Unis : comment la Big Tech a fait capoter la tentative de limiter son pouvoir. Dec 2022. France24.
13. Les États Unis Veulent asseoir leur domination sur l’intelligence artificielle. Février 2025. France Culture.
14. La coalition Trump se défait dans les sondages. Septembre 2026. Le Grand Continent.
15. Winning the Race : America’s AI Action Plan. Juillet 2025. The White House.
16. La Doctrine Vance contre la mondialisation. Mars 2025. Le Grand Continent.
17. Trump II contre la gouvernance du numérique : une croisade aux États-Unis et en Europe. Avril 2026. IFRI
18. OpenAI, Oracle et SoftBank annoncent cinq nouveaux sites pour les centres de données d’IA du projet Stargate. Septembre 2025. OpenAI
19. D’où viennent les centaines de milliards de dollars investis dans l’IA ? Mai 2026. Alternatives Economiques.
20. « Les Etats-Unis parient sur une coordination active entre les pays et les industries pour sécuriser toute la chaîne de l’IA » Sarah Ladislaw. 2026. Le Monde.
21. Le document fondateur de l’insurrection national —populiste contre l’IA. Mai 2026. Le Grand Continent.
22. Aux Etats-Unis, l’opposition aux data centers grandit et devient un objet politique. Juillet 2026. Nicolas Chapuis. Le Monde.
23. Les États-Unis peuvent-ils se défaire de leur dépendance aux terres rares en provenance de Chine ? Aout 2026. Le Grand Continent.
24. Pax Silica: Inside the Trump Administration’s Tech Strategy with Jacob Helberg. No Priors: AI, Machine Learning, Tech & Start Ups.