Publié le mars 2026
Partager
Depuis l’atelier de Dartmouth en 1956, les universités jouent un rôle central dans le développement de l’intelligence artificielle (IA). Elles ont posé une grande partie des bases théoriques et formé les chercheurs et ingénieurs qui dirigent aujourd’hui le domaine. Mais l’équilibre a changé. Désormais, la plupart des avancées majeures en intelligence artificielle générative proviennent de laboratoires industriels disposant d’ensembles de données massifs, de capacités de calcul à grande échelle et de canaux de déploiement directs. Des Transformers introduits pour la première fois par Google Research, aux grands modèles de langage développés par OpenAI, jusqu’aux architectures plus récentes de type mixture-of-experts utilisées par DeepSeek, la frontière de l’innovation est largement industrielle, comme le reflète le rapport AI Index 2025 de l’Université Stanford.
Ce changement oblige les universités à repenser leur rôle. La question clé n’est plus de savoir si elles peuvent construire les modèles les plus grands ou les plus puissants. Il s’agit plutôt de déterminer si elles peuvent orienter la manière dont l’intelligence artificielle est utilisée lorsqu’elle devient partie intégrante de la vie quotidienne. À mesure que l’intelligence artificielle générative influence de plus en plus la langue, l’éducation et les services publics, les universités pourraient avoir leur plus grand impact non pas par l’échelle, mais par la gouvernance, l’adaptation locale et l’accent mis sur le bénéfice public, en particulier dans les domaines où les plateformes commerciales sont insuffisantes.
Notre expérience à l’Institut des systèmes intelligents et de l’intelligence artificielle (ISSAI) de l’Université Nazarbayev au Kazakhstan montre comment cela peut fonctionner en pratique. Les universités peuvent aller au-delà des publications scientifiques et des prototypes pour développer des systèmes d’intelligence artificielle qui servent directement la société. Cela est particulièrement important dans des contextes où les plateformes mondiales peinent à prendre en charge les langues locales, à refléter les nuances culturelles ou à s’aligner sur les priorités nationales.
Pourquoi l’intelligence artificielle à impact public relève de la responsabilité des universités
L’intelligence artificielle générative façonne rapidement la manière dont les individus communiquent, accèdent à l’information et interagissent avec les institutions publiques. Pourtant, la plupart des modèles de pointe sont développés par des entreprises privées et entraînés principalement sur un nombre restreint de langues à fortes ressources. Pour les sociétés dont les langues sont sous-représentées, cela crée un écart croissant entre ce que la technologie propose et ce qui est culturellement pertinent ou socialement utile.
Les universités sont idéalement placées pour combler cet écart. Elles conjuguent indépendance scientifique, confiance publique et expertise approfondie en technologie, en linguistique et en sciences sociales. Leur perspective à long terme leur permet de privilégier l’inclusion, la transparence et la pertinence nationale plutôt que des retours commerciaux à court terme.
La souveraineté numérique est également un enjeu majeur. Lorsque les systèmes d’intelligence artificielle sont entièrement externes, les sociétés disposent de peu de visibilité sur la manière dont ils sont entraînés, mis à jour ou gouvernés. Cela est particulièrement problématique dans les domaines de l’éducation, des politiques linguistiques et de l’administration publique. Les universités peuvent contribuer en développant et en assurant la gouvernance de systèmes d’intelligence artificielle ancrés localement, examinés de manière ouverte et alignés sur les priorités nationales, tout en restant connectées aux communautés de recherche mondiales.
Pour produire un réel impact, l’intelligence artificielle générative au service du bien public ne peut rester un ensemble de projets ou de démonstrations à court terme. Elle doit être considérée comme une infrastructure numérique partagée, conçue pour fonctionner avec les écoles, les institutions publiques et les utilisateurs du quotidien, et capable d’évoluer au rythme des besoins sociaux.
D’un écart à un écosystème
Notre travail n’a pas commencé avec l’ambition de construire un modèle linguistique national. Il est parti d’un problème concret. Les modèles mondiaux fonctionnaient mal en kazakh, avaient des difficultés avec sa morphologie complexe et produisaient souvent des résultats culturellement inappropriés. Ces lacunes affectaient l’accès à l’information et limitaient l’utilité de l’intelligence artificielle dans l’éducation, les médias et l’administration publique.
Le fait de dépendre exclusivement de systèmes d’intelligence artificielle externes soulevait également des préoccupations en matière de transparence, de résilience et de contrôle à long terme. Dans des domaines sensibles tels que l’éducation et l’administration publique, ne pas comprendre comment les modèles sont entraînés ou mis à jour introduit des risques structurels. Du point de vue universitaire, cet écart constituait à la fois un défi de recherche et une responsabilité sociétale. Y répondre nécessitait d’aller au-delà des articles d’évaluation pour construire un écosystème d’intelligence artificielle générative adapté aux besoins locaux.
Une leçon importante est que l’intelligence artificielle à impact public ne se résume pas à un modèle unique. Il s’agit d’un écosystème. Le lancement de KazLLM, premier grand modèle de langage du Kazakhstan entraîné sur des données multilingues soigneusement sélectionnées, a constitué une étape clé. Son importance ne résidait pas uniquement dans le modèle lui-même, mais dans ce qu’il a rendu possible par la suite.
KazLLM a été reconnu par des chercheurs de premier plan en intelligence artificielle, notamment Yann LeCun, comme un exemple de la manière dont des modèles linguistiques spécifiques et à ressources limitées peuvent être développés de manière responsable en dehors des plateformes mondiales dominantes. En ce sens, il illustre ce que peut être une intelligence artificielle générative souveraine : des systèmes qui préservent la diversité linguistique tout en restant alignés sur les standards internationaux de recherche.
Fait crucial, KazLLM a été traité comme une infrastructure fondamentale plutôt que comme un simple produit de recherche ponctuel. L’ISSAI Playground a été créé afin d’offrir aux étudiants, aux enseignants et aux chercheurs un accès direct au modèle et aux outils associés. Les utilisateurs peuvent expérimenter, apprendre et évaluer des systèmes d’intelligence artificielle sans disposer d’une expertise technique approfondie ni dépendre de plateformes externes. Cette approche permet à des cas d’usage concrets d’émerger de manière organique et alimente un processus d’amélioration continue.
L’infrastructure est tout aussi essentielle. Construire et maintenir des systèmes d’intelligence artificielle générative nécessite une expérience pratique avec du matériel moderne, notamment des GPU et des accélérateurs fournis par NVIDIA, AMD et Huawei. Savoir entraîner efficacement des modèles, gérer les ressources de calcul et déployer des systèmes de manière fiable est tout aussi important que l’innovation algorithmique ou l’ingéniosité dans le traitement des données. Sans cette maîtrise opérationnelle, même des modèles bien conçus risquent de demeurer de simples artefacts de recherche isolés.
Cette approche écosystémique transforme également le développement des talents. Les étudiants et les chercheurs en début de carrière acquièrent une expérience couvrant l’ensemble du cycle de vie de l’intelligence artificielle, de la curation des données et de l’entraînement jusqu’au déploiement et à la gouvernance. Ils apprennent à gérer les compromis réels entre coût, performance et évolutivité, contribuant ainsi à la constitution d’une main-d’œuvre nationale capable de soutenir durablement des systèmes d’intelligence artificielle au service de l’intérêt public.
L’ouverture comme stratégie
On suppose souvent que l’intelligence artificielle souveraine doit être fermée pour des raisons stratégiques. Notre expérience suggère le contraire. L’ouverture, lorsqu’elle est associée à une gouvernance claire et à des politiques d’usage responsable, renforce l’impact public.
En publiant des modèles, des référentiels d’évaluation et une documentation destinés à la recherche non commerciale, l’ISSAI permet l’examen critique, la collaboration et l’évaluation indépendante. Cette transparence renforce la confiance des décideurs publics, des éducateurs et des utilisateurs, tout en reliant les initiatives locales à la communauté mondiale de la recherche.
Un exemple concret est Qolda, le modèle linguistique et visuel multilingue entièrement open source de l’ISSAI. Avec 4 milliards de paramètres, Qolda peut fonctionner sur des ordinateurs portables et des smartphones sans nécessiter une puissance de calcul à grande échelle. Il prend en charge le kazakh, le russe et l’anglais et offre un raisonnement multimodal dans un format compact et efficace. En réduisant les barrières matérielles et d’accès, Qolda étend les capacités de l’intelligence artificielle aux étudiants, aux chercheurs, aux développeurs et aux petites entreprises.
L’ouverture reflète un principe académique fondamental : le savoir comme bien public. Les systèmes d’intelligence artificielle générative doivent pouvoir être examinés, adaptés et ouverts au débat. Plutôt que de façonner la société au moyen d’outils opaques, les universités peuvent proposer une intelligence artificielle qui favorise la responsabilité et la discussion publique.
Les universités comme catalyseurs de convergence
Les universités jouent également un rôle essentiel de mise en relation. Contrairement aux entreprises ou aux agences gouvernementales, elles disposent de la crédibilité et de l’indépendance nécessaires pour réunir des spécialistes des données, des linguistes, des ingénieurs, des décideurs publics, des éducateurs et des partenaires industriels autour d’une infrastructure d’intelligence artificielle partagée.
À l’ISSAI, les partenariats avec les ministères, les institutions linguistiques et d’autres universités ont été déterminants pour l’accès aux données, l’évaluation et le déploiement. Ces collaborations ont été itératives et fondées sur la confiance, reflétant un engagement à long terme plutôt que des intérêts commerciaux à court terme.
Ce rôle est particulièrement crucial dans le domaine de l’intelligence artificielle générative, où les choix techniques ont des conséquences linguistiques, culturelles et éthiques. Les universités offrent l’espace institutionnel et les cadres de gouvernance nécessaires pour examiner ces compromis de manière réfléchie.
L’Université Nazarbayev, en tant que principale institution de recherche du Kazakhstan, attire certains des talents les plus prometteurs du pays. Dans un écosystème local comptant peu de grandes entreprises technologiques capables de mener des recherches de pointe en intelligence artificielle, les universités sont bien placées pour diriger des projets agiles à fort impact. Elles peuvent mobiliser rapidement les talents et se concentrer sur des travaux socialement et nationalement pertinents, transformant ainsi la recherche en intelligence artificielle en ressource publique.
Implications au-delà du Kazakhstan
Les enseignements tirés du Kazakhstan sont largement applicables. De nombreuses régions sont confrontées à des défis similaires : des langues sous-représentées, une dépendance à l’égard de plateformes d’intelligence artificielle externes et une pression croissante pour intégrer l’intelligence artificielle dans l’éducation et la vie publique. Les universités sont particulièrement bien placées pour relever ces défis, mais uniquement si elles passent de l’ambition abstraite à un impact concret.
Plusieurs principes se dégagent :
L’intelligence artificielle générative façonne déjà la manière dont les individus communiquent, apprennent et accèdent à l’information. La question n’est plus de savoir si elle influencera la société, mais qui orientera cette influence et dans quel intérêt. En dépassant le cadre du laboratoire tout en maintenant des standards de recherche rigoureux, les universités peuvent contribuer à garantir que l’intelligence artificielle reflète la diversité linguistique, les nuances culturelles et les priorités sociétales, alignant ainsi l’innovation technologique sur le bien public.