Tandis que l'Occident débat de la régulation de l'IA, l'Asie construit ses propres modèles de langage. Selon AI Singapore, le projet SEA-LION a dévoilé sa quatrième génération de modèles multilingues, capables de traiter 11 langues d'Asie du Sud-Est. En parallèle, la Malaisie développe ILMU, le Japon investit dans des LLM natifs, et l'Inde déploie Bhashini pour ses 22 langues officielles. Une course à la souveraineté algorithmique qui redessine la carte mondiale de l'intelligence artificielle.
L'IA souveraine : reprendre le contrôle des données et des algorithmes
Le concept d'IA souveraine repose sur un constat simple : les modèles développés par OpenAI, Google ou Meta excellent en anglais et dans les principales langues européennes, mais peinent avec les langues à faibles ressources numériques. Le bahasa malais, le tagalog philippin ou le vietnamien restent mal représentés dans les corpus d'entraînement des géants américains.
Panorama des IA souveraines asiatiques
- SEA-LION (Singapour) : 11 langues d'Asie du Sud-Est (malais, indonésien, thaï, vietnamien, tagalog...)
- ILMU (Malaisie) : optimisé pour le bahasa malais et le contexte culturel local
- Bhashini (Inde) : 22 langues officielles (hindi, bengali, tamoul, télougou, marathi...)
- Ernie / Qwen (Chine) : mandarin et dialectes, écosystème fermé (Baidu, Alibaba)
Au-delà de la langue, c'est toute une dimension culturelle qui échappe aux modèles globaux. Les références locales, les codes sociaux, les subtilités du « code-switching » pratiqué quotidiennement en Asie du Sud-Est : autant d'éléments que seul un modèle entraîné localement peut capturer.
Singapour investit massivement dans SEA-LION
AI Singapore, l'agence nationale dédiée à l'intelligence artificielle, a lancé le projet SEA-LION (Southeast Asian Languages In One Network) avec un objectif clair : développer des modèles de langage optimisés pour les 11 langues principales de la région ASEAN.
Le projet a récemment dévoilé sa quatrième génération de modèles, incluant Gemma-SEA-LION-v4-27B et Qwen-SEA-LION-v4-32B, des modèles vision-texte conçus pour le raisonnement et la profondeur linguistique. Un partenariat avec Alibaba Cloud fournit l'infrastructure de calcul nécessaire à ces ambitions.
La Malaisie lance ILMU, son ChatGPT en bahasa
Le gouvernement malaisien n'est pas en reste. Via YTL AI Labs, le pays développe ILMU, un modèle de langage spécifiquement entraîné sur le bahasa malais et adapté au contexte culturel local. L'objectif : démocratiser l'accès à l'IA pour les 32 millions de Malaisiens, dont beaucoup ne maîtrisent pas l'anglais.
L'Inde et Bhashini : 22 langues, un milliard d'utilisateurs
Le défi indien est d'une autre ampleur. Le projet Bhashini, soutenu par le gouvernement Modi, vise à développer des capacités d'IA pour les 22 langues officielles du pays. Hindi, bengali, tamoul, télougou : chaque langue représente des dizaines, voire des centaines de millions de locuteurs.
Pour les entreprises qui souhaitent comprendre ces enjeux de gouvernance algorithmique, des prestations spécialisées en intelligence artificielle permettent d'auditer les biais potentiels et d'adapter les solutions aux contextes locaux.
Pourquoi la France est en retard sur cette tendance
L'Europe dispose pourtant d'atouts considérables : des chercheurs de premier plan, des infrastructures de calcul (comme le supercalculateur Jean Zay), et un cadre réglementaire qui pourrait devenir un avantage compétitif. Mais la fragmentation linguistique du continent complique la mutualisation des efforts.
Là où Singapour peut concentrer ses ressources sur un projet unique, l'Europe doit jongler entre le français, l'allemand, l'espagnol, l'italien, le polonais... Chaque langue nécessite des corpus d'entraînement spécifiques, des équipes de validation, des partenariats académiques.
Le projet Mistral AI, startup française valorisée à plusieurs milliards d'euros, représente une exception notable. Mais ses modèles restent principalement optimisés pour l'anglais et le français, laissant de côté la diversité linguistique européenne.
Cinq leçons pour les entreprises françaises
L'expérience asiatique offre des enseignements précieux pour les organisations qui souhaitent développer ou adopter des solutions d'IA.
1. La langue n'est pas qu'une question de traduction. Un modèle véritablement adapté doit comprendre les références culturelles, les expressions idiomatiques, les codes sociaux. Les entreprises opérant à l'international gagneraient à évaluer leurs outils d'IA sous cet angle.
2. La souveraineté des données devient un enjeu stratégique. Où sont stockées les données d'entraînement ? Qui y a accès ? Ces questions, longtemps ignorées, remontent dans les priorités des directions générales.
3. Les partenariats public-privé accélèrent le développement. En Asie, les gouvernements financent l'infrastructure, les universités fournissent la recherche, les entreprises apportent les cas d'usage. Un modèle de collaboration que l'Europe peine à reproduire.
4. L'open source peut être un levier de souveraineté. SEA-LION et plusieurs modèles indiens sont disponibles en open source, permettant aux entreprises locales de les adapter à leurs besoins sans dépendre d'un fournisseur étranger.
5. Le marché des langues « mineures » est immense. Plus de 2 milliards de personnes en Asie parlent des langues mal couvertes par les modèles américains. Une opportunité pour les acteurs capables de combler ce vide.
Comme nous l'avons analysé dans notre dossier sur les Small Language Models, la tendance est à des modèles plus spécialisés et plus efficients. Les IA souveraines asiatiques s'inscrivent dans cette dynamique.
Vers une fragmentation de l'écosystème mondial de l'IA ?
Le développement d'IA souveraines pose une question fondamentale : assistons-nous à une fragmentation de l'écosystème mondial de l'intelligence artificielle ?
D'un côté, les modèles locaux permettent une meilleure adaptation aux besoins des utilisateurs et renforcent l'autonomie technologique des États. De l'autre, ils risquent de créer des silos incompatibles, compliquant les échanges internationaux et la recherche collaborative.
Pour les entreprises multinationales, cette fragmentation implique de gérer une diversité croissante d'outils et de normes. Une complexité supplémentaire, mais aussi une opportunité pour celles qui sauront naviguer dans cet environnement multipolaire.
L'Asie montre la voie. À l'Europe de décider si elle veut suivre, ou rester spectatrice d'une révolution technologique qui se joue sans elle.
