Lisez le numéro et/ou téléchargez-le !

 Edito

Penser et agir face à l’intelligence artificielle

Adrien Jahier

Janvier 2026. Après plusieurs mois de tensions, la relation entre Donald Trump et Elon Musk s’est rétablie avec la médiation du vice-président américain, James David Vance [1]. Dans le même temps, OpenAI a lancé aux États-Unis la toute nouvelle application ChatGPTHealth, qui propose aux utilisateurs des conseils médicaux personnalisés [2]. Ce même mois, Microsoft publie un rapport indiquant que l’Europe devance les États-Unis et la Chine en termes d’utilisation de l’intelligence artificielle générative [3]. Ces trois événements du seul mois de janvier 2026 illustrent l’omniprésence de l’intelligence artificielle dans nos sociétés contemporaines. Mais que désigne exactement ce terme d’« intelligence artificielle » (IA) ?

Le terme « intelligence artificielle » a été forgé en 1956 lors de la conférence de Dartmouth, organisée par John McCarthy, Marvin Minsky, Nathaniel Rochester et Claude Shannon. On considère cette conférence comme le point de départ officiel de l’intelligence artificielle en tant que discipline scientifique. Depuis lors, l’intelligence artificielle est l’ensemble des théories et des techniques qui développent des programmes informatiques capables de reproduire certaines caractéristiques de l’intelligence humaine.

Les scientifiques de l’IA ont ensuite imaginé des machines qui peuvent apprendre et raisonner. Pour ce faire, il a été nécessaire de créer des méthodes qui permettent aux ordinateurs d’acquérir des connaissances par eux mêmes. L’apprentissage automatique (machine learning), branche de l’intelligence artificielle, permet aux ordinateurs d’apprendre à partir de données sans programmation explicite. Des algorithmes statistiques conçoivent alors des modèles et s’améliorent avec l’expérience pour effectuer des prédictions ou prendre des décisions. Au lieu de coder manuellement toutes les règles pour reconnaître un chat, on intègre des milliers d’images de chats dans le système, qui apprend alors à identifier les schémas caractéristiques.

Parmi les différentes architectures d’apprentissage automatique, une approche s’est révélée particulièrement puissante : les réseaux de neurones artificiels. Inspirés du cerveau humain, ils sont composés de couches de « neurones » artificiels interconnectés. Chaque neurone artificiel est une fonction mathématique qui reçoit plusieurs données, les traite et renvoie le résultat. L’apprentissage ajuste les paramètres de ces fonctions pour que le réseau de neurones artificielles produise les bonnes réponses. Les réseaux de neurones profonds possèdent de nombreuses couches intermédiaires qui détectent des schémas de plus en plus complexes.

C’est précisément cette architecture en couches profondes qui a permis l’émergence des grands modèles de langage (LLM, Large Language Models) comme GPT-5, Claude Sonnet 4.5 ou Gemini 3 Pro. Ces réseaux de neurones massifs, entraînés sur une grande quantité de données, fonctionnent surtout par prédiction : quand on fournit une suite de mots, le réseau prédit celui qui doit logiquement suivre. Ces modèles ne « comprennent » pas le monde sensible comme un humain, mais ils capturent des schémas statistiques très sophistiqués du langage, ce qui leur permet de générer du texte cohérent en réponse à des questions.

Ces grands modèles de langage appartiennent à l’IA générative, cette catégorie d’IA capable de créer du nouveau contenu, que ce soit du texte mais aussi des images (DALL-E 3, Midjourney Version 7), des vidéos (Sora 2) ou du code informatique. L’IA générative a gagné en popularité depuis 2022-2023. Elle transforme actuellement de nombreux secteurs, de la création artistique au développement logiciel, marquant ainsi une nouvelle étape dans l’histoire de l’intelligence artificielle imaginée par les pionniers des années 1950.

Deux concepts dominent les discussions sur l’avenir de l’IA. L’intelligence artificielle générale (IAG ou AGI) désigne une IA hypothétique qui posséderait des capacités cognitives équivalentes ou supérieures à celles d’un être humain dans tous les domaines. Elle pourrait apprendre de nouvelles compétences sans que l’on ait besoin de la reprogrammer. La superintelligence irait encore plus loin : elle dépasserait largement toutes les capacités humaines, que ce soit le raisonnement scientifique, la créativité artistique ou l’intelligence émotionnelle.

Au-delà de ces définitions techniques, l’intelligence artificielle n’est pas une révolution technologique neutre. Elle est aussi le terrain d’un changement profond du capitalisme Capitalisme Système économique et sociétal fondé sur la possession des entreprises, des bureaux et des usines par des détenteurs de capitaux auxquels des salariés, ne possédant pas les moyens de subsistance, doivent vendre leur force de travail contre un salaire.
(en anglais : capitalism) contemporain dont nous commençons seulement à saisir la portée. Pourtant, le discours dominant continue de présenter l’IA comme un simple outil. Cette dépolitisation ne relève pas du hasard : elle masque les rapports de domination concrets, les chaînes d’exploitation réelles ainsi que les choix politiques qui structurent le déploiement de l’IA.
Ce numéro du Gresea Échos refuse cette mystification. Notre ambition est double : que penser et que faire de l’IA ?

Que penser de l’IA ? Dans un premier article, nous cartographions l’écosystème de l’IA comme exploitation mondialisée : qui extrait le cobalt et le cuivre ? Qui annote les données ? Qui possède les infrastructures de calcul ? Qui bénéficie des rémunérations les plus élevées ? Notre approche, délibérément descriptive et factuelle, permet de situer géographiquement et socialement l’IA dans dans le mode de production capitaliste mondialisé.

Dans un deuxième article, nous déployons une lecture critique de l’IA pour saisir les recompositions politiques et économiques en cours : comment l’IA transforme-t-elle le capitalisme et le travail ? Quelles en sont les conséquences politiques ? Différents concepts structurent notre analyse. Par exemple, le capital Capital Ensemble d’actifs et de richesses pouvant être utilisés pour produire de nouveaux biens ou services.
(en anglais : capital, mais aussi fund ou wealth) algorithmique de Jonathan Martineau et Jonathan Durand Folco prolonge l’analyse marxiste de l’aliénation à l’ère où notre simple existence connectée produit de la valeur qui nous échappe. L’hyperagence d’Antoinette Rouvroy saisit la convergence inédite entre force technologique, capital Capital économique, connexions stratégiques et propriété d’infrastructures névralgiques qu’incarnent les Musk, Thiel et autres seigneurs technologiques.

Après avoir cartographié et conceptualisé, reste la question plus politique : que faire de l’IA ? Ce numéro donne la parole à trois voix, trois stratégies radicalement différentes. Hugues Bersini de l’Université libre de Bruxelles défend l’optimisation de l’IA au service Service Fourniture d’un bien immatériel, avantage ou satisfaction d’un besoin, fourni par un prestataire (entreprise ou l’État) au public. Il s’oppose au terme de bien, qui désigne un produit matériel échangeable.
(en anglais : service) du bien commun au sein de la Région de Bruxelles-Capitale. Maxime Fournes, de Pause AI, plaide pour un moratoire face aux risques existentiels pour l’humanité et la planète associés à cette technologie. Le collectif Le Mouton numérique porte une critique radicale de l’IA ancrée dans une approche intersectionnelle. Trois approches opposées, mais qui remettent en question l’utilisation actuelle de l’IA.

Le Gresea n’a pas vocation à trancher entre ces stratégies. Notre rôle est de produire l’analyse matérialiste, de cartographier les rapports de force réels, de nommer les mécanismes d’exploitation et de domination. L’IA n’est ni salut ni apocalypse, elle est un espace d’affrontement.

Bien entendu, ce travail n’est pas exhaustif et présente plusieurs limites. Tout d’abord, cartographier l’industrie de l’IA dans son entièreté n’est pas possible. En effet, il est par exemple très difficile de chiffrer l’activité financière des entreprises phares du secteur. Ce constat est encore plus vrai pour la Chine et ses mastodontes de l’IA, ce qui accentue, dans ce numéro, un certain occidentalocentrisme, appuyé par des concepts définis par des Européens ou des Nord-Américains.

Malgré ces limites inhérentes à l’opacité du secteur et au déséquilibre documentaire Nord-Sud, ce numéro offre certains outils conceptuels et empiriques pour penser l’IA comme rapport de pouvoir plutôt que comme simple innovation technologique.

 Sommaire

Éditorial : Penser et agir face à l’intelligence artificielle
Adrien Jahier

Du cobalt à ChatGPT : anatomie d’une chaîne de valeur internationale
Adrien Jahier

L’IA ou la fin de la démocratie ?
Adrien Jahier

Pour une IA au service du bien commun : l’approche du FARI Institute
Entretien avec Hugues Bersini

Ni anti-tech, ni techno-optimiste : pour une pause dans le développement de la super intelligence Entretien avec Maxime Fournes

Au-delà de la technique : pour une critique sociale de l’IA
Entretien avec le collectif Le Mouton numérique

---

 

Commander ce numéro
Prix unitaire : 6 € hors frais de port
Pour les commandes multiples, merci de nous contacter à l’adresse info gresea.be afin que nous déterminions le montant des frais de port.

 

---

 

En librairie

Vous pouvez également retrouver ce numéro (et d’autres) dans certaines librairies de Bruxelles et Wallonie. Consultez la liste ICI.