L’intelligence artificielle est devenue un axe majeur de la compétition géopolitique. Pourtant, la plupart des analyses comparatives de la course technologique s’arrêtent à des indicateurs d’entrée : nombre de GPU, montants des investissements ou dépôts de brevets. Ces indicateurs sont des substituts, non des explications. Ce qui importe pour les spécialistes des relations internationales, les décideurs publics et les stratèges d’entreprise est une question plus fondamentale : pourquoi les différentes économies politiques convergent-elles vers des stratégies d’adoption distinctes, et que révèlent ces stratégies des hypothèses sous-jacentes concernant la capacité de l’État, la tolérance au risque et la relation entre les capacités technologiques et la puissance nationale ?
La divergence entre l’Asie et l’Union européenne ne s’explique pas principalement par des écarts d’investissement ou des philosophies réglementaires abstraites. Elle tient avant tout à la finalité assignée à l’intelligence artificielle. En Asie, l’IA est envisagée comme un problème de coordination que l’État doit résoudre. En Europe, elle est avant tout considérée comme un problème de responsabilité et de risque que l’État doit encadrer. Cette différence de cadrage entraîne des conséquences structurelles qui s’amplifient au fil du temps, et les données empiriques couvrant la période 2024-2026 rendent ces conséquences de plus en plus visibles.
Le paysage mondial de l’adoption : ce que montrent désormais les données
Avant d’examiner les réponses apportées par les différents États, il convient d’établir ce que montrent les données concernant l’état actuel de la diffusion de l’IA. Selon le Stanford AI Index 2026, l’IA générative a atteint un taux d’adoption mondial de 53 % de la population en seulement trois ans, une progression plus rapide que celle de l’ordinateur personnel ou d’Internet.
Au niveau des organisations, l’enquête State of AI 2025 de McKinsey indique que 88 % des entreprises utilisent désormais l’IA dans au moins une fonction métier, contre 78 % l’année précédente. Les investissements mondiaux des entreprises dans l’IA ont plus que doublé en 2025 pour atteindre 581,7 milliards de dollars, dont 344,7 milliards de dollars provenant du seul secteur privé.
Ces chiffres sont impressionnants, mais ils masquent la véritable réalité : une divergence structurelle. L’adoption de l’IA au sein de la population varie de 61 % à Singapour à 28,3 % aux États-Unis. À titre de comparaison, le taux moyen d’adoption par les entreprises dans l’UE-27 n’est que de 20 % (Eurostat, 2025), et cette moyenne dissimule un fossé considérable entre les grandes entreprises et les petites entreprises, un élément central pour comprendre les difficultés européennes.
Les arguments en faveur d’une réduction de cet écart d’adoption sont de plus en plus étayés par des preuves empiriques. Des études expérimentales de l’OCDE, examinées dans une publication de juillet 2025, montrent que les employés du service client, du développement logiciel et du conseil ont enregistré des gains de productivité moyens compris entre 5 % et plus de 25 % grâce à l’intégration de l’IA générative.
Les données macroéconomiques commencent également à confirmer ces effets agrégés. Une étude publiée en avril 2026 montre que l’augmentation du nombre d’utilisateurs réguliers de l’IA dans l’ensemble des professions — passant d’environ 12 % à la mi-2024 à 26 % fin 2025 — correspond à une hausse de la production réelle comprise entre 1,4 % et 2,8 %, soit environ un à deux points de pourcentage de croissance annuelle.
Il ne s’agit pas de projections théoriques, mais de résultats observés. Les économies qui combleront le plus rapidement leur retard d’adoption seront les premières à bénéficier de ces gains, lesquels produiront des effets cumulatifs. La Figure 1 présente l’état actuel de l’adoption de l’IA par les entreprises dans les juridictions étudiées dans cet article.
Trois modèles d’adoption de l’IA pilotés par l’État
Les cinq économies asiatiques étudiées ici — la Chine, la Corée du Sud, le Japon, l’Inde et Singapour — ne suivent pas un modèle unique. Elles partagent toutefois un même postulat : l’adoption de l’IA ne se produira ni à l’échelle ni à la vitesse nécessaires sans une intervention délibérée de l’État destinée à stimuler la demande. Les modalités de cette intervention diffèrent sensiblement et reflètent les caractéristiques structurelles propres à chaque économie politique.
Le premier modèle est celui de la diffusion par obligation réglementaire.
Les directives chinoises « AI Plus », publiées par le Conseil des affaires d’État en août 2025, fixent un objectif de 90 % de pénétration des terminaux intelligents et des agents d’IA dans six secteurs prioritaires d’ici 2030.
Ce qui est particulièrement significatif n’est pas l’ambition de cet objectif, mais la logique qui le sous-tend. Pékin considère la diffusion de l’IA de la même manière qu’il a auparavant abordé l’électrification ou le déploiement du haut débit : comme un problème de coordination, dans lequel les mécanismes de marché sous-estiment naturellement les bénéfices de l’adoption, car aucun acteur individuel ne peut capturer l’ensemble des bénéfices sociaux.
La réponse consiste donc à légiférer sur les taux d’adoption plutôt qu’à simplement subventionner les intrants. Selon l’analyse de Trivium China, cette approche reprend la logique structurelle de l’initiative « Internet Plus » lancée en 2015.
Les résultats sont déjà visibles. La base d’utilisateurs de l’IA en Chine a plus que doublé au premier semestre 2025 pour atteindre 515 millions d’utilisateurs, tandis que l’adoption de l’IA a progressé de 36,5 % en seulement six mois après le lancement de DeepSeek-R1 en janvier 2025 (CNNIC, cité par AI News).
Selon le Global AI Adoption Index 2025 d’IBM, le taux d’adoption de l’IA par les entreprises chinoises atteint environ 58 %. La Chine est également le premier pays au monde en matière de dépôts de brevets liés à l’IA, représentant 38,58 % des demandes mondiales en avril 2025.
Une analyse de la RAND Corporation, publiée en juin 2025, conclut que la politique industrielle chinoise devrait accélérer encore ses progrès, notamment grâce aux subventions accordées aux capacités de calcul et au déploiement des applications. Les modèles chinois ne seraient désormais plus qu’à 2,7 % des meilleurs modèles américains selon le classement Arena Elo (Stanford HAI 2026).
Le deuxième modèle est celui de la combinaison entre cadre législatif et investissement massif, illustré par la Corée du Sud.
La Framework Act on the Development of Artificial Intelligence, entrée en vigueur en janvier 2026, a fait de la Corée le premier pays à regrouper dans une même loi la gouvernance, la politique industrielle et la gestion des risques liés à l’IA.
Cette réforme s’est accompagnée d’un triplement du budget national consacré à l’IA, porté à 10,1 billions de wons (environ 6,94 milliards de dollars) en une seule année budgétaire, ainsi que du déploiement de 260 000 GPU Blackwell au sein de Samsung, SK Hynix, Hyundai, Naver et des infrastructures gouvernementales.
Le Stanford AI Index 2026 souligne que la Corée du Sud est désormais le pays affichant le plus grand nombre de brevets d’IA par habitant, un indicateur de la densité de son innovation et du degré d’intégration industrielle.
La caractéristique distinctive de ce modèle est sa simultanéité : la Corée ne choisit pas entre réglementer avant de déployer ou investir avant d’établir les règles. Les deux processus avancent parallèlement, la loi servant de mécanisme de coordination et les investissements publics de signal crédible destiné aux acteurs privés.
Le troisième modèle est celui des subventions considérées comme une infrastructure publique, dont l’Inde constitue l’exemple le plus représentatif.
La Mission IndiaAI, approuvée en mars 2024, traite la puissance de calcul comme les États développementalistes considéraient autrefois l’électricité : un bien public dont la sous-production par le marché limite structurellement les activités en aval.
Le programme a déjà déployé plus de 38 000 GPU, dont 1 050 TPU Google Trillium, alors que l’objectif initial était de 10 000.
Les start-up et les chercheurs peuvent accéder à une capacité de calcul de niveau H100 pour environ 65 roupies (0,72 dollar) par heure, soit le tarif subventionné le plus bas au monde.
Les entreprises ont rapidement suivi cette dynamique : selon l’indice IBM de 2025, 57 % des entreprises indiennes utilisent désormais l’IA.
Le ministre Ashwini Vaishnaw a déclaré en février 2026 que les investissements déjà engagés dans l’IA en Inde atteignaient 90 milliards de dollars, avec une projection dépassant 400 milliards de dollars sur l’ensemble de la chaîne de valeur de l’IA dans les deux années suivantes.
L’Inde ne mise pas principalement sur une sophistication réglementaire ; elle parie que la suppression du goulot d’étranglement lié aux capacités de calcul produira des rendements cumulatifs, et les premiers indicateurs d’adoption semblent confirmer cette stratégie.
Le Japon et Singapour : le rattrapage et le modèle de précision
Le Japon représente un quatrième modèle, celui du rattrapage par l’investissement massif, davantage motivé par la nécessité de corriger un retard documenté que par un choix stratégique pleinement assumé.
Le Livre blanc 2025 du ministère japonais des Affaires intérieures et des Communications révèle que seulement 26,7 % de la population utilisait l’IA générative en 2024, contre 68,8 % aux États-Unis et 81,2 % en Chine.
Plus révélatrice encore est l’analyse de l’OCDE sur l’adoption de l’IA dans les pays du G7 : en 2024, seulement 1,9 % des entreprises japonaises utilisaient l’IA dans leurs fonctions essentielles, contre 6,1 % aux États-Unis.
Il s’agit de l’indicateur le plus pertinent de l’intégration productive de l’IA, révélant un fossé que les seuls montants d’investissement ne permettent pas de percevoir.
La réponse de Tokyo consiste principalement à injecter des capitaux : NTT prévoit d’investir 59 milliards de dollars d’ici 2027, tandis que SoftBank s’est engagé à hauteur de plus de 40 milliards de dollars dans le projet Stargate d’OpenAI.
La trajectoire japonaise permettra de déterminer si un investissement massif peut réellement remplacer les mécanismes de coordination de la demande employés par la Chine et la Corée, ou si certains freins structurels — comme une culture d’entreprise fortement averses au risque ou les normes d’emploi à vie — ne peuvent être levés par le seul capital.
Singapour représente un cinquième modèle : celui de la gouvernance fondée sur la mesure.
La National AI Strategy 2.0, mise à jour en mai 2026, se distingue moins par son ambition que par son niveau exceptionnel de précision.
Le Stanford AI Index 2026 place Singapour au premier rang mondial, à égalité avec les Émirats arabes unis, avec 61 % d’adoption de l’IA générative dans la population.
En 2024, l’adoption atteignait 62,5 % parmi les entreprises de grande taille et 14,5 % parmi les PME (IMDA), tandis que le National AI Impact Programme vise à accompagner 10 000 entreprises sur une période de trois ans.
Ce qui distingue Singapour sur le plan analytique est sa petite taille, qui permet une boucle de rétroaction impossible à reproduire dans les grandes économies : le gouvernement peut mesurer précisément ce qu’il déploie, observer presque en temps réel les niveaux d’adoption et ajuster rapidement la conception de ses politiques publiques.
Singapour fonctionne ainsi comme un véritable laboratoire vivant, où l’infrastructure de mesure produit des enseignements stratégiques que les grands États ne peuvent obtenir à partir de simples statistiques agrégées.
Le mauvais diagnostic structurel de l’Union européenne : ce que révèlent les données sur l’adoption
Comparée aux cinq approches précédemment décrites, la position de l’Union européenne reflète une conception structurellement différente de la finalité de la gouvernance de l’intelligence artificielle — et les données couvrant la période 2024-2025 rendent cette différence particulièrement tangible.
Les données publiées par Eurostat en décembre 2025 indiquent que 20 % des entreprises de l’UE-27 utilisent l’IA, contre 13,5 % en 2024, soit une progression de 6,5 points de pourcentage, témoignant d’une dynamique réelle. Le Danemark arrive en tête avec 42 %, suivi de la Finlande (37,8 %) et de la Suède (35 %).
Toutefois, cette moyenne masque un problème structurel que les chiffres globaux ne révèlent pas : l’adoption de l’IA est fortement différenciée selon la taille des entreprises. Comme le montre le Tableau 2, les grandes entreprises (250 salariés ou plus) ont atteint un taux d’adoption de 55 % en 2025, tandis que les petites entreprises (10 à 49 salariés) n’atteignent que 17 %. L’écart de 38 points de pourcentage entre grandes et petites entreprises ne s’est pas réduit en 2025 ; il s’est au contraire creusé de plus de 7 points (Figure 2).
Cette fracture liée à la taille des entreprises constitue le cœur empirique du problème européen en matière d’adoption de l’IA et est directement liée à l’AI Act. Les estimations des cabinets de conseil évaluent les coûts initiaux de conformité pour les fournisseurs de systèmes d’IA à haut risque relevant de l’Annexe III entre 200 000 et 500 000 euros pour les PME, avec une mise en œuvre progressive entre 2025 et 2027 (Figure 5).
Même si le règlement prévoit explicitement des mesures en faveur des PME — redevances proportionnées, accès aux bacs à sable réglementaires (« sandboxes ») et documentation simplifiée — les obligations applicables aux déployeurs de systèmes d’IA à haut risque entreront en vigueur en août 2026, alors que 12 des 27 États membres n’avaient toujours pas désigné leurs autorités nationales compétentes dans les délais.
La proposition Digital Omnibus de la Commission européenne, présentée en novembre 2025, reconnaît elle-même ce problème en visant une réduction de 25 % de la charge administrative globale et de 35 % pour les PME d’ici 2029.
Aujourd’hui, plus de 60 % des start-up européennes privilégient les applications d’IA à faible risque précisément pour éviter les contraintes de conformité. Ainsi, l’architecture réglementaire façonne déjà les trajectoires d’innovation avant même d’être pleinement entrée en vigueur.
La situation des investissements renforce encore cette préoccupation. En 2025, l’Europe n’a attiré que 20,9 milliards de dollars d’investissements privés dans l’IA, contre 285,9 milliards de dollars aux États-Unis, soit un rapport de 13,7 pour 1 (Figure 3).
Les 12,4 milliards de dollars d’investissements privés enregistrés en Chine sous-estiment largement l’effort réel une fois pris en compte les fonds publics d’orientation (« guidance funds »). Selon Stanford HAI, ces fonds représentent environ 912 milliards de dollars investis dans différents secteurs entre 2000 et 2023.
Dans son rapport State of the Digital Decade, publié en juin 2025, la Commission européenne reconnaît qu’au rythme actuel, l’Union n’atteindra ses objectifs fixés pour 2030 qu’aux alentours de 2040.
Une étude du cabinet Public First estime que l’Union européenne ne réalisera qu’environ 1 300 milliards d’euros de valeur numérique d’ici 2030, laissant inexploité un potentiel pouvant atteindre 1 500 milliards d’euros.
L’adoption de l’IA comme problème d’action collective
Les données comparatives conduisent à considérer l’adoption de l’intelligence artificielle comme un problème d’action collective, au sens développé par la littérature en géographie économique consacrée aux politiques industrielles.
Le principal obstacle n’est pas que les entreprises ignorent l’existence de l’IA. La technologie est largement connue et ses applications sont désormais bien documentées.
Le véritable problème réside dans le fait que l’adoption de l’IA génère des externalités positives — notamment par la production de données, le développement des compétences de la main-d’œuvre et la diffusion des connaissances organisationnelles entre entreprises — dont les bénéfices ne peuvent être entièrement captés par chaque entreprise individuellement.
Par conséquent, une adoption laissée aux seules forces du marché restera systématiquement inférieure au niveau socialement optimal. L’intervention publique ne constitue donc pas une distorsion du marché ; elle corrige une défaillance structurelle de celui-ci.
Ce qui distingue les différents pays n’est pas l’existence du problème, mais le mécanisme choisi pour y répondre.
La Chine recourt à des obligations administratives.
La Corée du Sud combine un cadre législatif avec un déploiement simultané de capitaux publics.
L’Inde utilise des subventions sur les ressources rares afin de réduire le coût d’entrée dans l’adoption.
Singapour privilégie une mesure extrêmement précise des résultats et des programmes ciblés.
Le Japon, quant à lui, tente de remplacer les mécanismes de coordination de la demande par une forte concentration de capitaux privés.
L’Union européenne, en revanche, s’appuie principalement sur une architecture de conformité réglementaire. Celle-ci ne constitue pas un mécanisme de coordination, mais un mécanisme d’allocation et de gestion des risques.
Une architecture de conformité indique aux entreprises ce qu’elles ne peuvent pas faire ; elle ne résout pas le problème de coordination de l’adoption qui constitue pourtant le principal frein.
Les travaux expérimentaux de l’OCDE montrent d’ailleurs que les gains de productivité liés à l’IA supposent une véritable collaboration entre l’humain et la machine ainsi qu’une adéquation entre les outils et les tâches. Le développement de ces capacités passe d’abord par l’adoption effective de l’IA. Une organisation ne peut acquérir des compétences en IA uniquement au travers de cadres réglementaires.
Cette analyse rejoint des débats anciens en économie politique comparée. Depuis les travaux de Rodrik (2004) sur la « découverte de soi » (self-discovery) et ceux de Hausmann et Hidalgo (2011) sur la complexité économique, la littérature souligne que la contribution la plus importante de l’État à la transformation industrielle consiste à développer des capacités collectives — compétences, infrastructures et normes — rendant les investissements privés rentables.
Les pays asiatiques étudiés investissent chacun, selon des modalités différentes, dans ces capacités collectives. L’Union européenne, malgré la sophistication de son dispositif réglementaire, n’a pas encore construit son équivalent du côté de la stimulation de la demande.
Conséquences pour les entreprises et les décideurs publics
Les enjeux pratiques sont considérables, et les données relatives à la productivité leur confèrent une solide base empirique.
Les études synthétisées dans le Stanford AI Index 2026 font état de gains de productivité d’environ 14 à 15 % dans le service client, 26 % dans le développement logiciel et 50 % dans les activités marketing grâce à l’intégration de l’IA (Figure 4).
Ces gains sont mesurés au niveau des tâches individuelles ; leur impact sur l’économie dans son ensemble dépend de l’ampleur de l’adoption.
Si, d’ici 2030, la Chine atteint 90 % de pénétration de l’IA tandis que l’Union européenne demeure entre 30 % et 40 %, l’écart de productivité qui en résultera ne pourra être compensé par la seule réglementation.
Les premiers adoptants accumulent progressivement des connaissances organisationnelles, produisent de meilleures données d’entraînement et développent des compétences internes que les retardataires ne pourront pas simplement acheter.
Pour les entreprises multinationales présentes dans ces différentes juridictions, cette asymétrie crée à la fois des risques et des possibilités d’arbitrage stratégique.
Les entreprises développant leurs capacités d’IA dans les environnements asiatiques, où les politiques publiques favorisent davantage l’adoption, arriveront sur le marché européen avec des compétences que leurs concurrentes européennes n’auront pas eu l’occasion d’acquérir dans des conditions comparables.
Les exigences de l’AI Act s’appliquent aux systèmes déployés dans l’Union européenne, quel que soit leur lieu de développement. En conséquence, les coûts de conformité pèseront sur les activités européennes d’entreprises ayant construit leurs capacités technologiques ailleurs.
Il s’agit d’un paradoxe : une réglementation conçue pour protéger le marché européen risque en pratique de taxer l’adoption chez les acteurs déjà présents sans empêcher les entreprises étrangères d’accumuler des capacités technologiques.
Pour les décideurs européens, il ne s’agit pas d’abandonner l’AI Act. La logique de classification des risques répond à de véritables préoccupations concernant les droits fondamentaux et la sécurité dans les applications sensibles.
La véritable question concerne plutôt l’ordre des priorités et la répartition des coûts de conformité.
Ce qui manque structurellement est un dispositif complémentaire agissant sur la demande : un équivalent européen des capacités de calcul subventionnées de l’Inde pour les PME, de l’engagement budgétaire coréen en faveur de l’adoption ou encore des objectifs sectoriels de pénétration imposés par la Chine.
Les ambitions européennes dans le domaine des semi-conducteurs — visant 20 % de la valeur mondiale de production d’ici 2030 — témoignent d’une stratégie sérieuse du côté de l’offre.
Mais développer cette capacité de production sans développer simultanément l’adoption de l’IA par les entreprises revient à construire un réseau autoroutier sans relier les villes qu’il est censé desservir.
Conclusion
La course mondiale à l’intelligence artificielle ne consiste pas principalement à déterminer qui possède la réglementation la plus sophistiquée ou les engagements financiers les plus importants.
Elle consiste avant tout à savoir qui résoudra le plus rapidement le problème de coordination de l’adoption, et les données de 2024 à 2025 permettent désormais d’identifier clairement les acteurs en tête.
Le taux d’adoption de 58 % des entreprises chinoises, celui de 57 % des entreprises indiennes, le 61 % d’adoption de l’IA générative au sein de la population de Singapour, ainsi que la position de leader de la Corée du Sud en matière de densité de brevets ne sont pas des coïncidences.
Ils constituent les résultats mesurables de politiques publiques délibérément orientées vers la stimulation de la demande.
À l’inverse, le taux moyen de 20 % d’adoption des entreprises européennes, l’écart de 38 points entre grandes et petites entreprises, ainsi que les 20,9 milliards de dollars d’investissements privés dans l’IA — contre 285,9 milliards aux États-Unis — sont tout aussi mesurables et reflètent une orientation politique différente.
Ces deux approches répondent à de véritables défis.
Cependant, elles ne répondent pas avec la même urgence au même problème.
Le problème de la responsabilité juridique existe bel et bien ; mais le problème de la coordination de l’adoption est aujourd’hui plus déterminant.
Bruxelles ne confond pas tant les règles du jeu avec le jeu lui-même qu’elle ne semble donner la priorité au mauvais chapitre. Il s’agit d’un problème plus facile à corriger qu’un sous-investissement structurel — mais seulement s’il est correctement diagnostiqué, et seulement si la fenêtre d’opportunité permettant de rétablir le bon séquençage des politiques publiques ne s’est pas déjà refermée.
