Après DSIT, le Royaume-Uni doit tester le contrôle de son IA

La disparition du Department for Science, Innovation and Technology ne met pas fin à la stratégie britannique sur l’intelligence artificielle. Elle déplace son principal test : les services publics pourront-ils continuer à utiliser, vérifier et remplacer leurs systèmes d’IA sans dépendre entièrement d’un fournisseur?

Cette question définit mieux l’IA souveraine que la seule localisation des données. Un hôpital peut conserver ses dossiers dans un centre britannique tout en utilisant un modèle qu’il ne peut ni inspecter, ni modifier, ni remplacer rapidement. La maîtrise dépend alors de la continuité du service, de la capacité d’audit et du pouvoir de décision.

La fin de DSIT met la coordination à l’épreuve

Créé en 2023, DSIT regroupait la science, l’innovation, le numérique et une partie de la politique technologique. Sa disparition, annoncée en juillet 2026, répartit ses responsabilités entre plusieurs pôles du gouvernement. La politique générale doit être coordonnée depuis le centre, tandis que les fonctions liées à la recherche, à la sécurité de l’IA et aux services numériques publics sont rattachées à des départements différents.

Cette organisation peut rapprocher l’IA des administrations qui l’utilisent. Elle crée aussi un risque de découpage : un département finance une infrastructure, un autre fixe les règles de sécurité et un troisième doit gérer les conséquences d’une défaillance dans un service public. La coordination ne sera donc pas démontrée par un nouvel organigramme, mais par des responsabilités lisibles, des moyens identifiés et des procédures communes.

Le rapport annuel de DSIT pour 2025-2026 montre que le Royaume-Uni avait commencé à bâtir des capacités de calcul, de recherche et d’évaluation. La question politique est désormais leur continuité. Une équipe peut changer de rattachement sans perdre son expertise, mais seulement si son mandat, ses moyens et son accès aux systèmes restent garantis.

Une donnée britannique ne rend pas automatiquement un système britannique

Les quatre tests d’une dépendance maîtrisée

La souveraineté d’un système d’IA se vérifie à partir de questions opérationnelles :

• l’organisation sait-elle quelles données le modèle reçoit et à quelles étapes il peut y accéder?
• peut-elle mesurer ses performances dans les conditions réelles du service?
• peut-elle transférer la charge de travail vers une autre infrastructure ou un autre modèle?
• dispose-t-elle d’une expertise interne suffisante lorsque le fournisseur modifie ses prix, ses conditions d’accès ou son produit?

La portabilité est souvent le point le plus difficile. Un système peut être performant lors de son achat, puis devenir coûteux à maintenir après une modification de licence, une hausse de prix ou l’arrêt d’une interface. Si le remplacement du modèle impose de reconstruire toute l’application, l’institution ne contrôle pas réellement son outil. Elle dépend d’un accès temporaire à une plateforme privée.

Cette approche ne signifie pas que le Royaume-Uni doit produire seul chaque puce, chaque modèle et chaque logiciel. Les systèmes d’IA reposent sur des chaînes internationales, des travaux universitaires et des composants ouverts. Le choix réaliste consiste à distinguer les dépendances acceptables de celles qui menacent le fonctionnement d’un service essentiel.

Les infrastructures biomédicales montrent les limites du calcul souverain

Ce que la recherche permet, et ne permet pas, d’affirmer

Une revue publiée dans Frontiers in Artificial Intelligence décrit les supercalculateurs souverains comme des infrastructures publiques capables de traiter des données biomédicales sensibles sous une juridiction nationale. Elle examine leurs usages dans l’imagerie du cancer, les traitements personnalisés, l’analyse du génome et la découverte de médicaments.

La revue cite notamment le projet britannique Cancer Vaccine AI & Supercomputing, présenté comme une initiative nationale destinée à créer des modèles d’IA pour accélérer la recherche sur l’immunité contre le cancer. Ce cas montre ce qu’une infrastructure contrôlée publiquement peut faciliter : l’accès à une capacité de calcul, la gouvernance des données et la coopération entre équipes.

Il ne permet pas de conclure qu’un supercalculateur améliore à lui seul les résultats de santé. La publication est une revue du paysage des infrastructures, pas un essai clinique. Elle relève aussi plusieurs limites : accès inégal aux ressources, standards de données hétérogènes, cadres réglementaires différents et manque d’expertise technique dans certaines régions.

La souveraineté ne consiste donc pas à fermer la recherche. Elle doit permettre de collaborer tout en conservant la maîtrise des règles d’accès, de la qualité des données et de la responsabilité scientifique.

En santé, la vitesse ne suffit pas à valider une décision

Un article de réflexion publié dans le Journal of Clinical Pathology analyse les effets de l’IA sur la pathologie numérique. Il décrit l’introduction de la numérisation des lames, de l’analyse d’images assistée par IA, des systèmes d’information de laboratoire et de l’automatisation des flux de travail.

Ces outils peuvent faciliter la consultation à distance, certains contrôles de qualité et la gestion d’une charge de travail croissante. L’article met toutefois en garde contre une mesure de la performance dominée par la vitesse de production des comptes rendus. La pathologie ne se réduit pas à une chaîne logistique : elle repose aussi sur une délibération clinique et sur une responsabilité professionnelle.

Une sortie algorithmique ne constitue donc pas un jugement indépendant équivalent à celui d’un second médecin. Elle doit être interprétée dans son contexte, confrontée aux éléments disponibles et intégrée dans une procédure qui identifie clairement la personne responsable de la décision. Cette exigence vaut aussi pour les outils administratifs qui classent des demandes, résument des dossiers ou proposent une réponse.

Le premier critère d’achat sera la possibilité de changer de modèle

La réorganisation britannique devrait être jugée sur les contrats et les procédures plutôt que sur son organigramme. Pour les systèmes critiques, les appels d’offres peuvent exiger des interfaces documentées, des tests indépendants, des journaux d’activité accessibles et une capacité de migration. La possibilité de faire fonctionner le service sur une infrastructure contrôlée par le client doit être examinée avant la signature, lorsque les coûts de sortie sont encore négociables.

Pour un premier projet, une administration a intérêt à choisir un processus limité, mesurable et réversible. Elle peut alors vérifier la qualité des données, le coût de supervision, la charge de travail réelle et la capacité des agents à détecter les erreurs avant d’étendre l’usage.

Le Royaume-Uni n’a pas besoin de posséder le plus grand modèle pour chaque application. Il doit pouvoir choisir un modèle adapté, contrôler les données qu’il reçoit, mesurer ses erreurs et en changer lorsque le contexte l’exige. Après DSIT, le test de l’IA souveraine aura lieu lorsqu’un fournisseur modifiera son offre, qu’un modèle sera remplacé ou qu’un service public devra continuer à fonctionner sous contrainte.