Une promesse de rattrapage historique, mais conditionnelle
La Banque mondiale publie un avertissement assorti d'une promesse : l'intelligence artificielle pourrait permettre à des pays à revenu faible ou intermédiaire d'atteindre en une décennie des progrès économiques qui, sans elle, auraient pris un siècle. Le rapport « La promesse de l'intelligence artificielle » présenté début août met en lumière un potentiel de gains de productivité significatif, mais insiste sur la nécessité d'un effort massif en infrastructures et en compétences.
Les auteurs soulignent que ces bénéfices ne tomberont pas du ciel. Pour en bénéficier, les États doivent d'abord combler des déficits structurels : accès stable à l'électricité, connectivité fiable, formation des travailleurs et renforcement des institutions publiques. Sans ces investissements, l'IA risque de creuser les inégalités plutôt que de les réduire.
Des effets sectoriels contrastés — une bonne nouvelle pour l'emploi ?
Contrairement aux craintes souvent exprimées, le rapport relativise le risque d'automatisation brutale pour les emplois dans le Sud. Selon les estimations publiées :
- 4,5 % des emplois des pays à faible et moyen revenu seraient très exposés à l'automatisation par l'IA générative, contre 14,2 % dans les pays riches.
- En revanche, le potentiel de gains productivité est proche : 16,2 % des emplois pourraient tirer parti de l'IA dans les pays en développement, contre 18,7 % dans les pays à revenu élevé.
« Ces pays n’ont pas besoin de grands modèles ni de vastes centres de données pour en tirer parti. En adaptant des outils d’IA de petite taille et peu coûteux aux réalités locales… »
La Banque mondiale plaide pour des solutions adaptées : des outils moins gourmands en données et en énergie, pensés pour des contextes où la connectivité et l'électricité restent précaires.
Impacts attendus pour la banque et l'assurance
Pour le secteur financier, ces conclusions ont des conséquences opérationnelles et stratégiques claires. L'IA peut améliorer l'accès au crédit via des modèles de scoring alternatifs, optimiser la tarification et la gestion des risques en assurance, et automatiser des processus de conformité. Mais ces gains exigent :
- des données fiables et continûment actualisées ;
- des infrastructures énergétiques et numériques stables ;
- des compétences locales pour déployer, auditer et réguler les outils algorithmiques.
Sans ces éléments, les modèles d'IA pourraient produire des décisions biaisées, accroître le risque opérationnel et compliquer la supervision prudentielle. Les régulateurs et les établissements pourraient être amenés à renforcer leurs cadres de gouvernance des données et d'audit algorithmique.
Données essentielles en un coup d'œil
| Indicateur | Pays à faible/moyen revenu | Pays à revenu élevé |
|---|---|---|
| Emplois très exposés à l'automatisation (IA générative) | 4,5 % | 14,2 % |
| Emplois pouvant gagner en productivité | 16,2 % | 18,7 % |
| Écoles rurales sans électricité stable | ~1/3 | |
| Écoles rurales sans internet fiable | > 2/3 | |
Pour les banques et assureurs européens et français intervenant dans les pays en développement, le message est double : investir tôt dans l'infrastructure et les compétences peut ouvrir des marchés substantiels, mais exposer des populations non préparées à des outils automatiques sans garde-fous augmente la vulnérabilité financière et réputationnelle des acteurs.
En conclusion, la Banque mondiale présente l'IA comme un accélérateur puissant — à condition qu'elle soit déployée dans des conditions minimales. Le défi pour les gouvernements et le secteur financier est désormais de transformer cette promesse en stratégie concrète et inclusive, sous peine de voir les bénéfices se concentrer là où les prérequis existent déjà.
