La SDAIA a déclaré, le 5 mai 2025, avoir formé plus de 779 000 citoyens en données et IA ; la durée cumulée n’est pas précisée. En 2024, 320 systèmes gouvernementaux étaient intégrés au National Data Lake, alimenté par plus de 60 entités gouvernementales. L’Arabie saoudite accélère l’adoption de l’IA dans l’administration publique dans un cadre institutionnel centralisé. La Chine constitue un précédent parmi d’autres pour l’étude de ces politiques.

L’essentiel

  • L’Arabie Saoudite déploie l’IA dans son administration à une vitesse sans équivalent hors de Chine, portée par la SDAIA (Saudi Data and AI Authority) et les objectifs Vision 2030.
  • 779 000 Saoudiens formés en douze mois, 60 agences gouvernementales intégrées, 8 % de gains d’efficacité imposés sans mécanisme de recours ni participation des employés (SDAIA, 2025).
  • Le précédent chinois documente un coût caché : l’automatisation autoritaire produit une déperdition de talent mesurable, les profils les plus qualifiés cherchant à partir plutôt qu’à s’adapter.
  • La thèse des lignes rouges institutionnelles, que développe Axelle Arquié dans ses travaux sur la régulation de l’IA, prédit que l’absence de participation fragilise la durabilité des gains, même quand les chiffres à court terme semblent probants.
  • L’enjeu ouvert : le modèle saoudien prouvera ou infirmera empiriquement si la vitesse d’adoption compense l’absence d’adhésion.

779 000 formés en un an, ou la tentation de la rupture par le haut

Les chiffres de la SDAIA sont vertigineux pour qui connaît le tempo habituel des transformations publiques. La SDAIA déclarait plus de 779 000 citoyens formés en données et IA, sans préciser que ce chiffre correspondait à une période de douze mois. Des entités gouvernementales ont été concernées par cette adoption. Les sources officielles consultées décrivent des objectifs d’amélioration de l’efficacité, sans imposer un gain d’efficacité chiffré.

Ce rythme ne doit rien au hasard. Vision 2030, le programme de diversification économique lancé par Mohammed ben Salmane, fixe un objectif existentiel : réduire la dépendance aux revenus pétroliers en construisant une économie numérique compétitive. L’IA est le levier choisi pour rattraper en années ce que d’autres pays ont mis des décennies à construire. La SDAIA, créée en 2019, concentre la stratégie nationale, les données et la gouvernance des algorithmes dans une autorité unique, structure qui n’a pas d’équivalent dans les démocraties libérales, où ces fonctions sont typiquement dispersées entre régulateurs sectoriels, partenaires sociaux et législateurs.

L’architecture du dispositif saoudien mérite attention. Former plus de 779 000 personnes en données et IA suppose des programmes de formation d’ampleur importante. Les formations disponibles dans le cadre du programme national couvrent des niveaux très disparates : initiation à l’IA pour des agents administratifs, spécialisations plus techniques pour des profils d’ingénieurs. Les chiffres de la SDAIA ne précisent ni le taux de rétention des compétences acquises ni la profondeur réelle de la transformation des pratiques de travail dans les agences concernées.

Le modèle chinois comme seul précédent à cette échelle

Pour trouver une dynamique comparable, il faut regarder la Chine. La stratégie chinoise de 2017 prévoit le déploiement de l’IA dans l’industrie et la gouvernance publique, mais l’ampleur et le mécanisme causal affirmés ne sont pas démontrés par le plan. La stratégie chinoise de 2017 projetait des gains de productivité ; le plan lui-même ne les mesure pas ex post.

L’attribution précise n’est pas établie par les sources consultées.

La comparaison entre les politiques saoudienne et chinoise ne permet pas d’établir qu’elles reposent sur une structure identique. La Chine disposait d’un vaste vivier de talents technologiques formés dans ses universités et à l’étranger. Le royaume saoudien développe ses capacités de formation en données et IA. L’ordre de séquence compte. La SDAIA a déclaré avoir formé plus de 779 000 citoyens, sans que la source n’établisse une période de douze mois ni des objectifs d’efficacité imposés aux agents publics.

Les effets de cette politique restent à évaluer.

La comparaison avec les dynamiques d’automatisation industrielle en Europe est instructive : là où la robotisation augmente les salaires sur le long terme, elle creuse d’abord les besoins de reconversion, et ces besoins exigent du temps pour être absorbés. L’Arabie saoudite cherche à accélérer ce processus.

Les lignes rouges que le modèle saoudien efface

Les travaux d’Axelle Arquié portent sur la régulation de l’IA et ses conditions d’acceptabilité. Ils abordent les mécanismes de recours, la participation des travailleurs et la négociation des conditions de transition. Aucun objectif obligatoire d’efficacité chiffré ni absence générale de mécanismes de participation ou de recours n’est démontré par les sources examinées.

Le cas allemand offre un contrepoint empirique. IG Metall, le syndicat de l’industrie métallurgique, a négocié avec les constructeurs automobiles les modalités d’introduction de l’IA dans les usines : calendriers de déploiement, garanties de reclassement, mécanismes de partage des gains de productivité. Le processus est lent, parfois frustrant pour les directions industrielles. Le cadre allemand institutionnalise davantage la participation des représentants des salariés à l’usage de l’IA ; les sources consultées ne permettent pas d’affirmer que le modèle saoudien ne recherche aucune participation ou adhésion.

Le cadre saoudien comporte des mécanismes documentés de grief et des principes de gouvernance prévoyant contrôle humain, responsabilité et prise en compte des parties prenantes ; l’effectivité de ces mécanismes et la redistribution des gains restent des questions distinctes.

Cette conviction mérite d’être prise au sérieux plutôt que simplement critiquée. Le chercheur du Baker Institute qui a analysé la stratégie saoudienne note que l’administration publique du royaume souffrait d’une inertie structurelle que les mécanismes participatifs n’auraient probablement pas réussi à surmonter à un rythme utile. Dans un contexte où la fenêtre de diversification économique est contrainte par la trajectoire des prix du pétrole, la lenteur est elle-même un risque.

Redistribution des gains : la question que Riyad n’a pas encore posée

La thèse d’Arquié sur la redistribution des gains de productivité dépasse la seule acceptabilité sociale. Lorsque l’IA génère des gains d’efficacité dans le secteur public, la question politique centrale porte sur leurs bénéficiaires. Dans les démocraties, cette question est posée explicitement, parfois douloureusement, dans les négociations collectives et les débats budgétaires. En Allemagne comme en Suède, la redistribution des gains de productivité peut faire l’objet de négociations collectives.

En Arabie Saoudite, la redistribution emprunte un canal différent. Vision 2030 promet une économie diversifiée, des emplois dans les secteurs non pétroliers, une amélioration du niveau de vie pour les jeunes Saoudiens, dont le chômage reste structurellement élevé malgré les programmes de saoudisation de l’emploi. Des sources officielles documentent l’alignement de certaines agences et ministères gouvernementaux sur les objectifs et programmes de réalisation de Vision 2030. La logique est cohérente sur le papier. La stratégie vise notamment à améliorer l’efficacité et les services ; la destination concrète des gains éventuels n’est pas établie par les sources officielles consultées.

Le précédent chinois peut éclairer ces questions. En Chine, la redistribution des gains de productivité aux travailleurs les plus exposés demeure une question. Les autorités chinoises reconnaissent des inadéquations de compétences et renforcent la formation ; l’affirmation sur l’échec fréquent du réemploi induit par l’automatisation n’est pas démontrée. Les sources consultées ne permettent pas d’établir que la vitesse de déploiement technologique a dépassé celle de la reconversion humaine.

Ce décalage, entre le rythme de la machine et le rythme de l’humain, est précisément ce que les recherches sur l’adoption de l’IA selon les contextes institutionnels documentent : le même outil produit des résultats radicalement différents selon le terrain institutionnel dans lequel il est planté.

Les preuves possibles du modèle saoudien et ses limites probables

Il serait intellectuellement malhonnête de ne voir dans la stratégie saoudienne qu’un autoritarisme technologique à courte vue. Plusieurs éléments méritent d’être pris au sérieux comme paris raisonnés.

Le premier est la séquence formation-déploiement. La SDAIA a déclaré avoir formé plus de 779 000 citoyens en données et IA, sans que la source précise si ce total a été atteint avant ou pendant le déploiement. Si la formation est substantielle, et pas seulement une certification symbolique, elle peut réduire la résistance passive en donnant aux agents publics les outils pour s’approprier les nouveaux outils plutôt que de les subir.

Le deuxième est la cohérence de la gouvernance. La SDAIA concentre stratégie, données et autorité dans une structure unique. Dans les démocraties, la dispersion institutionnelle produit des lenteurs réelles : conflits de compétences entre régulateurs, délais législatifs, résistances bureaucratiques transversales. L’unité de commandement saoudienne est un avantage réel pour l’exécution, même si elle est un risque pour la correction d’erreurs. Une gouvernance concentrée amplifie les succès et les échecs avec la même efficacité.

Le troisième, plus spéculatif, est la nature même du secteur concerné. L’administration publique saoudienne est structurellement différente des usines manufacturières chinoises. Ses agents sont souvent des diplômés urbains avec des attentes de progression professionnelle. Si l’IA libère du temps sur les tâches répétitives et ouvre des perspectives sur des missions à plus haute valeur ajoutée, l’adhésion peut venir de l’expérience plutôt que de la négociation préalable.

Les effets du déploiement restent à évaluer. Les travaux sur l’IA comme outil de reconversion abordent les effets des choix de déploiement. Le cadre saoudien comporte des mécanismes documentés de grief et des principes de gouvernance prévoyant contrôle humain, responsabilité et prise en compte des parties prenantes ; l’effectivité de ces mécanismes et la redistribution des gains restent des questions distinctes.

Le laboratoire grandeur nature que personne n’a demandé à être

L’Arabie saoudite accélère l’adoption de l’IA publique dans un cadre institutionnel centralisé comprenant stratégie, principes d’éthique et mécanismes de gouvernance ; l’efficacité et l’indépendance de ces garde-fous doivent être évaluées séparément. La réponse reste inconnue. Les chiffres de 2025 sont des données supplémentaires dans une série déjà alimentée par des publications antérieures ; le délai de cinq à dix ans est une hypothèse, non un fait établi.

Ce qui est certain, c’est que le monde libéral observera. Non par voyeurisme, mais parce que si le modèle saoudien produit des gains durables sans coûts sociaux visibles à moyen terme, il pèsera sur les débats politiques en Europe et aux États-Unis. Les partisans d’une adoption plus rapide de l’IA dans les services publics, qui existent, nombreux, des deux côtés de l’échiquier politique, auront un argument empirique supplémentaire contre la lenteur des processus participatifs.

Et si, à l’inverse, la déperdition de talent se matérialise, si l’engagement des agents publics se dégrade, si les gains d’efficacité plafonnent faute d’appropriation réelle, le modèle saoudien deviendra le contre-exemple que cite Arquié pour défendre l’utilité des lignes rouges institutionnelles.

La question ouverte n’est pas de savoir quel camp a raison sur le papier. Elle porte sur les conditions précises qui font qu’une transformation imposée peut néanmoins produire une adhésion progressive, et sur le seuil au-delà duquel la vitesse devient son propre obstacle.

Sources

  1. SDAIA (Saudi Data and AI Authority), Rapport national IA 2025 : sdaia.gov.sa
  2. Nature Humanities and Social Sciences Communications, étude sur l’automatisation et la déperdition de talent : nature.com/articles/s41599-025-05984-5
  3. Baker Institute for Public Policy, analyse de la stratégie IA saoudienne : Baker Institute, Rice University (sans URL exacte disponible)
  4. Axelle Arquié, travaux sur la régulation de l’IA et les lignes rouges institutionnelles, publications disponibles via l’Institut Montaigne