Politique industrielle
pour l'ère de l'intelligence.

Note de la rédaction.

Pourquoi ce texte compte, et comment le lire. Ce n'est pas un rapport d'expert neutre : c'est le plaidoyer politique d'OpenAI, entreprise juge et partie. Lisez-le comme tel — mais lisez-le.

En avril 2026, OpenAI publie Industrial Policy for the Intelligence Age: Ideas to Keep People First. 13 pages. Le ton est celui d'un think tank — il dépasse largement les limites habituelles d'un document d'entreprise. Trois objectifs explicites : partager la prospérité, atténuer les risques, démocratiser l'accès.

Le texte mélange des propositions consensuelles (audit, transparence, filets sociaux) avec des propositions radicales (Public Wealth Fund, semaine de 4 jours, taxes ciblées sur les rendements IA). Il s'adresse au législateur américain mais décrit une agenda valable pour toute démocratie.

Il faut naviguer cette transition par un processus démocratique qui donne aux gens un pouvoir réel de façonner le futur IA qu'ils veulent.

Nous l'avons adapté en français avec trois partis pris : garder les 20 idées intactes, remplacer les références US (Social Security, SNAP, FOIA, CAISI) par leurs équivalents EU/FR quand ils existent, ajouter en fin de parcours une lecture pour les dirigeants français qui se demandent « et moi, je fais quoi avec ça lundi ? ».

Trois objectifs, une exigence.

L'exigence : ne pas laisser la superintelligence profiter à quelques-uns. Trois objectifs pour y arriver, indissociables.

Le capitalisme, imparfait, reste un système efficace pour traduire l'ingéniosité humaine en prospérité partagée. Mais les marchés seuls ne suffisent pas quand les technologies créent des opportunités et des risques que les institutions existantes ne savent pas gérer.

Le levier : la politique industrielle. Pas au sens du colbertisme, mais au sens d'un État qui oriente, finance, régule et partage — avec le privé, pas à sa place. Les institutions publiques existantes doivent se moderniser ; les institutions non-gouvernementales doivent expérimenter vite et mesurer. Puis l'État consolide ce qui marche.

Bâtir une économie ouverte.

Sans politique volontariste, l'IA élargira les inégalités. Les gains pourraient se concentrer sur quelques firmes — y compris OpenAI, reconnaît le document. Onze idées pour maintenir une économie accessible et participative.

Les capacités qui rendent le progrès possible vont aussi disrupter des emplois et réorganiser des industries à une vitesse et une échelle inédites. Certains métiers disparaîtront, d'autres évolueront, des formes de travail entièrement nouvelles émergeront à mesure que les organisations apprennent à déployer l'IA avancée.

Ces changements n'arriveront pas uniformément. Sans politiques réfléchies, l'IA pourrait creuser les inégalités en cumulant les avantages pour ceux déjà bien placés, et laisser les communautés qui partent avec moins de ressources encore plus loin derrière — exclues des nouveaux outils, des nouvelles industries, des nouvelles opportunités.

Les idées qui suivent forment un portefeuille — pas une recette. Elles donnent aux travailleurs une voix, créent des mécanismes pour partager les rendements de la croissance IA, et modernisent la sécurité économique pour que les gens puissent traverser les transitions sans décrocher.

Voix, entrepreneuriat, métiers.

Trois idées reliées : donner aux travailleurs une voix formelle dans le déploiement de l'IA ; aider les salariés à devenir entrepreneurs ; orienter les transitions vers les métiers du lien.

Voix des travailleurs

Donner aux travailleurs un cadre formel de collaboration avec la direction sur le déploiement de l'IA. Ils ont la connaissance fine de comment le travail se fait réellement et de là où l'IA peut améliorer le résultat. Leur donner la priorité sur les déploiements qui éliminent les tâches dangereuses, répétitives, administratives, épuisantes — pour qu'ils se concentrent sur le travail à plus haute valeur. Poser simultanément des limites aux usages qui dégradent la qualité de l'emploi : intensification, perte d'autonomie, planification injuste, salaires minés.

Entrepreneurs AI-first

Aider les travailleurs à transformer leur expertise métier en entreprise en utilisant l'IA pour gérer les surcoûts qui bloquent habituellement l'entrepreneuriat (comptabilité, marketing, achats). Associer micro-subventions ou financement basé sur les revenus avec des kits « startup-in-a-box » : contrats modèles, infrastructure back-office partagée. Les organisations de travailleurs (syndicats, ordres, associations) peuvent jouer un rôle en offrant formation, services mutualisés, négociation de conditions commerciales.

Vers les métiers du lien

Élargir les opportunités dans l'économie du soin et du lien — petite enfance, grand âge, éducation, santé, services communautaires — comme voies de transition pour les travailleurs déplacés. L'IA peut y réduire la charge administrative et personnaliser les interventions, mais la connexion humaine y reste essentielle. Ces secteurs peuvent absorber les transitions — à condition d'y investir (formation, salaires, conditions de travail). Gouvernement : construire des filières de formation, soutenir les transitions, inciter les employeurs à relever la rémunération dans les métiers en pénurie chronique.

L'IA peut enrichir ces rôles en réduisant les tâches administratives — mais la relation humaine reste au cœur du métier.

L'accès à l'IA comme droit fondamental.

Traiter l'accès à l'IA comme on a traité, historiquement, l'alphabétisation, l'électricité ou l'accès à Internet. Pas un luxe — une fondation.

Internet n'est toujours pas déployé équitablement à l'échelle du globe ni même des États-Unis. OpenAI demande de ne pas refaire cette erreur avec l'IA. Deux leviers concrets :

• Élargir l'accès abordable et fiable aux modèles fondationnels — les briques de base des systèmes IA modernes — en garantissant un niveau minimum de capacité accessible à tous, y compris par des points d'accès gratuits ou à très bas coût.
• Soutenir l'éducation, l'infrastructure, la connectivité, la formation — pour que les travailleurs, les PME, les écoles, les bibliothèques, les communautés sous-dotées ne soient pas exclues des capacités qui déterminent productivité et opportunité.

Réseau électrique : la contrainte oubliée

L'IA consomme de l'énergie. Beaucoup. Les data centers ne doivent pas être subventionnés par les ménages qui paieraient des factures plus salées. OpenAI propose de nouveaux modèles de partenariats public-privé pour financer l'expansion du réseau, lever les freins au permis et aux conflits de site, accélérer la construction de lignes haute tension interrégionales. Partenariats structurés pour minimiser l'exposition du contribuable et partager les gains avec le public.

Les data centers IA doivent payer leur énergie — les ménages ne doivent pas les subventionner. Et ils doivent générer des emplois locaux et des recettes fiscales.

Qui paie, qui reçoit.

Deux mesures combinées : rééquilibrer la base fiscale en déplaçant la charge du travail vers le capital, et créer un Fonds de richesse publique pour que tout le monde détienne une part de la croissance IA.

Moderniser la base fiscale

L'IA va réorganiser le travail et la production. La composition de l'activité économique va basculer : plus de profits d'entreprise et de plus-values, moins de revenus du travail et donc moins de cotisations sociales. Cela menace le financement des programmes essentiels (protection sociale, santé, aide alimentaire, logement). Trois leviers :

• Augmenter la part des recettes basées sur le capital — taxes plus élevées sur les plus-values du haut, impôt sur les sociétés, mesures ciblées sur les rendements IA durables.
• Explorer de nouvelles approches — par exemple une taxe liée au travail automatisé.
• Associer à des incitations liées aux salaires — crédits d'impôt pour les entreprises qui retiennent, reforment et investissent dans leurs salariés, sur le modèle des crédits R&D existants.

Public Wealth Fund

Créer un Fonds de richesse publique qui donne à chaque citoyen — y compris ceux qui ne sont pas investis sur les marchés financiers — une part dans la croissance IA. Là où la réforme fiscale sécurise le financement des services publics, le Fonds vise à faire partager directement la hausse. Financement à définir par un accord entre décideurs publics et entreprises IA. Investissement dans des actifs diversifiés long terme, captant la croissance des entreprises IA et des entreprises qui les déploient. Distribution possible des rendements directement aux citoyens.

Dividendes d'efficacité

Transformer les gains d'efficacité de l'IA en améliorations durables pour les salariés. Quand la charge de travail routinier baisse et que les coûts baissent :

• Incitations à augmenter l'abondement retraite, couvrir plus de frais de santé, subventionner garde d'enfants et aide aux aînés.
• Incitations aux employeurs et syndicats pour piloter des semaines de 32 heures / 4 jours sans perte de salaire, à production et service constants — puis convertir les heures récupérées en semaine plus courte permanente, en congés capitalisables, ou les deux.
• Primes « avantages » prévisibles indexées sur les gains de productivité mesurés — le dividende d'efficacité se traduit à la fois en sécurité financière long terme et en temps rendu aux salariés.

L'efficacité ne doit pas toujours revenir au capital. Parfois, elle doit revenir au temps.

Des filets adaptatifs et portables.

Deux principes : d'abord faire fonctionner ce qui existe, ensuite moderniser pour que les droits suivent la personne et non l'employeur.

Filets sociaux adaptatifs

Si la transition vers la superintelligence doit bénéficier à tous, les systèmes conçus pour fournir sécurité économique et sanitaire doivent livrer sans délai ni trou. Commencer par l'assurance chômage, l'aide alimentaire, la protection sociale, l'assurance santé — pleinement fonctionnelles, accessibles, réactives à la réalité de la transition.

Ensuite, investir dans la mesure en temps réel de l'impact de l'IA sur l'emploi, les salaires, la qualité des emplois, les dynamiques sectorielles. Métriques publiques de chômage, indicateurs régionaux et sectoriels de déplacement. Enfin, définir un paquet de filets temporaires qui s'activent automatiquement quand les seuils sont franchis : chômage élargi ou plus flexible, aide en cash rapide, assurance salaire, bons de formation. Quand la situation se stabilise, ça se désactive. Aide ciblée, limitée dans le temps, proportionnelle — pas une expansion permanente.

Droits portables

Construire progressivement des systèmes de droits non liés à un employeur unique. Santé, retraite, formation via des comptes portables qui suivent la personne à travers emplois, secteurs, formations, aventures entrepreneuriales. Plateformes de droits portables qui mutualisent les contributions de plusieurs sources. Retraites modernisées via des structures mutualisées qui permettent d'accumuler en continu entre employeurs, sans trous.

Les droits doivent suivre la personne — pas rester attachés à l'emploi qu'elle vient de quitter.

Accélérer la découverte, partout.

Construire un réseau distribué de laboratoires IA-enabled pour tester et valider les hypothèses générées par IA à l'échelle. Et déployer l'infrastructure physique pour que les découvertes sortent du labo.

Ces laboratoires intégreraient l'IA directement dans les workflows expérimentaux : automatisation des tâches routinières, capture de données de haute qualité, itération rapide entre génération d'hypothèse et test. Ensuite : les systèmes physiques et l'infrastructure pour traduire les découvertes validées en usage réel à grande échelle.

• Capacité accrue des organisations à déployer les nouvelles technologies.
• Facilités et équipements mis à niveau pour la mise en œuvre.
• Financement et incitations alignés pour soutenir l'adoption.
• Investissement soutenu dans les personnes : scientifiques, techniciens, opérateurs.

Déploiement large : universités, IUT/BTS, hôpitaux, pôles de recherche régionaux. Pas concentré dans une poignée d'institutions élites. C'est cette distribution territoriale qui fait la différence entre une politique industrielle et une politique de niche.

Bâtir une société résiliente.

À mesure que les systèmes IA deviennent plus capables et plus présents, ils introduisent de nouvelles vulnérabilités. La résilience ne sera pas automatique — elle se construit.

Certains systèmes pourraient être détournés pour des attaques cyber ou biologiques. D'autres pourraient créer de nouvelles pressions sur le bien-être, notamment celui des jeunes, s'ils sont déployés sans garde-fous. Des systèmes IA pourraient agir de façon non alignée avec l'intention humaine, ou opérer au-delà de toute supervision humaine sérieuse.

Les risques ne seront ni isolés ni traitables un par un. L'IA va réorganiser comment le travail est fait, comment les décisions sont prises, comment les organisations fonctionnent, comment les États interagissent. Construire la résilience, c'est s'assurer que les personnes et les institutions peuvent s'adapter vite, garder un pouvoir réel sur l'usage de ces systèmes, préserver la prospérité partagée.

L'effort amont (standards, évaluations, red teaming, politiques d'usage) doit continuer — codifié dans l'AI Act européen et des régulations nationales. Mais la résilience dépend aussi de ce qui se passe après le déploiement : quand les systèmes doivent être monitorés en temps réel, opérer sous incertitude, s'intégrer dans des institutions qui n'ont pas été conçues pour des workflows agentiques.

Quand l'électricité s'est répandue, les sociétés ont bâti des standards de sécurité et des institutions de régulation. Quand l'automobile a transformé la mobilité, des systèmes de sécurité ont réduit le risque. En aviation, en médicament, en alimentaire : la résilience s'est construite — avec le luxe du temps. Pour l'IA, il faudra le même effort, en beaucoup plus rapide.

Safety, trust stack, audits.

Trois briques techniques complémentaires : détecter les risques à la source, bâtir un socle de confiance vérifiable, institutionnaliser l'audit par des tiers indépendants.

Systèmes de sécurité pour les risques émergents

Développer et diffuser des outils qui protègent les modèles, détectent les risques et préviennent les mésusages dans les domaines à conséquence élevée — cyber, biologique, et autres voies de dommage à grande échelle. Utiliser l'IA avancée pour le threat modeling, le red teaming, les bilans nets, les tests de robustesse. Développer des systèmes de protection complémentaires (ex : identification rapide et production de contre-mesures médicales en cas d'épidémie). Puis catalyser un marché compétitif de la sécurité en créant une demande soutenue : achats publics, standards, cadres d'assurance, engagements d'achat anticipés.

Trust stack

Des systèmes qui aident les gens à faire confiance et vérifier — les systèmes IA, les contenus qu'ils produisent, les actions qu'ils entreprennent. Provenance et vérification. Signatures sécurisées et vérifiables pour la génération de contenu ou l'émission d'instructions. Logs et systèmes d'audit préservant la vie privée, capables de supporter investigation et responsabilisation sans activer la surveillance généralisée. Capter l'information clé sur le comportement des systèmes en minimisant la collecte de données sensibles. Des cadres de gouvernance qui clarifient la responsabilité dans les organisations : qui est imputable, comment sont déléguées, supervisées et escaladées les décisions.

Régimes d'audit

Renforcer les institutions d'audit frontière — le document cite le Center for AI Standards and Innovation américain ; en Europe, c'est l'AI Office et les autorités nationales sous AI Act. Utiliser les marchés publics, les engagements d'achat anticipés, les cadres d'assurance et la normalisation pour créer et faire croître un marché compétitif d'auditeurs. Standards conçus pour une adoption internationale afin d'éviter la fragmentation. Application d'exigences renforcées seulement aux modèles les plus puissants — ceux qui pourraient avancer matériellement les risques chimiques, biologiques, radiologiques, nucléaires ou cyber. Préserver l'écosystème vivant des modèles moins puissants et des startups qui s'appuient dessus.

Démocratie, input public, signalement.

Qui décide ce qu'un système IA est censé faire ? Les ingénieurs derrière des portes closes, ou un processus démocratique explicite ? Le document pousse fortement pour la seconde option.

Playbooks de containment

Développer et tester des procédures coordonnées pour contenir les systèmes IA dangereux une fois lâchés. À mesure que les capacités avancent, les sociétés pourraient faire face à des scénarios où un système dangereux ne peut plus être rappelé — parce que les poids ont été publiés, parce que le développeur ne veut ou ne peut pas limiter l'accès, ou parce que le système est autonome et capable de se répliquer. Dans ces cas, le défi c'est le containment : limiter la propagation, réduire le dommage, coordonner la réponse. L'expérience d'autres domaines à enjeux élevés (cyber, santé publique) montre que même quand un confinement total n'est pas possible, une action coordonnée peut significativement réduire l'impact.

Gouvernance alignée sur la mission

Les entreprises d'IA frontière devraient adopter des structures de gouvernance qui inscrivent la responsabilité d'intérêt public dans la décision — par exemple Public Benefit Corporations aux US, équivalents européens en gouvernance missionnée. Engagements explicites pour un partage large des bénéfices, y compris par des dons philanthropiques importants et durables. Durcir les systèmes contre la capture interne : sécurisation des poids de modèles, audits comportementaux (manipulation, loyautés cachées), monitoring des déploiements à risque — afin qu'aucun individu ou faction interne ne puisse discrètement utiliser l'IA pour concentrer le pouvoir.

Garde-fous pour l'usage public

Règles claires sur comment les gouvernements peuvent et ne peuvent pas utiliser l'IA, avec des standards particulièrement élevés sur la fiabilité, l'alignement et la sécurité. À la fois codifiées dans la loi et renforcées par des garde-fous techniques. En parallèle, utiliser l'IA pour renforcer la redevabilité démocratique — les workflows IA créeront des traces numériques plus claires du raisonnement gouvernemental. Les institutions de contrôle (inspecteurs, commissions parlementaires, juges) pourraient utiliser des outils d'audit IA pour détecter les abus. Moderniser les cadres de transparence (équivalents français : CADA, ouverture des données) pour que citoyens et médias puissent interroger les actions publiques via l'IA — tout en protégeant les informations sensibles.

Mécanismes d'input public

Créer des voies structurées d'input public pour que l'alignement ne soit pas défini uniquement par des ingénieurs ou des dirigeants derrière des portes closes. Spécifications de modèles transparentes, cadres d'évaluation publics, processus d'input représentatifs. Les développeurs devraient publier les model specsqui décrivent comment les systèmes sont censés se comporter et partager l'information sur comment ces systèmes sont évalués. Les gouvernements ancrent ces standards dans les lois et valeurs démocratiques, et mettent en place des mécanismes pour que l'input public représentatif soit pris en compte à côté des parties prenantes business traditionnelles.

Signalement d'incidents

Établir un mécanisme par lequel les entreprises partagent les incidents, mésusages et quasi-accidents avec une autorité publique désignée. Le système doit prioriser l'apprentissage et la prévention sur la sanction, avec des divulgations publiques dimensionnées pour assurer transparence et contrôle démocratique tout en protégeant l'information technique sensible, de sécurité nationale, ou concurrentielle. Les near-miss reports incluraient les cas où les modèles ont manifesté un raisonnement interne préoccupant, des capacités inattendues, ou d'autres signaux d'alerte — même si les garde-fous ont empêché le dommage. L'écosystème apprend des quasi-accidents avant qu'ils deviennent des accidents.

Partager l'information, coordonner la réponse.

Renforcer les institutions d'évaluation nationales comme fondation de la coordination internationale. Un réseau d'Instituts IA qui coopèrent par protocoles partagés.

Ce réseau pourrait évoluer vers un cadre international comparable aux autres institutions multilatérales de sécurité et de standards. Il donnerait aux autorités publiques de confiance une visibilité sur le développement IA frontière, créerait des canaux sécurisés cross-lab et cross-pays pour partager résultats d'évaluation, résultats d'alignement, risques émergents — et soutiendrait la communication en période de crise.

Pour une coopération efficace, les décideurs doivent permettre aux entreprises de partager l'information liée à la sécurité et aux risques par ces canaux sans tomber sous le coup du droit de la concurrence. Des safe harborsclairement délimités, des règles d'échange d'information au périmètre réduit. Périmètre étendu au-delà de la stricte sécurité nationale : inclure les risques sociétaux plus larges (sécurité des mineurs, bien-être).

Il faut un cadre akin aux grandes institutions multilatérales — comme celles qui régissent l'aviation civile ou le nucléaire. Pas l'ONU de l'IA. Un OACI, une AIEA de l'IA.

Ce que ça dit aux dirigeants français.

Document écrit pour Washington. Mais lu depuis Paris, il entre en résonance avec des débats qui vous concernent déjà — et il trace une ligne éditoriale qui cadre bien avec l'AI Act et les spécificités françaises.

Ce qui vous concerne directement

• Voix des salariés — en France, les CSE, CSSCT et consultation obligatoire sur les changements technologiques donnent déjà un cadre. Le document pousse à formaliser le dialogue IA dans ces instances — pas à inventer une nouvelle structure.
• Droits portables — le CPF, le compte pénibilité, le compte personnel d'activité vont dans la même direction. Le document légitime une accélération de cette trajectoire.
• Fiscalité du capital — la mention d'une taxe sur le travail automatisé fait écho aux débats français depuis Benoît Hamon. Venant d'OpenAI, ça pèse différemment.
• AI Act — l'Europe est en avance sur l'audit et la gouvernance. Le document valide explicitement cette approche.
• Semaine de 4 jours — déjà expérimentée dans plusieurs collectivités et entreprises françaises. Le document en fait un levier central de redistribution des gains d'IA.

Ce qui manque, vu de France

• Pas un mot sur la souveraineté numérique — angle central du débat européen sur l'IA.
• Peu de chose sur la langue, la culture, la représentation — les modèles anglo-saxons ont un biais structurel.
• Zéro mention de la presse, du livre, de la création — alors que la compensation des ayants droit est un sujet brûlant en France.
• Le cadre reste très entrepreneurial — la tradition française de service public n'y a pas de place naturelle.

Ce qu'un dirigeant français peut en tirer

Si vous êtes DRH, DSI, dirigeant PME ou grand groupe, le document donne trois arguments que vous pouvez utiliser dès lundi :

1. Associez vos équipes à vos choix d'IA — ce n'est pas une concession politique, c'est un levier de qualité des déploiements.
2. Investissez dans la formation plus que dans les licences — le document le dit explicitement, et OpenAI n'est pas connu pour promouvoir l'humain par philanthropie.
3. Partagez les gains — en temps, en avantages, en sécurité. Un dividende d'efficacité qui ne se voit pas sur le salaire ou le temps fera revenir les salariés les plus mobiles vers la concurrence.

OpenAI ne vous demande pas la charité. Ils vous disent : si vous ne partagez pas, la société vous forcera à le faire — dans des conditions que vous ne choisirez pas.