La stratégie sud-coréenne d’IA souveraine se divise en deux volets, jetant le doute sur son concours de modèles

La stratégie sud-coréenne d’IA souveraine fait désormais face à une division coûteuse. Séoul prévoit un programme de pointe de 4 700 milliards de wons alors que son concours de modèles existant n’est toujours pas achevé.

Le gouvernement affirme que les deux programmes répondront à des objectifs différents. Pourtant, ils exigent tous deux des puces, des données, des chercheurs et des financements publics rares. Tous deux visent également des modèles capables de rivaliser avec les systèmes les plus avancés au niveau mondial.

Ce chevauchement place LG AI Research, SK Telecom et Upstage dans une position délicate. Ils ont passé plus d’un an à concourir pour devenir les champions nationaux des modèles. Ils doivent désormais se demander si le prochain concours reléguera au second plan celui qu’ils tentent encore de remporter.

Le différend dépasse largement une querelle budgétaire. Il met à l’épreuve la question de savoir si l’IA souveraine doit privilégier le leadership technologique ou un déploiement national fiable. La Corée veut les deux, mais n’a pas clairement séparé ces missions.

La Corée a lancé une seconde course avant de terminer la première

Le changement immédiat n’est pas l’annulation du programme de modèles existant de la Corée. C’est la création d’une course plus vaste à ses côtés.

Le ministère des Sciences et des TIC prévoit de lancer un programme d’IA de pointe en mars 2027. Le programme concentrerait les ressources publiques et privées autour d’un modèle destiné à rivaliser avec les principaux systèmes internationaux.

Selon le plan gouvernemental rapporté, les participants pourraient inclure des entreprises individuelles, des consortiums, des universités, des startups, des chercheurs ou une entité ad hoc. Un processus concurrentiel sélectionnerait un développeur principal.

Le budget proposé s’élève à 4 700 milliards de wons. Le Parlement doit d’abord approuver les crédits concernés pour 2027, une décision étant attendue lors du processus budgétaire national en décembre.

Le gouvernement pourrait sélectionner le développeur principal dès février 2027. Cette sélection interviendrait donc juste avant le lancement prévu en mars.

Entre-temps, le projet existant de modèles de fondation d’IA souveraine se poursuivra. Sa troisième évaluation devrait ramener le nombre d’équipes restantes de trois à deux finalistes en février.

Ces trois équipes sont LG AI Research, SK Telecom et Upstage. Elles ont progressé après l’annonce par le gouvernement de ses résultats de la deuxième phase en août 2026.

La simultanéité des calendriers est importante. La Corée choisira deux vainqueurs dans un concours tout en sélectionnant potentiellement une autre organisation chef de file pour un programme plus ambitieux.

Cette séquence crée une incertitude immédiate quant au statut. Une entreprise pourrait devenir finaliste du concours de modèles souverains tout en perdant de l’influence sur le plus vaste effort de pointe du pays.

Le premier programme a débuté avec cinq équipes sélectionnées. Le groupe initial comprenait Naver Cloud, Upstage, SK Telecom, NC AI et LG AI Research.

Le gouvernement a choisi ces équipes après avoir réduit 15 candidats à 10 pour des présentations. Sa sélection initiale a établi un concours par étapes destiné à renforcer l’écosystème domestique de modèles de la Corée.

Naver Cloud et NC AI ont ensuite quitté le concours. Motif Technologies a rejoint le programme par le biais d’un processus de sélection supplémentaire, mais n’a pas passé l’évaluation de la deuxième étape.

Les équipes restantes ont déjà entraîné des modèles, publié des poids, établi des consortiums et construit des partenariats avec des infrastructures nationales. Ces investissements ne peuvent pas simplement passer d’un programme à l’autre sans conséquences contractuelles et techniques.

Le ministre des Sciences, Bae Kyung-hoon, a rejeté les suggestions selon lesquelles le premier projet serait abandonné. Il affirme qu’il continuera de développer des modèles destinés à l’adoption dans l’industrie et le secteur public.

Sa distinction semble simple. Le projet existant soutiendrait le déploiement national, tandis que le nouveau programme viserait des capacités de pointe ainsi que des problèmes scientifiques ou de sécurité complexes.

Cependant, un modèle de pointe est aussi un modèle de fondation. S’il devient le système domestique le plus performant de la Corée, les administrations et les entreprises se demanderont naturellement pourquoi elles devraient utiliser une alternative moins puissante.

C’est le conflit au cœur du plan à deux volets. Le gouvernement maintient son concours initial tout en redéfinissant la récompense qui le justifiait à l’origine.

Pourquoi la stratégie sud-coréenne d’IA souveraine se divise maintenant

Les progrès des modèles mondiaux ont avancé plus vite que le critère de référence politique, affaiblissant la définition initiale de la réussite.

Le premier programme de la Corée visait apparemment environ 95 % des performances atteintes par les principaux modèles mondiaux. Cet objectif offrait une destination mesurable au lancement du concours.

Le problème est que les performances de pointe ne restent pas fixes. Un modèle peut se rapprocher du leader d’hier tout en prenant davantage de retard sur les systèmes les plus récents.

Les responsables coréens reconnaissent désormais que le paysage concurrentiel a changé. Les grands développeurs internationaux continuent d’améliorer le raisonnement, le codage, le traitement multimodal, l’utilisation d’outils et les performances sur des contextes longs.

Cette évolution rend un objectif en pourcentage instable. Atteindre 95 % dépend du modèle, de l’indicateur, de la tâche et de la date de publication retenus pour la comparaison.

Le gouvernement fait donc face à deux risques opposés. Il peut préserver la structure initiale et accepter un écart croissant de capacités. À l’inverse, il peut réorienter les ressources et affaiblir la confiance dans ses engagements existants.

Le nouveau projet coréen d’IA de pointe représente la seconde réponse. Il concentre puces, données, chercheurs et investissements derrière une tentative plus ambitieuse de leadership technologique.

Le gouvernement associe également le programme de pointe aux défis scientifiques et aux menaces de cybersécurité. Ces missions exigent davantage qu’une aisance conversationnelle ou de solides performances en langue coréenne.

Les modèles scientifiques doivent traiter des données spécialisées, un raisonnement complexe et une validation fondée sur des preuves sectorielles. Les systèmes de cybersécurité doivent fonctionner dans le cadre de contrôles stricts d’accès, d’évaluation et de déploiement.

Cependant, ces exigences ne justifient pas automatiquement la création ex nihilo d’un modèle généraliste de pointe. Des modèles spécialisés, des systèmes de récupération d’information et des outils contrôlés peuvent répondre à de nombreuses tâches sectorielles.

Cette distinction est importante, car le développement généraliste de pointe consomme des ressources considérables. L’entraînement n’est qu’une dépense parmi d’autres. L’évaluation continue, le post-entraînement, les tests de sécurité, l’infrastructure d’inférence et les mises à jour des modèles créent des besoins récurrents.

La Corée a plusieurs raisons d’accepter ces exigences. Des capacités de modèles domestiques peuvent réduire la dépendance aux plateformes étrangères, préserver le contrôle des données sensibles et soutenir les institutions coréennes.

Elles peuvent aussi renforcer le pouvoir de négociation. Un pays doté de modèles, d’infrastructures et de chercheurs crédibles négocie avec les fournisseurs mondiaux depuis une position plus forte.

Pourtant, la souveraineté n’exige pas l’isolement. Elle peut désigner le contrôle des données, de l’infrastructure, des achats, du déploiement ou de l’adaptation des modèles, sans exiger qu’un système national domine tous les indicateurs.

Un plan économique publié par OpenAI préconisait de combiner un contrôle domestique dans les domaines stratégiques et des partenariats internationaux ailleurs. Cette recommandation sert les intérêts d’OpenAI, mais la distinction politique reste pertinente.

Le défi de la Corée consiste à déterminer quelles capacités doivent rester nationales. Elle doit également établir où l’accès aux systèmes internationaux offre une meilleure valeur.

Le pays ne part pas sans atouts. Il compte de grandes entreprises de semi-conducteurs, des fournisseurs cloud, des groupes de télécommunications, des développeurs de logiciels, des universités et un secteur actif de startups d’IA.

Son gouvernement prévoit également une expansion importante des capacités de calcul. Le plan de travail 2026 du ministère des Sciences visait un total cumulé de 37 000 GPU grâce aux achats et aux infrastructures nationales de calcul.

Ces atouts soutiennent une stratégie ambitieuse. Ils n’éliminent pas le coût d’opportunité lié à l’affectation des mêmes ressources à des programmes publics qui se chevauchent.

La division de la stratégie sud-coréenne d’IA souveraine reflète donc un véritable dilemme politique. Séoul veut une large participation nationale, mais souhaite aussi qu’un effort soit capable de défier des laboratoires beaucoup plus importants.

Le concours existant promettait un écosystème, pas un seul vainqueur

Le projet coréen de modèles d’IA souveraine a été conçu pour répartir les capacités, tandis que le programme de pointe vise à les concentrer.

Cette différence constitue l’argument le plus solide du gouvernement pour maintenir les deux volets. Le premier concours peut faire émerger plusieurs fournisseurs de modèles, tandis que l’effort de pointe peut poursuivre un objectif unique et exigeant.

Le projet souverain a déjà encouragé plusieurs approches techniques. LG AI Research, SK Telecom et Upstage apportent des structures d’entreprise, des objectifs produits et des partenaires de consortium différents.

LG AI Research relie le développement de modèles à un vaste groupe industriel. Cela crée des applications potentielles dans la fabrication, les matériaux, l’électronique et les opérations d’entreprise.

SK Telecom associe le développement de modèles à une infrastructure de télécommunications et à des services destinés aux consommateurs. Sa position lui donne accès à la distribution, aux données opérationnelles et à une expérience des services à grande échelle.

Upstage représente une entreprise de modèles plus spécialisée. Sa participation offre à une startup spécialisée une voie d’accès à un programme autrement dominé par de grands groupes industriels.

Ces différences comptent, car les écosystèmes de modèles ont besoin de plus que de leaders des benchmarks. Ils nécessitent des systèmes déployables, des outils d’inférence, des intégrateurs, des données sectorielles, des méthodes d’évaluation et des clients prêts à les tester.

Le processus d’évaluation du gouvernement reflète cette vision plus large. La deuxième étape a pris en compte les performances de benchmark aux côtés des examens d’experts, des évaluations citoyennes, de l’applicabilité industrielle, du rapport coût-efficacité et des plans d’écosystème.

Cette conception a produit un résultat controversé. Motif aurait dominé une comparaison de benchmark externe, mais a terminé quatrième dans la notation combinée du gouvernement.

Le ministère a ensuite publié des résultats détaillés. SK Telecom a obtenu 70,6 points, suivi d’Upstage avec 69,9 et de LG AI Research avec 69,0. Motif a obtenu 65,8 points.

Ces scores montrent que l’intelligence brute n’était pas le seul objectif. Les évaluateurs publics et les panels d’experts ont influencé le classement final.

Le gouvernement peut raisonnablement soutenir qu’une politique nationale ne doit pas reproduire un seul benchmark privé. La fiabilité, les cas d’usage coréens, le coût opérationnel et la diffusion nationale ont également une valeur publique.

Cependant, l’évaluation illustre aussi la collision à venir. Un programme de pointe sera jugé principalement sur ses capacités, surtout si son objectif est d’égaler les principaux modèles internationaux.

Un tableau de bord industriel large peut récompenser un modèle adapté aux besoins de déploiement coréens. Un concours de pointe favorisera l’organisation capable de réunir la plus grande concentration effective de calcul, de données et de talents.

Les entreprises doivent désormais se préparer aux deux définitions de la réussite. Elles ont besoin de produits pratiques pour le concours actuel et d’une stratégie crédible de montée en puissance pour le suivant.

Cette charge pèsera le plus lourdement sur les participants plus petits. Une startup ne peut pas répartir ses chercheurs seniors entre plusieurs projets nationaux aussi facilement qu’un conglomérat.

L’État pourrait réduire cette pression en traitant les finalistes existants comme des fournisseurs de l’effort de pointe. Leurs modèles, jeux de données, outils d’évaluation et équipes d’ingénierie pourraient devenir des composants réutilisables.

Les autorités envisageraient des incitations ou une priorité pour les finalistes qui rejoindraient le nouveau programme. Cette approche pourrait préserver une certaine continuité.

Toutefois, la priorité n’équivaut pas à un rôle garanti. Les entreprises doivent savoir à qui appartiendra la propriété intellectuelle qui en résultera, comment les contributions seront valorisées et qui contrôlera la commercialisation ultérieure.

Elles ont également besoin de précisions sur les allocations de puissance de calcul. Un pool de GPU promis a peu de valeur si le même matériel est finalement affecté à un projet plus médiatisé.

Vu sous cet angle, le projet de modèle d’IA souveraine ne se résume pas à un concours de modèles. Il s’agit d’un programme de renforcement des capacités qui diffuse l’expérience entre les organisations coréennes.

L’initiative de pointe obéit à une logique différente. Elle part du principe que des ressources concentrées peuvent produire plus rapidement un système d’envergure mondiale qu’un soutien distribué.

Les deux théories peuvent être valables. L’incertitude vient de leur mise en œuvre simultanée, sans frontière publiée entre leurs intrants, leurs résultats et leurs utilisateurs.

Deux pistes se disputent les mêmes ressources rares

Le compromis central oppose la diversification à la concentration, et non l’IA nationale à la dépendance étrangère.

Un programme diversifié offre à la Corée plusieurs fournisseurs de modèles. Cela réduit la dépendance à un seul fournisseur et favorise des systèmes adaptés à différents secteurs.

Un programme concentré donne à une seule équipe davantage de puissance de calcul et de talents. Cela peut améliorer ses chances d’atteindre des niveaux de performance hors de portée d’efforts plus petits et fragmentés.

La tension s’accentue parce que les deux programmes puisent dans le même marché national du travail. La Corée ne peut pas créer instantanément un nouveau vivier de chercheurs expérimentés en modèles.

La même contrainte s’applique aux données d’entraînement de haute qualité. Les jeux de données nationaux exigent collecte, nettoyage, licences, filtrage et gouvernance avant de pouvoir soutenir de vastes entraînements.

Dupliquer ce travail gaspillerait de l’argent. Le partager soulève des questions difficiles concernant la confidentialité, la propriété intellectuelle et l’avantage concurrentiel.

L’allocation de puissance de calcul pose un autre problème. Le projet coréen d’IA de pointe entend concentrer des puces avancées derrière son développeur principal.

Les équipes souveraines existantes ont elles aussi besoin d’une puissance de calcul substantielle pour l’entraînement, le post-entraînement, les tests et le déploiement public. Un modèle qui atteint le stade de la publication exige encore une capacité d’inférence.

Les plans gouvernementaux de services publics accroissent cette demande. Son initiative distincte AI for All vise des chatbots généralistes et des agents publics construits principalement avec des modèles nationaux.

Selon les exigences publiées de ce programme, les services sélectionnés doivent utiliser des modèles nationaux éligibles pour au moins la moitié de leur utilisation de modèles. Ils doivent également utiliser les modèles d’autres développeurs coréens pour au moins 30 %.

Le ministère a déclaré qu’il fournirait 512 GPU Nvidia B200 en 2026 afin de soutenir le lancement initial des services. Il envisageait également un accès gratuit sans limites d’utilisation.

Cela donne une finalité concrète à l’écosystème de modèles existant. Les systèmes coréens peuvent soutenir les services aux citoyens, l’administration publique et des outils industriels spécialisés, même sans dominer les benchmarks mondiaux.

Un modèle national léger peut aussi offrir une latence et des coûts d’exploitation inférieurs. Il peut fonctionner dans un cloud contrôlé, un centre de données privé, une usine, un hôpital ou un environnement embarqué.

Les modèles de pointe répondent à d’autres usages. Ils deviennent précieux lorsqu’une tâche exige les meilleures capacités disponibles en raisonnement, programmation, planification, analyse multimodale ou science.

Choi Kyoung-jin, de l’université Gachon, a soutenu que la Corée avait besoin de plusieurs catégories de modèles. Son argument distingue les systèmes de pointe des modèles légers et spécifiques à certains secteurs.

Cet argument en faveur d’un portefeuille est convaincant, mais il exige une architecture explicite. Les agences ont besoin de règles pour orienter les tâches entre les différentes catégories de modèles.

Par exemple, un agent public pourrait utiliser un modèle coréen plus petit pour les demandes courantes. Il pourrait réserver un système de pointe à la planification difficile ou à l’analyse de documents complexes.

Un fabricant pourrait déployer un modèle sectoriel à proximité de données propriétaires. Les chercheurs pourraient accéder au modèle de pointe par l’intermédiaire d’un environnement national de calcul contrôlé.

Sans ces règles opérationnelles, le modèle le plus puissant attirera l’essentiel de la demande. Le professeur Lee Seong-yeob, de l’université Korea, a averti que les institutions publiques et les entreprises favoriseraient le modèle de pointe s’il obtenait de meilleurs résultats.

Ce comportement ne constituerait pas un échec des utilisateurs en matière de politique publique. Les acheteurs choisissent les systèmes selon leurs performances, leur coût, leur conformité, leur fiabilité et leurs exigences d’intégration.

Le gouvernement ne peut donc pas préserver deux pistes par de simples étiquettes. Il doit créer des missions distinctes et des règles d’achat qui répondent à des besoins mesurables des utilisateurs.

Il doit également éviter de protéger indéfiniment des modèles plus faibles. La souveraineté devient coûteuse lorsque les institutions publiques doivent accepter de faibles performances simplement pour satisfaire des objectifs de contenu national.

À l’inverse, les performances de pointe ne devraient pas effacer la valeur des modèles efficaces. De nombreuses charges de travail réelles n’ont pas besoin du plus grand système disponible.

Le meilleur scénario est celui d’un marché national à plusieurs niveaux. Plusieurs modèles coréens prennent en charge les tâches courantes et spécialisées, tandis qu’un système de pointe traite les problèmes les plus difficiles.

Le pire scénario est celui d’une duplication institutionnelle. Deux programmes entraînent des modèles généralistes similaires, se disputent les mêmes chercheurs et recherchent des utilisateurs à travers des subventions publiques qui se chevauchent.

Le budget est important, mais la mission reste floue

La proposition de pointe comporte un montant de financement et une date de lancement, mais elle ne dispose toujours pas d’une définition publique et durable de la réussite.

Le programme annoncé de 4 700 milliards de wons représente un engagement majeur. Reuters a rapporté que le gouvernement prévoyait de combiner un investissement public en capital avec un financement privé.

La proposition de pointe regrouperait puces, données et talents sous l’autorité du développeur principal sélectionné. Cette structure ressemble davantage à un consortium industriel qu’à une subvention de recherche classique.

La concentration peut accélérer les décisions. Elle peut aussi créer des risques de gouvernance si un participant contrôle l’infrastructure, l’orientation du modèle et l’accès commercial.

Le gouvernement doit préciser ce que signifie « de pointe » avant de sélectionner un développeur. Dans le cas contraire, les équipes optimiseront leurs travaux selon des interprétations différentes.

Une définition pourrait mettre l’accent sur l’intelligence mesurée par les benchmarks. Une autre pourrait privilégier la découverte scientifique, la cybersécurité, les capacités en langue coréenne ou les systèmes industriels multimodaux.

Ces objectifs nécessitent des jeux de données et des évaluations différents. Un modèle optimisé pour les benchmarks mondiaux de programmation ne deviendra pas nécessairement la meilleure plateforme pour les services publics coréens.

Le calendrier crée une autre source d’incertitude. Le projet doit débuter en mars 2027, mais les performances de pointe évolueront d’ici là.

Choi a résumé ce problème en soulignant que la pointe d’aujourd’hui diffère de celle de l’année prochaine. Une cible de comparaison fixe peut devenir obsolète avant la fin de l’entraînement.

Un programme plus crédible s’appuierait sur des jalons de capacité plutôt que sur un seul rang au classement. Ces jalons pourraient couvrir le raisonnement, la fiabilité, l’efficacité, la sécurité et le déploiement.

L’évaluation indépendante compte également. Le développeur ne devrait pas contrôler à la fois les affirmations sur le modèle et les tests utilisés pour justifier la poursuite du financement.

La controverse sur la notation du projet existant constitue un avertissement. Les leaders des benchmarks et les gagnants de l’évaluation globale peuvent différer lorsque les décideurs pondèrent la valeur publique aux côtés de la performance technique.

Ce désaccord n’est pas automatiquement inapproprié. Il devient dommageable lorsque la pondération n’a pas de lien clair avec la mission déclarée du programme.

L’effort de pointe a besoin de critères transparents avant le lancement des appels d’offres. Les participants devraient savoir comment le gouvernement évaluera les progrès techniques, la discipline des coûts, l’ouverture et l’accès public.

Les décideurs doivent également expliquer les conditions de sortie. Un programme national devrait définir à quel moment la poursuite de la montée en puissance n’offre plus une valeur raisonnable.

C’est particulièrement important parce que les laboratoires internationaux peuvent mettre à jour leurs modèles plusieurs fois pendant un seul cycle d’achat public. La Corée ne peut pas supposer qu’un seul grand entraînement lui assurera une position durable.

Un système de pointe entraîne aussi des coûts récurrents après son lancement. Il doit recevoir des mises à jour, des tests de sécurité, un soutien d’infrastructure et des outils pour développeurs.

Le montant proposé doit donc être compris comme un engagement de programme, et non comme la preuve que la Corée obtiendra un modèle de rang mondial.

Il existe aussi un risque de concentration. Sélectionner un seul développeur principal peut réduire les dépenses redondantes, mais peut placer trop d’influence au sein d’un seul réseau d’entreprises.

Un consortium peut répartir ce contrôle. Pourtant, la gouvernance d’un consortium ralentit souvent les choix techniques et complique la propriété.

Une structure ad hoc pourrait offrir une gestion plus claire. Elle aurait néanmoins besoin de règles couvrant les droits sur les données, les licences de modèles, la mobilité des chercheurs et les revenus en aval.

Le gouvernement n’a pas résolu publiquement ces questions. Tant qu’il ne le fera pas, les entreprises ne pourront pas évaluer la valeur commerciale de leur participation.

Cette incertitude peut aussi fausser la compétition actuelle. Les équipes pourraient privilégier leur visibilité avant l’appel d’offres de pointe, plutôt que d’améliorer les produits destinés aux utilisateurs existants.

Rien de cela ne prouve que le nouveau programme devrait s’arrêter. Cela montre pourquoi une annonce de financement ne peut pas se substituer à une conception technique et institutionnelle.

Ce qui attend les constructeurs de modèles coréens

LG AI Research, SK Telecom et Upstage se disputent désormais deux places de finalistes tout en se préparant à un concours potentiellement plus important.

Le premier signal viendra de l’évaluation de troisième étape. Le gouvernement prévoit de choisir deux finalistes de modèles souverains en février 2027.

Cette décision révélera si le ministère valorise toujours l’expansion de l’écosystème ou privilégie de plus en plus les capacités brutes. Les critères publiés et la répartition des scores compteront autant que les gagnants.

Une évaluation transparente renforcerait la confiance dans le programme existant. Un changement soudain de notation suggérerait que l’agenda de pointe en a déjà modifié l’objectif.

Le deuxième signal sera la décision budgétaire de 2027. Le Parlement doit autoriser les fonds avant que le projet coréen d’IA de pointe puisse avancer à l’échelle annoncée.

L’approbation du budget renforcerait l’engagement en faveur des deux pistes. Des réductions importantes ou de nouvelles conditions affaibliraient l’hypothèse selon laquelle un effort de pointe concentré sera lancé comme prévu.

Les parlementaires devraient demander quelle part du financement soutient l’entraînement, l’infrastructure, les opérations et la commercialisation. Ils devraient également examiner si des ressources déjà promises ailleurs sont comptabilisées deux fois.

Le troisième signal sera la conception de l’appel d’offres. Les règles d’éligibilité détermineront si les finalistes souverains actuels bénéficient d’un avantage significatif.

Un appel d’offres favorisant une grande entreprise signalerait un virage vers la concentration. Une exigence de consortium pourrait préserver une participation plus large, mais introduirait une gouvernance plus lente.

Le traitement des modèles existants sera particulièrement révélateur. Leur réutilisation relierait les projets et protégerait les investissements publics antérieurs.

Repartir de zéro suggérerait que les autorités ne considèrent plus les modèles existants comme une base technique crédible. Cela accroîtrait également les risques de duplication.

Les équipes suivront de près les dispositions relatives à la propriété intellectuelle. Elles doivent comprendre si les contributions leur restent acquises, deviennent des actifs partagés ou sont transférées à une entité nationale.

Les développeurs et les acheteurs d’entreprise devraient surveiller les preuves de déploiement plutôt que les classements promotionnels. La preuve la plus solide viendra de systèmes fonctionnant de manière fiable dans de véritables organisations.

Les agents publics offrent un premier test. Les déploiements industriels dans la fabrication, la logistique, les télécommunications et la recherche en offrent d’autres.

Les données d’adoption devraient distinguer les essais d’une utilisation durable. Un projet pilote subventionné ne prouve pas qu’un modèle est économique ou fiable à grande échelle.

La Corée devrait également publier des indicateurs opérationnels comparables. La latence, le coût d’inférence, le temps de disponibilité, les incidents de sécurité et les taux d’achèvement des tâches peuvent révéler une valeur que masquent les grands benchmarks.

Pour les trois équipes restantes, les choix stratégiques approchent. Chacune doit décider si elle défend sa plateforme indépendante, rejoint un consortium ou poursuit les deux voies.

LG peut relier son modèle aux applications industrielles de l’ensemble de son groupe. SK Telecom peut s’appuyer sur sa distribution auprès des consommateurs et son infrastructure réseau. Upstage peut mettre l’accent sur la spécialisation et la focalisation de son modèle.

Ces avantages ne compteront que si le gouvernement définit comment l’adoption nationale contribue à la mission de pointe.

Le véritable test est de savoir si les deux voies produisent deux résultats distincts

La Corée du Sud n’a pas à choisir entre souveraineté et performances de pointe, mais elle doit cesser de les traiter comme des objectifs interchangeables.

Le programme existant a déjà créé de la valeur. Il a poussé des entreprises coréennes à entraîner des modèles, publier des résultats techniques, réunir des partenaires et rivaliser dans le cadre d’évaluations communes.

Le nouveau programme répond à une crainte différente. La Corée ne veut pas que les capacités des modèles mondiaux progressent au-delà de la portée de ses institutions nationales.

Le maintien des deux voies peut fonctionner si la première devient une plateforme d’adoption et de spécialisation. La seconde doit alors se concentrer sur des capacités que les modèles existants ne peuvent pas fournir de manière économique.

Cette répartition devrait apparaître dans les budgets, les jeux de données, les allocations de calcul, les évaluations et les règles de passation des marchés. Une distinction verbale ne résistera pas à la concurrence pour des ressources limitées.

Le gouvernement devrait aussi permettre aux programmes de partager des infrastructures sans imposer des modèles identiques. Des systèmes d’évaluation communs et des services de données sécurisés pourraient réduire les doublons.

Le développeur de pointe pourrait donner aux équipes nationales de modèles accès à ses capacités via des interfaces contrôlées. Des modèles plus petits pourraient traiter les charges de travail courantes et transmettre les tâches difficiles.

Un tel dispositif préserverait plusieurs fournisseurs tout en concentrant la recherche la plus coûteuse. Il offrirait également aux agences publiques des alternatives lorsqu’un système tombe en panne.

Cependant, la stratégie perdra en crédibilité si les deux programmes entraînent des systèmes généralistes similaires destinés aux mêmes acheteurs. Les entreprises suivront le budget le plus important, et les finalistes initiaux deviendront des sous-traitants de soutien.

Ce résultat transformerait le concours souverain en une coûteuse phase de qualification pour un projet annoncé ultérieurement.

La stratégie sud-coréenne en matière d’IA souveraine a désormais besoin d’une architecture publique, et non d’un nouveau slogan. Son succès dépend de la définition des modèles qui servent quels utilisateurs et de l’identité de ceux qui contrôlent les capacités qui en résultent.

Les trois prochaines décisions apporteront la réponse : la sélection des finalistes en février, le financement parlementaire et l’appel d’offres de pointe.

Les développeurs, les acheteurs d’entreprise et les chercheurs devraient évaluer ces décisions ensemble. Préservent-elles plusieurs modèles nationaux utiles tout en ne concentrant que la recherche la plus difficile ?

Si la réponse est oui, la politique coréenne à deux voies peut devenir un portefeuille plutôt qu’un doublon. Dans le cas contraire, le programme de pointe remplacera discrètement la compétition qui a constitué son point de départ.