« Comme le World Wide Web : disponible pour chacun, gratuitement. » Voilà l’infrastructure d’intelligence artificielle (IA) que promet Current AI, organisation à but non lucratif fondée en février 2025 par Martin Tisné et aujourd’hui dirigée par Ayah Bdeir. Sur le papier, le projet affiche 400 millions de dollars d’engagements. Derrière ce chiffre rond se cachent deux écarts. Le premier sépare ce qui est promis de ce qui est dépensé. Le second, bien plus vertigineux, sépare ce budget des sommes qu’engloutit l’industrie que l’initiative prétend concurrencer.
Quatre cents millions promis, moins d’un pour cent dépensé
Le chiffre de 400 millions n’est pas une trésorerie disponible, mais un total d’engagements. Le gouvernement français a amorcé le projet à hauteur de 100 millions, rejoint par les fondations Ford et MacArthur, par DeepMind et par Salesforce. Bdeir insiste sur la nature de ces apports : « Ce ne sont pas des investisseurs, ce sont des bailleurs de fonds. » Autrement dit, des dons, pas des prises de participation qui attendraient un retour.
Reste que sur ces 400 millions annoncés, Current AI n’a déboursé à ce jour que 3,2 millions, répartis en subventions à quatre organisations. Soit 0,8 % de la cagnotte affichée. L’essentiel du trésor de guerre reste à mobiliser, et un engagement n’est pas un versement : entre la promesse d’une fondation et le virement effectif, l’histoire du financement philanthropique est pleine de montants qui fondent en chemin. Le total claironné compte donc moins que la vitesse à laquelle les fonds passeront du bilan aux projets.
À quoi servent les premiers millions versés
Ces 3,2 premiers millions dessinent une stratégie claire, et assumée. L’argent ne va pas à la course à la puissance, mais à la diversité linguistique et à la question du consentement sur les données. Trois terrains ont été retenus pour ces premières subventions : le Kenya, le Liban et l’Amazonie brésilienne. Deux d’entre eux donnent déjà à voir la méthode.
- Au Kenya, le collectif Masakhane construit des jeux de données couvrant plus de 50 langues africaines, pour la santé, l’agriculture et l’éducation.
- Au Liban, l’Institute for Worldmaking numérise l’histoire culturelle arabe en bases de données exploitables par les machines, sous le contrôle des communautés elles-mêmes.
En amont, avant même ces subventions, un partenariat indien avec Bhashini avait déjà donné Suno Sutra, un boîtier qui fait tourner l’IA en 22 langues, hors ligne : la preuve qu’une IA frugale et multilingue est possible.
La logique est celle de l’IA « par le bas » : plutôt que d’entraîner un modèle géant censé tout parler, on documente d’abord les langues et les savoirs que l’anglais des grands modèles laisse de côté. Un choix cohérent quand on rappelle que la moitié des langues parlées sont menacées d’extinction. Mais un choix qui réclame des données plus que des GPU (processeurs graphiques).
Le calcul, grand absent du budget
C’est ici que le chiffre de 400 millions change d’échelle. Entraîner et faire tourner des modèles à l’échelle mondiale suppose une infrastructure de calcul dont le coût se compte en dizaines de milliards pour les laboratoires de pointe. À cette aune, 400 millions représentent l’équivalent de quelques jours de dépenses pour l’un de ces géants. Le chatbot open source dévoilé au sommet AI for Good de Genève le montre bien : il prouve qu’un outil grand public peut naître hors des grands laboratoires, mais il arrive dans un marché saturé d’agents mieux dotés et déjà installés dans les usages.
Détail qui n’en est pas un : parmi les bailleurs figurent DeepMind, le laboratoire d’IA de Google, et Salesforce. L’alternative publique est donc en partie financée par les acteurs privés qu’elle entend dépasser. Rien d’illégitime, mais cela pose la question du calcul brut. Pour faire tourner ses modèles à grande échelle, Current AI louera vraisemblablement des serveurs à ces mêmes géants, ou à leurs concurrents. Une infrastructure qui se veut neutre, mais qui s’exécute sur le matériel de ceux qu’elle critique, reste une neutralité sous condition.
Un code ouvert plutôt qu’une course à la performance
Le pari de Current AI ne se joue pas sur la performance brute de ses modèles, où la partie est perdue d’avance, mais sur ce qu’ils incarnent : un code ouvert, une gouvernance partagée, des communautés qui gardent la main sur leurs données. Une valeur bien réelle, et absente de l’offre des grands laboratoires. La comparaison avec le Web des origines est d’ailleurs mieux choisie qu’il n’y paraît : le protocole HTTP n’a jamais eu besoin d’égaler la puissance d’un mainframe, ces gros ordinateurs centraux, pour changer le monde ; il lui a suffi d’être ouvert et adopté.
L’intérêt pour l’écosystème open source, lui, est tangible. Le terrain multilingue n’est pas vierge pour autant : Meta a déjà ouvert son modèle No Language Left Behind, capable de traduire 200 langues sous licence libre, mais conçu d’en haut, sans la gouvernance communautaire que revendique Current AI. Si Current AI tient sa promesse, ce sont des jeux de données multilingues, des modèles et des briques d’infrastructure réutilisables sans facture ni verrou propriétaire qui arrivent, là où les langues peu dotées manquent cruellement de ressources exploitables. Un actif à intégrer dans ses projets, à condition qu’il existe vraiment.
Car tout dépend du rythme des versements. Un budget qui reste engagé à 99 % sur le papier n’irrigue aucun projet. La démonstration de Genève et les premiers terrains kényan, libanais et amazonien jouent le rôle de preuves de concept ; les mois qui viennent diront si la coalition transforme ses promesses en calcul, en modèles et en adoption, ou si l’IA publique reste une belle idée de colloque financée par ceux qu’elle voulait concurrencer.
