L’Inde veut que l’intelligence artificielle parle davantage que l’anglais et ne dépende pas toujours d’un centre de données distant. Le 3 novembre, la mission publique IndiaAI a annoncé trois modèles développés par deux entreprises locales : EKA-1, signé Soket Labs, et Dhīr 2B et Dhīr 5B, conçus par ZenteiQ. Leur lancement ne constitue pas encore la preuve d’une nouvelle domination technologique. Il marque plutôt un choix de stratégie : bâtir des briques adaptées aux langues, aux administrations et aux contraintes de connexion du pays.
Deux familles, deux logiques de déploiement
Selon le communiqué du ministère indien de l’Électronique et des Technologies de l’information, EKA-1 compte 26,3 milliards de paramètres et a été entraîné sur environ 7 500 milliards de tokens. Le ministère le présente comme un modèle hybride et parcimonieux destiné aux mathématiques, au code, au raisonnement et aux usages dits agentiques. Il prendrait en charge les 22 langues inscrites à la Constitution indienne ainsi que l’anglais. L’entreprise Soket affirme l’avoir adapté aux besoins des secteurs bancaire, financier et de la cybersécurité.
Dhīr suit une autre voie. Les versions 2B et 5B de ZenteiQ sont décrites comme des assistants multilingues open source, déployables sur site et capables de fonctionner hors ligne. Le communiqué annonce la prise en charge de l’anglais et de dix langues indiennes. Les cas d’usage évoqués vont de la recherche dans des documents à l’automatisation de services destinés aux citoyens. L’entreprise dit viser des environnements sensibles ou peu connectés, notamment dans l’administration, l’industrie, l’éducation et la défense.
Ces caractéristiques sont des informations communiquées par les développeurs et le gouvernement, non des résultats indépendamment vérifiés dans l’annonce. La différence entre une démonstration convaincante et un outil réellement fiable dépendra de tests reproductibles : qualité dans chaque langue, robustesse face aux formulations locales, sécurité, coût d’exploitation et performance sur les appareils ciblés. « Multilingue » ne signifie pas automatiquement maîtrise égale de toutes les langues, de leurs variantes régionales ou de leurs usages oraux.
La langue comme infrastructure économique
Pour un pays de plus d’un milliard d’habitants, l’accès à des interfaces dans les langues utilisées à la maison, au travail et dans les services publics est un enjeu d’inclusion autant que de marché. Un assistant capable de chercher dans des documents en hindi, tamoul ou bengali pourrait réduire certaines frictions dans l’éducation, les démarches administratives ou le support client. Mais l’utilité dépendra de détails très concrets : disponibilité des interfaces, qualité des données, prise en charge de la parole, accessibilité pour les personnes peu à l’aise avec l’écrit et capacité à basculer entre langues dans une même conversation.
Le fonctionnement hors ligne, s’il est confirmé dans des déploiements réels, change aussi l’équation. Une organisation peut garder ses documents sur ses propres systèmes et continuer à utiliser un assistant lorsque la connectivité est instable. Cela peut compter pour les établissements ruraux, les entreprises soumises à des règles de confidentialité ou des services qui ne souhaitent pas transmettre leurs données à un fournisseur cloud. En contrepartie, l’exécution locale exige du matériel, de la maintenance, des mises à jour de sécurité et une équipe capable de surveiller les réponses.
La souveraineté ne se mesure pas au drapeau
Le gouvernement présente ces modèles comme un pas vers l’autonomie stratégique. La notion mérite d’être décomposée. Un modèle développé dans le pays peut élargir la capacité de choix, mais il ne garantit pas à lui seul le contrôle de toute la chaîne : puces, énergie, données d’entraînement, logiciels, hébergement, maintenance et gouvernance. La dépendance peut simplement se déplacer si certains composants essentiels restent importés ou si les développeurs ne publient pas assez d’informations pour permettre une évaluation indépendante.
Le financement public de l’infrastructure de calcul est donc un élément central de l’annonce. IndiaAI indique que les équipes ont bénéficié d’un accès subventionné à des capacités nationales de calcul ainsi que d’un soutien à des dépenses de recherche. Ce modèle peut aider des entreprises qui ne pourraient pas financer seules l’entraînement de grands systèmes. Il soulève aussi une question de politique industrielle : comment répartir ces ressources entre plusieurs équipes, publier des critères de sélection transparents et mesurer les retombées au-delà du lancement médiatique ?
Ouverture, sécurité et preuve d’utilité
ZenteiQ qualifie Dhīr d’open source, mais cette étiquette doit être examinée à partir des éléments effectivement publiés : poids, code, licences, données ou documentation d’évaluation. L’annonce ministérielle ne détaille pas l’ensemble de ces conditions ni le calendrier précis de disponibilité. Une ouverture utile aux chercheurs et aux entreprises suppose des droits clairs, une documentation exploitable et des moyens de signaler les défauts. Pour les environnements critiques, elle doit aussi s’accompagner d’une gestion des accès et d’un dispositif de correction.
Les modèles susceptibles de traiter des demandes administratives ou des documents d’entreprise doivent être évalués contre les erreurs inventées, les biais entre langues et les fuites d’informations. Les utilisateurs auront besoin de savoir quand une réponse est incertaine, quelles sources documentaires ont été consultées et comment contester une décision automatisée. Ces garde-fous ne diminuent pas l’intérêt d’un modèle local : ils conditionnent la confiance nécessaire à son adoption.
Le prochain indicateur sera l’usage réel
Le lancement d’EKA-1 et de Dhīr donne à l’Inde une vitrine pour sa politique d’IA et une base de discussion sur les modèles adaptés à ses réalités linguistiques. La réussite se jouera moins dans le nombre de paramètres annoncé que dans la disponibilité effective, les performances comparées, les coûts et la capacité des petites organisations à les déployer. Elle dépendra aussi de la place laissée aux chercheurs, aux administrations locales et aux locuteurs des langues concernées pour corriger les angles morts.
Si les modèles tiennent leurs promesses, l’intérêt dépassera les frontières indiennes. Beaucoup de pays cherchent des outils capables de fonctionner dans plusieurs langues, de protéger des données sensibles et de rester utilisables lorsque le cloud n’est pas une option. Mais la reproductibilité devra suivre l’ambition : jeux de tests publics, mesures par langue, documentation des limites et retours d’expérience permettront de distinguer une politique industrielle durable d’une simple annonce. Pour l’instant, l’Inde a présenté des candidats et une infrastructure de soutien. La démonstration de leur utilité reste à faire, au contact des utilisateurs.