Déficit de prévision : pourquoi l’IA pourrait compromettre la transition juste ?

Dans certaines régions d’Afrique de l’Est, les outils d’IA sont de plus en plus capables de prédire les cycles de précipitation, les mauvaises récoltes et la dégradation des sols. L’imagerie satellite et les modèles d’apprentissage automatique permettent d’établir les calendriers de plantation et de signaler rapidement les risques phytosanitaires.

Ces outils, développés par des start-up agritech et de plus en plus intégrés dans les stratégies d’approvisionnement des multinationales agroalimentaires, offrent une résilience grâce à la prévision. Cependant, alors que les entreprises mondiales ajustent leur approvisionnement et couvrent leurs risques, les petits exploitants agricoles, qui produisent environ un tiers de la nourriture mondiale, n’ont souvent pas les moyens d’agir sur la base des mêmes informations. L’irrigation, le crédit et le soutien institutionnel sont rares. Ce n’est pas la prévision qui fait défaut, mais les capacités.

Cette asymétrie met en évidence un défi plus profond : le fossé croissant entre ceux qui peuvent anticiper les perturbations et ceux qui ont les moyens d’y répondre. L’IA est en train de transformer la manière dont nous évaluons les risques climatiques, optimisons l’utilisation des ressources et gérons la volatilité de la chaîne d’approvisionnement.

Cependant, elle pourrait également creuser les disparités existantes, moins en nuisant directement aux acteurs à faible capacité qu’en accélérant l’avantage adaptatif de ceux qui ont déjà une longueur d’avance. À mesure que la prévision devient centrale dans les stratégies de développement durable, la question n’est plus de savoir qui peut voir les risques, mais qui peut agir et qui est le mieux placé pour le faire.

Au cœur de cette évolution se trouve ce que l’on appelle le « déficit de prévision » : l’écart croissant entre la connaissance et l’action. Le problème n’est pas la disponibilité des données. De nombreux acteurs (municipalités, coopératives agricoles, fournisseurs) ont désormais accès à des prévisions, des tableaux de bord et des modèles.

Le problème est que, en l’absence de financement, d’outils techniques ou d’institutions habilitantes, la connaissance des risques laisse souvent les acteurs conscients des risques, mais incapables de les gérer. Il en résulte une résilience inégale, où certains accélèrent tandis que d’autres peinent à suivre le rythme.

L’IA pourrait renforcer ce schéma. Les entreprises disposant de modèles avancés reconfigurent leurs achats, réorientent leurs investissements et couvrent leurs opérations. Les fournisseurs opérant dans des environnements plus vulnérables en subissent les conséquences. Le risque se déplace, mais ne diminue pas. Il s’agit d’une forme d’adaptation sélective : ceux qui disposent de ressources renforcent leur position, tandis que les autres absorbent le choc.

À terme, cette dynamique risque de compromettre à la fois l’équité et la stabilité. Une transition qui réalloue les risques sans renforcer les capacités communes crée une fragilité au niveau du système.

L’agriculture illustre bien cette dynamique, mais le phénomène s’étend bien au-delà. Les villes qui ont les moyens d’investir dans la planification d’infrastructures intégrant l’IA améliorent leur efficacité énergétique et leurs capacités d’intervention d’urgence. D’autres, en particulier dans les pays du Sud, fonctionnent avec des systèmes obsolètes et des capacités techniques limitées.

Dans le domaine de l’assurance, l’IA redéfinit la tarification des risques climatiques, entraînant une hausse des primes ou la suppression de la couverture dans les zones à haut risque. Et dans les chaînes d’approvisionnement, l’analyse prédictive permet aux entreprises de contourner les perturbations, tandis que celles qui sont en première ligne restent vulnérables.

Ces changements introduisent un risque systémique souvent sous-estimé. Lorsque seuls certains acteurs s’adaptent, les coûts des perturbations se répercutent sur l’ensemble des secteurs et des zones géographiques. La fragilité des acteurs marginaux (petits exploitants, sous-traitants ou organismes publics surchargés) peut avoir des répercussions en cascade.

Prenons l’exemple des inondations de 2022 au Pakistan. Les conditions météorologiques extrêmes ont contraint les détaillants mondiaux à modifier leurs commandes et à réorganiser leur logistique, mais les petits fournisseurs ont été confrontés à des mois de paralysie opérationnelle et à des pertes de revenus. Sans une capacité suffisante pour absorber les chocs à tous les niveaux, le système dans son ensemble devient plus fragile. Une résilience concentrée ne peut garantir la stabilité collective.

Cela révèle une tension fondamentale. L’IA est souvent présentée comme un vecteur d’inclusion, mais sans une gouvernance adaptée à cet objectif, elle risque d’avoir l’effet inverse. Le manque de prévision n’est pas un simple accident de parcours. Il reflète des disparités sous-jacentes en matière de capital, de capacités et de conception institutionnelle. Sans une attention particulière à la manière dont la prévision est répartie et dont l’action est rendue possible, ce fossé se creusera.

À quoi ressemble une transition juste dans ces conditions ? Le cadre conventionnel s’est concentré sur les coûts, les avantages et les protections, en particulier pour les travailleurs et les communautés. Ces aspects restent importants. Cependant, dans le contexte de l’IA, la justice doit également signifier l’accès à la capacité d’adaptation.

La transition ne peut pas dépendre uniquement de ceux qui disposent déjà des outils pour y répondre. Elle doit aider les autres à les acquérir. Ce n’est pas seulement une question d’équité. C’est une condition nécessaire pour gérer les risques partagés dans un monde connecté.

Cette perspective a des implications directes pour les institutions. Tout d’abord, nous devons investir dans les infrastructures publiques de prévision. Les outils prédictifs doivent être conçus et déployés dans une optique de large utilisation. Cela inclut des modèles climatiques en libre accès, des collaborations en matière de données et des analyses adaptées aux environnements disposant de ressources limitées.

Les plans nationaux d’adaptation et les stratégies de résilience doivent s’appuyer sur des informations qui reflètent les contraintes du monde réel. Il est essentiel que ces infrastructures ne restent pas cloisonnées dans les ministères ou les organisations multilatérales. Elles doivent être accessibles à ceux qui sont en première ligne face aux perturbations, à savoir les collectivités locales, les coopératives et les organisations civiques qui ont la crédibilité nécessaire pour agir et la confiance pour mobiliser.

Ensuite, nous avons besoin de partenariats entre l’IA et l’action. Les entreprises qui utilisent l’IA pour gérer leur exposition doivent contribuer aux capacités d’adaptation de leurs fournisseurs, sous-traitants et communautés locales. Il ne s’agit pas d’un geste philanthropique. Il s’agit d’une approche pratique visant à réduire la concentration des risques tout au long de la chaîne de valeur.

Certaines entreprises explorent déjà des plateformes de partage de données avec leurs fournisseurs ou financent des initiatives d’adaptation dans le cadre d’objectifs ESG plus larges. Cependant, ces efforts restent isolés. Ce qu’il faut, c’est un changement de mentalité, passant de l’extraction des risques à la cogestion des risques.

De plus, nous devons actualiser notre conception de la responsabilité fiduciaire. Les conseils d’administration et les investisseurs doivent se demander si les stratégies basées sur l’IA renforcent la résilience du système ou se contentent de renforcer la protection au niveau de l’entreprise.

Les entreprises redistribuent-elles les risques vers les maillons faibles ou investissent-elles dans des capacités plus larges ? Il s’agit là de questions stratégiques, et non de questions de conformité. Dans ce contexte, la responsabilité fiduciaire doit inclure une attention particulière à la manière dont les outils de prévision influencent la répartition des risques et contribuent à une création de valeur à long terme stable, inclusive et crédible.

Il convient également de reconnaître que l’IA n’est pas seulement un outil prédictif. Les modèles génératifs et les grands systèmes linguistiques façonnent de plus en plus la manière dont les connaissances sont accessibles, les décisions sont prises et les stratégies sont affinées. Ces technologies peuvent également élargir les formes de capacité d’adaptation, en particulier lorsqu’elles sont conçues pour le bien public ou intégrées dans la prise de décision de première ligne.

Cependant, l’existence d’un tel potentiel ne nie pas le déficit de prévision. Elle en modifie les contours. À mesure que l’IA s’intègre dans la stratégie des entreprises et les infrastructures publiques, la question demeure : qui peut utiliser ces outils de manière significative, et dans quelles conditions ?

La trajectoire de l’IA en matière de développement durable n’est pas prédéterminée. Elle reflétera les choix en matière de gouvernance, de conception et de responsabilité. Le manque de prévision n’est pas un échec de la technologie, mais un défi d’alignement institutionnel.

L’IA est souvent évaluée en fonction de sa capacité à prévoir, automatiser ou optimiser. Cependant, dans le contexte du développement durable, une autre question est plus importante : favorise-t-elle une transition qui renforce la résilience de l’ensemble du système ? Une prévision concentrée sans capacité distribuée crée une fragilité. La résilience doit s’étendre au-delà de l’entreprise, du secteur ou de la région.

Ceux qui façonnent le rôle de l’IA dans la transition (dirigeants d’entreprise, investisseurs, régulateurs) ne se contentent pas de définir des outils. Ils tracent des trajectoires. La question clé n’est plus de savoir si l’IA peut améliorer la prévision. Cette question a été tranchée. La véritable question est de savoir si nous alignons cette prévision sur la capacité d’agir, de manière large, délibérée et urgente.

C’est là que se mesurera le leadership. Non pas en fonction de qui aura vu le risque en premier, mais en fonction de qui aura veillé à ce que les autres soient prêts lorsqu’il se présentera.

Ioannis Ioannou est professeur associé en stratégie et entrepreneuriat à la London Business School. Ses recherches portent sur la durabilité des entreprises et l’intégration stratégique des questions ESG par les entreprises et les marchés financiers.

Une contribution de Ioannis Ioannou, professeur associé en stratégie et entrepreneuriat à la London Business School, pour Forbes US, traduite par Flora Lucas

À lire également : IA agentique : l’essor des décisions autonomes dans l’industrie financière