Par Ioannis Ioannou, professeur associé de stratégie et d'entrepreneuriat à la London Business School En Afrique de l’Est, les outils d’intelligence artificielle prédisent désormais les précipitations, l’échec des cultures et la dégradation des sols en utilisant des images satellite et l’apprentissage automatique, aidant ainsi à orienter la plantation et la lutte contre les pests. Développées par des startups en technologie agricole et adoptées par des multinationales de l’agro-industrie, ces technologies renforcent la résilience par la prévoyance. Cependant, les petits exploitants—responsables d’environ un tiers de la production alimentaire mondiale—manquent souvent de ressources telles que l’irrigation, le crédit et le soutien institutionnel pour agir sur ces insights. Le problème ne réside donc pas dans la prévoyance mais dans la capacité. Cela révèle une problématique plus large : le fossé croissant entre ceux qui peuvent anticiper les disruptions et ceux qui peuvent y répondre. L’IA transforme l’évaluation des risques climatiques, l’optimisation des ressources, et la gestion de la chaîne d’approvisionnement, mais elle pourrait aussi accentuer les inégalités en accélérant les avantages pour les acteurs bien équipés tout en laissant d’autres sur le carreau. La préoccupation centrale ne concerne plus qui peut percevoir le risque mais qui peut agir efficacement dessus. Au cœur de cela se trouve le « gap de prévoyance »—la distance croissante entre la compréhension et l’action. Alors que de nombreux groupes ont accès à des outils prédictifs, sans financement, capacités techniques ou institutions de soutien, la conscience des risques ne se traduit pas en gestion efficace. Cela conduit à une résilience inégale, certains progressant alors que d’autres stagnent. L’IA peut renforcer ce schéma : les entreprises utilisent des modèles avancés pour adapter leurs chaînes d’approvisionnement et leurs investissements, tandis que les fournisseurs vulnérables supportent des risques disproportionnés. Cette adaptation sélective consolide le pouvoir des acteurs riches en ressources mais transfère les chocs aux plus faibles, risquant la justice et la stabilité du système à long terme. Redistribuer le risque sans renforcer la capacité partagée favorise la fragilité systémique. Bien que l’agriculture illustre cette dynamique, elle est présente dans d’autres domaines. Les villes plus riches déploient l’IA pour améliorer les infrastructures et la gestion des urgences, à l’inverse de nombreux pays du Sud global qui utilisent encore des systèmes obsolètes. Dans l’assurance, l’IA affine la tarification du risque climatique, augmentant les primes ou refusant la couverture dans les zones à haut risque, tandis que les chaînes d’approvisionnement réorientent leurs flux pour éviter les disruptions, au dépend des acteurs en première ligne. Ces évolutions créent des risques systémiques souvent négligés. Une adaptation inégale entraîne une cascade de perturbations à travers secteurs et géographies, avec des vulnérabilités parmi les petits exploitants, sous-traitants, et agences publiques qui propagent la fragilité à grande échelle. Par exemple, les inondations au Pakistan en 2022 ont obligé des détaillants mondiaux à ajuster leurs opérations, laissant les petits fournisseurs paralysés pendant des mois. Sans capacité à tous les niveaux, le système entier s’affaiblit ; une résilience isolée ne garantit pas la stabilité collective. Cela met en lumière une tension clé : l’IA est promue comme étant inclusive, mais sans une gouvernance alignée, elle peut faire le contraire. Le décalage en matière de prévoyance reflète des disparités en capital, capacités et institutions, et non une défaillance technologique.

Sans efforts délibérés pour répartir la prévoyance et permettre l’action, les inégalités se creusent. Que signifie une transition juste ?L’approche traditionnelle centrée sur les coûts, bénéfices, et protections reste essentielle, surtout pour les travailleurs et les communautés, mais la justice doit aussi garantir l’accès à la capacité d’adaptation. La transition ne peut reposer uniquement sur ceux qui sont déjà équipés ; elle doit aussi donner aux autres les outils et le soutien nécessaires pour progresser. Ceci est crucial non seulement pour l’équité mais aussi pour gérer les risques partagés à l’échelle mondiale. Cette perspective suggère trois priorités institutionnelles. Premièrement, investir dans une infrastructure publique de prévoyance qui offre des outils accessibles et ouverts—comme des modèles climatiques et des analyses—adaptés aux contextes à faibles ressources, en allant au-delà des agences centralisées pour inclure les gouvernements locaux et les groupes civiques en qui on a confiance pour agir. Deuxièmement, développer des partenariats entre IA et actions concrètes, où des entreprises utilisant l’IA pour gérer les risques aident les fournisseurs et les communautés à renforcer leurs capacités. Il ne s’agit pas de charité, mais de partage pragmatique des risques pour réduire la concentration tout au long des chaînes de valeur. Certaines entreprises ont lancé des plates-formes de données partagées et financent l’adaptation, mais un engagement plus large et des changements de mentalité—passant d’une extraction de risque à une gestion conjointe— sont nécessaires. Troisièmement, réviser la responsabilité fiduciaire pour poser la question si les stratégies IA renforcent la résilience systémique ou si elles se contentent de protéger les entreprises individuelles. Les conseils d’administration et les investisseurs doivent évaluer si le risque est redistribué de façon injuste ou si la capacité est largement développée. Ce sont des considérations stratégiques essentielles à la création de valeur durable. Le rôle de l’IA dépasse la simple prédiction ; les modèles génératifs et les grands systèmes de langage influencent l’accès au savoir, le support à la décision, et le raffinement des stratégies, pouvant améliorer la capacité d’adaptation lorsqu’ils sont conçus de manière inclusive. Mais ces progrès ne suppriment pas le décalage en matière de prévoyance—ils en redéfinissent la dynamique. À mesure que l’IA s’intègre plus profondément dans les sphères corporatives et publiques, la question critique reste : qui peut utiliser ces outils efficacement et dans quelles conditions ? Le chemin de l’IA vers la durabilité dépend des choix en matière de gouvernance, de conception, et de responsabilité. Le décalage en prévoyance est une question institutionnelle, pas technologique. Alors que la valeur de l’IA est souvent mesurée par la prédiction ou l’optimisation, dans la durabilité, le test clé est de savoir si elle soutient la résilience à travers les systèmes. Une prévoyance concentrée sans capacité large aboutit à une fragilité. La résilience doit couvrir toutes les entreprises, secteurs et régions. Les dirigeants d’entreprises, les investisseurs, et les régulateurs qui façonnent le rôle de l’IA ne façonnent pas seulement la technologie ; ils déterminent les trajectoires futures. Le défi central n’est plus de savoir si l’IA améliore la prévoyance—ce qui est acquis—mais si la prévoyance est alignée avec une capacité d’action urgente et large. Le leadership sera jugé non pas par qui a détecté le premier le risque, mais par qui a assuré une préparation générale lorsque le risque se matérialisera.