À Singapour, l’IA passe des expérimentations aux grands projets sectoriels

La mission consacrée à la connectivité ne se limite toutefois pas au transport aérien. Elle ouvre aussi des possibilités pour les réseaux aéroportuaires, maritimes et portuaires de Singapour. L’aéroport de Changi et le port de Tuas constituent des environnements complexes et riches en données, propices à l’optimisation des opérations aéroportuaires, maritimes et logistiques.

2. Manufacture avancée : une IA capable d’agir dans le monde physique

La mission industrielle met l’accent sur l’IA appliquée aux environnements de production physiques. Les pistes évoquées comprennent la robotique, les simulations destinées à repenser les procédés, les jumeaux numériques et la maintenance prédictive. Ces outils pourraient aider les fabricants à détecter plus tôt certains problèmes de production et à réduire le gaspillage de matériaux ainsi que les arrêts d’activité. Les documents fournis présentent toutefois ces éléments comme des usages visés, et non comme des résultats déjà démontrés.

Cette attention portée à l’IA incarnée — ou « IA physique » — se retrouve également dans les projets de recherche appliquée et d’expérimentation en conditions réelles de Singapour.

3. Services financiers : sécuriser les transactions et améliorer la décision

Dans la finance, la mission devrait cibler la criminalité financière, de plus en plus sophistiquée, améliorer les outils de gestion financière et soutenir de nouvelles générations de systèmes de paiement transfrontaliers.

Une approche à l’échelle du secteur est particulièrement importante dans ce domaine. Les applications d’IA doivent fonctionner dans des systèmes fortement réglementés, qui traitent des données sensibles et prennent parfois des décisions lourdes de conséquences. L’accès encadré aux données et le déploiement responsable mis en avant par la stratégie constituent donc des conditions pratiques pour développer ces usages.

4. Santé : de l’aide au diagnostic aux soins personnalisés

Les applications envisagées dans le secteur de la santé incluent le diagnostic et l’aide à la décision clinique, la planification des ressources ainsi que des conseils et des parcours de soins davantage personnalisés.

Ces usages sont particulièrement sensibles. Les ambitions technologiques sont donc étroitement liées à des mécanismes de responsabilité et de maîtrise des risques. Les sources disponibles décrivent une orientation stratégique, mais ne démontrent pas que chacune de ces applications est déjà déployée à l’échelle nationale.

Comment la NAIS 2.0 doit favoriser le passage à l’échelle

La stratégie actualisée présente ces missions comme bien davantage qu’une série de projets pilotes. Elle relie les besoins propres à chaque secteur aux capacités nécessaires pour concevoir, tester puis déployer les solutions : recherche et ingénierie en IA appliquée, travailleurs « bilingues » de l’IA, accès encadré aux jeux de données pertinents et transformation accrue du secteur public.

Cette architecture répond à un problème fréquent dans le déploiement de l’IA : un modèle prometteur ne suffit pas. Les organisations ont également besoin d’expertise métier, de données exploitables, d’infrastructures techniques, de lieux d’essai et de règles précises pour utiliser l’IA dans des situations où les décisions ont des conséquences concrètes.

La recherche et les compétences deviennent une infrastructure stratégique

Dans le cadre de son plan national de recherche et développement en IA, Singapour a prévu un investissement supplémentaire de plus de 1 milliard de dollars singapouriens entre 2025 et 2030. Cette enveloppe doit soutenir la recherche fondamentale et appliquée ainsi que le développement des talents, de l’enseignement préuniversitaire aux enseignants-chercheurs et aux partenariats internationaux.

La NAIS 2.0 accorde aussi une place centrale aux talents « bilingues en IA » : des personnes qui associent une expertise sectorielle à la capacité de travailler efficacement avec des outils d’IA. Ce profil est essentiel dans l’aviation, l’industrie ou la santé, où un système doit s’intégrer aux pratiques professionnelles et aux exigences de sécurité — et pas seulement produire des résultats impressionnants sur le plan technique.

Punggol et l’écosystème de recherche comme terrains d’essai

Le Punggol Digital District est développé comme un site expérimental de pointe pour l’IA incarnée et l’IA appliquée. Des entreprises doivent notamment y déployer des robots pour des tâches telles que le nettoyage, la surveillance et la livraison de repas.

Singapour élargit également son écosystème de recherche avec la présence de Nvidia dans le pays. Le laboratoire doit travailler avec des universités locales, des entreprises et les pouvoirs publics sur la robotique, des modèles d’IA plus économes en énergie et les infrastructures associées.

Ces environnements sont importants, car une IA physique ne peut pas être évaluée uniquement à partir de benchmarks ou de démonstrations logicielles. Les robots et les systèmes autonomes doivent être observés dans des situations réelles, où leur fiabilité, leur coordination et leur sécurité peuvent être vérifiées en pratique.

La confiance et la responsabilité restent au centre du dispositif

Le Model AI Governance Framework for Agentic AI de Singapour fournit aux entreprises des recommandations pour déployer de manière responsable des systèmes d’IA autonomes. Le cadre place la responsabilité humaine et organisationnelle au cœur du dispositif, avec des structures de gouvernance, des fonctions de supervision et des contrôles adaptés au niveau d’autonomie et au risque du système.

L’une de ses principales garanties est qu’une action à haut risque ou irréversible ne devrait pas être exécutée sans contrôle humain. Les organisations sont encouragées à définir des points de contrôle ou des limites d’action nécessitant une validation humaine.

Ce principe concerne directement les quatre missions. L’IA peut aider à optimiser un port, à repérer une activité financière suspecte ou à éclairer une décision clinique, mais l’organisation qui la déploie reste responsable du fonctionnement du système et de la possibilité pour les personnes d’intervenir.

Ce que révèle l’approche singapourienne

Le plan de Singapour se distingue par l’association de quatre missions sectorielles et des conditions nécessaires à leur adoption : financement de la recherche sur le long terme, développement des compétences, terrains d’essai partagés ou en conditions réelles, accès aux données pertinentes et recommandations pour un déploiement maîtrisé.

L’aviation fournit l’exemple le plus concret à ce stade. Il s’agit d’un environnement complexe et stratégique pour le pays, dans lequel l’IA peut améliorer la coordination opérationnelle tout en restant soumise à des exigences de sécurité explicites. Les trois autres missions — industrie, finance et santé — devront répondre à des défis techniques et réglementaires différents. Les sources disponibles ne permettent pas encore de conclure à un déploiement achevé dans les quatre secteurs.

La tendance est néanmoins claire : avec la NAIS 2.0, Singapour cherche à passer de l’expérimentation à une mise en œuvre sectorielle de grande ampleur. La réussite de cette ambition dépendra de la qualité des déploiements, de la solidité de la supervision humaine et de la capacité à concevoir des systèmes autour de besoins opérationnels réels, plutôt qu’autour de simples démonstrations technologiques.