Kiren Kumar, directeur général adjoint de l’Autorité pour le développement des médias et de la communication d’Infocomm à Singapour (IMDA), affirme que réglementer l’IA trop tôt est une erreur qui freine la croissance numérique et entrave l’innovation avant qu’elle ne se développe pleinement. Plutôt que d’imposer une législation rigide, l’IMDA considère que la confiance réglementaire est un actif économique : l’organisme co-crée des bacs à sable de tests volontaires avec des entreprises technologiques afin d’orienter les comportements de manière organique. Kumar souligne : « Nous ne pensons pas que réglementer cela maintenant soit la solution. » L’approche singapourienne s’appuie sur sa réputation mondiale en matière de stabilité—construite au fil de décennies dans l’aéronautique et les semi-conducteurs—pour se positionner comme un terrain d’essai sûr pour les industries émergentes de l’IA.
Philosophie réglementaire : la confiance comme actif économique
Singapour rejette délibérément les deux excès réglementaires. Au lieu d’adopter des lois rigides, l’IMDA met en place des bacs à sable de tests volontaires pour orienter le comportement des entreprises avant que la transgression des règles ne devienne une crise.
Kumar note que la marque de Singapour repose entièrement sur la confiance. Le pays se positionne comme un terrain d’essai sûr pour les industries émergentes en travaillant directement avec les entreprises pour construire des cadres de gouvernance. « Certains pays régulent la technologie, d’autres non », déclare Kumar, en mettant en avant l’approche de l’IMDA, au milieu du spectre.
Traduction des politiques : du cadre au code
Pour que les cadres de gouvernance soient utiles, la politique doit se traduire en code réel. L’IMDA a lancé des outils de test comme Moonshot, qui permettent aux développeurs d’évaluer leurs modèles par rapport aux cadres de gouvernance avant le déploiement. Les résultats sont ensuite publiés pour éduquer l’écosystème mondial.
IA agentique : de nouveaux risques imposent de repenser la gouvernance
Cette approche collaborative subit des pressions avec l’essor de l’IA agentique—un logiciel autonome qui exécute des plans en plusieurs étapes sans validation humaine. Kumar explique que, l’IA agentique pouvant raisonner et agir sans intervention humaine dans la boucle, elle introduit de nouveaux risques en matière de sécurité et de fiabilité que des lois statiques ne peuvent pas traiter efficacement.
« Avec des systèmes [agentic], vous allez avoir plusieurs agents qui travaillent ensemble, et je pense qu’ensuite, il faut repenser la façon dont nous cadrons le framework de gouvernance du modèle », explique Kumar, en soulignant que la supervision doit être construite autour de cas d’usage à agents multiples.
Sécurité en production : correctifs continus après le lancement
Passer l’IA de programmes pilotes à une production en conditions réelles, c’est là que les erreurs deviennent critiques. Kumar s’attend et exige des correctifs continus après le lancement. « Le modèle mental, c’est qu’il y aura des erreurs, qu’il y aura des fautes », défend-il.
La clé de la survie consiste à disposer d’un mécanisme et d’une réponse côté business prêts à mettre à jour en continu et à ajuster les systèmes même une fois qu’ils sont accessibles au public. Relier des modèles intelligents à des bases de données héritées, c’est précisément là que se produisent les fuites de données et les failles de sécurité. Kumar estime que les entreprises « doivent avoir un bac à sable » pour s’assurer que leurs données, leur architecture et leurs connexions logicielles sont gérées de façon sûre et fiable avant de mettre les systèmes en production.
Il exhorte les conseils d’administration à traiter le déploiement de logiciels comme de l’ingénierie physique : « Le pilote vers la production n’est pas différent de la manière dont un fabricant de moteurs teste ses moteurs avant de les mettre sur un avion. »
Leadership et talents : les barrières finales
Les dirigeants hésitants et une pénurie mondiale de talents spécialisés constituent encore des obstacles à l’adoption de l’IA. « C’est une question de leadership », dit Kumar, notant que la volonté d’un dirigeant de forcer le changement au sein de l’organisation compte plus que la politique gouvernementale.
Cet écart est aggravé par un manque de ressources techniques. Beaucoup de sociétés de taille intermédiaire et de petites entreprises comprennent leurs domaines métier, mais ne disposent pas d’équipes en interne pour construire et déployer des solutions d’IA sur mesure. En conséquence, « les ingénieurs déployés en avant deviennent une denrée rare à l’échelle mondiale, parce qu’ils doivent travailler main dans la main avec le client, comprendre le workflow et déployer la technologie. »
Stratégie de déploiement de Singapour
Pour surmonter les pénuries de talents, Singapour ignore la course à construire des modèles de pointe à partir de zéro. Au lieu de cela, le pays importe des algorithmes mondiaux et les déploie dans des secteurs fortement régulés.
Kumar affirme : « Nous croyons fortement que Singapour est positionné pour déployer à grande échelle ces technologies, de manière responsable et digne de confiance. »
L’IMDA a identifié la fabrication avancée, la finance, la connectivité et la santé comme cibles prioritaires. Comme l’échec dans ces domaines coûte cher, ils exigent un niveau plus élevé de confiance, de fiabilité et de jugement humain.
Au-delà de l’efficacité : réussir la transformation business
Survivre au virage de l’IA exige plus que de petites réductions de coûts. « Une grande partie de ces pilotes sont… [conçus pour] accroître la productivité de 10 % à 20 %… ce qui est utile. Mais comment aller jusqu’à 10x ? », demande Kumar.
Atteindre ce multiplicateur nécessite de transformer le workflow de l’entreprise afin de créer des produits et services totalement nouveaux.
Requalification de la main-d’œuvre : de la théorie aux tâches quotidiennes
Pour réussir cette transformation, la technologie doit sortir du département ingénierie et passer entre les mains des travailleurs ordinaires. Kumar soutient que la vraie valeur économique n’est libérée que lorsque des professionnels du quotidien—des avocats aux marketeurs, en passant par les équipes RH—sont habilités à intégrer l’IA dans leurs routines quotidiennes.
Pour stimuler l’adoption, Singapour a lancé une initiative nationale visant à requalifier 100 000 travailleurs. Au lieu de proposer des cours abstraits d’informatique, le programme met l’accent sur « des cours en ligne et une certification adaptés à leurs workflows particuliers… C’est de la formation sur le terrain ; c’est contextualisé, pas théorique. »
Cette approche s’étend aussi aux étudiants en dernière année, inscrits dans les mêmes programmes que les professionnels en activité. L’objectif est de combler l’écart « et de les rendre prêts à l’emploi ou prêts à l’IA. »
Contexte plus large
La prudence de Kumar contre la régulation précoce de l’IA reflète une philosophie différente de l’orientation réglementaire mondiale. L’AI Act de l’UE fixe déjà des obligations contraignantes fondées sur le risque pour les développeurs et déployeurs d’IA, tandis que les États membres de l’UE doivent mettre en place des bacs à sable réglementaires pour l’IA en vertu de cet Act. Cela suggère que les bacs à sable sont utiles en complément de règles strictes, et non un substitut à la législation.
Le sondage State of AI 2025 de McKinsey a révélé que l’adoption de l’IA est généralisée, mais que la plupart des organisations ont encore du mal à passer des pilotes à un impact déployé à grande échelle. Son rapport workplace AI 2025 a constaté que seulement 1 % des entreprises se décrivent comme matures en matière de déploiement de l’IA, ce qui indique que l’infrastructure de confiance compte, mais que le leadership, les modèles opératoires, la préparation des données et la refonte des workflows restent de plus gros goulots d’étranglement pour de nombreuses entreprises.
Le focus de Kumar sur les ingénieurs déployés en avant souligne aussi une contrainte que la politique ne peut pas résoudre rapidement. Business Insider a rapporté en mai 2026 que les offres d’emploi pour des ingénieurs déployés en avant ont augmenté de 729 % par rapport à l’année précédente, reflétant la demande croissante de personnes capables de traduire l’IA en workflows d’entreprise réels.
