Les modèles du monde : quand l'IA s'extirpe des écrans pour intégrer les systèmes réels. Pourquoi les technologies du top 10 de Davos 2026 redéfiniront l'avantage concurrentiel d'ici 2030
Lors du « Davos d'été » 2026, qui s'est tenu du 23 au 25 juin à Dalian, le Forum économique mondial a dévoilé son rapport sur les « 10 technologies émergentes de 2026 », en collaboration avec les éditions Frontiers et la Dubai Future Foundation.
Parmi les dix innovations retenues figurent les modèles du monde : des systèmes d'IA qui, plutôt que de prédire le mot suivant, apprennent à anticiper l'état futur de la réalité physique. Il ne s'agit pas simplement d'une avancée logicielle. C'est le signal d'un tournant fondamental : après une décennie d'investissements dans l'IA textuelle, l'industrie quitte enfin les écrans pour investir le monde matériel, des réseaux énergétiques à la production industrielle et à la santé.
Pourquoi ces deux technologies spécifiques — les modèles du monde et la cryptographie sur les réseaux — figurent-elles dans la même liste ? Parce qu'elles reflètent une nouvelle logique de concurrence. D'un côté, après des années de financement de l'IA textuelle, les investisseurs et les régulateurs se tournent vers des technologies à impact direct, capables d'agir sur des systèmes tangibles. De l'autre, en tant qu'hôte du forum, la Chine promeut des secteurs où les chaînes de production sont déjà établies, de l'extraction du lithium aux solutions biotechnologiques.
Ce rapport paraît à un moment charnière : alors que les chaînes d'approvisionnement mondiales se remettent de la pandémie et de la crise énergétique, elles voient dans les systèmes prédictifs un outil essentiel pour gérer l'incertitude.
Le top 10 complet comprend des technologies destinées à l'énergie (l'« everything-to-grid » pour un échange d'énergie bidirectionnel entre le réseau et les appareils ; l'extraction directe du lithium réduisant la consommation d'eau), aux sciences des matériaux (le refroidissement radiatif passif), à la pharmacie (vaccins ARNm personnalisés contre le cancer, administration de médicaments par exosomes, modélisation quantique pour le développement de traitements), au recyclage (décomposition des PFAS, ces « polluants éternels »), à la bioproduction (fermentation de précision de micro-organismes) et à la sécurité des données (cryptographie sur les réseaux). Chacune de ces innovations est à l'aube d'une adoption massive, les experts prévoyant un passage à l'échelle commerciale d'ici 3 à 5 ans.
Comment fonctionnent les modèles du monde ? Ils diffèrent des modèles de langage classiques. Au lieu de prédire le mot suivant, ils apprennent à anticiper l'état futur d'un système physique en appréhendant les relations spatiales, les lois de la physique et les liens de causalité du monde réel. Ils sont formés à partir de données vidéo et de simulations. Cela ouvre la voie aux véhicules autonomes, à la robotique et à la modélisation précise de processus industriels et climatiques complexes.
En 2026, les premiers systèmes commerciaux sont déjà en cours de déploiement : Google DeepMind a lancé Genie 3, NVIDIA a dévoilé Cosmos, Alibaba a présenté Happy Oyster, tandis qu'AMI Labs, l'entreprise de Yann LeCun, a levé 1,03 milliard de dollars spécifiquement pour développer ces modèles.
La cryptographie sur les réseaux n'est pas présente par hasard dans cette liste. Les modèles du monde contiendront des données stratégiques sur les scénarios d'évolution de l'économie, de l'énergie et des chaînes logistiques. Cela en fait une cible idéale pour les pirates informatiques et les services étatiques. Sans une protection résistante au calcul quantique, ces systèmes deviendront vulnérables dès l'émergence d'ordinateurs quantiques puissants.
La cryptographie sur les réseaux sécurise les données grâce à des structures mathématiques complexes qui garantissent sa résistance face aux attaques classiques et quantiques. Apple intègre déjà cette technologie dans iMessage, tandis que Google prévoit de l'inclure dans Android. Cette intégration profite avant tout aux États et aux grandes entreprises qui investissent dans des plateformes d'IA souveraines.
Le déploiement commercial a déjà commencé. Dans les secteurs de l'énergie et de la pharmacie, le retour sur investissement lié à la précision des prédictions se compte en mois, et non en années. Les nations et les entreprises qui seront les premières à intégrer des modèles prédictifs dans leurs systèmes de gestion de réseaux électriques et de production s'assureront un avantage compétitif en termes de coûts et de réactivité. La logique est simple : celui qui maîtrise les prévisions sur l'état futur des systèmes maîtrise leur optimisation dès aujourd'hui.
Il existe toutefois des bémols. Les obstacles réglementaires concernant l'utilisation des données personnelles pourraient freiner l'adoption dans le domaine médical d'un à deux ans. Par ailleurs, si les ordinateurs quantiques arrivent plus tôt que prévu, les modèles du monde dépourvus de cryptographie sur les réseaux seront exposés. Ces deux scénarios sont possibles, mais ils ne remettent pas en cause la tendance de fond ; ils ne font qu'en décaler l'échéance.
