Analyses · Cadre suisse

Plan d'action IA suisse : 23 actions, et une question que le plan ne pose pas.

Depuis le printemps 2026, la Suisse a un plan d'action pour l'intelligence artificielle. Il n'est pas signé du Conseil fédéral mais de digitalswitzerland, l'organisation faîtière de l'économie numérique, avec l'Office fédéral de la communication. Vingt-trois actions, cinq axes, un sommet mondial en 2027. Nous l'avons lu en entier. Voici ce qu'il change pour une entreprise, ce que valent ses chiffres, et la question qu'il laisse ouverte.

Ce que le plan dit

Le plan d'action IA pour la Suisse a été présenté fin mai 2026 au Digital Gipfel Schweiz par la directrice de digitalswitzerland, devant environ deux cents décideurs de l'économie, de la politique, de la recherche et de l'administration, sous une devise qui résume l'intention : saisir les opportunités de l'IA en gardant le contrôle. Le texte se présente comme un document vivant : les mesures ont été validées en ateliers publics, elles évolueront, et digitalswitzerland se décrit comme coordinateur. Le point d'orgue est fixé : le sommet mondial de l'IA que la Suisse accueillera en juin 2027.

Cinq axes structurent les vingt-trois actions. Les compétences : une campagne nationale dès 2027 pour toucher un million de personnes sur l'usage responsable de l'IA, un guide d'adoption pour les PME, un certificat d'usage de confiance pour les métiers administratifs. La recherche et l'innovation : le retour dans les programmes européens, des hubs d'innovation numérique transformés en guichets uniques pour les PME en 2027, des bacs à sable réglementaires d'ici la fin 2026, et des modèles suisses ouverts, Apertus en tête, pour les secteurs régulés. L'infrastructure : des standards d'achat public pour maîtriser les dépendances, l'énergie des centres de calcul, l'identité électronique. Les données prêtes pour l'IA : un cadre pour qualifier un jeu de données, documenté et de qualité, et un cadre légal pour son usage secondaire. La gouvernance : la convention du Conseil de l'Europe comme socle, des engagements volontaires par secteur, et une boîte à outils, développée avec l'ETH Zurich, pour que chaque branche écrive son code de pratique.

Le plan n'a pas valeur de loi. La Suisse n'a pas de loi générale sur l'IA ; le Conseil fédéral a décidé en février 2025 de signer la convention du Conseil de l'Europe, d'en proposer la ratification et de légiférer par secteur, comme nous l'expliquons sur notre page Réglementation. Le plan est l'agenda que l'économie se donne dans ce cadre, avec l'appui de l'administration.

Ce qu'il change pour une entreprise

Le cœur du dispositif tient dans la gouvernance. La Suisse retient une législation transversale limitée aux droits fondamentaux, complétée par des engagements volontaires sectoriels. Pour les rendre concrets, la boîte à outils traduit un modèle d'engagement en standards, étape par étape, le long du cycle de vie d'un système : conception, données, développement du modèle, validation, déploiement, surveillance. Le plan annonce des codes de pratique par secteur encore en 2026. Autrement dit, votre branche devrait bientôt vous demander de montrer comment vous validez et surveillez vos systèmes d'IA.

Pour une PME, trois actions sont à suivre de près. Le guide d'adoption, en accès libre, et les ateliers régionaux qui l'accompagnent. Les hubs d'innovation numérique, qui doivent devenir en 2027 des guichets uniques pour le juridique, les compétences et les outils, avec des actifs partagés comme des logiciels de mesure de performance. Et les bacs à sable, qui permettront de tester avec des dérogations temporaires plutôt que de rester au stade du laboratoire.

Deux idées du plan méritent d'être adoptées telles quelles. Une donnée « prête pour l'IA » est une donnée dont on connaît l'origine, la qualité et les droits d'usage : c'est la moitié du travail d'un projet, et la moitié que l'on saute le plus souvent. Et un modèle ouvert, déployable sur site, avec des données qui restent dans le pays, devient un instrument national pour gérer les dépendances ; pour une entreprise qui traite des données réglementées, c'est une confirmation utile.

La question que le plan ne pose pas

Les mots « validation » et « surveillance » figurent dans la boîte à outils. Nulle part le plan ne dit comment on valide un système, ni qui le fait. Les engagements sont volontaires : leur évaluation sera une auto-évaluation. Et le plan s'évalue lui-même, dit sa page de présentation, au degré de mise en œuvre des mesures, complété par quelques indicateurs macroéconomiques ; aucun ne porte sur la qualité des systèmes. On comptera donc des actions lancées, et rien d'autre.

Or c'est là que les projets échouent. Sur un prototype réel, nous avons mesuré que plus de la moitié des échecs ne venaient pas du système mais des règles absentes du référentiel qu'on lui avait donné. Un engagement « responsable » sans taux d'erreur mesuré sur ses propres cas est une déclaration. Une IA qui sait dire qu'elle ne sait pas ne se décrète pas, elle se construit et se vérifie.

Ce qu'une mesure sérieuse exige. Un jeu de cas réels tenus à l'écart de la construction du système, sans quoi le score ment ; un taux d'erreur détaillé par type d'erreur ; une trace de chaque réponse, lisible après coup ; et un contrôle qui peut échouer, car un contrôle qui réussit toujours ne contrôle rien. Aucune de ces quatre choses ne coûte cher. Aucune n'est dans le plan.

Un plan national fixe des directions ; la méthode se joue dans chaque entreprise. Mais quand le code de pratique de votre branche arrivera, c'est cette méthode qu'on vous demandera, et il vaut mieux l'avoir avant qu'on la demande.

Nos limites, pour que le lecteur pèse ce qui précède : nous n'avons pas participé aux ateliers et nous lisons le plan de l'extérieur, dans sa version en ligne, qui changera. Et nous vendons la mesure : nous sommes juge et partie sur ce point précis.

Ce que valent les chiffres

Le plan avance 80 à 85 milliards de francs de produit intérieur brut par an « au pic d'adoption », soit environ 11 %, et 15 milliards par an de recherche et développement d'ici 2034. Ces montants viennent d'une étude d'un cabinet de conseil, à horizon d'une dizaine d'années, sous l'hypothèse d'une adoption généralisée de l'IA générative. Ce sont des projections, pas des mesures : elles donnent la taille de l'enjeu, et rien de plus.

Deux chiffres d'opinion accompagnent le lancement : 48 % de la population attend de l'IA plus d'opportunités que de risques, et 83 % disent qu'un label « made in Switzerland » renforce leur confiance. Ils viennent du DigitalBarometer 2026, dont nous n'avons pas lu la méthode. Le million de personnes à toucher est un objectif affiché pour 2027. Tous ces nombres se citent, à condition de dire ce qu'ils sont.

Cinq choses à faire sans attendre le code de pratique

  1. Écrire, en une page par système d'IA en service, comment vous le validez et le surveillez : quels cas de test, à quelle fréquence, sous quelle responsabilité. C'est la trame annoncée par la boîte à outils nationale.
  2. Exiger de chaque prestataire un taux d'erreur mesuré sur vos cas, pas sur une démonstration, et le faire figurer au contrat.
  3. Documenter vos jeux de données comme le plan le décrit : origine, qualité, droits d'usage. C'est ce qui rend une donnée prête pour l'IA.
  4. Pour les données réglementées, essayer un modèle ouvert déployé chez vous. Le plan vous donne un nom pour commencer.
  5. Participer. L'accès à la plateforme de participation se demande en ligne. Les codes de pratique s'écrivent maintenant, et les absents seront réglés par les présents.

Sources

Exposer un problème →