Faire de l’intelligence artificielle un pilier structurant de sa croissance économique à l’horizon 2030, avec une contribution estimée à près de 10 milliards de dollars au produit intérieur brut: c’est désormais l’ambition assumée du Maroc. Formation des talents, renforcement des infrastructures numériques, gouvernance de la donnée et ouverture aux partenariats internationaux constituent les axes majeurs de cette stratégie. Reste toutefois une interrogation décisive, indique le magazine Challenge dans une analyse dédiée: la capacité du pays à transformer cette promesse technologique en gains de productivité concrets, diffusés durablement dans l’ensemble du tissu économique.
Longtemps cantonnée au champ de l’innovation et de la recherche, l’intelligence artificielle est désormais appréhendée comme un levier macroéconomique à part entière. À travers les orientations récemment annoncées, le Royaume entend inscrire l’IA au cœur de son modèle de développement, dans un contexte marqué par la nécessité de diversifier les moteurs de croissance, de renforcer la compétitivité des secteurs exportateurs et de combler le déficit structurel de productivité.
Mais entre le potentiel affiché et l’impact réel sur l’économie, l’enjeu de l’exécution apparaît central. Il ne s’agit plus seulement d’adopter des technologies avancées, mais de les intégrer efficacement dans les processus existants, de manière mesurable et reproductible. Citée par Challenge, Houda Nait El Barj, chercheuse en intelligence artificielle chez OpenAI, explique que les premiers bénéfices se manifesteront dans les secteurs où les organisations disposent déjà de flux de travail structurés, de données exploitables et d’une logique claire de retour sur investissement. L’IA y agit comme un accélérateur plutôt que comme un facteur de rupture.
Dans cette perspective, les activités de services à l’export et l’offshoring figurent parmi les plus immédiatement concernés. L’usage de copilotes pour les agents, l’assistance à la rédaction, la traduction automatisée, le contrôle qualité ou encore l’automatisation des fonctions de back-office offrent des gains rapides en productivité et en qualité de service. Ces avancées permettent également une montée en gamme progressive, dans un secteur où le Maroc dispose déjà d’un positionnement compétitif à l’échelle internationale.
La finance et l’assurance constituent un autre terrain d’application privilégié. Ces secteurs, caractérisés par des volumes importants de données et des processus largement standardisés, se prêtent naturellement à l’automatisation du traitement documentaire, à la détection de la fraude ou à l’amélioration de la relation client. Des logiques similaires s’observent dans la logistique et le transport, où l’optimisation des flux, des tournées ou de la maintenance prédictive se traduit directement par des économies de coûts et une fiabilité accrue des opérations.
À plus long terme, l’impact de l’IA pourrait se révéler encore plus structurant dans des secteurs comme l’industrie, l’automobile, l’aéronautique, l’énergie ou l’agriculture, a-t-on pu lire dans Challenge. Ces domaines offrent des gains potentiellement considérables, mais supposent un niveau d’intégration technologique plus élevé, incluant capteurs, systèmes interconnectés, qualité des données et conduite du changement à grande échelle. La transformation y est plus lente, mais aussi plus profonde.
Contrairement à une idée largement répandue, le principal frein au déploiement massif de l’IA ne réside pas dans la pénurie de data scientists. Le véritable goulot d’étranglement se situe dans la capacité d’industrialisation, c’est-à-dire le passage de projets pilotes ou expérimentaux à des systèmes robustes, sécurisés et pleinement intégrés aux opérations quotidiennes. Cette étape critique mobilise des compétences spécifiques en data engineering, en gouvernance de la donnée et en MLOps ou LLMOps, couvrant le déploiement, le suivi de la performance, la maîtrise des coûts et la gestion des versions.
À ces enjeux techniques s’ajoute un besoin croissant en cybersécurité appliquée à l’IA, afin de prévenir les risques de fuite de données, d’attaques ciblées ou de biais algorithmiques. Un autre profil devient également stratégique : celui des intermédiaires capables de faire le lien entre les métiers et la technologie, en traduisant des problématiques opérationnelles en cas d’usage concrets, mesurables et adoptables par les équipes.
Pour répondre à ces défis, la formation doit être pensée dans une logique d’exécution, a-t-on encore pu lire. L’enjeu n’est pas tant le volume de programmes lancés que leur capacité à produire des résultats tangibles: projets en conditions réelles, dispositifs d’alternance, certifications opérationnelles et attraction de profils expérimentés, notamment issus de la diaspora marocaine. La réussite de la stratégie dépendra moins des annonces que de la capacité à livrer des solutions fonctionnelles en production.
L’essor rapide de l’IA soulève par ailleurs des questions sensibles liées à la protection des données, à la sécurité numérique et à l’équité sociale. Selon Houda Nait El Barj, l’enjeu consiste à concilier vitesse et cadre, dans une logique d’accélération maîtrisée. Cela implique une approche systématique de la protection de la vie privée et de la sécurité dès la conception, ainsi qu’un pilotage fondé sur l’évaluation des risques. Tous les usages de l’IA ne présentent pas le même niveau de sensibilité, et les dispositifs de contrôle doivent être proportionnés aux impacts potentiels.
La dimension sociale ne peut être dissociée de cette transformation. L’accompagnement des salariés par le reskilling, le soutien aux PME et l’évaluation continue de l’impact de l’IA sur l’emploi et la qualité des services sont indispensables pour instaurer un climat de confiance. Sans inclusion et sans gestion rigoureuse des risques, l’adoption de l’IA peut être rapide, mais difficilement soutenable dans le temps. Enfin, la réussite de l’objectif fixé pour 2030 repose largement sur la qualité des partenariats internationaux et sur l’efficacité de la gouvernance publique. Les collaborations les plus structurantes sont celles qui permettent un accès abordable à la puissance de calcul, aux infrastructures cloud et à des capacités de déploiement sécurisé. Sans ces prérequis, l’IA demeure cantonnée à des initiatives isolées, sans effet d’échelle.
