- ▸ Un chatbot open source dévoilé au sommet AI for Good de Genève
- ▸ Une IA publique pensée comme le Web des origines
- ▸ Un amorçage public français, une coalition de fondations et d'industriels
- ▸ 3,2 millions déboursés sur 400 engagés : 0,8 % du trésor de guerre
Current AI veut construire une infrastructure d’intelligence artificielle ouverte, accessible à tous et sans facture, sur le modèle du Web des premières années. La coalition réunit 400 millions de dollars d’engagements — dont 100 millions du gouvernement français — mais n’a déboursé que 3,2 millions à ce jour. Ce dossier mesure l’écart entre l’ambition affichée et les moyens réellement mis sur la table.
L’essentiel du dossier 1. Current AI a versé 3,2 millions de dollars de subventions à quatre organisations réparties entre le Kenya, le Liban et l’Amazonie brésilienne, selon TechCrunch. 2. Le gouvernement français a amorcé le projet à hauteur de 100 millions de dollars, rejoint par la Fondation Ford, la Fondation MacArthur, DeepMind et Salesforce, pour un total engagé de 400 millions. 3. La somme déboursée représente 0,8 % des fonds promis : l’essentiel du trésor de guerre reste à mobiliser. 4. La cible affichée est une alternative publique aux systèmes privés — « comme le World Wide Web, disponible pour chacun, gratuitement », selon la dirigeante Bdeir. 5. Le premier tour de table privilégie la diversité linguistique et la question du consentement sur les données, pas la course à la puissance de calcul.
Un chatbot open source dévoilé au sommet AI for Good de Genève
La semaine dernière, sur la scène du sommet AI for Good à Genève, Current AI a présenté son premier agent conversationnel en code ouvert. L’objet compte moins que le message : montrer qu’un outil grand public peut naître hors des grands laboratoires commerciaux, et circuler librement.
Le calendrier n’a rien d’anodin. Le mois précédent, l’organisation avait annoncé son premier tour de subventions ; en quelques semaines, elle passe de la promesse de financement à une démonstration tangible. La séquence sert une stratégie de crédibilité : prouver vite, sur un livrable visible, qu’une IA « publique » n’est pas une abstraction de colloque.
Reste que ce chatbot arrive dans un marché saturé d’agents conversationnels privés, mieux dotés et déjà installés dans les usages. Sa valeur ne se jouera pas sur la performance brute, mais sur ce qu’il incarne : un logiciel dont le code et la gouvernance échappent à une entreprise unique.
Une IA publique pensée comme le Web des origines
La thèse de Current AI tient en une comparaison. « Si l’IA est vraiment une technologie transformatrice, si elle va changer chaque aspect de la vie de chacun, alors il doit exister une alternative publique », affirme Bdeir, qui pilote l’organisation, dans TechCrunch. Et de préciser la référence : « Comme le World Wide Web, disponible pour chacun, gratuitement. »
L’analogie est revendiquée, pas décorative. Le Web s’est diffusé parce que ses protocoles étaient ouverts et non brevetés. Current AI applique ce raisonnement à l’IA : si les couches de base restent la propriété de quelques acteurs, l’accès dépendra durablement de leurs conditions tarifaires et de leurs choix de conception.
Un amorçage public français, une coalition de fondations et d’industriels
Le point de départ est un chèque d’État. Le gouvernement français a apporté les 100 premiers millions de dollars, avant que quatre partenaires ne complètent l’attelage : la Fondation Ford, la Fondation MacArthur, DeepMind et Salesforce. Le total des engagements atteint 400 millions, selon TechCrunch.
Ce montage relève de ce que Bdeir nomme un « partenariat public-privé ». La formule est classique dans les infrastructures ; elle l’est moins dans l’IA générative, où l’argent vient d’ordinaire du capital-risque et attend un retour. La distinction est assumée : « Ce ne sont pas des investisseurs ; ce sont des bailleurs », insiste-t-elle. Autrement dit, aucun des 400 millions n’est censé réclamer de part au capital ni de dividende.
La présence conjointe de deux mondes mérite qu’on s’y arrête. D’un côté, des fondations philanthropiques historiques, Ford et MacArthur, rompues au financement de biens publics. De l’autre, DeepMind et Salesforce, deux industriels qui vendent par ailleurs des produits d’IA. Financer une alternative publique tout en opérant une offre commerciale : la position est tenable, mais elle expose Current AI à une question de cohérence que ses détracteurs ne manqueront pas de soulever.
L’ancrage français, lui, prolonge une ambition de souveraineté numérique portée de longue date à Paris. Miser sur une infrastructure ouverte, c’est parier qu’une partie de la valeur de l’IA se logera dans les communs plutôt que dans les seules licences propriétaires — un pari lisible aux côtés des débats sur la voie open-weight européenne.
3,2 millions déboursés sur 400 engagés : 0,8 % du trésor de guerre
Passons des promesses aux flux réels. Sur les 400 millions annoncés, Current AI a déboursé 3,2 millions lors de son premier tour de subventions, réparti entre quatre organisations. Le calcul est brutal : la somme effectivement engagée sur le terrain représente 0,8 % des fonds promis. L’essentiel du capital reste à activer.
Cette proportion n’est pas un reproche en soi — un fonds jeune décaisse par vagues. Mais elle fixe l’échelle de départ. À 3,2 millions pour quatre structures, l’enveloppe moyenne ressort à 800 000 dollars par organisation, un ordre de grandeur qui finance des projets ciblés, pas des modèles de fondation entraînés de zéro.
Voici la structure du financement telle qu’elle ressort des éléments publics à ce jour.
| Bailleur | Nature | Montant annoncé |
|---|---|---|
| Gouvernement français | Amorçage public | 100 M$ |
| Fondation Ford | Philanthropie | non communiqué |
| Fondation MacArthur | Philanthropie | non communiqué |
| DeepMind | Industriel | non communiqué |
| Salesforce | Industriel | non communiqué |
| Total engagé | — | 400 M$ |
Seul l’apport français est chiffré publiquement ; la répartition des 300 millions restants entre les quatre autres partenaires n’est pas communiquée à ce jour. Cette opacité relative n’est pas neutre : elle empêche d’évaluer le poids réel de chaque bailleur dans la gouvernance du projet, et donc son éventuelle influence sur les orientations.
Le premier tour, lui, est documenté dans sa géographie.
| Premier tour de subventions | Valeur |
|---|---|
| Montant total | 3,2 M$ |
| Organisations financées | 4 |
| Zones couvertes | Kenya, Liban, Amazonie brésilienne |
| Enveloppe moyenne (calcul) | ≈ 0,8 M$ par organisation |
| Part des fonds engagés déboursée | 0,8 % |
Ce que révèle ce tableau, c’est un choix de méthode : commencer petit, hors des grands centres technologiques, sur des terrains où l’IA commerciale investit peu. Le pari n’est pas de rivaliser en puissance, mais d’occuper des angles morts. La suite dépendra du rythme auquel les 396,8 millions restants seront transformés en projets concrets.
Kenya, Liban, Amazonie : ce que finance réellement le premier tour
Le fil rouge des projets soutenus est linguistique et culturel. Le diagnostic posé par l’entourage de Current AI est explicite : « Avec l’anglais qui alimente les plus grands modèles de langue et systèmes d’IA, une grande partie des langues du monde, et par conséquent des cultures et des communautés, est laissée de côté. » L’argument n’est pas symbolique : un modèle qui ne comprend pas une langue exclut de fait ses locuteurs de tout service qui s’appuie dessus.
L’exemple indien illustre l’ampleur du problème. « En Inde, il existe des centaines de langues et de dialectes différents, et pour l’heure l’IA ne les représente pas », relève un responsable de projet cité par TechCrunch. Le constat vaut au-delà : pour des dizaines de communautés, la question n’est pas la qualité du modèle, mais son existence même dans leur langue.
Vient ensuite la question du consentement sur les données, plus tranchante encore. « Les grandes entreprises technologiques construisent des modèles multilingues pour élargir leur marché », résume la même source, « sans considération pour le consentement ni le contexte ». Pour les langues autochtones, l’exemple donné frappe : « Les traductions missionnaires de la Bible deviennent des données d’entraînement avant que les communautés aient fixé la moindre règle. » Le corpus disponible façonne le modèle avant que les premiers concernés aient eu voix au chapitre.
Face à cela, les projets financés adoptent une logique de collecte négociée, décrite comme des « chroniques d’écoute ». L’idée : recueillir la langue avec les communautés plutôt que la moissonner à leur insu, en posant d’abord les règles d’usage. C’est un contre-modèle direct aux pipelines industriels qui aspirent le disponible et documentent ensuite — quand ils documentent. Ce choix relie Current AI au débat plus large sur les langues sous-dotées face aux modèles multilingues.
Face aux milliards du privé, la question de l’échelle
L’objection la plus solide est arithmétique. Chaque système d’IA de premier plan aujourd’hui appartient à une entreprise privée, et ces entreprises alignent des budgets sans commune mesure avec les 3,2 millions du premier tour. Comparés aux dépenses d’infrastructure record des grands laboratoires, 400 millions d’engagements — dont moins de 1 % décaissé — pèsent peu dans la balance de la puissance de calcul.
Bdeir ne l’ignore pas et déplace le critère. Interrogée sur ce qu’un budget de 3,2 millions réparti entre quatre organisations peut accomplir, elle répond : « L’échelle n’est pas toujours la mesure. » La position est cohérente avec la stratégie : ne pas concurrencer les géants sur leur terrain, mais construire des communs là où le marché ne va pas. Reste que « l’échelle n’est pas la mesure » est aussi la phrase qu’on prononce quand on ne peut pas jouer l’échelle.
La seconde faille tient au montage lui-même. Deux des cinq bailleurs, DeepMind et Salesforce, vendent des produits d’IA propriétaires. Une « alternative publique » adossée en partie à des acteurs qui prospèrent sur le modèle privé porte une tension structurelle : que se passe-t-il si les intérêts commerciaux d’un bailleur entrent en friction avec la mission d’ouverture ? La distinction « bailleurs, pas investisseurs » réduit le risque financier, sans l’effacer sur le plan de l’influence.
Les dix-huit prochains mois, test de crédibilité
Le projet a réussi son entrée : de l’argent réuni, un premier tour distribué, un outil montré à Genève. La suite se jouera sur un indicateur simple — le rythme de décaissement des 396,8 millions restants et le nombre de communautés effectivement servies.
Deux issues se dessinent. Soit Current AI accélère, multiplie les cohortes de subventions et fait émerger des outils réellement adoptés hors des cercles militants ; l’analogie avec le Web devient alors défendable. Soit les fonds tardent à se transformer en usages, et l’initiative rejoint la longue liste des « communs numériques » annoncés puis marginalisés par des produits privés plus rapides.
Le marqueur à surveiller n’est pas le montant total, désormais connu, mais la cadence. Un fonds qui a déboursé 0,8 % de ses engagements en un premier tour doit prouver, tour après tour, qu’il sait passer de la promesse au livrable.
Questions fréquentes
Comment accéder aux outils développés par Current AI ?
L’organisation a présenté un agent conversationnel en code ouvert lors du sommet AI for Good de Genève la semaine dernière. Les modalités précises de distribution et d’usage grand public ne sont pas détaillées dans les sources disponibles à ce jour ; l’ambition affichée reste un accès gratuit et sans barrière.
Current AI est-il vraiment gratuit et sans contrepartie ?
C’est l’engagement de principe : « disponible pour chacun, gratuitement », selon sa dirigeante. Le financement repose sur des bailleurs décrits comme non-investisseurs, ce qui écarte l’attente d’un retour financier. Les conditions de licence exactes des outils publiés n’étaient pas précisées dans les éléments communiqués.
Qui décide de l’attribution des subventions ?
Current AI a annoncé son premier tour de subventions le mois dernier et retenu quatre organisations au Kenya, au Liban et en Amazonie brésilienne. Le processus de sélection et les critères d’éligibilité ne sont pas détaillés publiquement à ce stade, selon les sources disponibles.
En quoi ce projet diffère-t-il des modèles multilingues des grandes entreprises ?
La différence tient au consentement. Les projets soutenus collectent la langue avec les communautés — les « chroniques d’écoute » — et fixent les règles d’usage en amont, là où les pipelines industriels agrègent d’abord les corpus disponibles et documentent ensuite.
Sources – TechCrunch, Nonprofit Current AI is racing to build the World Wide Web of AI, free for all, 19 juillet 2026 — lien
