Le Maroc affiche désormais une ambition claire : faire de l’intelligence artificielle un levier structurant de croissance économique à l’horizon 2030, avec une contribution ciblée de près de 10 milliards de dollars au PIB. Formation, infrastructures numériques, gouvernance de la donnée et partenariats internationaux sont au cœur de cette stratégie. Mais au-delà de l’annonce, la réussite dépendra de la capacité du pays à transformer l’innovation en gains de productivité réels, diffusés dans l’ensemble des secteurs productifs. Décryptage.
L’intelligence artificielle n’est plus cantonnée au registre de l’innovation technologique. Elle est désormais pensée comme un vecteur macroéconomique à part entière. Selon les annonces relayées récemment, le Maroc vise une contribution d’environ 10 milliards de dollars de l’IA à son PIB d’ici 2030, à travers une stratégie articulée autour de la formation des talents, du renforcement des infrastructures numériques et du développement de partenariats internationaux.
Cette ambition s’inscrit dans un contexte où le pays cherche à diversifier ses moteurs de croissance, à monter en gamme dans ses secteurs exportateurs et à améliorer durablement sa productivité. Mais la question centrale reste celle de l’exécution: comment passer d’un potentiel technologique à un impact économique mesurable ?
Lire aussi | Le Maroc se dirige vers le développement d’une plateforme nationale de l’IA responsable
Pour Houda Nait El Barj, Chercheuse en Intelligence Artificielle chez OpenAI, les premiers bénéfices de l’IA apparaîtront là où son intégration peut se faire sans refonte complète des organisations. « Les bénéfices arrivent d’abord là où il existe déjà des flux de travail structurés, des données disponibles et un retour sur investissement mesurable », souligne-t-elle.
Dans cette logique, les services export et l’offshoring figurent en première ligne. Copilotes pour agents, assistance à la rédaction, traduction automatisée, contrôle qualité ou automatisation du back-office offrent des gains immédiats de productivité et de montée en gamme, dans un secteur où le Maroc dispose déjà d’une base solide.
La finance et l’assurance suivent de près. « Ce sont des environnements très data-rich et standardisables, propices à l’automatisation du traitement documentaire, à la détection de fraude ou à l’amélioration du service client », explique Houda Nait El Barj. Même constat pour la logistique et le transport, où l’optimisation des flux, des tournées ou de la maintenance se traduit directement en économies de coûts et en fiabilité accrue.
Lire aussi | Le Maroc impose un référentiel Cloud pour protéger sa souveraineté numérique
À plus long terme, l’impact pourrait être encore plus structurant dans l’industrie, l’automobile, l’aéronautique, l’énergie ou l’agriculture, à condition de franchir un cap technologique plus exigeant. « Ces secteurs offrent des gains potentiellement massifs, mais nécessitent davantage d’intégration, de capteurs, de discipline data et de conduite du changement», précise-t-elle.
Le vrai goulot d’étranglement
Et contrairement à une idée répandue, le principal défi n’est pas tant le manque de data scientists. « Le véritable goulot d’étranglement, c’est l’industrialisation », insiste Houda. Autrement dit, la capacité à transformer une expérimentation IA en système fiable, sécurisé et réellement utilisé en production.
Les compétences les plus critiques concernent le data engineering, la gouvernance de la donnée et les métiers du MLOps/LLMOps : déploiement, monitoring, maîtrise des coûts, gestion des versions et de la performance. À cela s’ajoute un besoin croissant en cybersécurité appliquée à l’IA, pour prévenir les fuites de données, les attaques ou les biais.
Lire aussi | Fiscalité 2026: la facture électronique obligatoire sur les rails
Autre profil clé : les traducteurs entre métiers et technologie. «Des profils capables de transformer une douleur opérationnelle en hypothèses testables, de définir les métriques de succès et de piloter l’adoption».
Pour combler ces manques, l’experte plaide pour une formation orientée exécution : projets réels, alternance, certifications opérationnelles et attraction de profils seniors, notamment via la diaspora. « Le succès dépendra moins du volume de formations annoncées que de la capacité à livrer en production ».
L’accélération de l’IA pose inévitablement la question de la protection des données, de la sécurité numérique et de l’équité sociale. Pour Houda Nait El Barj, la clé réside dans une approche de «vitesse sous rails ». « Accélérer, oui, mais avec un cadre clair, simple et systématique », avertit-elle.
Lire aussi | CDM Pay hérite d’une partie du portefeuille de CMI
Cela suppose une base non négociable de privacy et security by design, combinée à un pilotage par le risque. Tous les usages IA ne se valent pas. « Un copilote interne n’a pas le même niveau de risque qu’un système influençant une décision de crédit ou de recrutement », rappelle-t-elle.
Enfin, l’équité sociale impose un accompagnement actif : reskilling, soutien aux PME et mesure de l’impact réel de l’IA sur l’emploi et la qualité de service. « Sans confiance, gestion du risque et inclusion, l’IA peut aller vite… mais pas durablement ».
Partenariats et gouvernance : le nerf de la guerre
Pour atteindre l’objectif 2030, la question des partenariats internationaux est centrale. Mais tous ne se valent pas. « Les plus structurants sont ceux qui apportent du compute abordable, des infrastructures cloud et des capacités de déploiement sécurisé », explique l’experte. Sans puissance de calcul ni architecture robuste, l’IA reste cantonnée à des pilotes dispersés.
Lire aussi | Maroc Digital 2030: lancement du dispositif de soutien aux fonds startups
Les partenariats en R&D doivent également viser le transfert de compétences : co-labs, thèses industrielles et co-développement de solutions adaptées au contexte marocain, notamment sur les langues et les usages administratifs.
Sur le plan institutionnel, Houda Nait El Barj appelle à une gouvernance d’exécution : « une delivery unit IA avec un mandat clair, capable de prioriser, d’orchestrer et de suivre des indicateurs concrets ». Elle insiste aussi sur l’importance d’une politique nationale de la donnée et d’un procurement public modernisé, capable de structurer le marché et d’imposer des standards de qualité.
« L’objectif 2030 ne sera pas atteint par la seule innovation. Il dépendra de la capacité des institutions à transformer l’innovation en diffusion massive et en gains économiques réels », conclut-elle.
Lire aussi | Maroc: déficit budgétaire à 3,5% et dette à 67,2% du PIB en 2025
Au-delà du chiffre de 10 milliards de dollars, l’IA représente pour le Maroc une opportunité stratégique : accélérer la productivité, renforcer la compétitivité et repositionner l’économie sur des segments à plus forte valeur ajoutée. Mais cette promesse ne se réalisera qu’au prix d’une exécution rigoureuse, d’un pilotage institutionnel fort et d’une diffusion large au-delà des seuls grands acteurs.
L’IA n’est donc pas une fin en soi, mais un outil économique, dont l’impact dépendra de la capacité du pays à la déployer, l’encadrer et l’ancrer durablement dans ses chaînes de valeur.
Interview // Houda Nait El Barj,Chercheuse en (IA) chez OpenAI
Challenge : Quels sont, selon vous, les secteurs productifs marocains qui pourraient bénéficier le plus rapidement d’une adoption généralisée de l’intelligence artificielle, et pourquoi ?
Houda Nait El Barj : Les bénéfices arrivent d’abord là où l’IA peut s’insérer sans refondre tout le système : là où il existe déjà des flux de travail structurés, des données disponibles, et un ROI mesurable. À court terme, les services export et l’offshoring sont naturellement en première ligne : copilotes pour agents, assistance à la rédaction, traduction, contrôle qualité, automatisation du back-office… ce sont des gains immédiats de productivité et de montée en gamme, dans un secteur où le Maroc a déjà une base solide. La finance et l’assurance suivent de près : traitement documentaire, détection de fraude, scoring, amélioration du service client — ce sont des domaines très “data-rich” et standardisables. La logistique et le transport constituent aussi un terrain d’impact rapide, parce que l’optimisation des flux, des tournées, de la maintenance et des opérations portuaires se mesure directement en temps, coût et fiabilité. Ensuite, viennent les gains plus structurels – industrie, automobile/aéronautique, énergie, agriculture – qui peuvent être massifs mais nécessitent davantage d’intégration, de capteurs, de discipline data et de conduite du changement. La bonne stratégie n’oppose pas ces vagues : elle lance une “vague 1” à ROI rapide (services, finance, logistique, tourisme) pour créer l’élan et financer l’effort, tout en préparant une “vague 2” (industrie, agriculture, énergie) qui ancre le gain dans la durée.
Challenge : Quelles compétences spécifiques manquent actuellement au marché du travail marocain pour que l’IA devienne un moteur de croissance économique durable, et comment les combler efficacement ?
H.N.E.: Le principal malentendu, dans beaucoup de pays, c’est de croire que le défi est surtout “d’avoir des data scientists”. En réalité, le goulot d’étranglement est l’industrialisation : la capacité à transformer une idée IA en système fiable, sécurisé, maintenu, et réellement utilisé. Ce qui manque le plus, ce sont des profils de data engineering et de gouvernance de la donnée – ceux qui savent rendre la donnée accessible, propre, traçable, documentée et utile. Il manque aussi des compétences de MLOps/LLMOps: déploiement, monitoring, évaluation continue, gestion des versions, maîtrise des coûts et de la performance. À cela s’ajoute la cybersécurité appliquée à l’IA : contrôle d’accès, protection contre les fuites, tests d’attaques, robustesse face aux manipulations. Enfin, il y a un besoin crucial de “traducteurs” entre métiers et technologie – des profils produit et opérationnels capables de formuler une douleur métier en hypothèses testables, d’identifier les données nécessaires, de définir les métriques de succès, et de piloter l’adoption. Pour combler ces manques efficacement, il faut former par rôles et par projets, pas seulement par théorie : alternance, capstones sur cas réels, certifications centrées sur l’exécution, hubs régionaux, et un effort actif pour attirer des seniors (diaspora, experts internationaux) qui accélèrent la montée en compétence des équipes locales. Le succès dépendra moins du volume de formations annoncées que de leur capacité à produire des équipes capables de livrer en production.
Challenge : Comment concilier l’accélération de l’innovation en IA avec la protection des données personnelles, la sécurité numérique et l’équité sociale ?
H.N.E.: La conciliation n’est possible que si l’on adopte une logique de “vitesse sous rails” : accélérer, oui, mais avec un cadre clair, simple et systématique — sinon chaque projet se bloque au cas par cas, ou pire, avance sans garde-fous puis se heurte à une crise de confiance. Concrètement, il faut une base non négociable de privacy et security by design : minimisation des données, finalités explicites, chiffrement, journalisation, contrôle d’accès, séparation des environnements, et analyses d’impact pour les usages sensibles. Ensuite, il faut un pilotage par le risque : tous les usages IA ne se valent pas. Un copilote interne de rédaction ne porte pas les mêmes risques qu’un système qui influence une décision de crédit, d’éducation, de recrutement ou de santé. Les usages à haut risque doivent exiger davantage : audit, tests de biais, supervision humaine, traçabilité et mécanismes de recours. Enfin, l’équité sociale impose une politique d’accompagnement : l’IA crée des gains, mais peut aussi déplacer des tâches et fragiliser certains métiers. Il faut donc financer le reskilling, soutenir les PME pour éviter une adoption réservée aux grandes structures, et mesurer l’impact réel – pas seulement la “performance du modèle”, mais la productivité, la qualité de service, et les effets sur l’emploi et la distribution des opportunités. Sans ce triptyque (confiance, risque, inclusion), l’IA peut avancer vite… mais pas durablement.
Challenge : Quels types de partenariats internationaux et de réformes institutionnelles seraient essentiels pour assurer que la contribution de l’IA au PIB se réalise effectivement d’ici 2030 ?
H.N.E.: Sur les partenariats, il faut distinguer la communication de ce qui change réellement la trajectoire. Les partenariats les plus structurants sont ceux qui apportent du compute abordable et fiable, des infrastructures cloud/data centers, et des capacités de déploiement sécurisé — parce que sans puissance de calcul et sans architecture robuste, on reste cantonné à des expérimentations dispersées. Ensuite, les partenariats R&D doivent viser le transfert, pas seulement l’achat : co-labs, thèses industrielles, benchmarks, et co-développement de briques adaptées au contexte marocain, notamment sur les langues (arabe/darija/français), les documents, les formulaires, et les secteurs prioritaires. Enfin, côté institutions, une réforme clé consiste à créer une gouvernance d’exécution : une “delivery unit” IA avec mandat clair, capable de prioriser, d’orchestrer les acteurs, de définir les standards, et de suivre des indicateurs trimestriels. Il faut aussi une politique nationale de la donnée : catalogues, interopérabilité, règles de partage sécurisé, et mécanismes de confiance compatibles avec la réglementation. Le levier souvent sous-estimé est le procurement public : si l’État modernise la façon d’acheter, de piloter et d’auditer des solutions IA, il peut structurer un marché, tirer l’écosystème et imposer des exigences de sécurité et de qualité. Enfin, pour que la contribution au PIB soit réelle, il faut des incitations orientées déploiement — soutien à l’industrialisation, vouchers pour PME, co-financement des projets “de la preuve à l’échelle”, et un tableau de bord national qui mesure adoption, gains de productivité, export, emploi, incidents de sécurité et conformité. L’objectif 2030 ne sera pas atteint par la seule innovation : il dépendra d’une exécution institutionnelle qui transforme l’innovation en diffusion.
