알림 목록

Zone d'analyse : Gyeongsangnam-do et 18 villes et comtés.
Secteurs clés :  Construction navale, Défense, Aérospatiale, Machines, Pièces automobiles, Agroalimentaire, Tourisme.
Objectif de l'analyse :  Plateforme administrative reliant les données dispersées de la province, des villes/comtés et des entreprises, en parallèle avec les évolutions industrielles et les décisions politiques.
Type de période d'or : Opportunités liées à l'infrastructure de données + Risque de dépendance à l'égard de l'interopérabilité.
Version : Plateforme administrative régionale Golden Time Intelligence v3.2.
Date de référence pour les critères de renforcement : 28/08/2026.
 

La plateforme Gyeongnam Big Data Hub, opérationnelle depuis août 2020, fournit des données publiques, des statistiques, des exemples d'analyse et des services de visualisation pour la province et 18 villes et districts. Les données relatives à l'état du secteur manufacturier sont également publiques, classées par unité, incluant le nom de l'entreprise, son adresse, ses produits, son secteur d'activité et la date de référence, jetant ainsi les bases de la vérification de la répartition spatiale des entreprises. Toutefois, il n'existe pas encore de preuves publiques reliant les données d'immatriculation des usines à l'emploi, aux exportations, aux commandes, à la consommation d'énergie, aux usines intelligentes, aux aides publiques et aux fermetures/suspensions d'activité pour une même entreprise. Si de nouveaux ensembles de données pour la période 2026-2028 sont collectés selon la structure actuelle, le nombre de fichiers augmentera, et le coût du suivi de l'évolution de la situation des entreprises et des secteurs d'activité s'en trouvera également accru.  Gyeongnam dispose désormais d'une administration possédant des données industrielles, mais n'a pas encore atteint le stade de la plateforme d'analyse intégrée permettant de connecter et d'analyser les évolutions industrielles. ( Plateforme Gyeongnam Big Data Hub , État du secteur manufacturier à Gyeongsangnam-do )

La province de Gyeongnam a obtenu la note maximale « Excellent » lors de l'inspection 2024 du ministère de l'Intérieur et de la Sécurité sur l'administration des données et a finalisé un plan global d'administration de l'IA pour 2025, doté d'un budget de 35,1 milliards de wons, articulé autour de trois grandes stratégies et de 20 projets. Parmi les mesures prévues figurent une plateforme sociale intégrée basée sur l'IA, un système avancé de réception des rapports et un soutien de l'IA aux tâches des fonctionnaires. Bien que le cadre institutionnel pour la gestion des données et l'utilisation de l'IA se soit renforcé, la mise en œuvre d'un système permettant d'évaluer conjointement un risque industriel unique en connectant les données industrielles de 18 villes et districts via une norme commune reste à confirmer. Si les services d'IA départementaux sont mis en place dans un premier temps au cours des deux à trois prochaines années, les définitions des données et les systèmes d'autorité seront définis service par service.  Le niveau de préparation actuel de l'IA administrative de Gyeongnam est jugé moyen-supérieur pour l'utilisation interne et moyen-inférieur pour l'interopérabilité entre la province et les villes/districts. ( Ministère de l'Intérieur et de la Sécurité , Plan global d'administration de l'IA de Gyeongnam )

La province de Gyeongsangnam abrite 3 014 entreprises ayant mis en place des usines intelligentes, un centre de données d'IA pour le secteur manufacturier d'une valeur de 23,3 milliards de wons (2025-2026) et le projet pilote AX du complexe industriel national de Changwon, d'une valeur de 22,2 milliards de wons (2025-2028). Cette structure repose sur l'intégration simultanée des données de production, de qualité et d'équipement des entreprises manufacturières aux données administratives relatives aux entreprises, à l'emploi, aux aides et à l'économie régionale. Toutefois, la méthode de combinaison des données permettant d'agréger les risques industriels tout en protégeant les informations commerciales, l'identifiant commun des entreprises et les normes de qualité des données par ville et comté n'ont pas encore été divulgués. Si l'infrastructure d'IA pour le secteur manufacturier et l'IA administrative sont finalisées comme des systèmes distincts entre 2026 et 2028, les entreprises seront confrontées à des soumissions en double, tandis que l'administration se retrouvera avec un soutien redondant et des erreurs dans l'évaluation des performances.  Actuellement, le moment opportun réside dans l'équilibre entre les opportunités offertes par l'infrastructure de données et le risque de dépendance à un système unique. ( Yonhap News , Rapport sur les principales entreprises du Conseil provincial de Gyeongsangnam-do )

Les industries du Gyeongnam sont dispersées entre Changwon (machines, défense et nucléaire), Geoje (construction navale), Sacheon (aérospatiale), Gimhae et Yangsan (machines et pièces automobiles), Jinju (agroalimentaire et biotechnologies) et Tongyeong (pêche et tourisme). Les entreprises de chaque secteur ne sont pas cantonnées à une seule ville ou un seul comté, mais réparties sur plusieurs régions au sein de leurs chaînes d'approvisionnement. Les données administratives sont segmentées selon la localisation de l'entreprise et le service compétent, ce qui ne correspond pas aux unités réelles de la chaîne d'approvisionnement. Rien ne permet d'évaluer l'impact des variations des commandes des maîtres d'œuvre sur l'emploi, l'activité et le chiffre d'affaires des entreprises partenaires dans des villes ou des comtés spécifiques. Si les chocs sectoriels s'accélèrent sur une période de deux à trois ans, les risques pour les entreprises se seront déjà propagés à d'autres régions au moment de la finalisation des statistiques au niveau des villes et des comtés.  Alors que les industries du Gyeongnam fonctionnent comme une vaste chaîne d'approvisionnement, les données administratives restent cantonnées au niveau administratif de base.

Le hub de données massives de Gyeongnam met à disposition des données dans divers domaines, notamment la population, l'industrie et l'emploi, l'environnement et la météo, les transports, la protection sociale et le tourisme. Des données municipales et départementales, telles que la production manufacturière, les entreprises sociales, les coopératives, la consommation d'eau et les établissements d'hébergement, y sont également enregistrées. Malgré l'étendue des données, les cycles de mise à jour, les normes d'adressage, la notation des noms d'entreprises, les valeurs manquantes et les méthodes de conservation des archives varient selon les ensembles de données. Il existe un décalage entre les données consultables et les données combinables. Si des données annuelles, mensuelles et ponctuelles pour la période 2026-2028 sont ajoutées selon différents critères, il deviendra difficile de reconstituer la chronologie des évolutions industrielles.  Bien que le volume de données de Gyeongnam se soit accru, leur potentiel de combinaison reste très variable d'un ensemble de données à l'autre.

Le soutien industriel de la province de Gyeongnam est fragmenté entre le gouvernement provincial, 18 villes et comtés, le Gyeongnam Technopark, l'Agence de promotion des investissements et de l'économie de Gyeongnam, des instituts de recherche, des universités, des chambres de commerce et des organisations sectorielles. Bien qu'une même entreprise puisse participer à plusieurs projets (usines intelligentes, exportations, emploi, R&D, énergie, finance, etc.), rien ne prouve que les numéros de projet et les systèmes d'identification des entreprises soient identiques dans toutes ces institutions. Avec la multiplication des institutions et des programmes de soutien, le statut d'une même entreprise se retrouve dispersé dans de multiples dossiers. Si le soutien s'étend sur deux ou trois ans, le risque majeur, outre celui des doublons, est l'impossibilité de déterminer quelle combinaison de soutiens a réellement produit des résultats.  Malgré l'envergure de l'administration de Gyeongnam, la chaîne de vérification au niveau des entreprises demeure incomplète.

En 2024, le PIB régional de Gyeongnam a atteint 151 200 milliards de wons, soit une hausse de 8,5 % par rapport à l’année précédente, le plaçant au troisième rang national. Si la reprise du secteur manufacturier et les exportations dans les domaines de la défense, de la construction navale et de l’automobile ont stimulé la croissance régionale, les chiffres du PIB régional par ville et par district ne reflètent pas immédiatement la situation industrielle actuelle en raison des décalages entre l’année de référence et les dates de publication. Un décalage temporel existe entre la croissance régionale et la situation des différents complexes industriels et entreprises. Si les changements dans les commandes mondiales, les droits de douane et les chaînes d’approvisionnement s’accélèrent entre 2026 et 2028, les statistiques définitives pourront être utiles pour des évaluations a posteriori, mais arriveront trop tard pour permettre une alerte précoce.  Bien que Gyeongnam compile avec précision les données relatives à l’échelle industrielle, elle ne dispose pas d’une structure permettant d’identifier immédiatement les points d’inflexion industriels.

Avec 3 014 entreprises ayant mis en place des usines intelligentes, le pays se classe deuxième après la province de Gyeonggi. Le Centre de données d'IA pour la fabrication prévoit de fournir des GPU, des outils d'analyse et des environnements de démonstration aux PME 24 h/24. Si les capacités de production et d'analyse des données internes des entreprises sont en pleine expansion, la collecte directe de ces données brutes par l'administration se heurte à des problèmes de secrets commerciaux, de sécurité et de propriété intellectuelle. Un manque se fait jour : l'ouverture des données n'est pas encore pleinement intégrée à l'analyse industrielle. Si les projets sont conçus sur la base d'une collecte centralisée sur deux à trois ans, le nombre d'entreprises participantes diminuera, ne laissant subsister que les données des grandes entreprises et des sociétés leaders. Bien que  les données de production soient abondantes, leur potentiel d'utilisation par l'administration est limité par les structures de confiance et d'autorité, plutôt que par le volume de données détenues.

Gyeongnam a obtenu la mention « Excellent » lors de l'évaluation de l'administration fondée sur les données de 2024. Cependant, lors de cette même évaluation portant sur 679 institutions à l'échelle nationale, alors que le score moyen des systèmes de gestion s'élevait à 77,8 points, le partage des données a obtenu 61,8 points et l'analyse et l'utilisation, un score faible de 56,3 points. Ceci révèle qu'un excellent système de gestion ne garantit pas automatiquement le partage effectif des données entre les agences ni l'application des politiques. Les scores détaillés ayant permis à Gyeongnam d'obtenir la mention « Excellent », ainsi que les disparités observées entre les 18 villes et comtés, ne sont pas entièrement vérifiables dans les données publiques disponibles. Si les résultats de l'évaluation pour la période 2026-2028 sont retenus, les procédures et les systèmes de gestion seront optimisés avant même la résolution concrète des problèmes industriels. Bien que  la mention « Excellent » ait été confirmée lors de l'évaluation, la performance de la connectivité des données industrielles des 18 villes et comtés fait l'objet d'une vérification distincte. ( Résultats de l'évaluation du ministère de l'Intérieur et de la Sécurité )

L'unité d'évaluation de l'administration industrielle évolue, passant des statistiques annuelles et des projets de soutien individuels à une analyse en temps réel de l'évolution de la situation des entreprises, des chaînes d'approvisionnement et des régions. Lorsque des baisses de commandes, des variations de la consommation d'électricité, des retraits de l'assurance-emploi, une diminution des dédouanements à l'exportation et des fermetures d'entreprises sont corrélées à des plaintes, les risques industriels peuvent être détectés avant même leur confirmation statistique. Si Gyeongnam dispose des données sources pour chaque signal ou des institutions nécessaires pour y accéder, elle manque de données consolidées à l'échelle d'une même entreprise, d'un même complexe industriel ou d'une même période. Si le lien entre les signaux est retardé de deux à trois ans, les crises n'apparaissent que comme des cibles prioritaires pour un soutien ponctuel des différents services.  La transformation structurelle de l'analyse administrative des risques (AX) fait passer la collecte de données à l'identification de multiples signaux faibles comme un risque unique.

Alors que l'IA générative automatise rapidement certaines tâches des fonctionnaires, comme la rédaction de rapports, le traitement des plaintes et la recherche de données, l'élaboration de la politique industrielle exige des données standardisées et des processus informatiques vérifiables. Si le plan d'administration par l'IA de Gyeongnam prévoit l'utilisation de l'IA pour appuyer le travail des fonctionnaires, la structure de conservation des sources, des dates de référence, de l'historique des modifications et des critères d'évaluation des données industrielles reste distincte. Un fossé existe entre l'IA de génération de documents et l'administration industrielle fondée sur des preuves. Si l'IA générative est déployée en premier lieu entre 2026 et 2028, des rapports au format identique seront produits en masse à partir de sources diverses, ce qui compliquera la détection des erreurs.  Le risque pour l'administration de Gyeongnam ne réside pas dans l'absence d'adoption de l'IA, mais dans la capacité de cette dernière à présenter des données disparates comme des faits avérés.

Les centres de données d'IA pour le secteur manufacturier analysent les données de production, de qualité et d'installations des entreprises, tandis que l'administration gère l'immatriculation, l'emploi, les exportations et l'historique du support. Ces deux types de données différant par leur sensibilité et leur finalité, leur centralisation dans un référentiel unique accroît les risques liés à la sécurité, à la responsabilité et à la participation. Il existe une erreur d'assimiler la connectivité des données industrielles à un stockage centralisé. Si une structure de données basée sur la réplication reste inchangée pendant deux à trois ans, les risques de failles de sécurité et les coûts de gestion de la mise à jour des données augmentent. L'axe d'évaluation pertinent pour la connectivité des données industrielles dans 18 villes et comtés n'est pas la centralisation des données, mais la possibilité d'une vérification distribuée concernant les questions communes.

Bien que les administrations municipales et départementales gèrent les mêmes entreprises, routes, terres agricoles, sites touristiques et programmes sociaux, elles diffèrent considérablement par leur taille, leur expertise en matière de données et leurs budgets. Cette structure rend difficile la mise en place de systèmes d'IA et de données au même rythme pour Changwon, Gimhae et Yangsan, ainsi que pour les autres départements. On constate un manque de données comparatives publiques concernant la qualité des données, les délais de mise à jour et les effectifs d'analystes entre les villes et les départements. Si une compétition pour l'internalisation des systèmes a lieu entre 2026 et 2028, les grandes villes disposeront de systèmes de données sophistiqués, tandis que les petits départements devront recourir à des solutions externes.  L'IA administrative est une technologie qui réduit les disparités régionales, mais elle peut aussi creuser les inégalités administratives en fonction du niveau de préparation.

Le Plan global d'administration de l'IA de Gyeongnam repose sur trois grandes stratégies, 20 projets et un budget de 35,1 milliards de wons. Il inclut une plateforme sociale intégrée basée sur l'IA, un système de réception des rapports et une plateforme d'aide au travail pour les fonctionnaires. Si le champ d'application de l'IA administrative s'est étendu à la protection sociale, à la sécurité et aux opérations internes, l'analyse intégrée des données industrielles de 18 villes et comtés n'a pas encore été validée de manière indépendante. Un fossé persiste entre l'IA au service de l'administration et l'IA au service des politiques industrielles. Si les plateformes spécifiques à chaque service sont finalisées en premier lieu pour la période 2026-2028, seules les API et les tâches de conversion augmenteront, sans modèle de données commun.  Actuellement, l'administration par l'IA se situe au stade de l'innovation métier et de service, et non encore à celui d'un système d'exploitation industriel métropolitain.

Le centre de données d'IA pour le secteur manufacturier de Gyeongnam sera mis en œuvre à hauteur de 23,3 milliards de wons entre 2025 et 2026, tandis que le projet pilote AX du complexe industriel national de Changwon bénéficiera d'un budget de 22,2 milliards de wons entre 2025 et 2028. La Fondation pour la convergence de l'IA dans le secteur manufacturier et le laboratoire AX accompagnent également les entreprises dans l'analyse de leurs données et le développement de solutions. Bien que des plateformes d'analyse de données industrielles soient en cours de création, l'étendue de leurs retombées positives pour les entreprises situées dans 17 villes et comtés hors de Changwon, ainsi que l'adoption de normes de données spécifiques au secteur, restent à évaluer. Si les entreprises utilisatrices se concentrent parmi les leaders de la mise en œuvre de l'usine intelligente au cours des deux à trois prochaines années, les entreprises non numériques et celles implantées en zones rurales resteront exclues de l'écosystème de données.  Malgré la construction de l'infrastructure d'IA pour le secteur manufacturier, les résultats de sa diffusion dans 18 villes et comtés demeurent à confirmer.

Le pôle de données massives de Gyeongnam permet la recherche, le téléchargement et la visualisation des données publiques de la province, des villes et des comtés. Il propose également des analyses de données massives, des concours et des programmes de formation. Bien que l'accès aux données publiques et aux applications soit possible, il est difficile de suivre de manière cohérente les cas où les résultats de la détection des risques industriels ont entraîné des modifications de projets, des ajustements budgétaires ou des inspections sur site. Un décalage persiste entre l'analyse et les décisions administratives. Même si le nombre de concours et de rapports d'analyse augmente entre 2026 et 2028, l'efficacité de l'utilisation des données ne pourra être vérifiée de manière systématique que si les changements concrets dans la prise de décision sont enregistrés.  La plateforme a atteint le stade de la fourniture des données, mais n'est pas encore en mesure d'assurer le suivi des décisions.

Dans l'évaluation 2024 du ministère de l'Intérieur et de la Sécurité, la moyenne était de 85,2 points pour les administrations centrales, de 85,3 points pour les gouvernements métropolitains et provinciaux, et de 88,2 points pour les entreprises publiques et les institutions quasi-gouvernementales, ce qui indique un niveau généralement élevé des infrastructures de gestion. En revanche, la moyenne pour l'analyse et l'utilisation des données, tous organismes confondus, est restée à 56,3 points, et celle pour le partage des données à 61,8 points. Le principal obstacle à la gestion des données en Corée du Sud ne réside pas dans la possession des données, mais dans leur partage inter-agences et leur utilisation effective pour la prise de décision. Même l'  excellente note obtenue par la province de Gyeongnam ne signifie pas qu'elle échappe automatiquement à cette structure nationale. À mesure que les systèmes d'évaluation et les plateformes des agences se développeront au cours des deux à trois prochaines années, l'écart entre les normes officielles et l'interopérabilité réelle se creusera. Si Gyeongnam occupe actuellement une position de premier plan au niveau national en matière de gestion, son rôle de région leader pour le traitement des données industrielles reste à confirmer.

D'autres administrations métropolitaines et provinciales, telles que Data Dream de Gyeonggi-do et Big Data Hub de Chungbuk, fournissent également des données publiques, des visualisations, un système de traitement des plaintes, des informations sur le trafic et des analyses environnementales. La possession d'une plateforme, autrefois un avantage concurrentiel distinctif pour l'administration métropolitaine, est devenue une infrastructure de base. La spécificité de Gyeongnam réside dans sa capacité à relier les données de production des secteurs de la construction navale, de la défense, de l'aérospatiale et de la mécanique aux données administratives, mais les résultats de la participation et de l'intégration des données des entreprises restent limités. Si la concurrence reste axée sur les fonctionnalités des plateformes entre 2026 et 2028, l'atout unique de Gyeongnam, son agglomération industrielle, ne se traduira pas par une compétitivité administrative.  L'avantage comparatif de Gyeongnam ne réside pas dans les plateformes de données publiques, mais dans son potentiel à relier les données industrielles aux décisions politiques.

Le gouvernement métropolitain de Séoul a annoncé que 63 % de ses employés utiliseraient l'IA générative d'ici 2025 et a révélé des économies budgétaires par rapport aux abonnements individuels pour le fonctionnement des services communs. Bien que Gyeongnam promeuve des plans d'administration de l'IA et des formations à son utilisation, il manque de données probantes concernant les taux d'utilisation par les fonctionnaires, la réduction du temps de travail, les taux d'erreur et l'amélioration des décisions politiques, selon les mêmes critères. Un décalage existe entre l'ampleur du plan et les résultats constatés. Si les taux d'utilisation et les résultats ne sont pas publiés pendant deux à trois ans, l'administration de l'IA sera comparée uniquement sur la base de la mise en œuvre ou non des projets. Bien que  le plan d'IA administrative de Gyeongnam soit ambitieux, ses performances opérationnelles mesurables n'en sont qu'à leurs débuts. ( Gouvernement métropolitain de Séoul )

La province de Gyeongnam poursuit simultanément la construction de 3 014 usines intelligentes, d'un centre de données d'IA pour la production (d'une valeur de 23,3 milliards de wons), d'un complexe industriel de démonstration AX (d'une valeur de 22,2 milliards de wons) et de 20 projets d'administration par l'IA (d'une valeur de 35,1 milliards de wons). Cette structure repose sur des investissements distincts dans la génération de données de production, l'infrastructure informatique et les services d'IA administratifs. Or, aucun lien n'existe entre les données et les performances des différents projets menés par une même entreprise, un même secteur, une même ville ou un même comté. Une fois ces trois axes d'investissement achevés indépendamment entre 2026 et 2028, même en cas d'expansion de l'infrastructure, il sera impossible de déterminer quelles combinaisons spécifiques ont transformé la productivité, l'emploi et les exportations. Concernant  les investissements de Gyeongnam dans le domaine de l'AX, le manque de données entre les projets représente un risque plus important que l'ampleur même de l'investissement.

Le dispositif initial de démonstration personnalisée du Centre de données d'IA pour l'industrie manufacturière cible 30 PME de la province, alors que 3 014 entreprises de Gyeongnam ont mis en place des usines intelligentes. Ces 30 entreprises représentent environ 1 % du nombre total d'exploitants d'usines intelligentes, et cette proportion est encore plus faible si l'on considère l'ensemble des entreprises manufacturières. Il existe un décalage important entre la portée de cette démonstration initiale et son adoption généralisée à l'échelle de l'industrie. Si les conditions de reproductibilité des modèles performants ne sont pas conservées sous forme de données pendant deux à trois ans, le processus de diagnostic, d'amélioration et de développement devra être relancé pour chaque entreprise suivante.  Le principal risque pour l'IA manufacturière à Gyeongnam, lié au facteur temps, ne réside pas dans l'échec de la démonstration, mais dans le fait que le coût de sa répétition ne diminue pas. ( Hankook Ilbo , Yonhap News )

On dénombre 20 projets d'IA administrative dans la province de Gyeongnam, répartis sur 18 collectivités locales, et les principaux secteurs industriels sont dispersés sur l'ensemble du territoire. Bien que le nombre de projets et le nombre de villes et de comtés semblent similaires, rien n'indique qu'un projet unique se déploie de manière uniforme. Une confusion existe entre les unités de projet et les unités régionales. Une fois les projets menés au niveau provincial achevés d'ici deux à trois ans, il est fort probable que les villes et les comtés reconstruisent les mêmes fonctions avec des budgets et des systèmes distincts.  Le nombre de projets d'IA métropolitains ne reflète pas le niveau de diffusion de l'IA dans les 18 villes et comtés.

Bien que Gyeongnam ait obtenu une excellente note pour son administration fondée sur les données, l'écart entre son score de 77,8 points pour le système de gestion et celui de 56,3 points pour l'analyse et l'utilisation des données lors de l'évaluation nationale était de 21,5 points. Un décalage structurel existe entre les capacités de gestion de l'agence et ses capacités d'utilisation réelles. Faute de données détaillées et de répartition par ville et par comté pour Gyeongnam, il est impossible de déterminer si ce même décalage existe. Même si l'excellente note est maintenue de 2026 à 2028, les performances réelles de l'AX stagneront à moins que le nombre de décisions de politique industrielle modifiées sur la base de données n'augmente.  Les scores d'évaluation reflètent le niveau de préparation, mais ne sauraient se substituer à la capacité de résoudre les problèmes industriels.

La principale lacune réside dans l'impossibilité, pour les 18 villes et comtés, d'identifier une même entreprise, activité, région ou période de manière uniforme . Les données relatives à l'immatriculation des usines, aux chefs d'entreprise, à l'emploi, aux exportations, aux projets de soutien, aux plaintes civiles et à l'énergie utilisent chacune des numéros, adresses et dates de référence différents. Un identifiant unique unique, permettant de suivre automatiquement les liens entre entreprises homonymes ainsi que les changements d'adresse, les restructurations et les déménagements d'usines, n'a pas encore été mis en place. Avec l'augmentation du volume de données entre 2026 et 2028, les erreurs de correspondance manuelle et de détection des doublons se multiplieront.  Le principal problème de l'interconnexion des données industrielles du Gyeongnam réside dans le système d'identification commun, et non dans le modèle d'intelligence artificielle.

La seconde lacune réside dans le calendrier. Le PIB régional, les annuaires statistiques et les données sur le statut des entreprises sont mis à jour annuellement ou à des dates de référence spécifiques, tandis que les données sur l'emploi, la consommation d'électricité, les plaintes civiles et les exportations le sont mensuellement ou en temps quasi réel. Le mélange de données avec des cycles de mise à jour différents, sans point de référence, a pour conséquence d'intricer les causes et les effets des changements industriels. Il est impossible de vérifier d'un coup d'œil la latence et l'historique des révisions de chaque ensemble de données. Si une IA apprend à partir de données dont les décalages temporels ne sont pas pris en compte sur deux à trois ans, elle risque de confondre les situations passées avec les risques actuels.  La précision de Gyeongnam Administration AX est limitée par l'alignement des axes temporels plutôt que par la quantité de données.

La troisième lacune réside dans l'archivage des décisions administratives. Si les résultats et rapports d'analyse de données sont conservés, les archives relatives aux décisions modifiées par les services compétents et à l'impact de ces modifications sur les budgets, les projets et les inspections ne sont pas standardisées. Faute de lien entre les preuves et les décisions, les analyses identiques se répètent et les causes des échecs ne sont pas recensées. Avec la généralisation de l'IA au service des fonctionnaires entre 2026 et 2028, le volume de documents produits augmentera, mais l'historique des décisions deviendra plus fragmenté.  La principale lacune opérationnelle du système d'analyse administrative de Gyeongnam (Gyeongnam Administrative AX) tient à une structure qui empêche le suivi non pas des données elles-mêmes, mais des modifications apportées à partir de ces données.

On compte le pôle de données massives de Gyeongnam, un centre de données d'IA pour le secteur manufacturier, 3 014 usines intelligentes et des systèmes d'information administratifs provinciaux, municipaux et départementaux. Les éléments de base que sont les données publiques, les données d'entreprise et l'infrastructure informatique sont en place. Cependant, les identifiants d'entreprise communs, les métadonnées, les procédures d'autorisation et les normes de qualité nécessaires à leur interconnexion restent à définir. Si les infrastructures individuelles sont modernisées en priorité entre 2026 et 2028, les coûts d'interconnexion augmenteront.  Le niveau de préparation des infrastructures est jugé élevé, tandis que celui de l'interopérabilité est jugé faible.

Alors que les provinces et les grandes villes disposent d'organismes spécialisés dans les données, les TIC et l'industrie, les petits comtés sont confrontés à des contraintes de personnel et de budget. On manque de données comparatives sur le nombre de spécialistes des données, leur expérience en analyse, le taux de rotation du personnel et le recours à l'externalisation dans 18 villes et comtés. Même avec une plateforme identique, les capacités d'utilisation varient selon les régions. Si le recours aux solutions privées s'accroît au cours des deux à trois prochaines années, les infrastructures de données et les connaissances des petites villes et des petits comtés se retrouveront entre les mains d'entreprises externes.  Bien que l'expertise existe au niveau provincial, la capacité d'expansion au niveau des villes et des comtés est inégale.

Il existe à Gyeongnam des lois telles que la loi sur l'administration fondée sur les données, des systèmes de données publiques, des réglementations sur la protection et la sécurité des informations personnelles, ainsi que des orientations pour l'établissement de normes éthiques et de sécurité en matière d'IA générative. Bien que le cadre juridique et de sécurité soit en cours d'élaboration, les normes relatives au consentement, à la finalité, à la durée de conservation et à la divulgation des résultats de l'utilisation des données commerciales des entreprises à des fins d'analyse administrative restent distinctes. Un fossé institutionnel persiste entre les données publiques et les secrets industriels. Si des conditions de participation claires ne sont pas établies entre 2026 et 2028, les entreprises hésiteront à communiquer leurs données les plus sensibles et les plus précieuses.  Le système de données de l'administration publique est classé dans la moyenne supérieure, tandis que le système de confiance public-privé pour les données industrielles est classé dans la moyenne inférieure.

Le pôle de données massives de Gyeongnam permet aux résidents et aux entreprises de rechercher et de télécharger des données publiques, et propose également des formations et des concours d'analyse. Bien que l'accès aux données se soit étendu aux utilisateurs externes, il existe un manque de preuves tangibles quant aux cas où la productivité, les ventes et l'emploi des entreprises se sont améliorés grâce à l'utilisation des données ouvertes. Un décalage persiste entre la mise à disposition des données et les résultats de leur utilisation. Si le nombre de téléchargements et de consultations reste un indicateur représentatif pendant deux ou trois ans, les effets économiques réels ne peuvent être vérifiés.  Les résidents bénéficient d'un droit d'accès aux données, mais la diffusion des résultats de la résolution des problèmes reste à confirmer.

Le centre de données d'IA pour l'industrie manufacturière prévoit de fournir des analyses, des solutions et des démonstrations personnalisées à 30 PME initiales. Bien que le soutien soit déployé sur les sites mêmes de ces entreprises, son extension à l'ensemble des 3 014 usines intelligentes et entreprises manufacturières non numériques n'en est qu'à ses débuts. Il existe un écart entre le soutien apporté aux entreprises leaders et la diffusion industrielle à grande échelle. Si les coûts de développement personnalisés pour chaque entreprise sont reconduits entre 2026 et 2028, de nombreuses PME ne pourront plus fonctionner de manière autonome une fois le programme de soutien terminé. Bien que  l'application concrète de l'IA pour l'industrie manufacturière ait commencé, son niveau d'autonomie et de diffusion reste à évaluer.

Bien que les données municipales et départementales soient publiées sur la plateforme provinciale, le délai de mise en œuvre et de suivi des corrections (le temps nécessaire aux entreprises et aux résidents pour demander des corrections et en vérifier les résultats) varie selon les ensembles de données. Un problème persiste : la mise à jour et la responsabilisation ne sont pas systématiquement affichées après la publication des données. Si des informations obsolètes sur les entreprises et les installations (datant de deux à trois ans) sont utilisées pour la recherche par IA et l’analyse des politiques, des cibles administratives erronées sont générées de manière répétée.  Malgré l’augmentation de la publication des données, le contrôle des utilisateurs sur leur qualité demeure limité.

Changwon concentre de nombreux projets pilotes de cyberdéfense et des centres de données d'IA pour le secteur manufacturier, tandis que Gimhae, Yangsan, Geoje et Sacheon abritent également d'importantes entreprises industrielles. À l'inverse, les zones rurales se concentrent sur les données relatives à l'agriculture, au tourisme, à la petite industrie et aux services à la personne, et manquent de données en temps réel sur les équipements et de personnel spécialisé. Cette structure engendre des disparités en termes de volume de données produites et de capacités d'analyse. Si la cyberdéfense axée sur le secteur manufacturier devient la norme pour l'ensemble de la région de Gyeongnam d'ici deux à trois ans, les données saisonnières, climatiques et démographiques des villages agricoles et de pêcheurs seront reléguées au second plan.  Le fossé numérique administratif à Gyeongnam se creuse non seulement en fonction de la taille des villes, mais aussi de l'ampleur de l'empreinte numérique laissée par les industries.

Les données provenant de 18 villes et comtés diffèrent par leurs catégories, leurs formats de fichiers, leurs cycles de mise à jour et leur étendue, même au sein d'un même domaine. La comparaison directe de données détaillées des grandes villes avec des données agrégées annuelles des zones rurales entraîne une précision analytique variable. Les régions disposant de données abondantes peuvent être surreprésentées comme présentant de nombreux problèmes ou des performances élevées. Si l'analyse de l'IA pour la période 2026-2028 interprète cette différence comme de véritables disparités régionales plutôt que comme des différences de volume de données, un biais dans l'allocation des ressources s'installera durablement.  Le manque de données entre les villes et les comtés dépasse le simple problème de qualité statistique et représente un risque de biais spatial dans la gestion de l'IA.

Pour que les modèles développés au sein du pôle d'IA manufacturière de Changwon puissent être appliqués à la construction navale de Geoje, à l'aéronautique de Sacheon, à la mécanique de Gimhae et à l'industrie agroalimentaire militaire, une formation complémentaire est nécessaire en raison des différences de processus, d'équipements et de structures de données. Les preuves du potentiel de diffusion à grande échelle d'un modèle unique performant restent limitées. Un écart persiste entre la concentration des pôles et leur application régionale. Si la dépendance au pôle central s'accroît entre 2026 et 2028, les spécificités régionales et les connaissances du terrain resteront hors du champ d'application du modèle.  La diffusion spatiale de l'IA manufacturière dans le Gyeongnam risque davantage d'être freinée par la conversion des données spécifiques à chaque secteur que par l'accès aux ressources de calcul.

Le centre de données d'IA pour le secteur manufacturier de Gyeongnam sera mis en place progressivement entre 2025 et 2026, l'infrastructure de convergence de l'IA pour le secteur manufacturier entre 2024 et 2026, le complexe industriel de démonstration AX entre 2025 et 2028, et 20 projets d'administration de l'IA seront lancés dès 2025. Cette phase, qui s'étend sur deux à trois ans, verra la conception, la construction et le déploiement des principaux systèmes de données et d'IA. À l'heure actuelle, rien n'indique que des identifiants et métadonnées communs aient été préalablement définis. Une fois les modèles de données spécifiques à chaque système finalisés entre 2026 et 2028, les connexions ultérieures deviendront des projets de transformation complexes plutôt que de nouveaux développements.  Actuellement, cette période faste ne correspond pas à l'adoption de l'IA, mais plutôt à la stabilité des structures de données pendant une période prolongée.

Les données de 3 014 usines intelligentes sont déjà accumulées dans des solutions et équipements spécifiques à chaque entreprise, tandis que les nouvelles activités liées à l'IA dans le secteur manufacturier génèrent des données supplémentaires. Si le format et la propriété des données historiques ne peuvent être rattachés au système actuel, la continuité temporelle nécessaire à l'apprentissage de l'IA est rompue. On constate un manque de données concernant la transmission des données entre les usines intelligentes existantes et les nouvelles activités liées à l'IA. Si seules les données des nouvelles activités sont standardisées au cours des deux à trois prochaines années, les données des usines intelligentes, fruit d'années d'investissement, resteront un actif isolé. L'irréversibilité de cette période faste ne réside pas dans la perte de données, mais dans la rupture du lien permettant la comparaison entre le passé et le présent.

Les provinces, les villes et les comtés mettent en place respectivement l'IA générative, l'IA d'aide aux entreprises et des services de traitement des plaintes, d'aide sociale et de sécurité. Dès que l'IA commencera à générer des documents administratifs, ces derniers, dépourvus de leurs sources et de leur historique, s'accumuleront rapidement. Or, les méthodes permettant de relier la gestion documentaire aux preuves issues du contenu généré par l'IA restent insuffisamment divulguées. Si des documents d'IA sans source sont intégrés au système d'archivage entre 2026 et 2028, il sera difficile de garantir la responsabilité des décisions politiques prises par la suite. Le point culminant de cette « période faste » ne sera pas l'achèvement des services d'IA, mais la généralisation des documents administratifs non vérifiables.

12-1. Cas d'application du principe du « temps d'or » dans les administrations locales de base ① — Ville de Changwon

Changwon concentre 22,2 milliards de wons pour le projet pilote du Complexe industriel national AX, 23,3 milliards de wons pour le Centre de données d'IA pour la fabrication, de nombreuses usines intelligentes et des chaînes d'approvisionnement pour la défense, la mécanique et le nucléaire. C'est la région de la province où les données industrielles, informatiques et d'entreprise convergent le plus fortement. Cependant, aucun résultat public ne permet actuellement de relier les commandes des maîtres d'œuvre, la production des entreprises partenaires, l'emploi, la consommation d'énergie et les données de soutien politique au niveau des entreprises. Si l'infrastructure reste limitée à des démonstrations au sein d'entreprises individuelles entre 2026 et 2028, le modèle de Changwon ne se diffusera pas aux chaînes d'approvisionnement d'autres villes et comtés. Le  « temps d'or » de Changwon ne dépend pas de l'achèvement du centre de données, mais de la capacité à déterminer rapidement le délai de transmission des changements chez les maîtres d'œuvre aux entreprises partenaires, à l'emploi et à l'économie locale.

12-2. Cas d'application de la stratégie « Golden Time » dans les administrations locales de base ② — Sacheon-si et Jinju-si

Sacheon abrite l'Administration aérospatiale, le Complexe industriel aérospatial national et KAI, tandis que Jinju concentre les fonctions universitaires, de recherche, d'éducation et administratives. De ce fait, les données relatives aux entreprises, aux talents et à la recherche au sein de l'écosystème aérospatial sont générées à l'échelle des deux villes et des comtés limitrophes. Or, il n'existe aucun élément permettant de relier les données sur l'immatriculation des entreprises, la R&D, le recrutement, le logement, l'éducation et les entreprises partenaires au sein d'une zone industrielle commune. Si Sacheon et Jinju mettent en place des systèmes et des indicateurs de performance distincts entre 2026 et 2028, le même écosystème aérospatial sera administrativement scindé en deux secteurs distincts. La  période cruciale pour Sacheon et Jinju ne consiste pas à centraliser la collecte des données, mais plutôt à permettre aux deux administrations d'évaluer les mêmes entreprises, les mêmes talents et les mêmes projets sur la base des mêmes critères.

Une fois les centres de données d'IA de production, les usines intelligentes, l'IA administrative et les plateformes municipales/départementales finalisés avec des identifiants et des modèles de données distincts, les connexions ultérieures impliquent un processus répétitif de maintenance des données sources, d'API, de transformations et d'appariement manuel. Cette structure engendre des coûts d'interopérabilité cumulés à long terme supérieurs aux coûts de construction du système. À l'heure actuelle, le coût total de la connexion et le nombre de systèmes dupliqués restent indéterminés. Si l'optimisation individuelle se poursuit pendant deux à trois ans, l'intégration régionale devient irréversible, non pas pour des raisons techniques, mais en raison de conflits budgétaires, de responsabilités et de contrats.  Ce qui est négligé, ce ne sont pas les données elles-mêmes, mais la possibilité de connecter les systèmes à moindre coût à l'avenir.

Les entreprises soumettent les mêmes informations à plusieurs organismes pour des demandes d'assistance répétitives, des rapports de performance et des enquêtes de situation. Sans identification commune des entreprises ni réutilisation des données fondée sur le consentement, la charge administrative pesant sur les entreprises s'accroît à mesure que les projets de transformation numérique se développent. On ne dispose d'aucune donnée concernant le temps de soumission des données en double par entreprise ni les coûts de collecte des données en double par organisme. Si le nombre de demandes en double augmente entre 2026 et 2028, la qualité des données se dégradera en raison de la lassitude et d'une saisie superficielle.  Ce qui est actuellement en train de se perdre, c'est la confiance dans la participation des entreprises au partage des données.

Si les résultats de l'analyse administrative ne sont pas corrélés aux modifications concrètes des budgets, des projets ou des inspections, les causes des succès et des échecs ne sont pas communiquées au responsable suivant. Bien que l'IA puisse rapidement consulter des documents anciens, elle ne peut pas reconstituer les décisions non consignées ni le contexte sur le terrain. Durant les deux à trois années de mutations répétées des fonctionnaires et de fin de projets externalisés, les connaissances décisionnelles se perdent au sein de l'organisation.  La perte irréversible pour l'administration de Gyeongnam est une perte de mémoire organisationnelle, car les décisions ne sont pas accumulées, et non de simples fichiers de données.

Gyeongnam dispose simultanément d'un pôle de mégadonnées, de 3 014 usines intelligentes, d'un centre de données d'IA pour le secteur manufacturier, de plans administratifs d'IA et de données publiques provenant de 18 villes et comtés. Bien que les ressources sources nécessaires à  la connectivité des données existent déjà, elles n'ont pas encore été vérifiées selon les mêmes normes. Si des normes de connectivité sont établies avant la fin du projet de construction, prévue entre 2026 et 2028, le calendrier restera comparable sans qu'il soit nécessaire de reconstruire l'infrastructure existante. Le principal atout actuellement disponible n'est pas une nouvelle plateforme, mais l'interopérabilité des données existantes.

Les industries du Gyeongnam – construction navale, défense, aérospatiale, mécanique et pièces automobiles – sont interconnectées par des chaînes d'approvisionnement. Ainsi, les variations de commandes et d'emplois au sein d'un même secteur se répercutent sur plusieurs villes et comtés. Actuellement, cette propagation n'est que partiellement visible dans les données administratives. D'ici deux à trois ans, la mise en relation des mêmes entreprises, chaînes d'approvisionnement et régions permettra d'établir une première base de référence pour comparer la situation avant et après les chocs industriels.  Le principal outil industriel disponible à ce jour est la cartographie réelle de la chaîne d'approvisionnement du Gyeongnam, et non un modèle d'intelligence artificielle.

Les services d'IA pour la province, les villes et les comtés étant encore en développement progressif, il est encore temps d'appliquer une structure commune pour l'enregistrement des sources, des jugements, des décisions et de leurs résultats. Le niveau de normalisation de l'historique des décisions est actuellement faible. Une fois les données historiques accumulées entre 2026 et 2028, il sera possible, pour la première fois, de comparer les analyses et les projets ayant influencé les résultats en matière d'entreprises, d'emploi et de développement régional.  Le principal atout administratif dont nous disposons actuellement n'est pas la documentation automatisée, mais la continuité des décisions vérifiables.

La réponse AX ne consiste pas à répliquer les données de 18 villes et comtés dans un référentiel central unique.  Il s'agit d'un environnement d'exécution qui relie les identifiants communs → métadonnées → analyse distribuée → détermination de la chaîne d'approvisionnement → décision administrative → résultat, tout en préservant le contrôle des données sensibles de l'entreprise et de l'institution holding.

Les premiers axes d'application concernent la chaîne d'approvisionnement de la défense et des machines à Changwon et les zones industrielles aérospatiales de Sacheon et Jinju. Les indicateurs relatifs aux contrats importants remportés, à la production et à l'emploi chez les entreprises partenaires, au soutien aux usines intelligentes et à l'IA, à la consommation d'énergie et aux fermetures d'entreprises sont liés par entreprise et par mois, mais seuls les risques agrégés par ville, comté et secteur d'activité sont divulgués publiquement.

Le problème ne réside pas dans une diminution de la quantité de données. Bien que les données et les services d'IA de la plateforme soient en constante augmentation, une même entreprise peut être comptabilisée plusieurs fois, les dates de référence varient selon la ville et le comté, et la source des décisions de l'IA ainsi que les changements réels survenus dans l'entreprise ne sont pas enregistrés.

Opportunités liées à l'infrastructure de données + Risque de verrouillage en matière d'interopérabilité

Gyeongnam n'est pas une région dépourvue de données. C'est une région où les mêmes entreprises et industries sont recensées par différentes institutions, avec des chiffres et à différentes périodes, ce qui rend impossible de les relier à une évolution unique.

Le risque actuel ne réside pas dans le retard d'adoption de l'IA, mais dans le fait que l'IA industrielle, l'IA administrative et les systèmes d'information municipaux/départementaux sont développés séparément, sans normes de connexion.

La période 2026-2028 représente une phase cruciale durant laquelle la structure des données industrielles de Gyeongnam restera stable pendant une période prolongée. Toute intégration ultérieure se transformera en un projet de conversion et de revérification plus onéreux qu'une nouvelle construction.

Verdict final : L’infrastructure des données publiques est élevée, le potentiel des données de production est élevé, l’interopérabilité entre 18 villes et comtés est faible, la confiance dans la participation des entreprises est moyenne à faible, le lien entre les preuves et la décision est faible et l’irréversibilité technique est en cours.

La séquence de vérification est la suivante : Identification → Standardisation → Combinaison → Analyse → Évaluation → Décision administrative → Résultat sur le terrain → Revérification . Si l’un des paramètres suivants augmente (nombre d’ensembles de données, nombre de tâches d’IA ou utilisation de la plateforme), la vérification n’est pas considérée comme une vérification administrative.

Chaîne d'exécution

Identité des données → Interopérabilité → Signal industriel → Décision administrative → Résultat vérifié

Principaux enseignements structurels tirés de cette analyse

Le problème structurel lié à la connexion des données industrielles entre 18 villes et comtés ne réside pas dans la dispersion des données. Les immatriculations d'usines, les données sur l'emploi, les exportations, les projets de soutien, l'énergie et les plaintes civiles sont initialement générées par différents organismes. Le problème tient au fait que chaque organisme enregistre la même entreprise et le même événement sous des noms, numéros, adresses et dates de référence différents.

Par conséquent, la mise en commun des données industrielles diffère de la simple copie de toutes les sources vers un emplacement unique. Même si les sources sont centralisées, si les entreprises identiques ne peuvent être identifiées et les chronologies alignées, la taille des fichiers ne fera que croître. À l'inverse, si les identifiants, les métadonnées et les questions d'analyse communs concordent, les risques liés à la chaîne d'approvisionnement peuvent être agrégés sans déplacer de données d'entreprise sensibles.

La compétitivité de Gyeongnam Administrative AX ne dépend pas de la quantité de données détenues, mais de la capacité de 18 villes et comtés à évaluer les mêmes changements au sein d'une même entreprise à partir des mêmes éléments de preuve . Sans cette capacité, l'IA synthétise plus rapidement 18 enregistrements incomplets ; mais une fois cette capacité acquise, les enregistrements dispersés fonctionnent également comme une plateforme d'exécution industrielle unique.

Thèse sur la période faste — La période faste de Gyeongnam, de 2026 à 2028, ne vise pas à centraliser la collecte de données provenant de 18 villes et comtés, mais plutôt à identifier de manière identique les mêmes entreprises, secteurs, régions et périodes, et à vérifier si ces éléments ont conduit à des décisions et des résultats administratifs concrets. Une fois ce lien établi, les industries décentralisées de Gyeongnam formeront une chaîne d'approvisionnement unique pour l'intelligence artificielle administrative. En l'absence de ce lien, à mesure que l'IA manufacturière et l'IA administrative progressent, les coûts de leur connexion et les risques d'erreurs de jugement augmenteront simultanément.