Taille et part du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite
VUE D’ENSEMBLE DU MARCHÉ
| Période d'étude | 2020 - 2031 |
|---|---|
| Période de Données Prévisionnelles | 2026 - 2031 |
| Taille du marché de l'année de base (2025) | 0.51 Milliards de dollars |
| Taille du Marché (2026) | 0.68 Milliards de dollars |
| Taille du Marché (2031) | 2.81 Milliards de dollars |
| Taux de croissance (2026 - 2031) | 32.87% CAGR |
| Concentration du Marché | Moyen |
Acteurs majeurs *Avis de non-responsabilité : les principaux acteurs sont triés sans ordre particulier Image © Mordor Intelligence. La réutilisation nécessite une attribution sous CC BY 4.0. | |
Analyse du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite par Mordor Intelligence
Le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite était évalué à 0,51 milliard USD en 2025 et devrait croître de 0,68 milliard USD en 2026 pour atteindre 2,81 milliards USD d'ici 2031, à un TCAC de 32,87 % au cours de la période de prévision (2026-2031). Cette hausse est portée par les engagements d'investissement de la Vision 2030, un fonds souverain d'intelligence artificielle de 40 milliards USD lancé en 2024, et le réseau de capteurs de NEOM qui diffuse désormais plus d'un pétaoctet de données chaque jour.[1]Jensen Huang, "L'Arabie Saoudite et NVIDIA construisent des usines d'intelligence artificielle," NVIDIA News, nvidia.com Le logiciel représente 45,32 % des revenus à mesure que les grands modèles en langue arabe arrivent à maturité, tandis que les services affichent le TCAC le plus rapide de 36,30 % en raison de la demande croissante en DataOps et MLOps. Les entreprises s'appuient déjà sur des déploiements sur site et hybrides pour 59,47 % des charges de travail, tandis que l'utilisation du cloud public s'étend à un TCAC de 37,90 % grâce aux déploiements des hyperscalers. Le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite bénéficie en outre de la facturation électronique obligatoire qui a numérisé 85 % des transactions et produit des milliards de factures structurées prêtes pour l'analytique.[2]Autorité saoudienne de la Zakat, des impôts et des douanes, "Présentation de la phase 2 de la facturation électronique," zatca.gov.sa
Principaux enseignements du rapport
- Par composant, le logiciel détenait 44,72 % de la part de marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite en 2025.
- Les services devraient enregistrer le TCAC le plus élevé de 34,85 % d'ici 2031.
- Par taille d'organisation, les grandes entreprises représentaient 68,71 % de la taille du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite en 2025, tandis que les PME devraient progresser à un TCAC de 36,20 % jusqu'en 2031.
- Par secteur d'utilisateur final, le BFSI était en tête avec une part de revenus de 21,34 % en 2025 ; la santé progresse à un TCAC de 36,16 % jusqu'en 2031.
Note : La taille du marché et les prévisions figurant dans ce rapport sont générées à l'aide du cadre d'estimation exclusif de Mordor Intelligence, mis à jour avec les dernières données et informations disponibles en janvier 2026.
Tendances et perspectives du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite
Analyse de l'impact des moteurs*
| Moteur | Impact (~) % sur la prévision du TCAC | Pertinence géographique | Calendrier d'impact |
|---|---|---|---|
| Hausse du financement de la stratégie nationale d'intelligence artificielle | +8.20% | National, concentré à Riyad et dans la Province orientale | Moyen terme (2-4 ans) |
| Explosion des données de capteurs de NEOM | +6.80% | Région nord, débordement vers l'infrastructure nationale | Long terme (≥4 ans) |
| Déploiement de la facturation électronique obligatoire | +5.10% | National, avec des gains précoces à Riyad, Djeddah et Dammam | Court terme (≤2 ans) |
| Migration des charges de travail vers le cloud en priorité | +4.90% | National, sous l'impulsion du gouvernement et des grandes entreprises | Moyen terme (2-4 ans) |
| Demande d'analytique pour l'hydrogène vert | +3.70% | Province orientale et zones industrielles de NEOM | Long terme (≥4 ans) |
| Efforts de localisation de l'IA générative en langue arabe | +2.80% | National, avec des centres de recherche à Riyad et Khobar | Moyen terme (2-4 ans) |
| Source: Mordor Intelligence | |||
Hausse du financement de la stratégie nationale d'intelligence artificielle
Le budget de 100 milliards USD du Projet Transcendence a financé 14 campus hyperscale et des achats massifs de GPU, dont un supercalculateur de 18 000 GPU livré dans le cadre de l'alliance HUMAIN-NVIDIA. Le Fonds d'investissement public a porté ses allocations technologiques aux États-Unis à 26,7 milliards USD en 2024, en se concentrant sur les puces d'intelligence artificielle et les logiciels. AMD et Microsoft ont ajouté des déploiements distincts, offrant aux développeurs saoudiens un accès privilégié aux accélérateurs de nouvelle génération. Ces initiatives accélèrent l'entraînement de modèles souverains pour les tâches en langue arabe et établissent des barrières à l'entrée qui découragent les nouveaux entrants tardifs. Les entreprises profitent de retombées positives grâce à des services d'inférence domestiques à faible latence et à un écosystème de talents locaux en pleine maturité.
Explosion des données de capteurs de NEOM
Les volumes de données quotidiens dans la région de NEOM dépassent désormais 1 pétaoctet, capturés par des navettes autonomes, des sondes de qualité de l'air et des compteurs de services publics. Les centres à refroidissement liquide de DataVolt près de Tabuk traitent les flux en temps réel pour le routage du trafic et l'équilibrage d'énergie neutre en carbone. Aramco et Qualcomm ont co-déployé des équipements de traitement en périphérie qui réduisent la consommation d'énergie industrielle de 40 % grâce à la maintenance prédictive. Le trésor de données étiquetées en arabe qui en résulte soutient la formalisation de la parole, la cartographie des dialectes et le renforcement contextuel, affinant les performances des grands modèles de langage régionaux et permettant l'exportation de plans directeurs de villes intelligentes.
Déploiement de la facturation électronique obligatoire
La phase 2 du mandat « Fatoora » de la ZATCA a produit plus de 2,8 milliards de factures XML, immédiatement accessibles via des API standard. Les banques appliquent l'analytique de graphes à ces flux pour signaler les fraudes fiscales, tandis que les détaillants exploitent les étiquettes au niveau des articles pour les prévisions de demande. Les PME, nouvellement numérisées, accèdent à des tableaux de bord en mode paiement à l'utilisation qui reproduisent des informations de niveau entreprise sans investissement en capital. Les systèmes internationaux s'intègrent de manière transparente car les factures suivent un schéma UBL accepté mondialement, positionnant les exportateurs pour une réconciliation automatisée.
Migration des charges de travail vers le cloud en priorité
Les dépenses cloud en Arabie Saoudite devraient dépasser 4,7 milliards USD d'ici 2027, Alibaba Cloud, Tencent et Microsoft mettant en service des régions multi-zones. La coentreprise STC-Alibaba a ouvert deux installations locales hébergeant des clusters d'entraînement d'intelligence artificielle multilocataires chiffrés, et Microsoft a réservé 1,5 milliard USD de capacité supplémentaire. L'élasticité rapide permet aux applications de santé d'exécuter des pics d'inférence d'imagerie aux heures de pointe tout en réduisant l'activité pendant la nuit. Des seuils d'entrée plus bas incitent les PME à déployer des services d'intelligence artificielle qui seraient irréalisables dans des serveurs auto-hébergés.
Analyse de l'impact des contraintes*
| Contrainte | Impact (~) % sur la prévision du TCAC | Pertinence géographique | Calendrier d'impact |
|---|---|---|---|
| Pénurie de talents seniors en science des données | -4.30% | National, plus aiguë à Riyad et dans la Province orientale | Moyen terme (2-4 ans) |
| Standards fragmentés de gouvernance des données | -3.80% | National, affectant l'intégration intersectorielle | Court terme (≤2 ans) |
| Systèmes OT hérités dans le pétrole et le gaz | -2.90% | Complexes industriels de la Province orientale | Long terme (≥4 ans) |
| Souveraineté des données pour les charges de travail sensibles | -2.10% | National, particulièrement dans les secteurs gouvernemental et de la défense | Moyen terme (2-4 ans) |
| Source: Mordor Intelligence | |||
Pénurie de talents seniors en science des données
Le programme SAMAI vise à former 1 million de citoyens d'ici 2030, mais la demande dépasse déjà l'offre d'un facteur trois. Des employeurs en concurrence proposent des salaires supérieurs de 50 % aux moyennes du Golfe, comprimant les taux de consommation de trésorerie des startups. Les universités ont ajouté des diplômes conjoints avec le MIT et la KAUST, mais le soulagement à court terme dépend de l'expertise importée associée à des bootcamps de perfectionnement accélérés.
Standards fragmentés de gouvernance des données
Les régulateurs sectoriels interprètent la loi sur la protection des données personnelles de manière incohérente, obligeant les entreprises à jongler avec des protocoles de consentement divergents. Les acteurs du BFSI restreignent souvent excessivement le regroupement de données, ce qui entrave les modèles de vente croisée. Les clauses contractuelles types de la SDAIA promettent une harmonisation éventuelle, mais jusqu'à ce que leur adoption s'élargisse, les approbations de projets font face à des révisions juridiques coûteuses.
*Nos prévisions considèrent les impacts des moteurs et des contraintes comme directionnels et non additifs. Les prévisions d'impact reflètent la croissance de référence, les effets de composition et les interactions entre variables.
Analyse des segments
Par composant : la domination du logiciel stimule l'innovation en intelligence artificielle en langue arabe
Le logiciel a capté 44,72 % des revenus en 2025, reflétant la monétisation précoce des modèles de langage et des moteurs d'analytique personnalisés pour l'arabe. La taille du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite pour le logiciel devrait dépasser celle du matériel, car les frais de licence récurrents et les abonnements aux plateformes accélèrent la croissance du chiffre d'affaires. L'intensification des investissements dans ALLaM et ArabianGPT maintient les capacités de localisation en avance sur les produits importés, créant des avantages concurrentiels défendables. Les services, bien que plus modestes, affichent un TCAC de 34,85 % à mesure que les entreprises font appel à des intégrateurs pour l'orchestration des pipelines de données et le réentraînement des modèles.
Les fournisseurs regroupent les logiciels avec les services gérés, brouillant les frontières entre segments tout en élevant les marges brutes. Des modules hyper-verticaux entourent désormais les noyaux ERP, automatisant la validation des factures, les chatbots vocaux en arabe et l'optimisation des réservoirs. Les paquets open source tels que Wan2.1, téléchargé plus de 2,2 millions de fois, constituent les fondements d'écosystèmes pour les startups qui construisent des chaînes d'outils conformes. Ce cercle vertueux garantit que le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite maintient une propriété intellectuelle localisée qui génère des revenus de redevances au niveau national.
Par taille d'organisation : l'accélération des PME remodèle la dynamique du marché
Les grandes entreprises ont généré 68,71 % des revenus de 2025 après des pilotes initiaux en maintenance prédictive, conseil robotisé et détection de fraude en temps réel. Leurs courbes d'adoption reflètent des programmes numériques pluriannuels de cœur de métier et des lacs de données captifs. Pourtant, les PME enregistrent désormais un TCAC de 36,20 % car les plateformes cloud réduisent les barrières à l'entrée. La part de marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite détenue par les PME devrait s'élargir chaque année à mesure que les suites d'intelligence artificielle par abonnement remplacent les licences initiales.
Les quotas d'achat public qui favorisent les fournisseurs locaux encouragent les petites entreprises à intégrer l'intelligence artificielle dans des solutions de niche, de la numérisation de conformité halal à l'analytique de sentiment en arabe. Une accélération supplémentaire provient des règles bancaires ouvertes de la fintech qui exposent les données clients via des API sécurisées, permettant aux développeurs de PME de créer des microservices sur les rails bancaires. Agrégées, ces forces diversifient les sources de revenus et réduisent le risque de concentration sur le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite.
Par secteur d'utilisateur final : la santé émerge comme leader de la croissance
Le BFSI a conservé 21,34 % des revenus en 2025, les banques automatisant la notation de crédit et les assureurs pilotant une tarification basée sur la télématique. Pourtant, la santé progresse désormais à un TCAC de 36,16 % jusqu'en 2031, soutenue par les 1,6 million de consultations triées par intelligence artificielle de l'Hôpital virtuel Seha et le dépistage pathologique par intelligence artificielle à la Cité médicale du roi Fahad. La taille du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite allouée à la santé est prête à bondir à mesure que les codes de remboursement commencent à récompenser les diagnostics assistés par intelligence artificielle.
L'amélioration du débit d'imagerie réduit les arriérés d'orientation, tandis que les chatbots de triage des symptômes réduisent les visites de soins primaires. Les bacs à sable réglementaires permettent des mises à niveau algorithmiques sans redémarrer la certification, motivant les fournisseurs à itérer rapidement. En parallèle, les intégrations de dispositifs portables alimentent des modèles de traitement personnalisés, une tendance qui se répand dans les sous-segments du bien-être et du fitness.
Par modèle de déploiement : la migration vers le cloud s'accélère malgré les préoccupations de souveraineté
Les environnements sur site et hybrides ont sécurisé 58,57 % des dépenses de 2025, car les ministères exigent un contrôle physique des données sensibles. Le sous-segment du cloud public affiche cependant un TCAC de 35,63 % à mesure que des clauses de résidence clarifiées atténuent les craintes de conformité. Les hyperscalers proposent des zones de calcul dédiées avec une gestion des clés souveraines, persuadant les banques et les hôpitaux de déléguer leurs cycles d'entraînement.
Les modèles hybrides dominent les modèles entraînés sur des GPU cloud puis déployés sur des passerelles d'inférence locales. Ces schémas exploitent l'élasticité tout en limitant le trafic sortant. Au fil du temps, les offres de cloud privé du SCCC et d'Alibaba-STC brouillent la frontière en plaçant des racks hyperscale dans des cages appartenant aux clients. Ce continuum garantit que le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite continue de diversifier les choix de déploiement.
Par technologie : l'apprentissage automatique conduit les applications pratiques
L'apprentissage automatique supervisé reste le moteur principal pour la détection d'anomalies, la prédiction du taux d'attrition et la tarification dynamique dans le commerce de détail et les télécommunications. Les entreprises privilégient son interprétabilité et ses exigences réduites en matière de données. L'adoption de l'apprentissage profond s'accélère là où les tâches de vision et de langage dominent, assistée par les puces NVIDIA Grace Blackwell désormais disponibles via les clusters HUMAIN. Le traitement du langage naturel occupe une place stratégique élevée car 400 millions de locuteurs arabophones nécessitent des interfaces culturellement alignées.
Les applications d'intelligence artificielle en périphérie progressent à mesure que la couverture 5G s'étend et que les budgets de latence se resserrent. Aramco affiche 40 % d'économies d'énergie grâce à l'inférence sur site, et les feux de circulation de NEOM réagissent en moins de 15 millisecondes aux flux de caméras. Les plateformes d'analytique de Big Data fournissent encore l'épine dorsale de l'ingénierie des caractéristiques, mais leur prééminence recule progressivement à mesure que les pipelines d'intelligence artificielle de bout en bout fusionnent ETL et gouvernance des modèles. La combinaison technologique assure que le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite maintient à la fois l'étendue et la profondeur des cas d'utilisation.
Analyse géographique
Riyad ancre le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite, abritant la SDAIA, HUMAIN et la majeure partie du financement en capital-risque. Le couloir de la capitale compte cinq zones hyperscale qui dépassent ensemble 500 mégawatts de charge informatique. La Province orientale tire parti de ses hydrocarbures et de ses usines d'hydrogène vert pour justifier des clusters d'optimisation par intelligence artificielle qui gèrent le débit des raffineries et l'équilibrage des énergies renouvelables. NEOM se distingue par ses déploiements de villes intelligentes dont les retombées de données nourrissent les performances des modèles à l'échelle nationale.
Le positionnement transfrontalier renforce davantage la compétitivité. Les centres de données saoudiens sont interconnectés aux câbles de Marseille et de Mumbai, offrant une latence inférieure à 100 millisecondes vers l'Europe et l'Asie. Cette géographie permet au Royaume d'attirer des charges de travail d'intelligence artificielle internationales à la recherche d'un hébergement politiquement stable mais écoénergétique. Le leadership réglementaire, notamment la loi sur la protection des données personnelles, offre une sécurité juridique que de nombreux États voisins affinent encore, motivant les firmes multinationales à ancrer leurs sièges régionaux à Riyad.
Les programmes de numérisation provinciale étendent l'intelligence artificielle au-delà des mégalopoles. Qassim pilote l'analytique agronomique par drone, Asir déploie la prédiction des feux de forêt, et Tabuk gère l'optimisation de l'alimentation en aquaculture. Ces projets de terrain élargissent la diversité des données et testent la robustesse de l'intelligence artificielle dans des climats variés. L'effet cumulatif élève le niveau de maturité de l'intelligence artificielle nationale et maintient la trajectoire de croissance du marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite.
Paysage réglementaire
L'Arabie saoudite réglemente les données et l'IA par l'intermédiaire de la Saudi Data and Artificial Intelligence Authority (SDAIA), établie par le Conseil des ministres, tandis que le National Data Management Office (NDMO) publie des politiques, normes et contrôles nationaux pour la gestion des données et la protection des données personnelles. Pour le développement et le déploiement de l'IA, le Royaume a publié des Principes et contrôles de l'éthique de l'IA qui exigent transparence, équité et responsabilité sur l'ensemble du cycle de vie. Il a également publié des lignes directrices sur l'IA générative pour les entités gouvernementales, qui appellent à des vérifications de biais dans les données d'entraînement ainsi qu'à un examen juridique et de confidentialité pour les cas d'usage sensibles.
La conformité en matière de gouvernement numérique est en outre encadrée par la Digital Government Authority (DGA), notamment via les Digital Government Policies (V2.0) et la Digital Government Strategy (2025-2030). Ces instruments guident la façon dont les entités publiques numérisent leurs services et gouvernent leurs solutions de données et d'IA, poussant les entreprises et les fournisseurs vers une gouvernance auditable, une conformité des tiers imposée contractuellement, et des architectures de déploiement tenant compte de la résidence des données, conformément à la loi sur la protection des données personnelles et aux contrôles du NDMO.
Analyse de la chaîne de valeur
Les intrants amont se concentrent sur le matériel de calcul (GPU, serveurs, réseaux), la capacité cloud et de colocation, ainsi que sur les jeux de données de haute qualité générés par les programmes nationaux de numérisation et l'instrumentation des villes intelligentes. Cela inclut les données de facturation électronique de la ZATCA et les flux de capteurs de NEOM. Le segment intermédiaire s'organise autour des hyperscalers et des plateformes d'infrastructure nationales offrant des services cloud alignés sur la résidence des données et une capacité d'IA souveraine ancrée par HUMAIN, aux côtés d'intégrateurs de systèmes qui opérationnalisent le DataOps et le MLOps pour les ministères, les entreprises publiques et les secteurs réglementés. La construction de modèles et le développement d'applications sont de plus en plus encadrés par les artefacts de gouvernance de la SDAIA et du NDMO, notamment le cadre d'adoption de l'IA et les lignes directrices sur l'IA générative pour le secteur public.
La livraison en aval passe par des éditeurs de logiciels d'entreprise, des prestataires de services gérés, des écosystèmes de connectivité et d'edge pilotés par les télécommunications, ainsi que des spécialistes de solutions sectorielles qui intègrent l'analytique et l'IA en langue arabe pour les flux de travail de la banque-assurance, de la santé, de l'énergie et du gouvernement. Le déploiement d'infrastructures physiques reste un levier clé : en janvier 2026, la SDAIA a lancé le projet de centre de données gouvernemental Hexagon à Riyad (480 MW), dont la construction est menée par Albawani, et les filiales d'infrastructure du groupe stc, telles que Center3, étendent la capacité locale des centres de données pour soutenir l'entraînement et l'inférence conformes. Les contraintes de demande sont les plus visibles au niveau de la disponibilité des talents seniors en IA et de l'alignement de la gouvernance des données entre entités, ce qui accroît la charge de conformité et d'intégration pour les déploiements multi-agences.
Paysage concurrentiel
La structure du marché est modérément fragmentée, mais la consolidation s'accélère à mesure que les alliances souveraines se cristallisent. Les achats massifs de GPU par HUMAIN sécurisent une capacité privilégiée, poussant les concurrents à mutualiser leurs ressources ou à se spécialiser dans des niches verticales. Microsoft, AWS, Google Cloud et Alibaba Cloud se disputent vigoureusement les charges de travail des entreprises, mais doivent se localiser via des coentreprises ou des accords de revendeurs pour satisfaire aux règles de résidence. Cette dualité favorise la coopétition : les hyperscalers partagent les investissements d'infrastructure mais divergent sur les services de plateforme.
Les champions nationaux prospèrent dans les outils centrés sur la langue arabe. Intelmatix applique des moteurs d'intelligence décisionnelle à la logistique, Tarjama localise le contenu d'entreprise, et vminds.ai agrège des applications grand public dans un modèle de super-application. Des cycles de financement supérieurs à 20 millions USD signalent une confiance croissante des investisseurs. Les fabricants internationaux de puces poussent des laboratoires d'architecture de référence à Riyad pour semer la demande pour leurs accélérateurs, créant une activité en aval pour les intégrateurs de systèmes.
Les écosystèmes de dispositifs en périphérie évoluent également. STC fournit des routeurs connectés 5G qui intègrent l'inférence de vision par ordinateur, tandis que le groupe d'intelligence artificielle interne d'Aramco vend des modèles industriels à des firmes pétrochimiques externes. Les fournisseurs proposant des modules de gouvernance clés en main remportent des contrats à mesure que les coûts de conformité augmentent. Dans l'ensemble, des stratégies diversifiées garantissent que le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite continue de favoriser à la fois l'échelle mondiale et la spécialisation locale.[4]Microsoft Corporation, "Expansion de la région cloud au Moyen-Orient," news.microsoft.com
Leaders du secteur du Big Data et de l'Intelligence Artificielle en Arabie Saoudite
Microsoft Corporation
Nvidia Corporation
Amazon Web Services Inc.
SAP SE
Intel Corporation
- *Avis de non-responsabilité : les principaux acteurs sont triés sans ordre particulier
Opportunités de marché et perspectives d'avenir
Le secteur public offre une voie de commercialisation à court terme à mesure que les exigences de gouvernance deviennent plus explicites et standardisées. Le Conseil des ministres a désigné 2026 comme l'Année de l'intelligence artificielle, et la SDAIA a publié en avril 2026 un cadre d'adoption pour le secteur public qui établit des obligations contraignantes pour les entités gouvernementales et les entreprises publiques en matière de gouvernance des données, de responsabilité des modèles, de transparence, de supervision humaine et de gestion des risques. Cette formalisation crée une demande pour des outils et services qui opérationnalisent la conformité, notamment la surveillance des modèles, la journalisation d'audit, la traçabilité, les contrôles de confidentialité et des modèles sectoriels conçus pour s'aligner sur les processus d'achat.
Les opportunités liées à l'infrastructure se développent également grâce à des financements programmatiques et des partenariats qui élargissent le bassin de calcul national. En mai 2026, HUMAIN et le Saudi National Infrastructure Fund (SNIB) ont conclu un cadre de financement de 1,2 milliard USD pour étendre la capacité de calcul en IA et de centres de données, et en juillet 2026, HUMAIN et Cohere ont annoncé un partenariat lié à une infrastructure d'IA dédiée pour le développement de modèles de pointe. Combinées à la migration continue vers le cloud et aux contraintes de résidence des données qui maintiennent de nombreuses charges de travail sur site ou en mode hybride, ces initiatives créent un espace blanc pour des offres adjacentes au cloud souverain telles que le MLOps sécurisé, l'orchestration hybride, les passerelles d'inférence et les offres d'IA verticales qui monétisent les jeux de données nationaux, notamment la facturation électronique ZATCA et la télémétrie des villes intelligentes.
Développements récents du secteur
- Juillet 2026 : HUMAIN et Cohere ont annoncé une collaboration stratégique en matière de calcul, engageant 50 MW de capacité de calcul dédiée à l'IA pour le développement de modèles de pointe dans le Royaume, avec une infrastructure prévue pour être opérationnelle au quatrième trimestre 2027. Le partenariat renforce le lien entre le déploiement d'infrastructures souveraines et la capacité de R&D en modèles, consolidant la disponibilité locale de ressources d'entraînement et d'inférence à grande échelle.
- Mai 2026 : HUMAIN et Accenture ont annoncé une collaboration stratégique visant à accélérer l'adoption de l'IA dans les organisations des secteurs public et privé en Arabie saoudite. Ce partenariat renforce la capacité de mise en œuvre pour des déploiements à l'échelle de l'entreprise, notamment la gouvernance, les modèles opérationnels et les services de mise en œuvre nécessaires pour dépasser les phases pilotes et passer à des programmes de production.
- Novembre 2025 : HUMAIN, AMD et Cisco ont annoncé leur intention de former une coentreprise pour déployer des infrastructures d'IA à grande échelle, avec une première phase de 100 MW en Arabie saoudite dont le démarrage est prévu en 2026. La combinaison de silicium, de réseaux et du parrainage de plateformes souveraines élargit l'écosystème de fournisseurs qui se disputent le service des usines d'IA nationales et des charges de travail des grandes entreprises.
Cadre de la méthodologie de recherche et portée du rapport
Définition et périmètre du marché
Ce marché couvre les dépenses en Arabie saoudite pour les solutions de big data et d'intelligence artificielle qui aident à collecter, stocker, gérer et analyser les données, puis à appliquer des modèles d'IA pour automatiser les décisions ou améliorer les résultats dans les cas d'usage professionnels et gouvernementaux.
Exclusions du périmètre : les appareils grand public et le matériel informatique à usage général qui n'est pas principalement acheté pour des charges de travail de big data ou d'IA sont exclus de ce dimensionnement de marché.
Aperçu de la segmentation
- Par composant
- Matériel
- Logiciel
- Services
- Par taille d'organisation
- PME
- Grandes entreprises
- Par secteur d'utilisateur final
- IT et télécommunications
- Commerce de détail et e-commerce
- Institutions publiques et gouvernementales
- Banque, services financiers et assurance (BFSI)
- Santé
- Énergie (pétrole, gaz et services publics)
- Construction et fabrication
- Autres secteurs d'utilisateurs finaux (tourisme, transport, éducation)
- Par modèle de déploiement
- Sur site / Hybride
- Cloud public
- Cloud privé
- Par technologie
- Apprentissage automatique
- Apprentissage profond
- Traitement du langage naturel
- Vision par ordinateur
- Plateformes d'analytique de Big Data
- Intelligence artificielle en périphérie
Sources de données, dimensionnement du marché et validation
Recherche documentaire
La recherche documentaire est utilisée pour établir le contexte national et ancrer les moteurs de la demande qui façonnent l'adoption de l'analytique et de l'IA en Arabie saoudite. Nous avons examiné des sources publiques telles que la Banque centrale saoudienne pour les signaux de numérisation de la banque-assurance, la Communications, Space and Technology Commission pour les indicateurs TIC, et la Saudi Data and AI Authority pour les initiatives nationales en matière de données et d'IA.
Nous avons également utilisé des publications telles que celles de la Banque mondiale et de l'Union internationale des télécommunications pour recouper les tendances macroéconomiques et de connectivité. Nous avons ensuite examiné les rapports annuels des entreprises, les présentations aux investisseurs et une couverture médiatique fiable pour confirmer l'orientation des produits et les priorités des acheteurs. Lorsque cela contribuait à valider les calculs de marché, nous nous sommes appuyés sur des abonnements payants fournissant des données financières et de renseignement sur les entreprises, des actualités et données financières, des bases de données de brevets, et une base de données au niveau des expéditions d'import-export pour certains signaux liés au calcul et au stockage. Les sources citées ci-dessus sont données à titre illustratif, et de nombreuses autres références publiques et payantes ont également été utilisées pour clarifier, valider et combler les lacunes de données.
Entretiens et enquêtes primaires
Les travaux primaires ont été réalisés par le biais d'entretiens avec des experts et d'enquêtes structurées auprès d'acheteurs et d'acteurs de l'offre, afin de confirmer le rythme d'adoption, les configurations типiques des transactions, et l'évolution de l'affectation des budgets. Les contributions des répondants ont couvert les acheteurs du secteur public et les industries réglementées, les grandes entreprises et les PME, ainsi que les partenaires de mise en œuvre soutenant les plateformes de données et les déploiements d'IA. Nous avons ensuite utilisé ces résultats pour remettre en question les hypothèses documentaires et combler les lacunes de visibilité dans la construction du modèle.
Répartition des répondants aux travaux de terrain de la recherche primaire
| Type d'entreprise | Poste du répondant | Région |
|---|---|---|
| Premier niveau : 36 % | Dirigeants (CXO) : 12 % | |
| Niveau intermédiaire : 50 % | Responsables fonctionnels/d'unité : 34 % | |
| Acteurs plus petits : 14 % | Managers : 54 % |
Dimensionnement et prévisions du marché
Le marché est modélisé selon une logique descendante et ascendante, l'accent principal étant mis sur la construction d'un bassin de demande lié à la numérisation des entreprises et du gouvernement saoudiens. En pratique, nous reconstituons les dépenses en alignant l'adoption par les utilisateurs finaux avec les catégories de solutions (logiciels, services et matériel habilitant), puis nous appliquons des taux de pénétration réalistes et des parts budgétaires par secteur pour aboutir à une valeur de marché globale.
Pour ancrer le modèle dans la réalité, nous suivons des intrants tels que les signaux d'adoption du cloud, les ajouts de capacité de centres de données, le personnel et la montée en puissance des programmes d'IA et d'analytique, l'élan des projets d'e-gouvernement, et l'évolution du mix entre déploiement sur site et livraison gérée ou cloud. La tarification est traitée via une progression pratique du prix de vente moyen (ASP) qui reflète la durée des contrats, l'intégration de services gérés, et l'évolution vers une tarification à la consommation lorsque cela est pertinent. Les prévisions sont construites à l'aide d'une analyse de scénarios étayée par des retours primaires sur les budgets, le calendrier des achats et la préparation réglementaire, puis les résultats sont vérifiés par rapport à l'élan observé dans les dépenses TIC adjacentes.
Des approximations ascendantes sélectives sont utilisées pour valider les totaux, notamment des répartitions de revenus de fournisseurs échantillonnés, des vérifications de canaux, et des contrôles de cohérence volume-prix pour les infrastructures habilitantes lorsque la divulgation est limitée. Lorsqu'un sous-segment manque de visibilité directe, nous utilisons des proxys contraints, tels que la croissance du parc installé et les signaux de pipeline de projets, et nous plafonnons les résultats pour rester cohérents avec les enveloppes budgétaires des acheteurs partagées lors des entretiens.
Validation des données et cycle de mise à jour
La validation est effectuée par plusieurs cycles de vérifications croisées afin que le chiffre final reste cohérent avec les signaux de demande réels. Nous comparons les résultats du modèle à des indicateurs indépendants, examinons les valeurs aberrantes au niveau des segments, et revérifions les hypothèses lorsqu'une variable évolue plus que prévu.
Avant validation finale, le modèle complet est examiné par un autre analyste pour confirmer les calculs, la cohérence des unités, et la conformité des intrants avec le périmètre défini. Le rapport est actualisé chaque année, et des mises à jour intermédiaires sont déclenchées lorsque des évolutions politiques majeures, des annonces d'investissement hyperscale, ou de grands programmes du secteur public entraînent des changements significatifs. Juste avant la livraison, nous effectuons une dernière passe pour refléter les dernières mises à jour disponibles en matière de prix, de signaux d'adoption et de contexte macroéconomique.
Taille du marché saoudien du big data et de l'intelligence artificielle selon Mordor Intelligence, comparée à d'autres estimations publiées
Les tailles de marché publiées pour le big data et l'IA en Arabie saoudite peuvent sembler très éloignées les unes des autres car les postes de coûts inclus ne sont pas toujours les mêmes, et parce que les hypothèses de prévision peuvent être plus ou moins agressives. Des différences apparaissent également lorsqu'une estimation ne porte que sur les logiciels et services, tandis qu'une autre intègre des dépenses de transformation numérique plus larges qui n'y sont que indirectement liées.
Les dépenses informatiques d'entreprise à usage général, telles que les serveurs et le stockage standards non achetés pour des plateformes de données ou des charges de travail d'IA, se situent hors du périmètre de Mordor Intelligence, ce qui constitue une raison pratique expliquant les écarts avec des estimations de style TIC plus larges. Des écarts proviennent également de la manière dont les entreprises traitent les programmes du secteur public, du rythme de la migration vers le cloud, et de la vitesse à laquelle les cas d'usage de l'IA passent des phases pilotes aux déploiements à grande échelle, suivis de différences de calendrier dans la conversion des devises et dans la fraîcheur des taux de prix et d'adoption.
Comparaison de référence
| Source | Taille du marché | Lacunes de la méthodologie de recherche |
|---|---|---|
| Mordor Intelligence | 0,51 milliard USD (2025) | |
| Fil de presse sectoriel A | 48,18 milliards USD (2033) | Utilise un horizon plus long et un bassin de valeur combiné plus important, et la définition peut être interprétée comme incluant des investissements numériques et de données plus larges qui ne sont pas strictement liés aux dépenses en solutions de big data et d'IA. |
| Cabinet de conseil régional B | 1,30 milliard USD (2024) | Année de référence différente et probablement inclusion différente de l'infrastructure habilitante et des services gérés, ce qui peut décaler le point de départ et rendre les comparaisons année par année moins directes. |
L'écart entre les chiffres publiés s'explique en grande partie par l'étendue du périmètre, le choix de l'année, et la manière dont la tarification et l'adoption sont projetées dans les prévisions. Lorsque le modèle relie les dépenses à des groupes d'acheteurs clairs, à des catégories de solutions, et à un petit ensemble d'indicateurs de demande observables, le résultat devient plus facile à réconcilier et à reproduire dans le temps.
Questions clés auxquelles répond le rapport
Quelles sont les prévisions de revenus pour les solutions d'intelligence artificielle saoudiennes d'ici 2031 ?
Le marché du Big Data et de l'Intelligence Artificielle en Arabie Saoudite devrait atteindre 2,81 milliards USD d'ici 2031.
Quel secteur connaît la croissance la plus rapide en matière d'adoption de l'intelligence artificielle dans le Royaume ?
La santé est en tête avec un TCAC de 36,16 %, portée par la télémédecine et les programmes de diagnostic par intelligence artificielle.
Comment les PME bénéficient-elles des initiatives saoudiennes en matière d'intelligence artificielle ?
Les politiques privilégiant le cloud et la facturation électronique obligatoire ont abaissé les barrières à l'entrée, permettant aux PME d'adopter rapidement l'analytique d'intelligence artificielle en mode paiement à l'utilisation.
Pourquoi de nombreuses entreprises privilégient-elles encore le déploiement sur site ?
Les mandats de souveraineté des données pour les charges de travail gouvernementales et de défense maintiennent 58,57 % des déploiements sur site ou en mode hybride.
Quelles zones géographiques concentrent la majorité des centres de données d'intelligence artificielle ?
Riyad concentre la plupart des campus hyperscale, tandis que la Province orientale et NEOM ajoutent de la capacité pour les charges de travail industrielles et de villes intelligentes.
Quelle est la principale contrainte à la croissance de l'intelligence artificielle ?
Une pénurie de talents seniors en science des données persiste, la demande dépassant l'offre d'environ trois pour un, ce qui fait grimper les coûts salariaux.
Dernière mise à jour de la page le:
