L'IA en Afrique : où l'opportunité est réelle et ce qui la freine encore

L'intelligence artificielle en Afrique est souvent présentée soit comme un saut technologique inévitable, soit comme une histoire d'exclusion. Aucun de ces cadrages n'est exact. La réalité est plus précise : l'adoption se concentre dans les secteurs où l'IA résout un problème commercial immédiat, et elle est bridée par des conditions d'infrastructure et de données qu'aucun modèle ne peut corriger.

Là où l'IA est réellement déployée :

Les services financiers dominent largement, pour une raison structurelle. L'argent mobile a créé ce qui manque à la plupart des marchés émergents : des données de transaction denses et fréquentes sur des dizaines de millions de personnes sans historique de crédit formel.

Ces données permettent une notation du crédit fondée sur le comportement observé plutôt que sur des garanties ou des bulletins de salaire. Partout sur le continent, des prêteurs évaluent la solvabilité à partir des flux d'argent mobile, des achats de crédit téléphonique et des habitudes de remboursement, ce qui rend possibles de petits prêts à une échelle que l'analyse traditionnelle n'aurait jamais pu atteindre économiquement. La détection de fraude, le recouvrement automatisé et le service client en langues locales suivent la même logique.

L'agriculture est le deuxième domaine, et il compte parce que le secteur emploie une large part de la population active. L'imagerie satellitaire combinée aux données météorologiques permet la prévision des rendements, la détection des ravageurs et des maladies à partir de photographies, et une assurance récolte indicielle qui verse en fonction de la pluviométrie mesurée plutôt que d'une expertise de terrain coûteuse. Des services de conseil diffusés par SMS ou par la voix atteignent des agriculteurs sans smartphone, un choix de conception délibéré et important.

Les systèmes de santé recourent à l'IA là où les spécialistes sont rares au regard des besoins. L'aide au diagnostic de la tuberculose, le dépistage du cancer du col de l'utérus, le tri en radiologie et la prévision des chaînes d'approvisionnement en médicaments répondent tous à des goulots d'étranglement créés par la pénurie de personnel plus que par l'absence de technologie.

Les technologies de la langue constituent une force de recherche proprement africaine. Des efforts portés par des communautés ont bâti des corpus, des systèmes de traduction et des modèles vocaux pour des langues longtemps absentes des grands systèmes d'IA, dont le swahili, l'amharique, le yoruba, le haoussa, le zoulou et bien d'autres. Ce travail dépasse le continent : il figure parmi les tentatives les plus sérieuses au monde pour faire fonctionner l'IA au-delà d'une poignée de langues dominantes.

La contrainte d'infrastructure :

La limite déterminante n'est ni le talent ni les idées. C'est le calcul et l'électricité.

Entraîner ou servir de grands modèles suppose des centres de données, et les centres de données supposent une électricité fiable à l'échelle industrielle. La fiabilité du réseau reste une contrainte sérieuse dans une grande partie du continent, et la production de secours renchérit fortement les coûts. Là où la capacité existe, elle se concentre dans un petit nombre de pôles, principalement l'Afrique du Sud, le Kenya, le Nigeria, l'Égypte et le Maroc.

Conséquence pratique : la plupart des déploiements africains d'IA utilisent des modèles entraînés ailleurs, sollicités par Internet depuis des centres de données étrangers. Cela fonctionne pour beaucoup d'applications, mais crée une dépendance à des infrastructures étrangères, expose les coûts au risque de change, ajoute de la latence et soulève des questions de résidence des données là où la réglementation impose un stockage local.

Plusieurs gouvernements ont annoncé des initiatives nationales de puissance de calcul, et l'investissement international dans les centres de données africains a augmenté. C'est la variable la plus déterminante pour les prochaines années.

La connectivité et son coût restent inégalement répartis. L'investissement dans les câbles sous-marins a considérablement élargi la bande passante, mais le coût des données rapporté aux revenus continue de décider quels produits peuvent réussir. Les systèmes conçus pour une connectivité permanente à haut débit échouent là où ces hypothèses ne tiennent pas, ce qui explique que le SMS, l'USSD et les interfaces vocales comptent toujours.

Le problème des données :

Les systèmes d'IA reflètent les données sur lesquelles ils sont entraînés, et les contextes africains sont sous-représentés dans les corpus qui alimentent les grands modèles.

Cela se manifeste concrètement. Des modèles médicaux entraînés majoritairement sur des populations européennes et nord-américaines peuvent se comporter différemment sur des patients africains. Des modèles agricoles entraînés sur l'agriculture industrielle ne se transposent pas forcément à de petites parcelles en cultures associées. Les systèmes vocaux traitent mal les accents et les langues d'Afrique. La vision par ordinateur entraînée sur des infrastructures étrangères interprète mal l'état local des routes et des bâtiments.

La réponse a été la création de jeux de données locaux : lente, coûteuse, peu spectaculaire, et pourtant le véritable goulot d'étranglement. Les organisations qui bâtissent des corpus de langues africaines, des jeux d'images médicales locales et des données agricoles ancrées sur le terrain font le travail qui décidera si ces systèmes fonctionnent.

Les compétences, et où va le talent :

Les universités africaines forment des diplômés capables en mathématiques, en statistique et en informatique, et plusieurs équipes de recherche produisent des travaux d'apprentissage automatique reconnus internationalement. De grandes entreprises technologiques exploitent des centres de recherche et d'ingénierie sur le continent.

La difficulté persistante est la rétention. Les ingénieurs expérimentés obtiennent des salaires mondiaux, et le travail à distance a rendu l'emploi international accessible sans expatriation. Cela élève les revenus individuels et les transferts de fonds, tout en compliquant la constitution d'équipes seniors dans les entreprises locales. Les organisations qui retiennent les talents offrent en général soit une participation au capital d'entreprises en croissance, soit un travail à portée locale manifeste.

La régulation arrive par le droit de la vie privée :

La plupart des pays africains disposent désormais d'une législation de protection des données, souvent calquée sur les principes européens, avec des régulateurs actifs dans les plus grands marchés. En pratique, c'est aujourd'hui la principale contrainte juridique sur le déploiement de l'IA : elle régit les données collectables, leurs usages, les transferts transfrontaliers et les décisions automatisées touchant des personnes.

Des stratégies et des cadres propres à l'IA émergent aux niveaux national et continental, mettant généralement l'accent sur le développement et le renforcement des capacités autant que sur les garde-fous. Les entreprises présentes sur plusieurs marchés africains rencontrent la même fragmentation qu'ailleurs : des principes largement similaires, des exigences sensiblement différentes.

Ce qui marche vraiment :

Le schéma des réussites est constant. Résoudre un problème local précis et coûteux. Concevoir pour l'infrastructure qui existe, non pour celle qu'on souhaiterait. Bâtir ou acquérir des données réellement locales. Supposer une bande passante limitée, une électricité intermittente et des appareils basiques, et traiter cela comme des exigences de conception plutôt que comme des obstacles temporaires.

Les échecs suivent un schéma tout aussi constant : des solutions importées supposant des conditions qui ne tiennent pas, des pilotes qui ne survivent pas au contact du réel, et des projets optimisés pour la démonstration plutôt que pour le déploiement.

La perspective réaliste :

L'Afrique ne mènera pas à court terme le développement des modèles de pointe ; cela exige une concentration de puissance de calcul qui n'existe pas aujourd'hui sur le continent. Ce n'est pas la compétition qui compte.

La question qui compte est de savoir si les organisations africaines construiront les données, les applications et les infrastructures pour appliquer ces systèmes à des problèmes qui comptent localement, et si elles en capteront la valeur. Sur ce critère, la trajectoire est réellement positive, portée par des secteurs où l'argument commercial est immédiat, et limitée d'abord par l'électricité, le calcul et les données, non par l'ambition ou les capacités.