L'Ouganda et la Tanzanie construisent l'IA là où internet reste rare

L'Ouganda et la Tanzanie illustrent une version rarement discutée de l'adoption de l'intelligence artificielle : ce qui se passe dans des économies où la connectivité est chère, l'électricité peu fiable, la majorité des gens travaillent dans l'agriculture et le capital est rare.

Des conditions partagées :

Les deux pays ont des populations jeunes et en croissance rapide, un emploi dominé par l'agriculture et une pénétration du téléphone mobile qui monte vite, aux côtés d'une adoption limitée du smartphone et d'internet.

L'argent mobile est répandu dans les deux, suivant le schéma est-africain, et fournit le même socle aux services financiers qu'au Kenya : des historiques de transaction soutenant l'évaluation du crédit pour des personnes sans compte bancaire.

Tous deux font face à des coûts d'accès à internet élevés au regard des revenus, même si l'investissement dans les câbles sous-marins et l'extension de la fibre terrestre ont amélioré la situation. L'Ouganda, enclavé, dépend du transit par ses voisins pour sa connectivité, ce qui renchérit les coûts.

L'Ouganda :

Kampala accueille une scène technologique modeste mais active, avec des activités en technologie financière, en technologies agricoles et en santé.

Les applications agricoles sont les plus pertinentes économiquement. Le café est une exportation majeure, et les applications comprennent la détection des maladies, la prévision des rendements et l'information sur les prix de marché diffusée par SMS. Des services de conseil agricole diffusés numériquement atteignent des agriculteurs qui verraient sinon rarement un agent de vulgarisation.

Les applications de santé répondent à de graves pénuries de personnel, avec l'aide au diagnostic et la gestion des chaînes d'approvisionnement en médicaments. L'Ouganda a l'expérience de la riposte aux épidémies, et l'analyse de données pour la surveillance a un usage pratique.

L'Ouganda a investi dans une infrastructure nationale de fibre et un centre de données national, visant à héberger les systèmes de l'État sur son sol.

Parmi les contraintes figurent l'accès à l'électricité, qui reste limité hors des zones urbaines malgré la production hydroélectrique, des restrictions périodiques d'internet lors de périodes politiquement sensibles, et une capacité de recherche limitée.

La Tanzanie :

La Tanzanie a une population et une économie plus grandes, avec Dar es Salaam comme centre commercial.

La pénétration de l'argent mobile est élevée, et le pays a été précoce dans la mise en place de l'interopérabilité entre opérateurs, améliorant l'utilité du système.

L'agriculture emploie la plupart des Tanzaniens, et les applications reflètent les schémas régionaux : suivi des cultures, services météorologiques, information de marché et assurance indicielle. L'élevage est économiquement significatif, et les applications de surveillance s'y appliquent.

La conservation de la faune est un domaine distinctif. Les parcs nationaux tanzaniens comptent économiquement pour le tourisme, et l'analyse d'images de pièges photographiques, la surveillance acoustique et l'optimisation des patrouilles anti-braconnage sont des applications actives, souvent soutenues par des organisations internationales de conservation.

Les mines, dont l'or et de plus en plus les minéraux critiques, recourent à la modélisation géologique et à l'optimisation opérationnelle.

La Tanzanie a investi dans son infrastructure nationale de technologies de l'information, dont une dorsale en fibre et une capacité de centres de données, et la connectivité par le port de Dar es Salaam sert ses voisins enclavés.

La langue :

Le swahili est largement parlé dans les deux pays et dans toute l'Afrique de l'Est, avec des dizaines de millions de locuteurs. C'est l'une des langues africaines les mieux dotées pour l'IA, avec un réel effort de recherche derrière les corpus et modèles en swahili, quoique toujours loin derrière les grandes langues mondiales.

Les langues locales au-delà du swahili, nombreuses dans les deux pays, restent largement non servies.

Les contraintes communes :

La capacité de calcul est minime dans les deux, les charges tournant à l'étranger au prix des devises.

L'enseignement technique avancé produit peu de spécialistes, et l'émigration est importante.

Les marchés de capitaux sont peu profonds, et une grande part du financement technologique vient de la finance de développement et de bailleurs internationaux, ce qui oriente ce qui se construit vers des priorités de développement plutôt que commerciales.

La perspective :

Pour les deux pays, l'adoption de l'IA arrivera probablement par des services diffusés sur mobile en agriculture, en santé et en finance, plutôt que par un secteur technologique au sens classique.

Ce n'est pas un résultat moindre. Des applications qui élèvent les rendements des petits exploitants ou étendent le crédit à des commerçants informels touchent plus de vies que la plupart des produits d'IA commerciaux, et elles se construisent sous des contraintes qui mettraient en échec la plupart des entreprises.