Dossier IA — Saison 2 : l’IA sous contrainte, comment l’Afrique innove avec moins

Dossier NotreAfrik IA — Saison 2. Après la géographie matérielle de l’IA explorée en Saison 1, cinq actes sur l’intelligence artificielle africaine en action : une IA de la contrainte, qui compense les infrastructures absentes plutôt que d’optimiser le confort. Des champs aux cliniques, des données souveraines aux minerais critiques — enquête sur ce que l’Afrique produit, contrôle et peut négocier.

Acte 1 — L’Afrique produit-elle vraiment de l’IA ?

L’intelligence artificielle en Afrique est souvent analysée à travers le prisme du retard infrastructurel, du manque de capacités de calcul ou de la dépendance technologique vis-à-vis des grandes puissances numériques. Pourtant, derrière cette perception se développe un écosystème d’innovation original. Dans la santé, l’agriculture, la finance ou les services publics, l’intelligence artificielle africaine explore des voies fondées sur la frugalité technologique, l’adaptation aux contraintes locales et la recherche de solutions concrètes aux défis du développement.

Dans le grand récit mondial de la révolution algorithmique, les scènes de tournage semblent immuables. Ce sont les serveurs climatisés de Virginie, les laboratoires ultra-sécurisés de la Silicon Valley, les centres de conception de Shenzhen et les usines de semi-conducteurs de Taïwan. À ce banquet de la puissance brute, l’Afrique est souvent assignée au rôle de spectatrice, de consommatrice ou, au mieux, de marché émergent à conquérir par des technologies conçues ailleurs.

Le raisonnement dominant paraît évident : puisque le continent ne dispose ni des fermes de processeurs graphiques de dernière génération, ni des capacités énergétiques massives nécessaires à leur fonctionnement, ni des milliards de dollars investis dans les modèles les plus puissants, il serait exclu de la production de l’intelligence artificielle.

La Saison 1 de cette enquête a documenté cette asymétrie matérielle avec une lucidité froide. Le compute demeure largement concentré hors du continent. Les infrastructures critiques restent inégalement réparties. L’énergie continue d’agir comme un facteur limitant.

Pourtant, cette conclusion repose sur une confusion profonde entre la visibilité médiatique d’une technologie et sa réalité fonctionnelle.

Pendant que l’attention mondiale se concentre sur les modèles conversationnels capables de rédiger des textes, générer des images ou dialoguer avec des millions d’utilisateurs, une autre histoire se déroule, plus discrète mais infiniment plus stratégique. Une histoire où l’innovation naît moins de l’abondance que de la contrainte. Une histoire où l’intelligence artificielle en Afrique n’est pas conçue pour impressionner, mais pour résoudre des problèmes concrets.

Pourquoi l’intelligence artificielle en Afrique semble absente du radar mondial

Pourquoi l’Afrique semble-t-elle absente de la carte mondiale de l’intelligence artificielle ?

Parce que les indicateurs dominants mesurent essentiellement la puissance brute : montants levés, capacités de calcul installées, nombre de brevets déposés ou taille des modèles entraînés.

Selon cette grille de lecture, le constat paraît sans appel. Aucun acteur africain ne rivalise aujourd’hui avec les investissements mobilisés par les géants technologiques américains ou chinois. Aucun modèle développé sur le continent n’occupe le devant de la scène mondiale au même titre que les grands systèmes génératifs qui captent l’attention du public.

Mais cette mesure de la performance technologique raconte seulement une partie de l’histoire.

Dans sa stratégie continentale consacrée à l’intelligence artificielle, l’Union africaine, avec l’appui de la Commission économique des Nations unies pour l’Afrique (UNECA), défend une approche sensiblement différente. L’enjeu n’est pas de reproduire à l’identique la course mondiale au gigantisme informatique. Il s’agit plutôt d’orienter l’innovation vers des secteurs capables de répondre aux besoins les plus urgents du continent : santé, agriculture, éducation, finance ou services publics.

L’erreur consiste alors à réduire l’intelligence artificielle aux seuls modèles les plus visibles.

L’Afrique ne produit pas principalement une intelligence artificielle spectaculaire.

Elle produit une intelligence artificielle infrastructurelle.

Une intelligence artificielle souvent invisible pour le grand public, intégrée dans les mécanismes de décision, les systèmes de diagnostic, les plateformes financières ou les chaînes logistiques. Une intelligence artificielle qui ne cherche pas nécessairement à attirer l’attention mais à combler des déficits fonctionnels.

L’utilisateur ignore fréquemment qu’un algorithme intervient dans le service qu’il utilise. L’IA n’est pas présentée comme un produit autonome ; elle agit comme une fonction intégrée à l’économie réelle.

L’intelligence artificielle africaine comme outil de compensation

La spécificité de nombreux usages africains de l’intelligence artificielle peut se résumer par une observation simple :

« En Occident, l’intelligence artificielle optimise généralement des infrastructures existantes. En Afrique, elle compense des infrastructures absentes. »

Cette distinction éclaire une grande partie des dynamiques observées sur le continent.

Dans de nombreux pays, les contraintes ne proviennent pas uniquement d’un manque de technologie. Elles résultent aussi d’infrastructures physiques incomplètes, de systèmes administratifs fragmentés ou d’un accès limité à certains services essentiels.

L’intelligence artificielle intervient alors comme un mécanisme de compensation.

Le secteur financier en fournit une illustration particulièrement éclairante.

Pendant longtemps, l’absence d’historique bancaire formel a empêché des millions de personnes d’accéder au crédit. Dans un tel contexte, les méthodes classiques d’évaluation du risque deviennent insuffisantes.

Pour contourner cette difficulté, plusieurs acteurs ont développé des systèmes capables d’analyser d’autres signaux : historique d’utilisation du mobile money, régularité des paiements, habitudes de consommation ou comportement transactionnel.

L’objectif n’est pas de reproduire les modèles des grandes banques occidentales.

L’objectif est de remplacer une information absente par une autre information exploitable.

L’algorithme devient alors un substitut institutionnel.

La même logique apparaît dans le domaine de la santé.

Dans certaines régions confrontées à une pénurie de spécialistes médicaux, des systèmes d’aide au diagnostic permettent de renforcer les capacités du personnel de terrain. L’intelligence artificielle n’y remplace pas le médecin. Elle contribue à réduire l’écart entre les besoins de la population et les ressources disponibles.

Dans ces contextes, la technologie ne constitue pas un outil de confort.

Elle devient un outil de rattrapage fonctionnel.

L’art de faire plus avec moins : la logique de l’innovation africaine

Cette réalité a progressivement façonné une culture particulière de l’innovation.

Face au coût du cloud facturé en devises étrangères, aux contraintes de connectivité et à la rareté des ressources de calcul, les développeurs africains ont souvent été contraints d’adopter une philosophie différente de celle des grands pôles technologiques mondiaux.

La question n’est pas :

« Comment construire le modèle le plus puissant possible ? »

La question devient :

« Comment obtenir un résultat utile avec les ressources réellement disponibles ? »

Cette logique favorise des systèmes plus légers, plus sobres et mieux adaptés aux environnements contraints.

Les applications sont conçues pour fonctionner avec une connectivité limitée.

Les calculs sont rapprochés de l’utilisateur.

Les coûts de traitement sont réduits autant que possible.

L’innovation se mesure moins à la taille des infrastructures mobilisées qu’à la capacité d’obtenir un résultat concret malgré leur absence.

L’un des exemples les plus emblématiques de cette approche provient des travaux menés en Ouganda autour de la détection des maladies agricoles. Plusieurs programmes de recherche ont développé des outils capables d’identifier certaines maladies du manioc ou du maïs directement à partir d’images prises sur un smartphone.

Dans certains cas, ces systèmes continuent de fonctionner même lorsque la connexion Internet est indisponible. L’agriculteur ou le technicien peut obtenir une aide à la décision sans dépendre en permanence d’un centre de données distant.

Cette approche illustre parfaitement la logique de l’innovation sous contrainte : rapprocher l’intelligence du terrain plutôt que de dépendre systématiquement d’infrastructures éloignées.

Cette culture de l’optimisation ne produit pas uniquement des solutions locales et discrètes. Elle peut également faire émerger des acteurs capables de rivaliser sur des marchés mondiaux.

L’exemple le plus emblématique demeure celui d’InstaDeep, née en Tunisie.

Fondée avec des moyens initialement limités, l’entreprise s’est progressivement imposée dans des domaines de pointe tels que l’apprentissage par renforcement et les systèmes de décision complexes. Son acquisition par BioNTech a constitué l’un des événements les plus marquants de l’histoire récente de l’écosystème technologique africain.

Au-delà de l’opération financière elle-même, cette trajectoire illustre qu’il est possible de concevoir des solutions de classe mondiale à partir d’un environnement initialement moins doté en infrastructures que les grands pôles technologiques traditionnels.

La barrière de l’échelle : pourquoi l’IA en Afrique reste confrontée au défi du compute

Pour autant, l’analyse serait incomplète si elle s’arrêtait à cette démonstration.

L’ingéniosité ne supprime pas les contraintes matérielles.

Elle les repousse.

La véritable difficulté apparaît lorsque les solutions doivent changer d’échelle.

Concevoir un système efficace pour quelques milliers d’utilisateurs est une chose. Le faire fonctionner quotidiennement pour des millions de personnes en est une autre.

À mesure que les volumes augmentent, les besoins en calcul, en stockage, en connectivité et en énergie augmentent également.

Les mêmes limites réapparaissent alors.

Les entreprises les plus ambitieuses se retrouvent confrontées à un choix complexe : maintenir une autonomie relative au prix de certaines limitations techniques, ou s’appuyer davantage sur les infrastructures des grands fournisseurs mondiaux de cloud computing.

Dans les deux cas, les enseignements de la Saison 1 réapparaissent.

Car derrière chaque service d’intelligence artificielle se cachent toujours des centres de données, des réseaux, de l’électricité et du calcul.

L’économie du compute demeure le juge de paix.

Le mur des données : le prochain défi de la souveraineté numérique africaine

L’Afrique produit donc bel et bien de l’intelligence artificielle.

Elle le fait selon des logiques différentes de celles qui dominent les grands centres technologiques mondiaux. Elle le fait en transformant la contrainte en capacité d’innovation. Elle le fait en développant des solutions adaptées à ses réalités économiques, sociales et territoriales.

Mais à mesure que cet écosystème gagne en maturité, une nouvelle frontière apparaît.

Un système d’intelligence artificielle peut fonctionner avec peu de ressources.

Il peut être optimisé.

Il peut être déployé sur des infrastructures modestes.

Il peut même contourner certaines contraintes de connectivité.

Mais il ne peut exister sans sa matière première fondamentale.

La donnée.

Pour comprendre les marchés africains, les systèmes de santé africains, les agricultures africaines ou les langues africaines, encore faut-il disposer de données capables de refléter ces réalités.

Or une question essentielle demeure largement ouverte :

Qui produit ces données ?

Qui les collecte ?

Qui les structure ?

Qui les possède ?

Après la bataille des infrastructures matérielles étudiée dans la Saison 1, une nouvelle bataille de souveraineté s’impose au premier plan.

Une bataille plus discrète, mais potentiellement plus décisive encore.

C’est celle des données.

Et c’est elle qui ouvre le prochain chapitre de notre enquête.

Acte 2 — La bataille des données souveraines

L’intelligence artificielle ne fonctionne pas uniquement grâce aux algorithmes ou aux centres de données. Elle dépend d’une matière première plus fondamentale encore : la donnée. Or, à mesure que l’Afrique développe ses propres capacités en intelligence artificielle, une question devient centrale : qui produit, qui contrôle et qui valorise les données qui décrivent les réalités du continent ? L’indépendance algorithmique ne se résume pas à l’accès aux serveurs ; elle dépend viscéralement de la matière première qui les alimente. Derrière les débats techniques se dessine une bataille économique, culturelle et géopolitique dont l’issue déterminera une partie de la place de l’Afrique dans l’économie numérique mondiale.

Le miroir déformant : l’illusion de la neutralité algorithmique

Une intelligence artificielle apprend à partir de ce qu’on lui montre. Cette évidence technique possède des conséquences politiques considérables.

Lorsqu’un système est principalement entraîné sur des corpus massifs issus de dynamiques socio-économiques nord-américaines ou européennes, il développe naturellement une représentation du monde façonnée par ces réalités. Les langues dominantes, les comportements de consommation, les références culturelles, les cadres administratifs ou les pratiques économiques présents dans ces jeux de données initiaux deviennent progressivement la norme implicite de la machine. Le problème n’est pas qu’un algorithme soit biaisé au sens moral du terme. Le problème est qu’il devient aveugle à ce qu’il n’a jamais appris à indexer.

Une intelligence artificielle conçue pour analyser des flux bancaires formels risque de mal interpréter l’économie informelle. Un modèle médical construit principalement à partir de données cliniques collectées ailleurs rencontrera des difficultés structurelles lorsqu’il sera confronté à des réalités épidémiologiques différentes. L’enjeu n’est donc pas seulement technologique ; il est cognitif.

« Entraîner une intelligence artificielle en Afrique avec les données du Nord, c’est cartographier Kinshasa ou Lagos avec un plan de Paris ou de New York. »

La question n’est plus seulement de produire des algorithmes. La question devient de savoir si les machines qualifient réellement l’Afrique telle qu’elle est.

Parler aux machines : la victoire cognitive face au mur du calcul

Cette interrogation apparaît avec une force particulière dans le domaine des langues. Le web mondial reste dominé par quelques idiomes internationaux où l’anglais occupe une place écrasante. À l’inverse, une grande partie des langues africaines demeure sous-représentée dans les grands corpus utilisés pour l’apprentissage des machines. Cette situation crée une forme d’invisibilité numérique : ce qui n’est pas documenté en jeux de données exploitables est impossible à modéliser, et ce qui n’est pas modélisé devient impossible à servir.

C’est précisément pour répondre à ce défi qu’est apparu Masakhane, une communauté panafricaine de chercheurs, linguistes et ingénieurs. Leur travail consiste à fabriquer des corpus linguistiques et à structurer des jeux de données originaux pour des langues souvent ignorées par les grands modèles internationaux.

Cette initiative représente une victoire cognitive majeure : pour la première fois, des technologues africains imposent leurs propres réalités vernaculaires aux architectures algorithmiques.

Mais cette avancée révèle immédiatement sa limite matérielle. Car si la structure des données devient africaine, l’infrastructure de calcul permettant d’entraîner les modèles lourds à partir de ces corpus demeure dépendante d’écosystèmes technologiques extérieurs. Les financements, les bourses de recherche et les crédits de calcul indispensables restent souvent liés à des géants internationaux ou à des plateformes distantes. La souveraineté linguistique progresse par la donnée, mais sa validation matérielle reste suspendue à la puissance de calcul du Nord.

L’Afrique, atelier invisible de l’IA mondiale

Le débat sur la souveraineté numérique est souvent présenté comme si le continent était absent de la production des données mondiales. La réalité est plus complexe : l’Afrique participe déjà massivement à l’économie mondiale de la donnée, mais elle y occupe une position subalterne de sous-traitance dans la qualification de la matière première.

Pour fonctionner, les systèmes d’intelligence artificielle ont besoin de données préparées, nettoyées, vérifiées et annotées. Derrière l’illusion de l’autonomie algorithmique se cache un immense travail humain d’enrichissement des datasets. Depuis plusieurs années, des villes comme Nairobi ou Antananarivo se sont imposées comme des pôles majeurs de cette économie de l’annotation. Des entreprises comme Sama ou Scale AI mobilisent des milliers de travailleurs locaux chargés de classer, corriger et étiqueter les flux de données brutes.

Une lecture superficielle réduirait cette réalité à une simple exploitation de main-d’œuvre bon marché. Ce serait une erreur de diagnostic économique. L’émergence de ces hubs repose sur des avantages comparatifs réels : une jeunesse hautement connectée, des compétences linguistiques pointues et des coûts opérationnels compétitifs. Pour de nombreux jeunes diplômés, ces emplois offrent des revenus supérieurs à ceux du secteur informel local.

Le nœud du problème ne réside donc pas dans la nature du travail, mais dans l’architecture de la chaîne de valeur. L’Afrique fabrique la matière première qualifiée de l’intelligence artificielle mondiale, mais la valeur ajoutée la plus importante est intégralement captée en aval — dans les modèles, les plateformes, les licences et les produits finaux détenus par les Big Tech. Le continent entraîne les machines du monde par ses données, mais il ne possède pas les machines.

Qui transforme la donnée en pouvoir ?

L’Afrique produit davantage de données, structure ses corpus linguistiques, qualifie les systèmes mondiaux et renforce ses barrières réglementaires. Pourtant, une question fondamentale demeure : qui transforme réellement cette matière première en pouvoir économique ?

Acte 3 — L’IA des champs, des cliniques et des portefeuilles

Après l’examen des infrastructures de calcul et de la souveraineté des données, l’enquête de NotreAfrik se confronte à l’épreuve du réel. L’intelligence artificielle quitte les centres de données, les laboratoires de recherche et les débats sur les modèles pour pénétrer les secteurs où se joue quotidiennement une partie du développement africain. Agriculture, santé, finance : trois domaines où les besoins sont immenses, les ressources limitées et les marges d’erreur souvent coûteuses.

À l’inverse des économies développées, où l’intelligence artificielle se diffuse principalement comme technologie d’automatisation, de confort ou de productivité, le continent africain l’intègre dans des environnements marqués par la rareté des infrastructures, la faiblesse des capacités logistiques et les contraintes budgétaires permanentes. Cette différence change profondément la nature des usages.

En Afrique, l’intelligence artificielle ne remplace pas les infrastructures manquantes ; elle est déployée pour gérer rationnellement leur pénurie.

C’est précisément dans cette tension entre innovation algorithmique et contraintes matérielles que se joue aujourd’hui une partie de la trajectoire numérique du continent.

Deux visions de l’intelligence artificielle : le confort contre la nécessité

Pour comprendre la spécificité de l’intelligence artificielle africaine, il faut d’abord s’extraire du récit dominant produit par les grands centres technologiques mondiaux.

Dans les économies du Nord, la révolution algorithmique contemporaine est largement incarnée par les assistants conversationnels, la génération automatique de contenu, la création d’images synthétiques ou l’automatisation des tâches administratives. Les investissements massifs réalisés dans les modèles génératifs sont justifiés par des gains de productivité, des améliorations de l’expérience utilisateur ou des avantages concurrentiels dans les services numériques.

Cette réalité existe. Mais elle ne constitue qu’une partie du paysage mondial.

Sur une grande partie du continent africain, l’intelligence artificielle est confrontée à des défis d’une autre nature. Les questions centrales ne portent pas sur la rédaction automatique d’un courriel ou la création instantanée d’une illustration marketing. Elles concernent l’identification précoce d’une maladie végétale, la détection rapide d’une pathologie pulmonaire ou l’évaluation du risque financier d’un entrepreneur exclu du système bancaire traditionnel.

L’IA y apparaît moins comme une technologie de confort que comme un outil de décision sous contrainte.

Sa valeur ne se mesure pas à sa capacité à produire davantage de contenu. Elle se mesure à sa capacité à réduire l’incertitude dans des environnements où une mauvaise décision peut compromettre une récolte, retarder un traitement médical ou exclure un ménage d’un financement vital.

L’Afrique ne produit pas une intelligence artificielle plus avancée que celle des grandes puissances technologiques. Elle développe une intelligence artificielle plus directement exposée aux réalités matérielles du développement.

Les champs : quand l’algorithme voit la tempête mais que la route manque encore

L’agriculture constitue sans doute le laboratoire le plus visible de cette intelligence artificielle de nécessité.

Dans de nombreuses économies africaines, le secteur agricole demeure un pilier majeur de l’emploi, des revenus et de la sécurité alimentaire. Pourtant, il reste fortement exposé aux aléas climatiques, aux maladies végétales, aux ravageurs et aux difficultés logistiques. Chaque erreur d’évaluation peut avoir des conséquences immédiates sur les revenus des exploitants.

C’est dans ce contexte que se développent des outils de plus en plus sophistiqués de prévision et d’aide à la décision.

Les travaux conduits autour de programmes comme PlantVillage, les recherches de l’Université de Makerere en Ouganda ou encore certaines initiatives soutenues par le réseau international CGIAR illustrent cette dynamique. Grâce à la vision par ordinateur, à l’analyse d’images satellites et à l’exploitation de données météorologiques locales, ces systèmes permettent d’identifier des maladies du manioc, du maïs ou du riz à des stades précoces. D’autres modèles évaluent les besoins en irrigation ou anticipent certains risques climatiques.

Le bénéfice est réel. Une maladie détectée plus tôt augmente les chances d’intervention. Une prévision plus précise améliore les décisions d’investissement. Une meilleure information réduit l’incertitude.

Mais c’est précisément ici que la rhétorique technologique rencontre ses limites.

L’algorithme peut détecter une infestation. Il ne produit pas les pesticides nécessaires. Il peut recommander une intervention rapide. Il ne construit pas la route qui permettra d’acheminer les intrants. Il peut prévoir une baisse des rendements. Il ne finance ni les infrastructures de stockage ni les systèmes d’irrigation indispensables pour y répondre.

La victoire de la prédiction demeure conditionnée par l’existence de capacités physiques permettant d’agir.

L’algorithme voit parfois la tempête arriver. Il ne construit pas l’abri.

Cette tension constitue l’une des leçons majeures de l’IA agricole africaine. La technologie améliore la qualité de la décision. Elle ne supprime pas les contraintes structurelles qui entourent cette décision.

Les cliniques : l’algorithme réduit l’incertitude, le désert médical demeure

Le secteur de la santé reproduit presque exactement le même schéma.

Depuis plusieurs années, l’intelligence artificielle s’impose progressivement comme un outil d’aide au diagnostic dans plusieurs systèmes de santé africains. Des modèles spécialisés assistent l’interprétation de radiographies thoraciques pour la détection de la tuberculose. D’autres contribuent à identifier certaines pathologies oculaires, à prioriser les cas les plus urgents ou à orienter les patients vers les structures adaptées.

Dans un contexte marqué par une pénurie persistante de spécialistes, ces avancées peuvent produire des gains considérables.

L’Organisation mondiale de la santé rappelle régulièrement que plusieurs pays africains demeurent confrontés à des déficits importants de personnel médical qualifié. Dans certaines régions, les spécialistes sont concentrés dans quelques centres urbains alors que les besoins sont dispersés sur des territoires immenses.

L’intelligence artificielle apparaît alors comme un multiplicateur d’efficacité. Elle permet à des structures médicales limitées d’exploiter plus rapidement les informations disponibles et d’orienter plus efficacement les ressources existantes.

Le gain est parfois spectaculaire.

Mais une nouvelle fois, le diagnostic n’est pas le soin.

Détecter plus rapidement une pathologie ne garantit ni la disponibilité des médicaments ni l’existence d’un laboratoire fonctionnel. Identifier un risque médical avec davantage de précision ne crée ni médecins supplémentaires ni équipements hospitaliers nouveaux.

Comme dans l’agriculture, l’information devient plus précise, mais la capacité d’action demeure conditionnée par des infrastructures physiques qui échappent à l’algorithme.

L’intelligence artificielle peut réduire l’incertitude médicale. Elle ne produit ni médecins, ni médicaments, ni infrastructures hospitalières.

Elle gère la pénurie médicale ; elle ne l’abolit pas.

Les portefeuilles : entre inclusion financière et extraction algorithmique

C’est probablement dans la finance que l’ambivalence de l’intelligence artificielle apparaît avec le plus de netteté.

L’essor du mobile money a profondément transformé les économies africaines au cours des deux dernières décennies. Des plateformes comme M-Pesa, MTN Mobile Money ou Orange Money ont permis à des dizaines de millions de personnes d’accéder à des services financiers sans passer par les réseaux bancaires traditionnels.

Cette transformation a généré une quantité considérable de données comportementales : fréquence des transactions, habitudes de paiement, régularité des recharges téléphoniques, comportements d’épargne ou historiques de transfert.

Ces données sont devenues une nouvelle matière première économique.

Grâce aux techniques de scoring alternatif, les institutions financières et les fintechs peuvent désormais évaluer la solvabilité de personnes qui n’ont jamais possédé de compte bancaire classique. L’absence de garanties traditionnelles est progressivement remplacée par l’analyse algorithmique des comportements numériques.

Pour des millions d’entrepreneurs, de commerçants ou de travailleurs informels, cette évolution représente une avancée majeure. Elle ouvre l’accès au crédit, à l’assurance et à certains services financiers autrefois inaccessibles.

La promesse d’inclusion financière est donc bien réelle.

Mais elle possède une face beaucoup plus sombre.

Les mêmes mécanismes qui facilitent l’accès au crédit rendent possible une surveillance comportementale permanente. Chaque transaction devient un signal. Chaque habitude devient une donnée exploitable. Chaque donnée devient une variable de décision financière.

Dans certains contextes, ces systèmes peuvent industrialiser le surendettement des classes populaires avec une efficacité inédite, en ajustant automatiquement les conditions de crédit à partir de données comportementales devenues la nouvelle matière première du risque financier.

La donnée comportementale devient simultanément une garantie financière et un outil de surveillance économique.

L’inclusion financière et l’extraction financière ne constituent donc pas deux réalités opposées. Elles peuvent être produites simultanément par les mêmes infrastructures numériques.

La technologie ouvre l’accès au financement tout en augmentant les capacités de contrôle et de captation de valeur.

L’algorithme démocratise parfois le crédit. Il peut également optimiser son extraction.

La leçon africaine : la rentabilité par la contrainte

L’expérience africaine révèle finalement quelque chose de fondamental sur l’intelligence artificielle elle-même.

Contrairement à certaines représentations dominantes, le continent ne démontre pas qu’il peut contourner les lois matérielles du développement grâce à la magie du code. Il démontre autre chose : l’intelligence artificielle devient immédiatement utile lorsqu’elle répond à des besoins essentiels.

Dans les champs, elle améliore l’allocation de ressources rares.

Dans les cliniques, elle aide à prioriser des capacités médicales limitées.

Dans les services financiers, elle rend visibles des profils économiques auparavant exclus des circuits formels.

Plusieurs économies africaines démontrent ainsi la valeur d’usage immédiate de l’intelligence artificielle lorsqu’elle est confrontée à des problèmes concrets plutôt qu’à des usages de confort.

Mais cette efficacité ne doit pas être romantisée.

L’IA de nécessité reste un traitement palliatif.

Tant qu’elle ne sera pas adossée à des infrastructures énergétiques robustes, à des réseaux logistiques performants, à des systèmes de santé renforcés et à des capacités industrielles plus importantes, elle continuera principalement à optimiser les conséquences de pénuries existantes.

L’intelligence artificielle peut optimiser la rareté. Elle ne peut pas abolir les lois matérielles du développement.

L’Afrique commence à produire des usages. Elle commence à produire des données. Elle commence même à produire des modèles adaptés à certaines de ses réalités.

Mais une question demeure désormais incontournable.

Qui décide des limites acceptables de ces systèmes ?

Qui protège les citoyens ?

Qui arbitre entre innovation, souveraineté et intérêt général ?

Après les infrastructures, après les données et après les usages, le débat se déplace vers le terrain du pouvoir normatif.

Acte 4 — Qui écrit les règles ?

Depuis le début de cette enquête consacrée à l’intelligence artificielle en Afrique, une idée s’est progressivement imposée : derrière chaque prouesse technologique se cache une infrastructure ; derrière chaque infrastructure, une chaîne d’approvisionnement ; derrière chaque chaîne d’approvisionnement, un rapport de force économique. L’illusion la plus répandue consiste à croire que l’IA échappe à cette logique matérialiste. Mais un sommet invisible reste à franchir. Le véritable pouvoir ne consiste plus seulement à construire les architectures numériques ou à en déployer les usages ; il consiste à définir les règles du jeu auxquelles ces systèmes devront obéir. Face aux empires réglementaires américain, chinois et européen, l’Afrique fait face à un défi de souveraineté inédit. Car dans cette économie de la prédiction, ceux qui contrôlent les infrastructures et les marchés disposent d’un avantage décisif pour édicter les lois des autres.

I. Les règles invisibles — L’illusion du vide juridique

L’agriculteur qui consulte une application de prévision agricole dans la vallée du fleuve Sénégal, le patient dont la radiographie pulmonaire est analysée par un outil d’aide au diagnostic dans une clinique de Dakar, la commerçante de Lagos qui sollicite un microcrédit depuis son téléphone mobile ou l’entrepreneur kényan qui intègre un assistant conversationnel à sa plateforme de commerce électronique ont tous le sentiment d’interagir avec des outils distincts, neutres et purement utilitaires. Pourtant, ces acteurs partagent une caractéristique commune : ils évoluent dans un univers normatif qu’ils n’ont ni conçu, ni négocié, ni parfois même identifié.

Lorsqu’une demande de crédit est refusée en quelques secondes, lorsqu’un diagnostic est classé dans une catégorie de risque particulière ou lorsqu’une recommandation algorithmique est écartée, la décision obéit rarement à une loi votée dans un parlement africain. Elle découle de politiques de sécurité élaborées dans les bureaux d’un fournisseur cloud américain, de filtres de modération calibrés en Californie ou d’exigences de conformité destinées à satisfaire un régulateur européen.

L’une des grandes erreurs d’analyse consiste à croire que l’absence de lois spécifiques sur le continent équivaut à un vide juridique. En réalité, l’Afrique est déjà saturée de règles, mais celles-ci sont invisibles. Lorsqu’une start-up africaine déploie un service, elle ne construit presque jamais un grand modèle de langage à partir de zéro ; elle utilise des API et se connecte à des infrastructures préexistantes.

Ce faisant, elle importe instantanément tout l’environnement normatif de son fournisseur. Les modèles d’OpenAI, Google, Anthropic ou Microsoft s’accompagnent de politiques de sécurité, de filtres de modération et de mécanismes de contrôle standardisés globalement pour répondre aux priorités de leurs concepteurs. Les débats autour du travail de modération externalisé au Kenya l’ont prouvé : des sous-traitants locaux, chargés de nettoyer les données pour le compte de firmes de la Silicon Valley, participent à la définition pratique des limites de l’IA mondiale. Le pouvoir ne s’exerce plus uniquement à travers les lois, mais à travers le code, les contrats, les architectures techniques et les conditions d’utilisation que personne ne lit mais que tout le monde accepte. Les normes voyagent désormais à la vitesse des API, bien plus vite que les législations nationales.

II. La guerre des trois modèles — La norme comme arme de puissance

Ces règles invisibles ne naissent pas dans un vide politique. Derrière chaque filtre de sécurité ou obligation de transparence se trouve une vision particulière de la souveraineté. La bataille mondiale autour de l’IA n’est pas une simple joute entre firmes technologiques ; c’est une confrontation de doctrines de puissance où l’État utilise la réglementation comme un bouclier et une épée économiques. Trois modèles dominent cette guerre des normes.

L’approche des États-Unis est dictée par leur position dominante sur l’ensemble de la chaîne de valeur : les principaux fournisseurs cloud, laboratoires privés, fonds de capital-risque et infrastructures de calcul sont américains. Washington n’est pas hostile à la régulation, mais il refuse tout cadre susceptible de ralentir son avance industrielle. L’Executive Order signé par l’administration Biden en octobre 2023 en est l’illustration parfaite. Sous couvert de sécurité, il impose aux fournisseurs d’infrastructures cloud de signaler l’accès d’acteurs étrangers à des capacités de calcul avancées. L’IA y est traitée comme un actif stratégique relevant de la sécurité nationale, au même titre que les technologies militaires ou les semi-conducteurs. Les règles sont calibrées pour maintenir le leadership.

À Pékin, la Chine suit une trajectoire inverse, centrée sur la souveraineté politique. L’IA est perçue comme un instrument de puissance publique et de contrôle avant d’être un moteur de croissance. Les règlements de la Cyberspace Administration of China (CAC) encadrent strictement les algorithmes de recommandation et les systèmes génératifs. Les entreprises disposent d’une grande liberté pour innover, à la condition absolue de respecter les « valeurs socialistes fondamentales » et d’éviter toute production textuelle ou visuelle remettant en cause l’ordre politique ou la cohésion idéologique. Pékin refuse radicalement que les règles de son espace numérique soient déterminées à l’extérieur.

L’Europe, quant à elle, joue la carte de la puissance par la norme. Le récit officiel présente l’AI Act comme l’expression d’une pure ambition éthique de protection des citoyens. La réalité géoéconomique est plus crue : l’Europe ne dispose d’aucun hyperscaler ou laboratoire capable de rivaliser avec les géants américains ou chinois. Face à cette faiblesse industrielle, Bruxelles a transformé la taille de son marché intérieur en levier d’influence mondiale : c’est l’« effet Bruxelles ». Pour accéder au marché européen, les multinationales étrangères doivent se plier à ses exigences sous peine d’amendes massives pouvant atteindre 35 millions d’euros ou 7% du chiffre d’affaires mondial. L’Europe utilise le droit comme une barrière pour contraindre des acteurs qu’elle ne contrôle pas directement, exportant ses standards à travers les plateformes et les API qui atterrissent ensuite sur les marchés africains.

III. La bureaucratie comme frontière numérique — Le coût caché de la vertu algorithmique

Dans l’économie de l’intelligence artificielle, les frontières commerciales ne prennent plus la forme de postes douaniers physiques ou de quotas d’importation. Elles se matérialisent par une certification, un audit indépendant, une procédure de conformité ou une obligation documentaire de traçabilité. Derrière les discours vertueux sur l’éthique se développe une économie de la conformité dont les coûts créent de redoutables barrières à l’entrée.

L’AI Act européen classe ainsi les systèmes par niveaux de risque. Les applications jugées à « haut risque » — qui incluent l’aide au diagnostic médical, le recrutement automatisé ou l’évaluation du crédit (credit scoring) — doivent satisfaire à des exigences dantesques : documentation exhaustive des jeux de données d’entraînement, traçabilité des décisions, supervision humaine constante et audits réguliers. Si ces objectifs de transparence semblent raisonnables sur le papier, leur coût de mise en œuvre est profondément asymétrique.

Pour mesurer ce choc, il faut observer le terrain africain. Prenons une jeune entreprise de Nairobi développant un système d’aide au diagnostic médical pour pallier la pénurie de radiologues en zone rurale. Après avoir levé quelques centaines de milliers de dollars en phase d’amorçage pour entraîner son modèle, elle se heurte à un mur dès qu’elle souhaite changer d’échelle. Les investisseurs internationaux exigent des garanties documentées sur l’origine des données, les partenaires hospitaliers réclament des audits tiers, et les fonds spécialisés exigent des rapports complexes prouvant l’absence de biais discriminatoires.

Pour Microsoft, Google ou Amazon, ces processus ne sont qu’une ligne budgétaire insignifiante, absorbée par des armées de juristes et de responsables de la gouvernance déjà en place. Pour une start-up africaine, un audit algorithmique indépendant peut rapidement mobiliser des dizaines ou des centaines de milliers de dollars. Cette taxe invisible représente une menace mortelle pour la viabilité même du projet. Sous couvert de vertu, l’excès de bureaucratie gèle la concurrence, force les nouveaux entrants à arbitrer entre l’innovation et la paperasse, et finit par cristalliser les monopoles des géants technologiques en place.

IV. L’Afrique entre fragmentation et dépendance — L’effet Bruxelles par ricochet

Coincé entre ces empires réglementaires, le continent africain fait face à un péril majeur : après avoir importé les infrastructures et les modèles, s’apprête-t-il à absorber passivement les lois qui les régissent ? Par souci de rationalisation technique, les grands fournisseurs mondiaux de cloud intègrent les contraintes de l’Europe directement dans la couche logicielle de leurs plateformes globales. Par conséquent, une start-up à Tunis ou à Dakar hérite indirectement de contraintes juridiques conçues à Bruxelles, pour lesquelles aucun État africain n’a pourtant disposé d’un droit de vote.

Face à cette colonisation par la procédure, les réactions nationales se multiplient, mais dans un ordre dispersé :

• Le Nigeria a adopté en 2023 le Nigeria Data Protection Act (NDPA). À travers une agence très active, la NDPC, Abuja cherche à affirmer un contrôle strict sur la circulation des données pour empêcher l’extraction incontrôlée de la valeur numérique de ses 200 millions de citoyens.
• Le Kenya, laboratoire avancé de la finance mobile, n’hésite pas à défendre vigoureusement sa souveraineté. En 2023, Nairobi a spectaculairement suspendu les activités du projet mondial Worldcoin en raison de préoccupations majeures liées à la collecte massive de données biométriques.
• Le Sénégal, via sa Commission de Protection des Données Personnelles (CDP), s’efforce également de renforcer son cadre national pour concilier l’attraction des investissements étrangers et la protection des droits des citoyens.

Cependant, cette balkanisation réglementaire produit l’effet inverse de celui recherché. En créant un paysage morcelé où une entreprise doit se conformer à une multitude de cadres différents pour opérer à l’échelle continentale, l’Afrique réduit ses propres économies d’échelle.

Pire, la plupart de ces textes nationaux s’inspirent fortement du RGPD européen afin de rassurer les investisseurs étrangers. Or, l’importation d’un cadre juridique sophistiqué ne s’accompagne pas de l’importation des moyens institutionnels nécessaires à son application. Les agences africaines disposent de ressources humaines et budgétaires limitées et ne possèdent pas les milliers d’ingénieurs nécessaires pour ouvrir les boîtes noires algorithmiques des géants internationaux.

L’Union Africaine tente bien de formuler une stratégie continentale pour unifier le bloc. Mais cette initiative reste avant tout politique ; l’UA ne dispose ni d’un pouvoir réglementaire contraignant similaire à celui de l’Union européenne, ni de budgets souverains pour imposer une harmonisation rapide. La réalité du marché se négocie donc État par État, en position de faiblesse structurelle.

V. Qui protège le citoyen africain ? — Le contrat social à l’épreuve des algorithmes

Dépouillé de son appareil géopolitique, le débat sur la gouvernance de l’intelligence artificielle revient toujours à son échelle la plus fondamentale : celle du contrat social et de la confiance collective. Depuis l’émergence des États modernes, la légitimité du pouvoir repose sur une promesse : lorsqu’une décision affecte un citoyen, celui-ci doit pouvoir identifier l’autorité responsable, en comprendre les mécanismes et disposer d’un recours. L’IA introduit une rupture majeure dans cet équilibre.

Au Kenya, l’essor des plateformes de crédit numérique automatisé comme M-Shwari, Tala ou Branch a grandement favorisé l’inclusion financière. Mais lorsqu’un algorithme de scoring refuse un prêt en quelques secondes, quels paramètres ont guidé sa conclusion ? Les biais historiques présents dans les données d’entraînement reproduisent-ils des discriminations préexistantes ? De même, si un système d’aide au diagnostic dans un hôpital sous-évalue les symptômes d’une catégorie de patients, la responsabilité se dilue dans une chaîne transnationale opaque impliquant des fournisseurs de données, des codeurs occidentaux et des hébergeurs cloud répartis sur plusieurs continents.

Pour que la souveraineté numérique ait un sens, elle doit se traduire par une capacité technique réelle d’audit et de contrôle. Une autorité de régulation incapable d’évaluer la qualité d’un modèle reste dépendante des rapports fournis par l’entreprise qu’elle est censée surveiller. L’absence totale de règles ne favorise pas l’innovation ; elle transforme le continent en un terrain d’expérimentation à ciel ouvert pour les acteurs déjà dominants. À l’inverse, copier machinalement l’arsenal bureaucratique européen risque d’étouffer les champions locaux avant même qu’ils n’atteignent une taille critique.

L’Afrique ne doit pas choisir entre le laisser-faire total et le mimétisme réglementaire. Sa trajectoire devra être originale, calibrée sur ses propres priorités de développement, afin de conserver un contrôle démocratique sur les systèmes qui organisent progressivement sa santé, sa finance, son éducation et son économie.

Conclusion

La bataille mondiale de l’intelligence artificielle ne se limite plus aux algorithmes, aux données ou aux infrastructures de calcul. Une nouvelle frontière du pouvoir est apparue : celle des normes. Ceux qui définissent les standards techniques et les obligations de conformité façonnent la répartition future de la valeur économique mondiale.

Les États-Unis protègent leur leadership industriel, la Chine sécurise sa stabilité politique, et l’Europe projette sa puissance de marché par le droit. Face à ces blocs, l’Afrique commence à comprendre que subir les normes des autres équivaut à accepter une souveraineté de seconde zone. Mais pour s’asseoir à la table des négociations mondiales et forcer les empires technologiques à respecter ses spécificités, quel levier réel le continent possède-t-il ?

La réponse ne se trouve ni dans les logiciels, ni dans les centres de données. Car avant le code, avant le cloud et avant l’intelligence artificielle, il existe une réalité physique, géologique et énergétique plus fondamentale encore, sans laquelle aucune révolution numérique ne peut exister. Pour dicter ses règles, l’Afrique doit apprendre à jouer sa carte maîtresse : celle de son sous-sol et de ses ressources.

Acte 5 — Le continent des ressources

Au terme de cette enquête, la réponse à la question du pouvoir ne se trouve ni dans le code, ni dans le cloud. Elle est ailleurs, plus ancienne et plus physique : dans le sous-sol et l’énergie. Le continent qui semble aujourd’hui dépendre de l’intelligence artificielle mondiale détient une partie significative des ressources dont cette intelligence dépend elle-même pour exister. L’enjeu n’est pas géologique, il est politique : l’Afrique peut-elle convertir son sous-sol en droit de veto géopolitique ?

I. L’hypocrisie du Cloud : Quand l’algorithme redevient industrie lourde

L’Afrique produit-elle de l’intelligence artificielle ? Qui contrôle les données ? Qui utilise les systèmes algorithmiques ? Qui écrit les règles ? Chacune de ces questions nous a progressivement conduits vers une réalité plus profonde. À mesure que les débats publics se concentraient sur les modèles génératifs, les assistants conversationnels ou les batailles réglementaires entre Washington, Bruxelles et Pékin, une illusion s’est imposée dans l’imaginaire collectif : celle d’une intelligence artificielle fondamentalement immatérielle, évoluant dans un univers abstrait de données, de code et de calculs, détaché des contraintes physiques qui ont historiquement structuré les rapports de puissance. Cette illusion constitue probablement l’un des plus grands succès culturels de l’industrie numérique contemporaine.

Le terme même de « Cloud » participe à cette construction mentale. Il suggère quelque chose de léger, de diffus, presque naturel. Un nuage flotte dans le ciel. Il ne pèse rien. Il ne possède ni frontière ni gravité. Or la réalité physique du cloud est exactement inverse. Derrière chaque requête adressée à un modèle d’intelligence artificielle se cachent des infrastructures parmi les plus lourdes jamais construites par l’humanité. Les centres de données modernes ressemblent davantage à des complexes industriels qu’à des plateformes numériques. Ils mobilisent des milliers de tonnes d’acier, de béton, de cuivre et d’équipements électroniques. Ils consomment des volumes considérables d’électricité. Ils produisent de la chaleur qu’il faut évacuer en permanence. Ils exigent des réseaux logistiques sophistiqués capables d’assurer un approvisionnement continu en composants stratégiques.

L’intelligence artificielle générative pousse cette logique à un niveau inédit. L’entraînement des grands modèles mobilise des grappes de processeurs spécialisés dont la concentration énergétique aurait paru inimaginable il y a seulement quelques années. Chaque nouvelle génération de modèles nécessite davantage de puissance de calcul, davantage de serveurs, davantage d’infrastructures de refroidissement et davantage de ressources physiques. Derrière l’apparente magie d’un assistant conversationnel capable de répondre instantanément à une question se cache une industrie lourde dont l’appétit matériel ne cesse de croître.

Cette réalité change profondément la manière dont il faut regarder la géopolitique de l’intelligence artificielle. Depuis plusieurs années, les analyses se concentrent principalement sur les entreprises capables de développer les meilleurs modèles ou sur les États capables de définir les règles du jeu réglementaire. Ces dimensions sont essentielles. Mais elles occultent souvent une question plus fondamentale : d’où viennent les ressources physiques qui rendent possible cette révolution technologique ? Car une fois dissipée l’illusion du cloud, l’économie mondiale de l’intelligence artificielle cesse d’apparaître comme une bataille exclusivement numérique. Elle redevient ce qu’ont toujours été les grandes révolutions industrielles : une compétition pour le contrôle des matières premières, de l’énergie et des infrastructures stratégiques.

C’est à cet instant précis que l’Afrique réapparaît au centre de l’équation mondiale. Non pas parce qu’elle contrôlerait les grands modèles de langage, non pas parce qu’elle dominerait les plateformes numériques, non pas parce qu’elle imposerait ses normes réglementaires. Mais parce qu’elle occupe une place singulière dans la géographie physique de cette nouvelle économie. Depuis le début de cette série, nous avons souvent décrit l’Afrique comme un continent confronté à des asymétries de puissance : asymétrie de calcul, asymétrie de données, asymétrie réglementaire. Pourtant, lorsqu’on abandonne les cartes du numérique pour revenir aux cartes géologiques, énergétiques et minières, une autre réalité apparaît progressivement. Le continent qui semble aujourd’hui dépendre de l’intelligence artificielle mondiale détient une partie de la matière dont cette intelligence dépend elle-même pour exister. Cette inversion de perspective constitue le véritable point de départ de notre dernier acte. Car l’enjeu n’est pas de savoir si l’Afrique possède des ressources, cette question est réglée depuis longtemps ; l’enjeu est de savoir si la géologie peut enfin se convertir en géopolitique.

II. La géopolitique du tableau de Mendeleïev : Pourquoi les minerais africains sont des actifs stratégiques

Pendant longtemps, les débats sur la puissance technologique se sont concentrés sur les laboratoires de recherche, les universités d’élite, les brevets, les logiciels et les capacités d’innovation. Cette vision demeure pertinente, mais elle ne raconte qu’une partie de l’histoire. Depuis que l’intelligence artificielle est entrée dans une phase d’industrialisation accélérée, la compétition mondiale ne se joue plus uniquement dans les centres de calcul de Californie, les laboratoires chinois ou les couloirs réglementaires de Bruxelles. Elle se joue également dans des mines, des corridors logistiques, des ports, des infrastructures ferroviaires et des gisements parfois situés à plusieurs milliers de kilomètres des lieux où sont conçus les algorithmes.

L’une des grandes ironies de la révolution numérique réside précisément dans ce retour inattendu de la géologie. Plus l’économie mondiale se virtualise, plus elle dépend de contraintes physiques. Plus les modèles deviennent sophistiqués, plus ils exigent des infrastructures complexes. Plus les centres de données se multiplient, plus ils consomment de matériaux stratégiques. Derrière l’apparente dématérialisation du monde se cache en réalité une intensification spectaculaire de la demande en ressources naturelles. C’est ici que l’Afrique cesse d’être un simple observateur de la révolution de l’intelligence artificielle pour redevenir un acteur central de son architecture matérielle.

Le cas le plus emblématique demeure celui de la République démocratique du Congo. La RDC représente à elle seule une part dominante de la production mondiale de cobalt. Or, ce métal ne constitue pas seulement un enjeu pour les véhicules électriques : il intervient de manière critique dans les systèmes de stockage et les architectures qui garantissent la continuité opérationnelle (uptime) des infrastructures numériques modernes face aux instabilités des réseaux.

La même logique s’observe avec le cuivre. Les centres de données, les réseaux électriques, les systèmes de refroidissement et les équipements de calcul avancés reposent sur une consommation massive de cuivre, dont la RDC et la Zambie forment aujourd’hui l’un des principaux bassins mondiaux.

Le Mozambique s’est progressivement imposé comme un acteur majeur du graphite, tandis que le Zimbabwe attire une attention croissante en raison de ses réserves de lithium.

L’Afrique du Sud, quant à elle, demeure incontournable pour le manganèse, indispensable à la production des aciers d’infrastructure des serveurs informatiques de nouvelle génération.

Cette situation n’a évidemment échappé à personne. Une compétition géopolitique feutrée se déploie à travers des contrats miniers, des prises de participation et des accords de raffinage. La Chine a pris une avance considérable grâce à une stratégie patiente de deux décennies visant à sécuriser les intrants indispensables aux industries de demain. Face à cela, les États-Unis considèrent désormais ces chaînes d’approvisionnement comme un enjeu de sécurité nationale et réajustent leur diplomatie économique. L’Europe, structurellement dépendante, cherche à diversifier ses importations pour réduire ses vulnérabilités, tandis que les fonds souverains du Golfe multiplient les investissements pour diversifier leurs propres modèles économiques historiques.

Mais derrière cette ruée se cache la leçon des cycles d’extraction précédents : la valeur ajoutée migre toujours là où la matière est transformée, jamais là où elle est extraite. Posséder une ressource stratégique ne garantit pas l’exercice du pouvoir ; cela peut même devenir un piège si elle n’est pas intégrée dans une vision industrielle cohérente. Un constat qui devient encore plus brûlant lorsqu’on examine la seconde dépendance physique de l’IA : l’énergie.

III. Le paradoxe des Watts : L’intelligence artificielle sera-t-elle le prochain vampire énergétique ?

Si les minerais critiques constituent le squelette physique de l’intelligence artificielle, l’énergie en est le système sanguin. Aucun algorithme ne fonctionne sans électricité, aucun centre de données ne calcule sans alimentation continue. À mesure que l’IA générative s’impose, ses besoins énergétiques atteignent des niveaux qui rappellent les grandes industries lourdes du XXe siècle. Chaque amélioration des performances implique davantage de processeurs et des infrastructures de refroidissement d’une intensité croissante. Cette évolution provoque déjà des tensions majeures sur les réseaux électriques saturés d’Europe et d’Amérique du Nord, poussant les géants de la technologie à chercher désespérément de nouvelles terres d’accueil énergétiques.

C’est là que l’Afrique apparaît dans les radars stratégiques. Le potentiel hydroélectrique du continent (Grand Barrage de la Renaissance en Éthiopie, projet Grand Inga en RDC) ainsi que ses ressources solaires exceptionnelles alimentent de nombreuses projections optimistes. Pour certains observateurs, la conclusion est évidente : l’Afrique pourrait devenir le grand territoire d’accueil des infrastructures numériques mondiales, les hyperscalers y trouvant l’énergie propre nécessaire à leurs supercalculateurs.

Cette vision est dangereusement incomplète, car elle repose sur une confusion fondamentale entre potentiel brut et souveraineté énergétique. Un centre de calcul de pointe exige une stabilité absolue, disponible 24 heures sur 24, avec un taux de disponibilité de 99,999%. L’énergie solaire intermittente ou des lignes de transport défaillantes ne suffisent pas sans investissements massifs dans le stockage et la redondance. La question essentielle est de savoir qui contrôlera ces infrastructures de transformation.

Le véritable risque réside dans une nouvelle forme d’extraction coloniale et asymétrique : un scénario où les mégawatts les plus fiables et les plus propres du continent seraient prioritairement orientés vers des centres de données contrôlés par des acteurs étrangers pour faire tourner des applications conçues hors d’Afrique. Pendant ce temps, les industries locales continueraient à affronter des délestages chroniques et des millions de citoyens resteraient privés d’électricité. Dans ce schéma, l’Afrique ne serait pas une puissance numérique ; elle serait le simple fournisseur énergétique d’une puissance située ailleurs. L’énergie est un instrument de négociation : le continent doit-il la céder pour attirer des capitaux volatils ou l’utiliser comme condition stricte pour exiger l’installation de capacités de calcul souveraines sur son propre sol ?

IV. Leçons de l’histoire : Pourquoi la géologie sans stratégie industrielle devient une malédiction

À ce stade, il serait facile de céder à un nationalisme minier ou à un romantisme panafricaniste naïf, consistant à croire que l’abondance géologique garantit la prospérité technologique. L’histoire économique du continent démontre exactement le contraire : posséder une ressource n’est pas la même chose que maîtriser la chaîne de valeur qui lui donne son sens.

Le cas du pétrole nigérian demeure l’une des illustrations les plus frappantes de ce paradoxe : premier producteur du continent, le pays a passé des décennies à exporter son brut pour réimporter des produits raffinés à haute valeur ajoutée, faute d’avoir sécurisé le contrôle complet de son écosystème industriel.

La même logique s’applique à l’uranium nigérien, qui a alimenté les centrales des économies développées sans jamais transformer le Niger en puissance énergétique locale, l’essentiel de la richesse migrant vers les lieux de consommation finale et d’intégration technologique.

Même dans le secteur agricole, la Côte d’Ivoire et le Ghana dominent la production mondiale de cacao, mais ne captent qu’une fraction dérisoire de la valeur finale du marché du chocolat, concentrée dans les pays qui maîtrisent la transformation, le marketing et la propriété intellectuelle.

Cette leçon est brutale mais constante : la richesse ne se situe pas là où la ressource est extraite, elle se situe là où elle est transformée. Appliquée à l’intelligence artificielle, cette règle est encore plus violente. Entre le moment où le cobalt quitte la mine et celui où il stabilise un serveur de calcul avancé, il traverse une succession d’étapes complexes : raffinage, transformation chimique, fabrication de puces, assemblage et intégration logicielle. Chaque étape ajoute de la valeur, crée des emplois qualifiés et génère des connaissances techniques.

Si ces étapes se déroulent en dehors de l’Afrique, le continent répétera le schéma historique des économies extractives. Le risque est de voir le cobalt congolais extrait localement, raffiné ailleurs, intégré dans des puces américaines ou chinoises, alimenté par de l’énergie africaine délocalisée, pour faire tourner des algorithmes dont les profits économiques échapperont totalement au continent. L’Afrique serait une condition nécessaire du système, jamais son centre de gravité. La puissance ne naît pas du sol ; elle se construit dans les choix politiques et industriels qui forcent la transformation locale.

V. Transformer la dépendance en négociation : Vers une diplomatie industrielle du calcul

Pour rompre cette logique historique sans tomber dans le piège d’un protectionnisme improductif, l’Afrique doit inventer une véritable diplomatie industrielle du calcul. Les négociations traditionnelles basées uniquement sur des redevances financières ou la construction d’infrastructures de transport basiques (routes, chemins de fer) sont obsolètes face à l’économie de l’IA. L’accès aux ressources critiques doit devenir une arme contractuelle pour capter la technologie là où elle se crée.

À l’instar des initiatives prises sur le lithium par certains producteurs africains, le modèle d’exportation brute doit prendre fin. L’accès au sous-sol doit être strictement conditionné à des exigences industrielles claires et asymétriques :

• L’obligation de transformation locale : Quiconque souhaite s’approvisionner en minerais critiques doit investir dans des usines de raffinage et de première transformation sur le sol africain.
• La conditionnalité infrastructurelle et scientifique : L’accès aux gisements et à l’énergie stable doit se négocier contre l’implantation de centres de données souverains, le cofinancement de supercalculateurs locaux, le transfert effectif de compétences et la formation d’ingénieurs et de laboratoires de recherche africains.

Cette approche n’est ni du chantage ni de l’autarcie ; elle correspond exactement aux pratiques des grandes puissances économiques. La Chine a fondé son essor sur des transferts technologiques imposés, les États-Unis utilisent les subventions massives et la sécurité nationale pour protéger leurs filières, et l’Europe déploie sa puissance réglementaire pour défendre ses intérêts industriels.

Cependant, pour que ce levier fonctionne, l’Afrique doit impérativement cesser de négocier en ordre dispersé. La balkanisation actuelle permet aux investisseurs internationaux de mettre les États producteurs en concurrence, déplaçant les capitaux vers le voisin le plus accommodant et détruisant ainsi le pouvoir de négociation régional. Le cobalt, le cuivre, le graphite, le lithium et l’énergie africaine participent à un seul et même système industriel mondial. Ce n’est qu’à travers une coordination stratégique commune sur les standards, les transformations locales et les infrastructures de calcul que le continent passera du statut de fournisseur de matières premières à celui d’acteur géopolitique majeur.

Conclusion : Le droit de veto géopolitique qui attend ses diplomates

Au terme de cette seconde saison consacrée à l’intelligence artificielle africaine, un renversement de perspective radical s’impose. Nous avons commencé notre enquête en observant les limites du continent face aux infrastructures mondiales du calcul, la bataille des données, les contraintes des usages réels et les rapports de force asymétriques de la gouvernance réglementaire. À chaque étape, l’Afrique semblait occuper une position de faiblesse face à des blocs disposant de capitaux massifs ou d’influence normative.

Pourtant, en remontant la chaîne de dépendance physique de l’intelligence artificielle, nous découvrons une réalité implacable : l’algorithme dépend du calcul, le calcul dépend des centres de données, les centres de données dépendent de l’électricité, l’électricité dépend des infrastructures, et les infrastructures dépendent des minerais. Or, une partie vitale de ces minerais et de cette énergie se trouve en Afrique.

L’intelligence artificielle est la première révolution technologique dont la sophistication apparente repose sur une intensité matérielle aussi gigantesque. Plus les modèles deviennent puissants, plus ils retrouvent les contraintes fondamentales de la géographie, de la matière et du sous-sol. C’est dans cette dépendance physique que réside la véritable opportunité africaine.

Non pas dans une illusion de richesse automatique ou un déterminisme géologique naïf. Le sous-sol africain n’est pas une garantie de prospérité ni une assurance de souveraineté. Il constitue quelque chose de beaucoup plus rare et de beaucoup plus exigeant : un droit de veto géopolitique qui attend encore ses diplomates, ses industriels, ses ingénieurs et ses stratèges.

La question n’est plus de savoir si l’Afrique participera à la révolution de l’intelligence artificielle, car elle en est déjà le fondement matériel invisible. La question est de savoir si elle y participera comme simple réservoir de la puissance des autres, ou comme un bloc souverain capable d’utiliser sa terre pour imposer sa place dans l’ordre économique du XXIe siècle.

Fin de la Saison 2. « L’IA sous contrainte : comment l’Afrique innove avec moins. »

Sources & repères documentaires

• Union africaine — Stratégie continentale sur l’intelligence artificielle
• Commission économique des Nations unies pour l’Afrique (UNECA) — Travaux sur l’intelligence artificielle, la transformation numérique et les infrastructures
• UNESCO — Gouvernance mondiale de l’IA et initiatives africaines
• African Institute for Mathematical Sciences (AIMS) — Recherche et formation en intelligence artificielle en Afrique
• InstaDeep — Cas de référence de l’innovation africaine à portée mondiale
• Travaux académiques sur le scoring alternatif fondé sur le mobile money
• Recherches de l’Université de Makerere sur l’usage de l’IA en agriculture et la détection des maladies des cultures
• Commission économique des Nations unies pour l’Afrique (UNECA) — IA, transformation numérique et infrastructures
• African Institute for Mathematical Sciences (AIMS)
• Masakhane — corpus et traitement des langues africaines
• InstaDeep (Tunisie) — acquisition par BioNTech
• Université de Makerere (Ouganda) — IA agricole et détection des maladies des cultures
• PlantVillage et réseau CGIAR — IA appliquée à l’agriculture
• Organisation mondiale de la santé (OMS) — déficit de personnel médical en Afrique
• Sama, Scale AI — annotation de données (Nairobi, Antananarivo)
• M-Pesa, MTN Mobile Money, Orange Money — mobile money et scoring alternatif
• EU AI Act — classification des systèmes par niveaux de risque
• Executive Order sur l’intelligence artificielle (États-Unis, octobre 2023)
• Cyberspace Administration of China (CAC) — encadrement des algorithmes
• Nigeria Data Protection Act (NDPA, 2023) et NDPC
• Kenya — suspension du projet Worldcoin (2023)
• Sénégal — Commission de protection des données personnelles (CDP)
• Plateformes de crédit numérique : M-Shwari, Tala, Branch
• Producteurs de minerais critiques : RDC (cobalt, cuivre), Zambie (cuivre), Zimbabwe (lithium), Mozambique (graphite), Afrique du Sud (manganèse)
• Projets énergétiques : Grand barrage de la Renaissance (Éthiopie), Grand Inga (RDC)