Afrique — Le saut quantique

Comment l'Afrique inventa l'inclusion numérique, révéla les biais de l'IA et construisit ses propres modèles

Hier — Le bond par-dessus l'abîme

Il existe une physique des sauts impossibles. L'électron, disent les physiciens quantiques, ne traverse pas l'espace entre deux orbites — il disparaît de l'une et apparaît dans l'autre, sans jamais occuper l'entre-deux. Un saut quantique.

L'Afrique a fait ce saut.

En 2007, moins de dix-neuf pour cent des Kenyans avaient accès à un compte bancaire. Les agences étaient rares, les routes parfois impraticables, les coûts prohibitifs. Le système bancaire traditionnel, hérité de la colonisation, n'avait jamais été conçu pour les villages reculés ni pour les économies informelles qui faisaient vivre la majorité de la population. L'Afrique semblait condamnée à rester en marge du système financier mondial.

Puis vint M-Pesa.

« M » pour mobile. « Pesa » pour argent, en swahili. Une idée simple : permettre aux Kenyans d'envoyer et de recevoir de l'argent par simple message texte, sans compte bancaire, sans agence, sans infrastructure lourde. Safaricom, l'opérateur téléphonique, transforma ses boutiques de recharge téléphonique en points de dépôt et de retrait. Les kiosques des villages devinrent des guichets. Le téléphone portable devint un portefeuille.

En quelques années, le taux d'inclusion financière au Kenya bondit de dix-neuf à quatre-vingts pour cent. Des études du Massachusetts Institute of Technology et de l'Université Georgetown estimèrent que M-Pesa avait sorti cent quatre-vingt-quatorze mille foyers kenyans de l'extrême pauvreté — principalement grâce à l'autonomisation économique des femmes, qui pouvaient désormais épargner, emprunter et gérer leurs finances sans dépendre d'intermédiaires masculins.

Le monde occidental n'avait pas encore inventé Apple Pay que l'Afrique payait déjà par téléphone.

Ce n'était pas un rattrapage. C'était un dépassement. L'Afrique n'avait pas traversé l'espace entre le système bancaire traditionnel et la finance numérique — elle avait sauté par-dessus.

En 2010, il existait treize millions de comptes de paiement mobile dans le monde. En 2023, ce chiffre atteignait six cent quarante millions — et l'Afrique subsaharienne représentait plus de la moitié des comptes actifs. La part des adultes africains effectuant des paiements numériques passa de vingt-huit pour cent en 2014 à cinquante pour cent en 2021. En 2024, les réseaux de paiement numérique africains dépassèrent le milliard d'utilisateurs mobiles, facilitant plus de mille cent milliards de dollars de transactions.

L'Afrique avait démontré quelque chose que les théoriciens du développement n'avaient pas anticipé : les retardataires peuvent devenir pionniers — s'ils inventent leur propre chemin plutôt que de copier celui des autres.

La même logique du saut quantique s'appliqua à l'intelligence artificielle.

L'Afrique n'avait pas les centres de données géants de la Silicon Valley. Elle n'avait pas les budgets de recherche des universités américaines. Elle n'avait pas les viviers de doctorants formés dans les laboratoires de Stanford ou du MIT. Selon les critères conventionnels, elle aurait dû rester spectatrice de la révolution de l'apprentissage profond.

Elle choisit d'en devenir actrice.

En 2015, Karim Beguir et Zohra Slim fondèrent InstaDeep à Tunis. Leur intuition : l'intelligence artificielle allait transformer la biologie, la logistique, la conception industrielle — et l'Afrique pouvait y contribuer depuis l'Afrique, sans attendre que les géants occidentaux daignent s'y intéresser.

Huit ans plus tard, en janvier 2023, BioNTech — la société pharmaceutique allemande qui avait co-développé l'un des premiers vaccins contre le Covid-19 — acquit InstaDeep pour six cent quatre-vingt-deux millions de dollars. C'était la plus grande acquisition d'une entreprise technologique africaine de l'histoire.

InstaDeep n'avait pas simplement grandi. Elle avait prouvé que l'excellence en intelligence artificielle pouvait naître en Tunisie, s'exporter à Londres, Paris, Berlin, Lagos, Le Cap, Boston et San Francisco, et rivaliser avec les meilleurs laboratoires du monde. Son système DeepChain permettait aux chercheurs médicaux d'explorer des séquences protéiques en quelques minutes grâce à des modèles de langage entraînés sur des milliards d'acides aminés. DeepPack optimisait le remplissage des conteneurs de transport. DeepPCB concevait des circuits imprimés complexes en moins de vingt-quatre heures.

L'acquisition par BioNTech produisit ce que les analystes appellent un « effet de validation » : soudain, les investisseurs, les agences gouvernementales et les grandes entreprises commencèrent à considérer les équipes africaines de technologie profonde comme dignes d'investissement et prêtes à l'exportation. InstaDeep avait « ouvert la porte » aux autres fondateurs africains.

En 2024, plus de deux mille quatre cents entreprises africaines construisaient des infrastructures d'intelligence artificielle ou développaient leurs propres systèmes basés sur l'IA. L'Afrique du Sud menait, suivie du Kenya et du Nigeria. L'Égypte, le Rwanda, la Tunisie, l'île Maurice émergaient comme pôles régionaux. Ce n'était plus une exception — c'était un écosystème.

Aujourd'hui — L'intelligence située

Mais l'Afrique ne se contenta pas d'importer l'intelligence artificielle. Elle la réinventa pour ses propres besoins.

Le problème des langues illustre cette réinvention.

L'Afrique compte plus de deux mille langues vivantes. Le continent abrite la plus grande diversité linguistique de la planète. Pourtant, les grands modèles de langage — ChatGPT, Claude, Gemini — furent entraînés principalement sur des corpus en anglais, avec quelques ajouts en français, espagnol, allemand, chinois. Les langues africaines — le swahili, le haoussa, le yoruba, le xhosa, le zoulou, l'amharique, et des centaines d'autres — représentaient une fraction infinitésimale des données d'entraînement.

Le résultat était prévisible : ces modèles fonctionnaient mal, voire pas du tout, pour la majorité des Africains.

La réponse vint d'en bas.

Masakhane — « nous construisons ensemble » en zoulou — émergea comme une initiative panafricaine de recherche en traitement automatique des langues. Plus de deux mille chercheurs africains, répartis dans plus de trente pays, se coordonnèrent pour créer des outils de traduction, de reconnaissance vocale et de génération de texte pour les langues africaines. Le projet MasakhaNER introduisit le premier ensemble de données à grande échelle pour la reconnaissance d'entités nommées couvrant dix langues africaines.

Ce n'était pas de la charité venue de l'extérieur. C'était de la création venue de l'intérieur.

Awarri, une startup nigériane, entreprit de construire le premier grand modèle de langage nigérian. Silas Adekunle, son cofondateur, expliqua le défi : « Nous avons tellement d'accents et de langues différents, et ce modèle permettra à beaucoup de gens et de développeurs de créer des produits qui tirent parti de l'IA mais sont faits pour le marché nigérian. » L'échelle du projet, avec des ressources limitées, obligeait à être créatif dans la façon de collecter les données, de les étiqueter et de les traiter.

Intron Health, également au Nigeria, s'attaqua à un problème concret : la documentation médicale. Les systèmes de reconnaissance vocale occidentaux ne comprenaient pas les accents africains. Les médecins passaient des heures à transcrire leurs notes. Intron Health développa une plateforme de reconnaissance vocale spécifiquement adaptée aux accents africains, atteignant une précision de quatre-vingt-douze pour cent là où les systèmes importés échouaient.

Le résultat fut spectaculaire. À l'hôpital universitaire d'Ibadan, le délai de rédaction des rapports radiologiques passa de quarante-huit heures à vingt minutes. Plus de cinquante-six mille patients bénéficièrent du système dans une trentaine d'hôpitaux publics et privés. Intron Health avait constitué le plus grand ensemble de données de parole clinique africaine — plus de trois millions et demi d'enregistrements audio couvrant deux cent quatre-vingt-huit accents africains.

En août 2024, Jacaranda Health étendit son modèle de langage open source, UlizaLlama, pour fournir un soutien basé sur l'IA à destination des femmes enceintes dans cinq langues africaines : swahili, haoussa, yoruba, xhosa et zoulou.

L'Afrique ne demandait plus à être incluse dans l'IA mondiale. Elle construisait la sienne.

Cette construction s'accompagnait d'une conscience critique.

En décembre 2020, Timnit Gebru fut licenciée de Google. Née en Éthiopie, formée à Stanford, elle avait été recrutée pour co-diriger l'équipe d'éthique de l'intelligence artificielle du géant technologique. Son crime : avoir co-écrit un article scientifique sur les risques des grands modèles de langage — leur tendance à reproduire les biais présents dans leurs données d'entraînement, leur coût environnemental, leur opacité.

L'affaire provoqua un séisme. Près de deux mille sept cents employés de Google et plus de quatre mille trois cents universitaires et membres de la société civile signèrent une lettre condamnant son licenciement. Neuf membres du Congrès américain écrivirent à Google pour demander des explications. Le magazine Fortune la nomma parmi les cinquante plus grands leaders du monde en 2021. La revue Nature l'inclut parmi les dix scientifiques ayant joué un rôle majeur dans les développements scientifiques de l'année. Time la désigna parmi les personnes les plus influentes de 2022.

Mais Timnit Gebru ne se contenta pas de dénoncer. Elle fonda le Distributed Artificial Intelligence Research Institute (DAIR), un institut de recherche travaillant avec des chercheurs du monde entier, avec une attention particulière pour le continent africain et la diaspora africaine aux États-Unis. L'un des premiers projets de DAIR utilisa l'IA pour analyser des images satellites des townships sud-africains, afin de mieux comprendre les héritages de l'apartheid.

« L'un des plus grands problèmes de l'IA en ce moment, c'est l'exploitation », déclara Gebru. Elle pointait du doigt une réalité inconfortable : dans un immeuble de bureaux en périphérie de Nairobi, environ deux cents hommes et femmes passaient leurs journées à modérer des contenus violents pour le compte de Meta, payés aussi peu qu'un dollar cinquante de l'heure. L'Afrique fournissait la main-d'œuvre invisible qui rendait possible l'IA des géants occidentaux.

L'histoire de Timnit Gebru s'inscrivait dans une lignée. Quelques années plus tôt, elle avait co-écrit avec Joy Buolamwini, chercheuse américaine d'origine ghanéenne, l'étude « Gender Shades » qui révéla que les logiciels de reconnaissance faciale erraient jusqu'à trente-cinq pour cent plus souvent pour les femmes à peau foncée que pour les hommes blancs. Cette découverte — que les systèmes d'IA voyaient moins bien les visages noirs — força les grandes entreprises technologiques à reconnaître un problème qu'elles avaient longtemps ignoré.

L'Afrique et sa diaspora ne se contentaient pas de construire l'IA. Elles la questionnaient.

L'infrastructure du futur

Pendant ce temps, les États africains commençaient à se doter de stratégies.

En juillet 2024, le Conseil exécutif de l'Union africaine, composé des représentants des cinquante-cinq États membres, approuva la Stratégie continentale africaine pour l'intelligence artificielle. C'était une première : un cadre commun pour le développement et la gouvernance de l'IA à l'échelle d'un continent entier.

La stratégie s'étendait de 2025 à 2030, avec une phase préparatoire en 2024. La première phase, de 2025 à 2026, se concentrerait sur l'établissement de structures de gouvernance, la création de stratégies nationales et la mobilisation de ressources.

Mais l'Afrique n'avançait pas d'un bloc uniforme.

Le Rwanda fut le seul pays africain à adopter une politique nationale d'intelligence artificielle complète. Cette politique visait à positionner le Rwanda comme le « laboratoire de l'IA en Afrique » et comme champion de l'IA responsable, à développer les compétences, à créer un écosystème de données ouvert et sécurisé, et à transformer le secteur public. Un fonds d'investissement fut créé pour permettre au gouvernement de co-investir aux côtés d'investisseurs providentiels et de fonds de capital-risque dans des entreprises d'IA.

Le Kenya publia sa stratégie nationale d'IA au premier trimestre 2025, après avoir inclus des références substantielles à l'IA dans son Plan directeur numérique 2022-2032. En 2024, les États-Unis annoncèrent un partenariat avec le Kenya pour exploiter l'IA, faciliter les flux de données et promouvoir la formation numérique.

L'Afrique du Sud hébergeait le Centre pour la recherche en IA (CAIR) — un réseau de recherche — ainsi qu'un Centre pour la quatrième révolution industrielle. L'un des objectifs de ce centre était de faire passer l'Afrique du Sud vers une économie numérique basée sur les données.

L'Égypte articulait sa stratégie autour de quatre piliers : l'IA pour le gouvernement, l'IA pour le développement, le renforcement des capacités et les activités internationales.

Pourtant, en 2024, seuls sept pays africains disposaient d'une stratégie IA formelle. Le continent restait fragmenté, avec des écarts considérables entre pionniers et retardataires.

Les investissements suivaient cette fragmentation. Au premier trimestre 2025, plus de quatre-vingt-trois pour cent du financement des startups IA africaines allèrent au Kenya, au Nigeria, à l'Afrique du Sud et à l'Égypte. InstaDeep et Sama, les deux plus grandes entreprises, représentaient environ vingt-cinq pour cent de tous les fonds levés par les entreprises d'IA africaines.

Une annonce majeure fut faite au sommet de Kigali : Cassava Technologies investirait jusqu'à sept cent vingt millions de dollars en partenariat avec Nvidia pour construire la première « Usine d'IA africaine », fournissant une infrastructure d'IA à l'Égypte, au Kenya, au Maroc, au Nigeria et à l'Afrique du Sud.

Selon les Nations Unies, l'IA avait le potentiel de générer mille deux cents milliards de dollars d'activité économique en Afrique, soit une augmentation de cinq virgule six pour cent du PIB continental d'ici 2030.

Le saut quantique n'était pas terminé. Il ne faisait que commencer.

Au-delà — L'intelligence ubuntu

L'arbre à palabres existe encore.

Dans chaque village africain, il y a un lieu où l'on se rassemble pour discuter, écouter, décider ensemble. Pas de vote majoritaire qui écrase la minorité. Un consensus inclusif, où les décisions ne sont contraignantes que lorsque toutes les parties s'accordent. Ubuntu : « Je suis parce que nous sommes. »

Cette philosophie contenait, sans le savoir, les principes de l'intelligence distribuée.

Mark Shuttleworth, milliardaire sud-africain devenu le deuxième touriste spatial de l'histoire, nomma son système d'exploitation Ubuntu Linux — l'arbre à palabres devenu code informatique. Des millions d'ordinateurs dans le monde tournent aujourd'hui sous Ubuntu. Le nom africain est devenu universel.

Mais au-delà du symbole, Ubuntu pose une question fondamentale à l'intelligence artificielle : pour qui et par qui est-elle construite ?

Les grands modèles de langage furent entraînés sur des corpus où les langues africaines représentaient une fraction négligeable. Les systèmes de reconnaissance faciale furent optimisés pour des visages que leurs concepteurs connaissaient — principalement blancs et masculins. Les algorithmes de crédit furent calibrés sur des historiques financiers qui n'existaient pas pour des centaines de millions d'Africains sans compte bancaire.

L'IA universelle n'existe pas. Ce qui existe, ce sont des systèmes qui reflètent les données sur lesquelles ils ont été entraînés, les valeurs de ceux qui les ont conçus, les priorités de ceux qui les financent.

L'Afrique l'a compris — et elle a commencé à construire autrement.

Masakhane rassemble des chercheurs qui créent des outils pour leurs propres langues, avec leurs propres données, selon leurs propres priorités. Intron Health développe la reconnaissance vocale pour les accents que les géants occidentaux ignorent. Awarri construit un modèle de langage qui comprend la réalité nigériane. Ce n'est pas de la localisation — c'est de la création située.

L'Afrique nous enseigne que l'intelligence artificielle ne peut pas être véritablement universelle si elle n'est pas véritablement plurielle. Que l'inclusion ne consiste pas à traduire des systèmes conçus ailleurs, mais à concevoir des systèmes à partir des réalités locales. Que la diversité des langues, des accents, des contextes n'est pas un obstacle à surmonter, mais une richesse à intégrer.

Elle nous enseigne aussi la vigilance. Timnit Gebru et Joy Buolamwini ont révélé que les biais de l'IA ne sont pas des accidents techniques, mais des reflets de choix politiques et économiques. Que les systèmes qui voient moins bien les visages noirs ne sont pas neutres — ils perpétuent des inégalités. Que les travailleurs de Nairobi qui modèrent des contenus traumatisants pour un dollar cinquante de l'heure font partie de la chaîne de valeur de l'IA, même si on préfère les oublier.

L'Afrique pose les questions que d'autres préfèrent ignorer. Elle construit les outils que d'autres ne savent pas construire. Elle montre les chemins que d'autres n'ont pas empruntés.

Le saut quantique continue.

En 2007, M-Pesa transforma le paiement. En 2023, InstaDeep prouva que l'excellence en IA pouvait naître en Afrique. En 2024, Masakhane coordonnait plus de deux mille chercheurs pour les langues africaines. En 2025, Cassava Technologies et Nvidia annoncèrent la première Usine d'IA africaine.

Chaque saut prépare le suivant.

L'électron qui disparaît d'une orbite pour apparaître dans une autre ne traverse pas l'entre-deux. Il transcende la distance. L'Afrique n'a pas rattrapé le monde. Elle l'a dépassé — par endroits, par moments, dans certains domaines. Elle a inventé l'inclusion financière mobile avant l'Occident. Elle a posé les premières questions sur les biais de la reconnaissance faciale. Elle construit des modèles de langage pour des langues que les géants technologiques ignorent.

Le prochain saut est peut-être déjà en cours.

L'arbre à palabres n'a jamais cessé de grandir. Ses branches s'étendent maintenant dans le nuage.

Projet Avalon — Époque contemporaine, Saison 3 : La révolution de l'apprentissage profond (2010-présent)