« L'Afrique ne doit pas seulement adopter l'IA : elle doit en capter la valeur »

L'Afrique peut utiliser davantage d'intelligence artificielle, former davantage d'ingénieurs et multiplier les applications sans pour autant capter une part significative de la valeur économique créée. C'est probablement le point le moins discuté de la course actuelle à l'IA. Par Kuate Joël Parfait, ingénieur en architecture logicielle et Big Data orienté IA, entrepreneur, formateur et auteur de « L'Afrique et l'Intelligence Artificielle » (*) Lorsqu'une entreprise africaine utilise un grand modèle hébergé à l'étranger, paie une API en dollars, stocke ses données dans un cloud extraterritorial et dépend d'un fournisseur étranger pour le calcul, elle adopte bien l'IA. Mais une partie importante de la valeur remonte vers les couches qu'elle ne contrôle pas : infrastructure de calcul, modèles, cloud, outils de développement et parfois données. Le débat africain ne devrait donc plus être seulement : « utilisons-nous suffisamment l'IA ? ». La question industrielle est désormais : « sur quelles couches de la chaîne de valeur voulons-nous être producteurs ? » Le différentiel est considérable. Dans une analyse publiée en juillet 2026, le FMI estime qu'au niveau actuel de préparation de l'Afrique subsaharienne, l'intelligence artificielle ne contribuerait qu'à environ 0,2 % du PIB régional au cours de la prochaine décennie. Si les pays renforcent les infrastructures numériques, l'électricité, les compétences et la diffusion de l'IA au-delà des seules entreprises déjà numérisées, les gains pourraient approcher 4 % sur dix ans. Autrement dit, le sujet n'est pas l'existence de la technologie. Le sujet est la capacité d'absorption économique et industrielle. 18 % de la population mondiale, moins de 1 % de la capacité mondiale des data centers Le premier goulot d'étranglement est physique. En septembre 2026, NVIDIA rappelait que l'Afrique représente environ 18 % de la population mondiale mais moins de 1 % de la capacité mondiale des centres de données. Ce décalage est fondamental : entraîner, affiner ou simplement exécuter à grande échelle des modèles d'IA nécessite des GPU, de l'électricité, du refroidissement, des réseaux à haut débit et des infrastructures de stockage. Newsletter Ma Tribune L'actualité qui compte pour vous, chaque jour dans votre boîte mail. S'inscrire S'inscrire S'inscrire Un continent qui ne dispose pas suffisamment de ces ressources peut développer des usages, mais reste structurellement dépendant pour les couches les plus capitalistiques. La situation commence toutefois à évoluer. Cassava Technologies déploie une « AI Factory » en Afrique du Sud, avec des extensions prévues au Nigeria, au Kenya, en Égypte et au Maroc. Selon les informations publiées par NVIDIA en septembre 2026, l'investissement associé pourrait atteindre 720 millions de dollars. D'autres capacités émergent également : Stratos Lab, ECOBLOX et Digital Parks Africa travaillent en Afrique du Sud sur une infrastructure de calcul comprenant plus de 50 systèmes NVIDIA HGX B300. NVIDIA évoque parallèlement 656 MW de nouvelles capacités en préparation sur le continent. Il ne faut pas lire ces annonces comme une victoire acquise. Il faut les lire comme un changement de couche : pour la première fois, une partie plus significative de la puissance de calcul nécessaire à l'IA pourrait être consommée localement. Et la localisation du calcul n'est pas qu'une question de souveraineté. C'est une question de latence, de coût, de réglementation, de propriété intellectuelle, de sécurité et de capacité à conserver les données à proximité de leur lieu de production. La valeur de l'IA ne réside pas seulement dans les grands modèles Une erreur fréquente serait de conclure que l'Afrique doit reproduire à l'identique la course américaine aux modèles de plusieurs centaines de milliards de paramètres. Ce serait économiquement discutable. Construire un modèle fondation généraliste à l'échelle des leaders mondiaux nécessite des investissements massifs en calcul, données et énergie. En revanche, il existe un espace stratégique beaucoup plus accessible : modèles spécialisés, Small Language Models, fine-tuning, RAG, agents métiers, modèles multimodaux sectoriels et IA embarquée. L'entreprise sud-africaine Lelapa AI fournit un exemple intéressant. Son InkubaLM est un modèle de 400 millions de paramètres conçu pour des langues africaines à faibles ressources. En 2025, un challenge mené avec Zindi a permis de réduire de 75 % la taille du modèle tout en maintenant ses performances annoncées. En avril 2026, Lelapa publiait également AFROBENCH, un benchmark évaluant des systèmes multilingues sur 64 langues africaines, 15 tâches et 22 jeux de données. Ce type de travail rappelle une réalité d'ingénierie : un modèle plus gros n'est pas automatiquement un meilleur produit. Dans des environnements où le coût du calcul, la bande passante ou la disponibilité du cloud sont contraints, optimiser le nombre de paramètres, la quantification, le routage, la mise en cache et la spécialisation métier peut produire davantage de valeur qu'une simple course à la taille. La prochaine bataille sera celle des données Le deuxième actif critique est la donnée. Un modèle d'IA performant sur la fiscalité camerounaise, les dossiers médicaux ivoiriens, les cultures agricoles kényanes ou les interactions en wolof, en swahili ou en ghomala ne peut pas être construit uniquement avec des corpus génériques produits ailleurs. Or les langues, les pratiques administratives, les données industrielles et les contextes économiques africains restent sous-représentés dans de nombreux systèmes généralistes. C'est ici que la notion de souveraineté doit être utilisée avec précision. La souveraineté ne signifie pas tout reconstruire localement. Elle signifie être capable de décider quelles données quittent le territoire, quelles données entraînent un modèle, où se déroule l'inférence, qui possède les modèles affinés, quelles dépendances peuvent être remplacées et quel est le coût d'une sortie de fournisseur. Pour une administration ou une banque, cette question peut se traduire très concrètement par une architecture hybride : modèle ouvert ou commercial, données sensibles conservées dans une infrastructure maîtrisée, RAG sur un corpus local, contrôle des accès, journalisation, chiffrement et évaluation systématique des sorties. La souveraineté se mesure alors moins au passeport du fournisseur qu'au niveau de contrôle exercé sur la pile technique. Le financement montre aussi où se concentre la valeur Le capital raconte la même histoire. Selon Partech, les startups technologiques africaines ont levé 4,1 milliards de dollars en equity et dette en 2025, soit une progression d'environ 25 % sur un an. Mais le contraste avec la dynamique mondiale de l'IA reste frappant : Partech relève qu'en 2025 l'IA a capté près de la moitié des dollars du capital-risque mondial, notamment sous l'effet de gigantesques levées concentrées dans les laboratoires de modèles fondation et l'infrastructure. L'Afrique participe donc à l'économie numérique mondiale, mais pas encore avec la même intensité dans les couches où s'accumulent actuellement les plus grandes valorisations. Cela ne signifie pas qu'elle doive copier cette structure de financement. L'opportunité africaine peut se situer ailleurs : IA appliquée à la logistique, à l'énergie, à l'agriculture, à la santé, aux services financiers, à l'éducation, à l'administration publique ou aux PME. Mais pour qu'une entreprise africaine capture de la valeur, elle doit posséder davantage que l'interface utilisateur. Elle doit conserver une partie de ses actifs différenciants : données, propriété intellectuelle, expertise métier, modèles spécialisés, systèmes d'évaluation, distribution et relation client. Une application qui n'est qu'une fine couche au-dessus d'une API facilement substituable possède peu de défensabilité. Une entreprise qui combine données propriétaires, workflows métiers, modèles adaptés, intégration profonde et capacité opérationnelle locale construit un actif beaucoup plus difficile à reproduire. Passer de l'intégration à l'ingénierie C'est probablement ici que doit se situer la prochaine étape. L'Afrique a besoin d'utilisateurs de l'IA. Mais elle a surtout besoin d'architectes de systèmes, d'ingénieurs ML, de spécialistes data, de chercheurs, de product managers techniques, de professionnels de la cybersécurité et de fondateurs capables de transformer un modèle en infrastructure économique. Former uniquement au prompting serait largement insuffisant. Il faut apprendre à choisir entre un grand modèle et un petit modèle, à construire un pipeline RAG, à mesurer les hallucinations, à gérer des embeddings, à contrôler les coûts de tokens, à évaluer la latence, à sécuriser un agent, à orchestrer plusieurs modèles, à gouverner les données et à déployer un système observable en production. Autrement dit : passer de l'utilisation de l'IA à l'ingénierie de l'IA. L'Union africaine a déjà posé une partie du cadre. Sa Stratégie continentale sur l'IA, adoptée en 2024, identifie parmi les priorités les infrastructures, les talents, les jeux de données, l'innovation et les partenariats. En mai 2025, l'Union africaine a de nouveau appelé à mobiliser des ressources financières et techniques et à développer les capacités du continent. La question de 2026 n'est donc plus seulement celle de la vision. C'est celle de l'exécution. Une coopération Europe–Afrique doit aussi changer de métrique Pour l'Europe, cette transformation représente également une opportunité. Une coopération utile ne devrait pas se limiter au transfert d'outils finis ou à la formation d'utilisateurs. Elle peut financer des infrastructures partagées, soutenir des laboratoires et des startups, faciliter l'accès au calcul, construire des standards de gouvernance interopérables, développer des jeux de données de qualité et financer des projets industriels communs. L'Europe dispose d'une expérience réglementaire, scientifique et industrielle importante. L'Afrique possède une démographie, des marchés en croissance, des besoins sectoriels spécifiques et des environnements dans lesquels l'optimisation sous contrainte peut devenir une véritable source d'innovation. Cette complémentarité est plus intéressante qu'une relation simple de fournisseur à client. Dans mon ouvrage « L'Afrique et l'Intelligence Artificielle », j'avais défendu l'idée que la question décisive ne serait pas de savoir si l'IA arriverait en Afrique, mais dans quelles conditions le continent participerait à sa conception. Trois ans plus tard, cette interrogation devient beaucoup plus concrète : les modèles sont accessibles, les usages progressent et les premières infrastructures de calcul apparaissent. Il faut maintenant décider où restera la valeur. L'Afrique n'a pas besoin de posséder chaque couche technologique pour gagner dans l'IA. Aucun continent ne fonctionne ainsi. Elle doit en revanche identifier les couches sur lesquelles elle veut devenir indispensable. Le calcul local. Les données. Les langues. Les modèles spécialisés. Les applications sectorielles. La distribution. Les compétences. La gouvernance. Adopter l'intelligence artificielle permettra de consommer la prochaine révolution technologique. En capter une part significative de la valeur permettra d'en devenir l'un des producteurs. _________