Amédie Sessie, consultante en reconversion professionnelle vers les métiers de la Tech et du Digital chez Draw My Futures.
L’intelligence artificielle transforme déjà les économies, les administrations et les trajectoires professionnelles. Pourtant, derrière les promesses d’efficacité et d’innovation, une interrogation majeure demeure : l’IA est-elle réellement neutre ? Pour l’Afrique, l’enjeu dépasse la simple adoption technologique. Il s’agit de déterminer si les systèmes déployés reflètent les réalités sociales, linguistiques et culturelles du continent ou s’ils reproduisent des biais issus de contextes extérieurs.
Les biais algorithmiques constituent un débat mondial. Mais, sur un continent où les infrastructures numériques, les standards technologiques et les écosystèmes de données sont encore en construction, leurs effets peuvent être amplifiés. Comme le souligne Amédie Sessie, consultante en reconversion professionnelle vers les métiers de la Tech et du Digital chez Draw My Futures « le débat sur les biais algorithmiques est mondial, mais il prend une dimension particulière dans des environnements où les infrastructures et les données sont en structuration ; c’est précisément à ce moment-là que les choix stratégiques sont déterminants ».
Les travaux internationaux confirment que l’intelligence artificielle peut produire des discriminations mesurables. L’étude « Gender Shades » du MIT Media Lab a notamment révélé des taux d’erreur nettement plus élevés dans la reconnaissance faciale pour les femmes à la peau foncée que pour les hommes à la peau claire. Plus récemment, un rapport 2024 du gouvernement britannique a pointé des risques accrus de soins de moindre qualité pour certaines minorités ethniques via des dispositifs médicaux intégrant de l’IA.
Pour Amédie Sessie, ces constats rappellent une réalité essentielle : « L’intelligence artificielle n’est pas neutre. Elle reflète les données et les visions du monde qui la nourrissent. Si ces données excluent massivement l’Afrique, les conséquences sont concrètes. » Selon elle, le problème tient à la conception même des systèmes : « Les algorithmes apprennent à partir des données qu’on leur fournit. S’ils sont entraînés principalement sur certains visages, certaines langues ou certains contextes, ils seront performants pour ces profils et moins pour les autres. »
Langues africaines : un enjeu d’équité numérique
Le manque de données locales, notamment linguistiques, constitue l’un des défis majeurs. L’Afrique compte plus de 2 000 langues vivantes, mais leur présence dans les corpus numériques demeure marginale. Les modèles performants en Anglais ou en Français affichent encore des résultats inégaux en Swahili, Wolof, Lingala ou Hausa.
« Quand un modèle comprend parfaitement l’Anglais américain ou le Français, mais mal le Swahili ou le Hausa, ce sont des centaines de millions de personnes qui sont concernées », souligne-t-elle. La question dépasse le cadre technique. Elle touche à l’accès équitable aux outils numériques pour les élèves, entrepreneurs et usagers des services publics.
Cependant, cette faiblesse peut devenir un levier stratégique. « Le manque de données locales est un frein critique, mais il peut aussi représenter une opportunité. L’Afrique peut construire différemment, en produisant des ensembles de données documentés, représentatifs et conformes aux standards contemporains », affirme-t-elle.
Plutôt que d’hériter de bases de données hétérogènes accumulées sur plusieurs décennies, le continent pourrait structurer dès l’origine ses propres datasets. « Le véritable risque n’est pas seulement le manque de données, mais la dépendance durable : importer des modèles conçus ailleurs sans maîtriser ni les standards, ni les données, ni les usages », avertit-elle.
Des secteurs clés sous pression
Les secteurs de la santé, de la finance et de l’éducation figurent parmi les plus exposés aux biais algorithmiques. Toutefois, le risque dépasse désormais ces domaines et touche aussi l’IA générative, qui pèse de plus en plus sur les décisions stratégiques. « Les IA génératives organisent les raisonnements et orientent les choix. Lorsqu’elles sont entraînées sur des données issues d’autres contextes, elles peuvent formuler des recommandations pertinentes en apparence, mais déconnectées des réalités locales », précise-t-elle.
Amédie Sessie illustre ce décalage par l’exemple d’un entrepreneur africain utilisant une IA pour élaborer un plan d’expansion. Le système pourrait recommander des stratégies adaptées à des économies très formalisées, en négligeant les circuits informels, les réseaux de confiance ou les systèmes de paiement mobile qui structurent réellement de nombreux marchés africains. « Le danger n’est pas que l’IA fasse des erreurs flagrantes, mais qu’elle produise des raisonnements techniquement solides, construits sur des présupposés importés », prévient-elle.
Talents, diaspora et souveraineté numérique
Face à ces défis, le travail à distance et les collaborations internationales offrent des pistes prometteuses. Des plateformes panafricaines de data science démontrent qu’il est possible de fédérer des talents répartis dans le monde entier autour de problématiques locales. « Il est possible de structurer une communauté panafricaine et internationale sans centralisation physique. Les talents peuvent contribuer depuis n’importe où tout en travaillant sur des enjeux africains », souligne Mme Sessie.
Elle résume l’enjeu en une alternative claire : subir ou participer. « Continuer à importer des modèles conçus ailleurs reviendrait à prolonger une dépendance technologique, tandis que la construction d’un véritable écosystème africain de l’IA offrirait l’opportunité de produire des données locales structurées, d’innover au service de besoins concrets de l’agriculture à la santé communautaire, en passant par la microfinance ou la logistique informelle et de développer une IA frugale » à fort potentiel compétitif.
Pour la consultante, la question n’est donc pas celle de la capacité d’innovation du continent, mais bien celle du choix stratégique de « rester simple utilisateur de standards définis ailleurs où contribuer activement à leur élaboration » à l’échelle mondiale.
