En Afrique, l’IA se négocie modèle par modèle entre coût, langues locales et souveraineté des données

Quand la langue devient un test de puissance

Dans de nombreuses entreprises africaines, l’enjeu n’est plus seulement d’« utiliser l’intelligence artificielle ». Il s’agit surtout de trouver un modèle capable de comprendre une langue locale, de traiter un dossier à coût raisonnable et de rester assez souple pour être installé là où les données sensibles ne peuvent pas voyager librement.

Ce déplacement est important. L’Afrique ne manque ni d’usages ni d’ambition numérique. Elle manque encore, en revanche, de jeux de données représentatifs, d’infrastructures de calcul abordables et de modèles vraiment adaptés à la diversité linguistique du continent. L’UNESCO rappelle que les langues africaines restent l’un des grands angles morts de l’IA, tandis que l’Union africaine a adopté en 2024 une stratégie continentale pour encadrer ce tournant et éviter que l’adoption des outils ne se transforme en simple dépendance.

C’est dans cet espace que les modèles chinois gagnent du terrain. Leur atout n’est pas seulement leur origine. C’est leur format plus ouvert, leur coût plus bas dans certains usages et leur capacité à être ajustés à des besoins précis. En Ouganda, le projet Sunflower a été bâti sur l’architecture Qwen 3 d’Alibaba et couvre 31 langues ougandaises, plus l’anglais. Les chercheurs qui l’ont développé expliquent que ce socle a mieux répondu que plusieurs alternatives américaines sur des langues peu présentes dans les grands corpus d’entraînement.

Des usages concrets, pas un basculement idéologique

Le mouvement est pragmatique. Dans les entreprises africaines, le choix du modèle se fait souvent tâche par tâche. Pour résumer des archives, extraire des données, classer des documents ou automatiser une première réponse, des modèles chinois sont parfois jugés plus souples et moins coûteux. Pour des décisions délicates, du raisonnement complexe ou des contenus à haut risque, plusieurs équipes gardent aussi des modèles américains dans leur boîte à outils. Ce n’est donc pas un remplacement massif. C’est une stratégie mixte.

Cette logique se retrouve dans la question des langues. En Afrique de l’Est, la Communauté d’Afrique de l’Est pousse depuis 2026 une feuille de route sur les langues numériques, avec une place affirmée pour le kiswahili, les corpus partagés et la propriété africaine des données linguistiques. L’organisation a aussi lié ce chantier à son agenda sur l’IA. Le signal est clair : les langues régionales ne sont plus vues comme un supplément culturel, mais comme une infrastructure de puissance numérique.

Le même raisonnement vaut au niveau des coûts. L’argument décisif, pour beaucoup d’acteurs, n’est pas le passeport du modèle mais son prix total. À l’achat, puis à l’usage. L’UNESCO et plusieurs travaux de recherche rappellent qu’un modèle mal adapté à une langue peu numérisée exige plus de données, plus de corrections et plus de calcul. Autrement dit, la facture grimpe avant même que le service ne soit rentable.

Sur le continent, cela favorise les outils capables d’être téléchargés, ajustés et hébergés localement. Pour une banque, une fintech ou un assureur, la promesse est simple : garder les données clients sur ses propres serveurs, au lieu de les transférer vers une plateforme distante. Le gain est réel sur la souveraineté des données. Mais il n’efface pas les contraintes techniques. Il faut du personnel qualifié, des serveurs puissants, des puces coûteuses et du cloud. La dépendance ne disparaît pas ; elle se déplace.

Une marge de manœuvre africaine, sous contrainte

Ce basculement partiel vers les modèles chinois ne relève pas d’un choix géopolitique tranché. Il révèle plutôt une marge de manœuvre africaine, mais étroite. Les entreprises et les institutions du continent cherchent à arbitrer entre performance, coût, disponibilité des langues et contrôle des données. Dans cet arbitrage, les modèles chinois progressent parce qu’ils répondent à des besoins concrets, pas parce qu’ils imposent une vision du monde.

Reste une autre limite, plus politique. Les grands modèles peuvent intégrer des biais, refléter des zones de censure ou éviter certains sujets sensibles. Quand ils sont déployés sans garde-fous, ils peuvent produire des réponses partielles, flatteuses ou simplement incorrectes. C’est un point crucial pour les usages publics, l’éducation, la santé, l’assurance ou les services administratifs. L’IA ne vaut pas seulement par sa vitesse. Elle vaut par sa fiabilité et par la qualité de ses arbitrages linguistiques et culturels.

Dans ce contexte, la stratégie africaine la plus solide n’est ni l’alignement sur Washington ni le ralliement à Pékin. Elle consiste à développer des capacités propres, à mutualiser les corpus, à financer les infrastructures et à imposer des règles sur les données. L’Union africaine a posé ce cadre. L’enjeu est désormais l’exécution, pays par pays, région par région. C’est là que se joue la capacité du continent à ne pas subir l’IA comme une technologie importée, mais à l’orienter vers ses besoins réels.

La suite dépendra aussi des alliances régionales. En Afrique de l’Est, le kiswahili sert de laboratoire. Ailleurs, les priorités seront différentes : le haoussa au Nigeria et dans le Sahel, le yoruba, l’amharique, le wolof, le lingala, le zoulou ou le shona selon les espaces. Cette fragmentation n’est pas un handicap si elle s’accompagne d’investissements coordonnés. Elle peut, au contraire, devenir une force. À condition de ne pas laisser chaque marché repartir de zéro, seul face aux géants du calcul et du cloud.