L’IA en Afrique doit comprendre l’Afrique
L’intelligence artificielle prend une place croissante dans la manière dont l’Afrique crée, communique et développe ses activités économiques. Mais l’accès aux outils ne suffira pas. Pour devenir réellement utile sur les marchés africains, l’IA doit aussi comprendre les personnes qui l’utilisent.
Elle s’intègre rapidement au travail créatif quotidien. Elle peut générer des images, traduire des textes, produire des voix off, analyser des audiences et accélérer le développement d’idées. Pour les créateurs, les marques et les entrepreneurs africains, les possibilités sont considérables.
La discussion autour de l’Afrique s’est donc largement concentrée sur l’accès. Qui dispose des outils ? Qui possède les compétences pour les utiliser ? Qui bénéficie des infrastructures nécessaires pour participer ?
Ces questions comptent, mais une autre devient tout aussi importante : quelle est l’utilité d’une IA qui ne comprend pas le marché auquel elle doit répondre ?
L’Afrique compte plus de 2 000 langues, dont la plupart restent peu représentées dans les systèmes d’IA mondiaux. Le décalage dépasse la langue. La culture, l’humour, les images, les savoirs et même les façons d’accéder à la technologie sont imparfaitement reflétés par des systèmes largement entraînés sur des informations produites ailleurs.
La prochaine étape de l’adoption de l’IA en Afrique ne peut donc pas uniquement consister à permettre à davantage de personnes d’utiliser les outils existants. Elle doit aussi porter sur la construction d’outils qui les comprennent.
Parler la langue n’est qu’un début
La langue est sans doute le domaine où le problème apparaît le plus clairement.
Les langues africaines restent fortement sous-représentées dans les ressources numériques utilisées pour développer les systèmes d’IA. Même lorsqu’un modèle prend officiellement en charge une langue, la comprendre est une autre affaire. Une étude diffusée en 2024 sur le pidgin nigérian a ainsi montré les limites des modèles génératifs face aux différences entre cette langue et le pidgin ouest-africain plus largement utilisé.
Les gens ne communiquent pas comme des jeux de données standardisés. Ils passent d’une langue à une autre, les dialectes varient selon les lieux et les expressions se développent localement. Concevoir une IA utile en langues africaines suppose donc de comprendre la manière dont les personnes communiquent réellement. Réduire cet écart pourrait rendre les outils plus inclusifs, mais aussi élargir les publics que les entreprises peuvent atteindre.
Un service client pourrait permettre de poser des questions en wolof plutôt qu’en français. Un service financier pourrait expliquer ses produits par l’intermédiaire d’un assistant vocal en langue locale. Les médias pourraient traduire et doubler leurs contenus plus facilement d’un marché à l’autre. Les marques pourraient adapter leurs campagnes sans limiter leur communication à l’anglais ou au français.
L’enjeu commercial est important. La GSMA, l’organisation mondiale de l’industrie mobile, présente l’IA en langues locales comme un moyen d’élargir l’accès aux services numériques. Une entreprise capable de communiquer avec des consommateurs jusque-là exclus par la langue peut toucher une clientèle qu’elle peinait auparavant à servir.
C’est pourquoi des initiatives comme ATLAS Umoja AI comptent au-delà du secteur technologique. En favorisant le développement de données et de modèles qui reflètent mieux les langues, les cultures et les savoirs africains, elles pourraient fournir des bases sur lesquelles d’autres entreprises pourront construire. Pour les startups africaines, cela ouvre des possibilités dans le service client, l’éducation, les services financiers, les médias et les applications créatives.
L’opportunité ne consiste pas simplement à traduire l’économie numérique existante. Elle est aussi de créer des produits et des services rendus possibles par une technologie capable de communiquer avec davantage de personnes.
L’Afrique doit aussi pouvoir se reconnaître
La langue n’est toutefois qu’une dimension de cette compréhension.
L’IA générative entre dans la publicité, le design, le cinéma, la mode et la production de contenus. Or, des recherches ont identifié des biais raciaux et de genre dans les systèmes de génération d’images. Une étude de 2024 consacrée à DALL-E 2, Stable Diffusion et Midjourney a notamment relevé des biais systématiques dans les représentations de différentes professions.
Cela pose une question concrète aux créatifs africains : lorsque nous demandons à l’IA de représenter nos marchés, que voit-elle ?
Reconnaître une peau noire n’est qu’un point de départ. Un outil créatif utile doit disposer de suffisamment de références visuelles pour représenter les environnements, les coiffures, les vêtements, la nourriture, l’architecture et la vie quotidienne sans réduire tout un continent à quelques images familières.
Dakar n’est pas Lagos, pas plus qu’Abidjan n’est Johannesburg. Ces différences prennent une importance commerciale à mesure que les équipes créatives utilisent les outils génératifs. Une marque qui souhaite toucher des consommateurs au Sénégal n’a pas seulement besoin d’une image montrant des personnes africaines. Elle a besoin d’une création crédible pour celles et ceux qui vivent sur place.
Une représentation approximative pose donc davantage qu’un problème esthétique. Si les agences, les designers et les marques passent leur temps à corriger des résultats parce que la technologie interprète mal leurs marchés, une partie des gains de productivité promis disparaît.
Une meilleure compréhension visuelle pourrait produire l’effet inverse : accélérer l’exploration d’idées pertinentes localement, aider les petites entreprises à produire de meilleurs supports et donner aux créateurs africains des outils plus adaptés pour représenter leurs propres univers.
La culture ne se traduit pas simplement
Les nuances culturelles constituent une autre dimension essentielle.
Un modèle peut progresser en wolof, en yoruba ou en kiswahili sans nécessairement comprendre les contextes culturels associés à ces langues. L’humour en est un exemple évident, tout comme les références, les normes sociales, les histoires et le sens attribué à certaines images ou expressions. Ce sont souvent précisément ces éléments qui donnent sa force à une création. Pour une entreprise créative, une langue techniquement correcte ne suffit pas si l’idée sonne faux.
Une campagne destinée à la Côte d’Ivoire peut employer un français irréprochable tout en passant à côté de l’humour qui lui permettrait de toucher son public. Un contenu peut représenter les bonnes personnes sans comprendre ce qu’un geste, un vêtement ou une expression signifie localement. Plus les marques utilisent l’IA pour produire à grande échelle, plus ces distinctions comptent.
La recherche commence à mesurer ces écarts de façon plus systématique. Afri-MCQA, un dispositif d’évaluation couvrant 15 langues africaines et 12 pays, a mis en évidence d’importantes limites lorsque les modèles étaient interrogés sur des connaissances culturelles dans ces langues. Le projet AfriStereo est, lui, né du constat que les outils d’évaluation des stéréotypes reflétaient principalement des perspectives occidentales, peu adaptées à l’analyse des représentations des sociétés africaines.
Parler d’une IA qui « comprend l’Afrique » demande donc de la précision. Il n’existe pas un contexte africain unique qu’un modèle pourrait apprendre.
Le défi consiste justement à mieux reconnaître les différences entre pays, langues, communautés, générations et références culturelles. C’est particulièrement important pour l’économie créative, où la singularité culturelle est souvent à l’origine de la valeur.
L’objectif ne devrait pas être une IA qui produit quelque chose de vaguement africain. Il devrait être de disposer d’une technologie capable d’aider à créer quelque chose de spécifiquement sénégalais, kényan, nigérian, togolais ou ivoirien lorsque le projet l’exige.
L’IA la plus intelligente est peut-être celle que l’on peut réellement utiliser
Comprendre un marché, c’est aussi comprendre la manière dont les personnes interagissent avec la technologie.
MAGGI MAMI en offre un exemple intéressant. Développée avec Viamo, cette initiative fournit des conseils professionnels grâce à l’IA à des femmes qui travaillent dans le commerce alimentaire informel. Lancée d’abord en Côte d’Ivoire, elle permet aux « mammies » d’appeler un numéro gratuit depuis un téléphone mobile basique, de poser des questions dans leur langue locale et de recevoir des conseils pratiques sans connexion internet.
MAGGI aurait pu concevoir une plateforme supposant que ses utilisatrices disposent d’un smartphone, de données mobiles et de l’aisance nécessaire pour naviguer dans une nouvelle interface. Le service part au contraire des conditions dans lesquelles son public travaille déjà.
Les connaissances proposées s’appuient aussi sur l’expérience de mammies établies. Leur maîtrise des prix, des stocks, de la trésorerie et de la relation client devient une ressource que l’outil peut transmettre aux commerçantes moins expérimentées.
MAGGI MAMI représente ainsi davantage qu’une nouvelle expérimentation de marque avec l’IA. L’initiative montre ce qui change lorsque la technologie part d’un problème local, plutôt que de chercher où appliquer une solution mondiale.
Pour les marques qui explorent l’IA sur les marchés africains, ce principe mérite d’être retenu. La technologie la plus sophistiquée n’est pas nécessairement la plus utile. L’innovation peut consister à concevoir un service autour du téléphone que quelqu’un possède déjà, de la langue qu’il parle et du fonctionnement réel de son activité.
De l’accès à la pertinence
L’Afrique a encore besoin d’un meilleur accès aux outils d’IA, à la formation et aux infrastructures. L’IA peut réduire certains coûts de production, accélérer le travail des créateurs et aider les entreprises africaines à toucher de nouveaux publics. Ces possibilités dépendent toutefois de la disponibilité des compétences, des systèmes et des moyens d’accès nécessaires.
L’accès ne doit pas devenir la ligne d’arrivée.
L’opportunité plus large consiste à permettre aux marchés africains de contribuer à façonner ces technologies. Cela suppose des ressources plus solides en langues africaines, des recherches davantage ancrées localement, de meilleures représentations dans les systèmes visuels et une participation accrue des créateurs, chercheurs et entreprises du continent à la conception et à l’évaluation des produits.
Une IA qui comprend les langues locales peut aider les entreprises à servir des consommateurs jusque-là difficiles à atteindre. Une meilleure compréhension visuelle peut rendre les outils génératifs plus utiles aux équipes créatives. Une plus grande sensibilité culturelle peut permettre aux marques d’adapter leurs contenus sans ramener tous les marchés à une même idée de l’Afrique. Enfin, des technologies conçues autour des usages locaux peuvent toucher les personnes laissées de côté par les produits qui exigent une connexion internet.
Pour les entrepreneurs, ces lacunes constituent aussi des opportunités. Il existe un espace pour développer des applications, des interfaces, des outils créatifs et des services à partir d’infrastructures d’IA adaptées aux langues et aux contextes culturels africains. Certaines entreprises réussiront précisément parce qu’elles comprennent, chez leurs utilisateurs, quelque chose qu’un produit mondial ne saisit pas.
La question n’est donc plus seulement de savoir si l’Afrique adoptera l’IA. Elle est de savoir si cette IA comprendra suffisamment les réalités africaines pour être utile.
Et l’opportunité la plus importante dépasse peut-être l’adaptation des outils mondiaux aux marchés du continent : elle réside dans les produits, les entreprises et les possibilités créatives qui pourraient émerger si les réalités africaines contribuaient à façonner la technologie dès le départ.
Sources :
GSMA, “GSMA Welcomes Abuja Declaration on Meaningful Connectivity for Africa and Joins Partners to Launch ATLAS Umoja” gsma.com
ATLAS Umoja AI, “African Tongues and Languages at Scale” atlasumoja.ai
ACL Anthology, “Does Generative AI speak Nigerian-Pidgin?: Issues about Representativeness and Bias for Multilingualism in LLMs” ACL Anthology
arXiv, “Bias in Generative AI” arxiv.org
ACL Anthology, “Afri-MCQA: Multimodal Cultural Question Answering for African Languages” ACL Anthology
arXiv, “AfriStereo: A Culturally Grounded Dataset for Evaluating Stereotypical Bias in Large Language Models” arxiv.org
