Le 6 octobre, la Banque mondiale a publié sa mise à jour économique d’octobre sur l’Afrique subsaharienne. Cette édition est consacrée à l’intelligence artificielle, sous un titre sans détour : Building AI Readiness, se préparer à l’IA. Un chiffre a fait le tour des rédactions : 1 000 milliards de dollars. Un autre, beaucoup moins repris, dit pourtant l’essentiel : entre 0,2 et 4 %.
Deux scénarios, un fossé
Le rapport ne prédit pas que l’Afrique gagnera 1 000 milliards de dollars grâce à l’IA. Il décrit deux mondes.
Dans le premier, un scénario d’« activation complète » que ses auteurs qualifient eux-mêmes de très ambitieux, l’IA ajouterait jusqu’à 1 000 milliards de dollars au PIB africain d’ici 2035. Elle créerait 35 à 40 millions d’emplois numériques et rapporterait près de 150 milliards de dollars de recettes fiscales par an.
Dans le second, celui qui correspond au niveau de préparation actuel, l’IA n’ajouterait que 0,2 à 4 % de PIB cumulé sur la décennie en Afrique subsaharienne. Et le rapport précise que même cette fourchette prudente suppose une adoption plus rapide que ce que les infrastructures permettent aujourd’hui.
La Banque mondiale le dit elle-même : l’écart entre le potentiel de l’Afrique et sa préparation est « énorme ». Tout le reste du rapport explique d’où vient cet écart et comment le réduire.
Le contexte économique ne simplifie rien. La croissance de la région devrait passer de 4,1 % en 2025 à 4,3 % en 2026, mais le service de la dette, de plus en plus lourd, et des marges budgétaires réduites limitent ce que les États peuvent investir.
Ce qu’il faut retenir
Les 1 000 milliards de dollars sont un plafond, atteint seulement si tout s’aligne. Au rythme actuel, le gain se compte en quelques points de PIB sur dix ans. La différence entre les deux se joue sur des sujets très concrets : électricité, connexion, données, compétences et institutions.
Des fondations encore fragiles
Le rapport identifie cinq manques : la connectivité, la puissance de calcul, les données, les compétences et la prise en charge des langues africaines. Quelques chiffres suffisent à mesurer le chemin.
- Environ 900 millions d’Africains ne sont toujours pas connectés à Internet.
- L’Afrique compte 18 % de la population mondiale, mais seulement 0,6 % de la capacité mondiale des centres de données. Et environ 5 % des centres de données africains sont prêts pour l’IA.
- Seulement 2 % environ des données qui servent à entraîner les modèles d’IA dans le monde viennent d’Afrique.
Ce dernier point mérite qu’on s’y arrête. Le rapport prend l’exemple du swahili, l’une des langues africaines les plus parlées : 710 jeux de données sur Hugging Face, l’une des principales plateformes de partage de modèles et de données d’IA, contre 88 844 pour l’anglais.
Les langues africaines demandent aussi plus de jetons, ces petits morceaux de texte que les modèles découpent pour travailler. Or les modèles traitent le texte, et le facturent souvent, au jeton : à contenu égal, une langue mal représentée coûte plus cher. Et des modèles entraînés sur des données qui ne reflètent ni les langues ni le contexte locaux risquent de produire des résultats peu fiables, rappelle le rapport. Pour le pular, le wolof ou le bambara, la question se pose dans les mêmes termes.
D’autres freins sont bien connus des entreprises de Conakry, Dakar ou Abidjan : une électricité peu fiable, le coût des téléphones et des forfaits de données, une puissance de calcul concentrée dans quelques pays. La dépendance aux services cloud hébergés à l’étranger pose, selon la Banque mondiale, des questions de coût, de résilience et de gouvernance des données. C’est exactement le débat que posait Mohamed Condé dans sa tribune sur la souveraineté numérique.
Le rapport insiste sur un point : ces fondations fonctionnent ensemble. Étendre la connexion sans appareils abordables, sans électricité fiable ni compétences numériques ne produira pas une adoption large. Et investir dans la puissance de calcul rapportera peu sans électricité stable, sans demande réelle et sans règles claires sur les données.
Une adoption réelle, mais superficielle
L’IA progresse vite dans la région. Mais l’adoption reste précoce, et très inégale selon les pays, les entreprises et les institutions.
Chez les travailleurs. Au premier trimestre 2026, la part de la population en âge de travailler qui utilise l’IA générative allait de 7,2 % au Rwanda à 23,1 % en Afrique du Sud. Seize pays restaient sous la barre des 10 %.
Dans les entreprises. Certaines adoptent l’IA à des taux étonnamment élevés, note le rapport, mais surtout de façon superficielle. Parmi les grandes entreprises, 44 % l’utilisent au Kenya et au Nigeria, contre 61 % aux États-Unis. L’écart d’accès est moins grand qu’on ne l’imagine. La différence se fait sur la profondeur : l’IA reste cantonnée à des usages simples, rarement intégrée aux opérations.
Dans les administrations. Les gouvernements africains restent des utilisateurs débutants. Parmi les systèmes d’IA repérés dans les marchés publics, 90,8 % servent des fonctions internes plutôt que des services aux citoyens, 88,9 % reposent sur des modèles de prédiction ou d’optimisation, et seulement 1,4 % utilisent l’IA générative. Dans une enquête menée dans 15 pays, neuf jugent leur usage « basique ». Et seules trois agences numériques sur quinze fournissent des licences professionnelles d’IA générative aux fonctionnaires.
Les usages les plus répandus restent l’apprentissage, les tâches de bureau et administratives, le développement logiciel et l’assistance personnelle. Quant à l’activité, elle se concentre au Kenya, au Nigeria et en Afrique du Sud, qui réunissent une grande partie de l’innovation, du capital-risque et de la recherche. Un constat que nous faisions déjà dans notre cartographie de l’IA en Afrique de l’Ouest francophone.
Le chiffre qui compte n’est pas le potentiel de l’IA. C’est le nombre de personnes qui peuvent réellement s’en servir.
L’IA va d’abord compléter le travail, pas le remplacer
Une grande partie des actifs africains travaille dans l’agriculture, les services informels et les métiers manuels. Résultat : à court terme, le risque d’automatisation est faible en Afrique subsaharienne, 2,6 % des emplois, contre 14,2 % dans les pays à revenu élevé.
Le potentiel d’« augmentation », c’est-à-dire la part des emplois où l’IA peut aider à mieux travailler, est plus important : 15,2 %. Mais il dépend fortement de la connexion. Le rapport cite le Mali, où seulement 1,2 % des travailleurs occupent un emploi exposé à l’IA tout en ayant les moyens d’y accéder.
Pour l’Afrique francophone, ce chiffre change la question. La crainte de « l’IA qui prend les emplois » masque un risque plus immédiat : celui de ne pas pouvoir en profiter du tout. C’est aussi pour cela que l’arrivée de l’IA dans une organisation se joue d’abord sur l’accompagnement des personnes, comme nous l’expliquions dans notre méthode pour introduire l’IA dans son équipe sans la braquer.
La vraie opportunité : une IA pratique et peu coûteuse
C’est sans doute le message le plus utile du rapport. La plus grande opportunité à court terme pour l’Afrique n’est pas de courir après les modèles les plus avancés, mais d’adapter des outils pratiques et peu coûteux à des besoins précis.
Deux exemples sont cités. Au Kenya, la plateforme M-Shule a amélioré l’apprentissage de la lecture chez les jeunes élèves. Et Darli AI, l’assistant agricole de l’entreprise ghanéenne Farmerline, a touché 110 000 agriculteurs dans plus de 27 langues en huit mois.
Le rapport prend soin de préciser une limite : ces chiffres mesurent la portée des outils, pas leur impact évalué de façon indépendante. Une nuance qui vaut pour beaucoup de réussites annoncées de l’IA en Afrique.
Les usages jugés les plus prometteurs à court terme :
- l’apprentissage personnalisé ;
- le conseil agricole en langues locales ;
- l’identité numérique et la vérification ;
- le traitement des demandes et des dossiers ;
- la planification géospatiale ;
- la gestion de l’énergie et la logistique.
Beaucoup fonctionnent sur mobile, avec peu de bande passante. Selon le rapport, ce type de solution donne déjà des résultats concrets, même dans des conditions difficiles.
Mais l’accès ne suffit pas. Selon le rapport, les gains de productivité dépendent des compétences des utilisateurs, de la qualité des recommandations de l’IA, de l’organisation du travail et de l’intégration dans les processus existants. Des outils mal adaptés au contexte local ont même donné des résultats limités, voire négatifs. Les applications qui réussissent associent l’IA à des services qui existent déjà, aux langues locales, à des données fiables et à un financement durable.
Enfin, la façon dont les gains sont partagés compte autant que leur montant. Selon les simulations de la Banque mondiale, si les gains de productivité se diffusent largement, l’IA pourrait sortir de la pauvreté jusqu’à trois fois plus de personnes que si les bénéfices restent concentrés chez les premiers utilisateurs.
Gouvernance : appliquer les textes plutôt qu’en écrire de nouveaux
Sur le papier, la région a avancé. 39 pays ont une loi sur la protection des données et 45 une législation sur la cybersécurité.
Mais l’Afrique subsaharienne obtient en moyenne 41,6 sur 100 sur le pilier « gouvernance » de l’indice d’Oxford sur l’IA, contre 52,6 au niveau mondial. Et les écarts entre pays sont énormes : de 2,25 à 78,75.
Le diagnostic de la Banque mondiale est clair. Le défi n’est plus d’écrire de nouvelles stratégies ou de nouvelles lois, mais de faire fonctionner celles qui existent : coordination entre administrations, gouvernance des données, expertise technique, contrôle, règles d’achat public de l’IA, gestion des risques. La capacité des institutions devient, selon le rapport, le premier facteur de préparation à l’IA.
Les risques jugés les plus pressants sont d’abord économiques et sociaux : inégalités, exclusion, bouleversements de l’emploi, surveillance, mauvais usages et dommages dans les secteurs sensibles. Ils sont plus immédiats, pour la plupart des pays, que les risques spéculatifs liés aux modèles les plus avancés. Première étape recommandée : appliquer aux risques de l’IA les cadres de protection des données et de cybersécurité déjà en place.
Seul, aucun pays n’est assez grand
Dernier enseignement : la plupart des pays de la région sont trop petits pour supporter seuls les coûts fixes de l’IA, qu’il s’agisse de puissance de calcul, de centres de données, de talents spécialisés ou de recherche.
Beaucoup de ces investissements seront plus viables à l’échelle régionale. Le rapport cite l’Union africaine et la Zone de libre-échange continentale africaine (ZLECAf), qui peuvent aider à mutualiser les investissements, harmoniser les règles, faciliter la circulation des données entre pays et créer des marchés plus grands pour les solutions fondées sur l’IA. Le communiqué de la Banque mondiale mentionne aussi la stratégie continentale de l’Union africaine sur l’IA, que nous avions décryptée en détail.
Ce que ça change pour les organisations francophones
Le rapport s’adresse d’abord aux États et aux bailleurs. Mais ses conclusions se traduisent assez directement pour une entreprise, une ONG ou une administration en Guinée, au Sénégal, en Côte d’Ivoire ou au Cameroun. Voici notre lecture.
-
Partir d’une tâche, pas d’un outil. Les gains viennent de tâches bien définies, intégrées aux processus existants. Choisissez une tâche précise et mesurable, comme un compte rendu, le tri de demandes ou une réponse client, avant de choisir l’outil.
-
Budgéter les fondations. Électricité de secours, connexion, appareils, forfaits : sans eux, l’outil le plus prometteur reste inutilisé. Ces coûts doivent figurer dans le projet dès le départ.
-
Former avant de déployer. Un outil mal compris donne des résultats limités, parfois négatifs. La formation n’est pas un supplément : elle conditionne le résultat.
-
Encadrer plutôt qu’ignorer. Dans les administrations, seules trois agences numériques sur quinze fournissent des licences professionnelles. Fournir des outils encadrés, avec des règles claires sur les données, vaut mieux que de laisser chacun se débrouiller avec un compte personnel. Nos cas concrets d’IA dans l’administration publique donnent quelques repères.
-
Mesurer l’impact, pas seulement la portée. Comme le rapport le fait pour ses propres exemples, distinguez le nombre de personnes touchées de l’effet réel sur le travail.
-
Penser local. Langues, usages sur mobile, faible bande passante : privilégiez ce qui fonctionne dans vos conditions réelles, pas dans une démonstration.
Pour les PME, ces principes rejoignent ceux de toute transformation digitale réussie : commencer petit, mesurer, puis étendre.
Le plafond et le plancher
Les 1 000 milliards de dollars feront encore des titres. Ils décrivent un plafond. Au niveau de préparation actuel, le gain attendu commence à 0,2 % de PIB sur dix ans. Entre les deux, il n’y a pas de raccourci technologique. Il y a des réseaux électriques, des antennes, des données en langues locales, des formations, et des institutions capables d’appliquer leurs propres règles.
La bonne nouvelle, c’est que les usages les plus prometteurs n’obligent pas à attendre. Ils sont modestes, peu coûteux, et fonctionnent déjà sur un téléphone. Pour chaque organisation, la question n’est donc pas « quand l’IA arrivera-t-elle chez nous ? », mais « quelle tâche peut-elle améliorer dès ce mois-ci, et avec quels moyens ? ».
Sources principales
- Banque mondiale — « La croissance économique en Afrique subsaharienne s’accélère malgré les incertitudes mondiales », communiqué du 6 octobre 2026
- Banque mondiale — Africa Economic Update, octobre 2026 : Building AI Readiness (rapport complet, PDF en anglais)
- Hespress — « IA : la BM alerte sur les retards numériques qui freinent l’Afrique », 10 octobre 2026
Les chiffres cités proviennent du résumé exécutif du rapport. Ils portent sur l’Afrique subsaharienne, sauf lorsque le rapport parle de l’Afrique dans son ensemble (population hors ligne, centres de données, données d’entraînement, scénario à 1 000 milliards de dollars).
Réagir à cet article
Partagez votre expérience, vos questions ou vos propres pratiques. La discussion se fait via GitHub.