Comment l’intelligence artificielle transforme les entreprises africaines

À Nairobi, un agriculteur reçoit à crédit ses semences et ses engrais parce qu’un modèle a jugé son risque à partir d’images satellites de sa parcelle. À Accra, une productrice de cacao pose une question en twi à un assistant vocal et obtient un conseil sur la rotation de ses cultures. À Lagos, une banque bloque en quelques millisecondes un virement suspect. Aucune de ces scènes n’a rien de futuriste : elles décrivent des services qui fonctionnent déjà, à grande échelle, dans des entreprises africaines.

L’intelligence artificielle est entrée dans les entreprises du continent par des portes très concrètes : le crédit, la fraude, le service client, le conseil agricole, la traduction. Elle y avance vite, portée par des dirigeants convaincus, des jeunes pousses inventives et des États qui commencent à s’organiser. Mais elle se heurte aussi à des obstacles très africains : des systèmes informatiques anciens, des données rares, des compétences qui manquent, une énergie parfois instable. Ce Dossier-Tek fait le point, chiffres et exemples à l’appui.

Des dirigeants convaincus, des budgets hésitants

Premier constat : l’intérêt des patrons est massif. Selon la 29e enquête mondiale de PwC auprès des dirigeants, publiée en février 2026, qui a interrogé plus de 150 patrons africains parmi 4 454 dans le monde, 75 % des entreprises africaines ont adopté l’IA sous une forme ou une autre. Les dirigeants du continent se montrent aussi plus optimistes que leurs homologues : 81 % ont confiance dans la conjoncture, contre 65 % en moyenne mondiale.

Deuxième constat, moins flatteur : l’adoption reste souvent superficielle. Seuls 26 % des dirigeants africains interrogés estiment investir suffisamment pour atteindre leurs objectifs en matière d’IA. Parmi ceux qui ont investi, 23 % constatent une hausse de leurs revenus et 25 % une baisse de leurs coûts sur l’année écoulée. Autrement dit, une minorité seulement transforme l’essai. Beaucoup d’entreprises en sont encore à l’expérimentation : un outil ici, un projet pilote là, sans passage à l’échelle.

Les mêmes chiffres révèlent la nature du blocage. Seuls 37 % des dirigeants disent parvenir à recruter et retenir les talents nécessaires, et 41 % disposent d’une feuille de route IA définie. Le problème, résume Vikas Sharma, associé de PwC à Maurice, relève moins d’un manque d’ambition que d’un déficit de gouvernance : savoir qui décide, quoi mesurer, et comment passer d’un test réussi à un outil utilisé par toute l’entreprise.

• 75 % des entreprises africaines ont adopté l’IA sous une forme ou une autre (PwC, février 2026).
• 26 % seulement des dirigeants jugent leur investissement suffisant.
• 23 % de ceux qui ont investi constatent une hausse de revenus, 25 % une baisse de coûts.
• 37 % parviennent à recruter et retenir les talents nécessaires ; 41 % ont une feuille de route IA.

Qui utilise vraiment l’IA ?

Côté usages individuels, les données de Microsoft donnent une photographie précise. Son rapport sur la diffusion de l’IA au premier trimestre 2026 mesure la part des 15-64 ans ayant utilisé un outil d’IA générative, comme ChatGPT, Gemini, Claude ou Copilot. L’Afrique du Sud arrive nettement en tête du continent avec 23,1 %, au-dessus de la moyenne mondiale de 17,8 %. Suivent la Namibie (15,1 %), la Libye et le Gabon (15 %), l’Égypte et le Botswana (14,8 %), puis le Sénégal (13,9 %).

Ces chiffres rappellent une réalité souvent oubliée : des pays très actifs sur la scène technologique, comme le Nigeria (10,1 %) ou le Kenya (8,7 %), restent en dessous de la moyenne mondiale. L’écart entre pays riches et pays en développement se creuse : 27,5 % d’utilisateurs en moyenne dans les premiers, 15,4 % dans les seconds. Pour les entreprises, c’est à la fois un frein, car leurs clients et leurs employés sont moins familiers de ces outils, et une opportunité, car le terrain reste largement à conquérir.

La banque, premier terrain d’application

Si un secteur a pris de l’avance, c’est la banque. Une étude publiée en août 2026 par l’éditeur de logiciels bancaires Backbase et le magazine African Banker, menée auprès de 277 dirigeants de banques dans 37 pays africains, montre un enthousiasme presque unanime : 86,9 % jugent positif le rôle de l’IA dans leur établissement pour les deux prochaines années, et 83,2 % veulent augmenter leurs investissements.

Les usages sont précis. La détection de la fraude arrive en tête : un modèle repère en temps réel une transaction inhabituelle, un appareil inconnu, une série de petits virements suspects. Vient ensuite la notation de crédit alternative, décisive sur un continent où une grande partie de la population n’a pas d’historique bancaire : l’algorithme estime la capacité de remboursement à partir d’autres signaux, comme l’usage du mobile money. Près de la moitié des banques (49 %) commencent par l’IA conversationnelle, des assistants qui répondent aux clients à toute heure.

Les résultats sont au rendez-vous pour celles qui mesurent : 85,1 % des banques disposant d’indicateurs formels de retour sur investissement disent atteindre ou dépasser leurs prévisions. Mais l’étude pointe aussi le frein principal : l’informatique existante. En moyenne, 55,7 % des budgets informatiques partent dans la maintenance de systèmes anciens, et 50,2 % des banques citent l’intégration avec ces systèmes comme leur premier obstacle. « Les banques africaines n’ont pas un problème d’IA, elles ont un problème d’architecture », résume Aymen Daoud, vice-président régional de Backbase.

Dans les champs : le crédit et le conseil

L’agriculture, qui fait vivre une grande partie des Africains, est l’autre laboratoire de l’IA. Au Kenya, Apollo Agriculture, créée en 2016, fournit aux petits exploitants des semences, des engrais et une assurance à crédit. Pour décider à qui prêter et combien, l’entreprise combine des données satellites, des informations sur les sols, le comportement des agriculteurs et des modèles de rendement. Chaque offre est ajustée à la parcelle. L’entreprise dit avoir servi plus de 300 000 petits exploitants, avec un réseau de plus de 5 000 agents et près de 1 000 revendeurs indépendants.

Au Ghana, Farmerline a développé Darli, un assistant agricole fondé sur l’IA, désigné parmi les meilleures inventions de 2024 par le magazine américain Time. Sa force : parler la langue des agriculteurs. Darli répond dans plus de 27 langues, dont le twi, le swahili et le yoruba, par messagerie WhatsApp ou par téléphone, grâce à un serveur vocal interactif pour ceux qui ne lisent pas ou n’ont pas de smartphone. Selon l’entreprise, un million de personnes écoutent sa ligne de conseil, qui répond à des questions sur les engrais, la rotation des cultures ou l’accès aux marchés.

Ces deux exemples illustrent une règle générale : en Afrique, l’IA réussit quand elle s’adapte aux conditions réelles des utilisateurs, téléphone basique, langue locale, absence d’historique bancaire, plutôt que de supposer un smartphone récent et une bonne connexion.

Parler la langue des clients

La langue est justement l’un des grands chantiers. Les modèles d’IA les plus connus ont été entraînés surtout en anglais et dans quelques grandes langues ; ils comprennent mal le wolof, le haoussa ou le zoulou. Pour une entreprise qui veut servir ses clients dans leur langue, c’est un problème très concret. La jeune pousse sud-africaine Lelapa AI a lancé en 2024 InkubaLM, un petit modèle de langage de 400 millions de paramètres entraîné pour le swahili, le yoruba, l’isiXhosa, le haoussa et l’isiZulu, en plus de l’anglais et du français.

Le choix d’un petit modèle est délibéré. Un modèle compact coûte beaucoup moins cher à faire tourner, peut fonctionner sur des serveurs modestes, voire sur des appareils locaux, et reste utilisable là où la puissance de calcul et la bande passante sont rares. Pour les entreprises africaines, c’est une piste sérieuse : plutôt que de dépendre d’un modèle géant hébergé à l’étranger et facturé en dollars, elles peuvent adapter des modèles plus légers à leurs besoins précis, traduction, transcription ou tri de messages clients.

Des champions qui attirent les géants

Le continent a aussi ses réussites de premier plan. InstaDeep, fondée à Tunis en 2014, s’est imposée comme une référence mondiale de l’IA appliquée à la prise de décision et à la biologie. En 2023, le laboratoire allemand BioNTech, connu pour son vaccin contre le Covid-19, l’a rachetée pour environ 550 millions de dollars, afin de renforcer sa recherche de médicaments assistée par l’IA. Au-delà de la somme, l’opération a envoyé un signal : des équipes formées et installées en Afrique peuvent produire une IA de niveau mondial.

Ces champions restent toutefois rares, et l’écosystème concentré. Les jeunes pousses de l’IA se regroupent dans quelques pôles, Lagos, Nairobi, Le Cap, Johannesburg, Le Caire, Tunis, Casablanca, et peinent souvent à lever des fonds face à leurs concurrentes américaines ou européennes. Pour les grandes entreprises du continent, elles représentent pourtant une ressource précieuse : des solutions pensées pour les marchés africains, par des équipes qui les connaissent.

Trois exemples types, pour se représenter l’IA au quotidien

Au-delà des grandes entreprises, à quoi ressemble concrètement l’IA dans une structure ordinaire ? Voici trois scénarios types, construits à partir d’usages courants observés sur le continent. Ils ne décrivent pas des entreprises précises, mais des situations que de nombreux dirigeants reconnaîtront.

Premier exemple : une chaîne de pharmacies à Abidjan. Chaque semaine, elle perd des ventes faute de stock sur certains médicaments et jette des produits périmés sur d’autres. Un modèle de prévision, alimenté par l’historique des ventes, les saisons et les épidémies passées, propose les quantités à commander pour chaque officine. Le pharmacien garde la décision finale, mais part d’une estimation chiffrée plutôt que d’une intuition. Le gain se mesure simplement : moins de ruptures, moins de pertes.

Deuxième exemple : une société de transport de marchandises à Dakar. Ses chauffeurs perdent des heures dans les embouteillages et font des tournées mal optimisées. Un outil d’optimisation d’itinéraires, combiné aux données de circulation, réorganise les livraisons chaque matin. Un assistant conversationnel répond aux clients qui demandent où en est leur colis, en français et en wolof, et ne transmet à un humain que les cas compliqués.

Troisième exemple : un assureur à Nairobi. Les déclarations de sinistre arrivent par photos, messages et documents scannés. Un système d’IA lit les documents, vérifie qu’ils sont complets, repère les incohérences qui peuvent signaler une fraude et classe les dossiers par urgence. Les gestionnaires se concentrent sur l’examen et la relation avec l’assuré. Dans les trois cas, la recette est la même : un problème précis, des données disponibles, une mesure avant et après. Aucun de ces projets n’exige un laboratoire de recherche : des outils existants, bien choisis et bien paramétrés, suffisent souvent pour commencer.

Les États commencent à s’organiser

Les pouvoirs publics ne restent pas à l’écart. L’Union africaine a adopté en juillet 2024 une stratégie continentale pour l’intelligence artificielle, qui fixe des priorités communes : développer les compétences, les infrastructures et les données, encadrer les risques et favoriser une IA au service du développement. Plusieurs pays ont suivi avec leurs propres stratégies nationales.

La Côte d’Ivoire illustre ce passage aux actes. Du 9 au 11 septembre 2026, sa deuxième conférence nationale sur l’IA, IMPACT IA, a réuni environ 200 responsables publics et privés à Abidjan. Ils ont retenu 77 cas d’usage prioritaires dans l’administration, l’agriculture, la santé et l’éducation, et signé un pacte public-privé. Le gouvernement travaille avec la société française Mistral AI et avec le cabinet Artefact, tout en revendiquant une « souveraineté technologique ». Une réunion de suivi doit fixer une feuille de route et un budget pour chaque projet.

Les freins qui restent à lever

Au-delà des succès, les obstacles sont bien identifiés. Les compétences d’abord : former des ingénieurs en IA prend des années, et les meilleurs sont courtisés par des entreprises étrangères capables de payer en devises. Les données ensuite : pour entraîner ou adapter un modèle, il faut des données propres, organisées, dans les bonnes langues, et beaucoup d’entreprises découvrent que leurs fichiers clients sont incomplets ou dispersés. L’infrastructure enfin : une électricité instable, une connexion coûteuse ou lente, peu de centres de données sur le continent, ce qui oblige souvent à héberger les services à l’étranger.

Sur les compétences, des communautés se sont organisées pour combler le manque. Le Deep Learning Indaba, rassemblement panafricain consacré à l’apprentissage automatique créé en 2017, réunit chaque année chercheurs, étudiants et ingénieurs du continent, et ses déclinaisons nationales, les IndabaX, essaiment dans de nombreux pays. Des plateformes de concours en science des données et des programmes de formation soutenus par des entreprises et des gouvernements complètent le dispositif. Mais la demande des entreprises grandit plus vite que le vivier de spécialistes.

S’y ajoutent des questions de confiance et de régulation. De nombreux pays africains se sont dotés de lois sur la protection des données personnelles, et les entreprises qui confient des informations sur leurs clients à des outils d’IA hébergés à l’étranger doivent s’assurer d’être en règle. Les biais sont un autre risque : un modèle de notation de crédit entraîné sur des données partielles peut exclure injustement certains groupes, et reproduire à grande échelle des inégalités existantes.

Ce qu’il faut retenir

• L’IA est déjà rentable dans des usages précis : fraude, crédit, service client, conseil agricole.
• Le principal frein n’est pas la technologie, mais l’organisation : données, systèmes anciens, compétences, gouvernance.
• Les solutions qui réussissent s’adaptent au terrain : langues locales, téléphones basiques, connexions lentes.
• Les petits modèles, moins chers, ouvrent une voie réaliste pour les entreprises africaines.
• Les États commencent à passer de la stratégie aux projets, comme la Côte d’Ivoire avec ses 77 cas d’usage.

L’intelligence artificielle ne transformera pas les entreprises africaines d’un coup, et pas toutes au même rythme. Elle transforme déjà celles qui ont su l’appliquer à un problème précis, mesurer ses effets et l’adapter aux réalités de leurs clients. L’enjeu des prochaines années est de passer de quelques réussites remarquables à une adoption large, en particulier dans les petites et moyennes entreprises qui font l’essentiel de l’économie du continent. Cela suppose des investissements, des compétences et des règles claires ; cela suppose aussi de regarder l’IA pour ce qu’elle est : un outil puissant, pas une solution miracle. Les entreprises qui en tireront le plus seront celles qui commencent petit, mesurent honnêtement et investissent dans les personnes autant que dans les logiciels.