1. Une vieille histoire, une forme nouvelle

L’histoire économique africaine est marquée par un paradoxe récurrent : le continent détient des ressources considérables, mais une part substantielle de leur transformation et de leur valorisation s’effectue ailleurs. Il exporte des matières premières et importe des produits transformés, des technologies, des services et des normes.

L’intelligence artificielle pourrait reproduire ce schéma sous une forme plus subtile encore. La matière première ne serait plus seulement constituée de minerais, de produits agricoles ou d’énergie. Elle comprendrait aussi les données, les langues, les comportements, les productions culturelles, les savoirs locaux et les documents administratifs — collectés, traités et valorisés par des entreprises extérieures, avant de revenir sur le continent sous forme de services payants ou de modèles propriétaires. Cette dépendance serait alors plus profonde que les dépendances industrielles antérieures : elle toucherait la connaissance, la décision, la formation des entreprises et le fonctionnement même des institutions.

2. Une technologie mondiale concentrée entre quelques puissances

L’IA moderne repose sur une économie fortement concentrée. Les États-Unis dominent plusieurs couches stratégiques : modèles propriétaires avancés, plateformes cloud, processeurs graphiques, logiciels de développement, financement et distribution internationale. La Chine dispose d’un écosystème autonome significatif ; l’Europe, l’Inde et plusieurs États du Golfe cherchent à renforcer leurs propres capacités.

Cette concentration signifie qu’un nombre restreint d’entreprises et d’États peut fixer les prix, les conditions d’accès, les règles de sécurité, les normes techniques et, le cas échéant, les restrictions territoriales. Les entreprises africaines sont rarement présentes dans les couches où se concentrent la propriété intellectuelle et les marges les plus élevées.

Une chaîne de valeur difficilement accessible

L’Afrique dispose d’un potentiel relativement plus important dans les usages et les applications spécialisées que dans les couches industrielles lourdes. Cette spécialisation peut devenir un avantage — à condition que les applications locales ne soient pas entièrement dépendantes de modèles et de clouds extérieurs.

3. État des lieux de la dépendance africaine

3.1 Dépendance aux modèles de fondation

Les modèles de fondation sont des systèmes généralistes adaptables à de nombreux usages. Lorsqu’une entreprise africaine développe un assistant administratif, une solution de diagnostic ou un outil juridique reposant sur un modèle étranger, elle ne contrôle généralement ni les paramètres essentiels, ni les données d’entraînement, ni les futures modifications, ni les tarifs, ni les restrictions d’utilisation. Cette dépendance peut rester invisible tant que le service fonctionne ; elle apparaît brutalement lorsque le fournisseur modifie ses prix, ses conditions contractuelles, sa politique de confidentialité — ou son périmètre géographique.

3.2 Dépendance au cloud

Le cloud permet un accès rapide à des infrastructures performantes, mais il introduit une dépendance contractuelle et juridique : les données peuvent être traitées hors du pays ou du continent, sous l’empire de droits étrangers. Pour les données fiscales, bancaires, sanitaires, judiciaires, militaires ou biométriques, la question du cloud devient une question de souveraineté et de continuité des fonctions publiques.

3.3 Faiblesse des infrastructures de calcul et dépendance énergétique

Les modèles avancés exigent des processeurs spécialisés, des réseaux rapides, du stockage, du refroidissement et des équipes techniques. Les capacités africaines restent faibles et très concentrées dans quelques pays et grandes métropoles. Un centre de données d’IA est aussi une infrastructure énergétique : il requiert une alimentation stable, une puissance importante, des moyens de secours et des systèmes de refroidissement. Une politique d’IA ne peut donc pas être séparée des politiques énergétiques, des télécommunications, de l’eau, de l’aménagement du territoire et de la formation technique.

3.4 Dépendance linguistique, culturelle et cognitive

La plupart des langues africaines sont insuffisamment représentées dans les corpus numériques. Cette faiblesse entraîne une moindre qualité des réponses, l’exclusion des populations non francophones ou anglophones, et une marginalisation progressive des patrimoines linguistiques. Un modèle principalement formé sur des données extérieures maîtrise imparfaitement les institutions, les droits, les normes comptables, les pratiques économiques informelles et les références historiques africaines.

3.5 Dépendance aux données et aux compétences

L’Afrique produit des données nombreuses, mais souvent non numérisées, fragmentées, mal documentées ou hébergées à l’étranger. Faute d’infrastructures locales, ces données peuvent être captées et valorisées par des plateformes extérieures : le continent risque alors d’exporter des données brutes et de réimporter des services à forte valeur ajoutée. Le vivier de jeunes talents est important, mais les compétences avancées restent insuffisantes dans l’architecture des modèles, le calcul distribué, la cybersécurité, l’audit algorithmique et l’ingénierie des données — et la rétention de ces talents demeure une difficulté majeure face à des écosystèmes étrangers offrant de meilleurs salaires et un accès direct au calcul.

4. Les risques systémiques pour le continent

Une économie qui importe les modèles, le cloud, les logiciels et le calcul peut utiliser l’IA sans en capter l’essentiel des revenus. L’utilisateur africain paie un abonnement et produit des données ; le fournisseur consolide les revenus, finance l’amélioration du produit et accroît son avance technologique. L’automatisation peut en outre toucher des activités de services dans lesquelles plusieurs pays africains espéraient se positionner — centres d’appels, saisie de données, traduction, support administratif, services comptables répétitifs — avec un risque de désindustrialisation des services avant même leur pleine industrialisation.

Une banque, une administration ou une entreprise qui intègre profondément un modèle étranger à ses processus devient vulnérable à son indisponibilité. Cette rupture peut résulter d’une décision politique, d’une sanction, d’une faillite, d’une cyberattaque, d’une hausse tarifaire, d’une suppression de fonctionnalité — ou d’une restriction territoriale. C’est précisément ce dernier scénario, longtemps présenté comme théorique, que l’actualité vient d’illustrer.

5. L’épisode Anthropic : anatomie d’un avertissement

Le 12 juin 2026, en pleine semaine de finalisation de ce dossier, un évènement est venu confirmer point par point la thèse centrale de ce travail. La société américaine Anthropic, l’un des principaux fournisseurs mondiaux de modèles d’intelligence artificielle de frontière, a reçu du gouvernement des États-Unis une directive de contrôle des exportations lui ordonnant de suspendre, sans délai, tout accès de ressortissants étrangers à ses deux modèles les plus avancés, Claude Mythos 5 et sa version dérivée Claude Fable 5 (communiqué officiel d’Anthropic).

Chronologie d’une décision unilatérale

• LancementAnthropic met en avant les garde-fous censés empêcher tout accès non autorisé aux capacités les plus sensibles de Mythos — en particulier ses capacités de cybersécurité — via la version commerciale Fable 5.
• 12 juin 2026, 17h21 (heure de Washington)Anthropic reçoit du gouvernement américain une directive citant des motifs de sécurité nationale, sans en détailler précisément le fondement technique (Al Jazeera).
• Quelques heures plus tardLa directive vise « tout ressortissant étranger, à l’intérieur comme à l’extérieur des États-Unis, y compris les employés étrangers d’Anthropic elle-même ». Faute de pouvoir distinguer en temps réel les utilisateurs américains des utilisateurs étrangers parmi des centaines de millions de comptes, Anthropic désactive purement et simplement les deux modèles pour l’ensemble de sa clientèle mondiale (Fortune ; National Law Review).
• Réaction d’AnthropicL’entreprise affirme se conformer à la directive tout en contestant sa proportionnalité : elle estime que la faille évoquée par les autorités serait étroite, non universelle, et accessible par d’autres modèles publics non soumis aux mêmes contrôles. Elle plaide pour un cadre de blocage des déploiements jugés dangereux qui soit transparent, équitable et fondé sur des faits techniques vérifiables — estimant que la procédure suivie ici ne répond pas à ces critères (analyse détaillée de Snyk).

Une décision américaine, un effet mondial immédiat

L’aspect le plus instructif de cet épisode, pour un observateur africain, n’est pas tant la nature de la faille invoquée que la mécanique de la décision elle-même. Une administration nationale a pu, en l’espace d’une soirée, couper l’accès à un outil utilisé par des centaines de millions de personnes à travers le monde, sans préavis, sans procédure d’appel accessible aux utilisateurs concernés, et sans aucune possibilité pour les pays tiers — dont aucun État africain — de faire valoir un point de vue. La nationalité du fournisseur a suffi à rendre la décision extraterritoriale par construction : tout utilisateur non américain, où qu’il se trouve sur la planète, s’est trouvé placé, du jour au lendemain, du mauvais côté d’une frontière juridique qu’il n’avait pas choisie.

Les entreprises qui avaient construit des intégrations profondes autour de ces modèles — outils internes, plateformes commerciales, systèmes de gestion de code — se sont retrouvées contraintes de revoir en urgence leurs architectures, sans alternative immédiatement disponible offrant un niveau de capacité équivalent.

Cinq leçons pour l’Afrique

6. Quatre scénarios à l’horizon 2030-2040

Dans le premier scénario, le continent adopte rapidement les outils étrangers sans développer d’infrastructures ni de capacités locales significatives : les gains de productivité sont rapides, mais la dépendance, les sorties de devises et la marginalisation des langues locales s’accentuent — exactement le type de vulnérabilité que l’épisode Anthropic vient d’illustrer. Dans le quatrième, les pays mutualisent centres de calcul, clouds de confiance, données, modèles spécialisés et programmes de formation : ce scénario ne supprime pas la dépendance aux technologies étrangères, mais il permet de les utiliser depuis une position moins vulnérable — et moins exposée à une décision unilatérale extérieure.

7. Éviter le piège : la stratégie d’autonomie graduée

La souveraineté ne signifie pas que chaque pays doive produire ses puces, son cloud et son grand modèle. Elle consiste à conserver la capacité de choisir, de changer de fournisseur, de protéger les données sensibles, d’auditer les systèmes essentiels et de maintenir les fonctions critiques en cas de rupture — celle-là même qui vient de toucher des centaines de millions d’utilisateurs sans préavis.

Le coût des infrastructures impose une approche régionale : des pôles de calcul pourraient être portés par l’Union africaine, la CEDEAO, l’UEMOA, la CEMAC, la SADC et la Communauté d’Afrique de l’Est, accessibles aux universités, administrations, entreprises et centres de recherche. Les modèles plus petits, l’Edge AI et le TinyML sont particulièrement adaptés aux environnements où la connectivité et l’énergie sont contraintes ; ils réduisent la dépendance au cloud et permettent des usages locaux robustes — y compris en cas de rupture d’accès à un fournisseur extérieur.

L’objectif le plus rationnel n’est pas de concurrencer immédiatement les plus grands modèles généralistes, mais de construire des modèles spécialisés mieux adaptés aux besoins locaux : droit OHADA et jurisprudences africaines, SYSCOHADA et gestion des entreprises, langues nationales et synthèse vocale, agriculture tropicale et gestion de l’eau, santé publique, administration et foncier, ressources naturelles et commerce régional. Les services critiques ne devraient jamais dépendre d’un seul modèle : toute architecture devrait prévoir un modèle principal, un fournisseur alternatif, un modèle ouvert de secours, une couche d’abstraction et des tests réguliers de basculement — la commande publique devant, de son côté, imposer localisation des données sensibles, réversibilité, transparence des sous-traitants et clause explicite de continuité en cas de restriction d’exportation.

8. Feuille de route opérationnelle

Phase 1 — 2026-2028 : sécuriser et cartographier

1. Cartographier les infrastructures, compétences, données et dépendances critiques.
2. Classifier les données publiques selon leur niveau de sensibilité.
3. Insérer des clauses de réversibilité dans les contrats publics et privés.
4. Interdire la dépendance à un seul modèle pour les services critiques.
5. Constituer des corpus linguistiques, juridiques et administratifs africains.
6. Former décideurs, ingénieurs, professionnels et auditeurs.
7. Identifier les projets régionaux de calcul et de cloud de confiance.
8. Adopter ou actualiser les stratégies nationales d’IA.

Phase 2 — 2028-2032 : mutualiser et produire

• Mise en service de pôles régionaux de calcul.
• Création de clouds de confiance.
• Développement de modèles spécialisés africains.
• Renforcement des laboratoires et universités.
• Intégration des langues africaines.
• Financement d’entreprises locales.
• Harmonisation des normes et mécanismes de certification.

Phase 3 — 2032-2040 : monter dans la chaîne de valeur

• Développer des capacités avancées de conception et d’évaluation.
• Participer aux programmes de recherche internationaux.
• Maîtriser certains segments matériels et logiciels.
• Exporter des plateformes spécialisées.
• Négocier collectivement l’accès aux technologies de frontière.

9. Gouvernance, financement et indicateurs

Parmi les indicateurs de pilotage à suivre dans la durée figurent la capacité GPU disponible localement et régionalement, le nombre de langues africaines intégrées aux outils numériques, le nombre d’ingénieurs, chercheurs, juristes et auditeurs formés, la part des systèmes critiques disposant d’un plan de réversibilité — et, plus directement encore après l’épisode de juin 2026, la part des dépenses d’IA versée à des fournisseurs étrangers sans alternative de substitution identifiée.

10. Conclusion générale — de la dépendance subie à l’interdépendance négociée

L’Afrique ne pourra ni ne devra se soustraire à l’écosystème mondial de l’intelligence artificielle. Les technologies étrangères peuvent accélérer la modernisation, améliorer les services publics, soutenir la santé, l’agriculture et l’éducation. Le danger réside dans leur utilisation sans stratégie de maîtrise, sans solution de remplacement, sans protection des données et sans construction progressive de capacités africaines. Une technologie disponible aujourd’hui peut être retirée demain par une décision extérieure — ce n’est plus une hypothèse de travail, c’est un fait observé en temps réel pendant la rédaction de ce dossier.

La solution ne réside ni dans un repli technologique irréaliste, ni dans une ouverture sans conditions. Elle repose sur une interdépendance négociée : utiliser les meilleures technologies disponibles tout en conservant la capacité de choisir, d’auditer, d’adapter, de remplacer et de continuer à fonctionner.

Pour aller plus loin sur BAOBIZZ

Ce dossier s’inscrit dans une réflexion plus large que BAOBIZZ poursuit depuis plusieurs mois sur l’intelligence artificielle. Les articles suivants, classés dans la rubrique 🤖 IA & Tech du sommaire du blogue, éclairent sous d’autres angles certains des enjeux abordés ici.

• Intelligence artificielle et professions du droit & du chiffre : mutations, risques et opportunités — sur les métiers de l’audit, du conseil et du chiffre directement concernés par l’automatisation évoquée en section 4.
• Accompagner le chef d’entreprise : l’expert-comptable, vigie stratégique à l’ère de l’intelligence artificielle — le rôle des professions du chiffre dans l’adoption raisonnée de l’IA par les entreprises africaines.
• L’école à l’heure de l’Intelligence Artificielle : réinventer l’enseignement pour former les citoyens de demain — en écho à la dépendance aux compétences traitée en section 3.5.
• La fin de la vérité : quand l’intelligence artificielle fabrique un monde de doutes — sur le risque cognitif et culturel développé en section 4.
• Soumises, dociles et parfaites : la féminisation des intelligences artificielles, miroir d’un patriarcat algorithmique — sur les biais culturels encodés dans des modèles conçus hors d’Afrique.
• Marshall McLuhan face à l’intelligence artificielle : le médium devenu esprit — une lecture théorique complémentaire de la dépendance cognitive aux modèles dominants.
• Les maîtres du virtuel : comment les arnaques en ligne africaines piègent le monde — sur les usages détournés de l’IA depuis le continent, à l’opposé de la dépendance subie.
• Le crépuscule de l’apprentissage : l’intelligence artificielle ou la tentation de l’homme sans effort — sur le risque de désapprentissage individuel, en miroir de la désindustrialisation cognitive traitée en section 4.
• Le Métavers : mirage technologique ou futur d’Internet ? — un autre exemple de promesse technologique à examiner avec la même prudence méthodologique.

Voir aussi l’outil interactif « Votre métier survivra-t-il à l’IA ? », qui permet d’évaluer concrètement l’exposition d’une profession donnée aux risques décrits dans ce dossier, ainsi que l’index complet des articles pour explorer l’ensemble de la rubrique IA & Tech.

Sources et références

• Union africaine, Continental Artificial Intelligence Strategy, juillet 2024.
• Banque mondiale, Digital Progress and Trends Report 2025: Strengthening AI Foundations.
• CNUCED, Technology and Innovation Report 2025 — Inclusive Artificial Intelligence for Development.
• Stanford Institute for Human-Centered AI, AI Index Report 2026.
• UNESCO, travaux sur l’IA dans l’éducation et sur les langues africaines face à l’IA.
• OCDE, AI Governance in Africa, études de cas et recommandations, 2026.
• Union internationale des télécommunications, AI Standards for Global Impact: From Governance to Action.
• Anthropic, déclaration publique du 12 juin 2026 sur la suspension d’accès à Fable 5 et Mythos 5.
• Al Jazeera, « US orders Anthropic to disable AI models for all foreign nationals », 13 juin 2026.
• Fortune, « Anthropic disables Fable and Mythos AI models following U.S. government export ban », 13 juin 2026.
• National Law Review, « AI Company Anthropic Suspends Access to Claude Fable 5, Claude Mythos 5 Following US Export Control Directive ».
• Snyk, « When a Government Pulls an AI Model: What the Fable 5 and Mythos 5 Suspension Means for Security Teams ».
• Africa Data Centres Association, travaux sectoriels sur les capacités de centres de données en Afrique.

Les données quantitatives et réglementaires doivent être actualisées avant toute publication officielle, certaines évolutions du secteur étant particulièrement rapides.