Le discours dominant sur lIA est le suivant : il faut aller vite ou prendre du retard. Les gouvernements sont exhorts adopter rapidement cette technologie, la dployer grande chelle et la rglementer avec souplesse, comme si la vitesse elle-mme tait une stratgie de dveloppement.
Cette hypothèse est aussi erronée que dangereuse. En réalité, le principal risque pour de nombreuses économies en développement est d’adopter l’IA trop tôt, avant de disposer de l’infrastructure numérique, des capacités institutionnelles, des mécanismes d’absorption du marché du travail et des capacités de production nécessaires pour garantir que l’automatisation apporte des gains à grande échelle.
J’appelle ce risque « automatisation prématurée », qui reflète un phénomène que Dani Rodrik a décrit comme une « désindustrialisation prématurée » : l’érosion de l’emploi dans le secteur manufacturier dans les pays en développement avant qu’ils aient pu réaliser leur plein potentiel de croissance. L’adoption précipitée de l’IA risque d’aboutir à un résultat similaire : détruire des emplois, éroder les capacités et entraver le développement plutôt que favoriser la transformation.
Dans les économies avancées, l’IA peut contribuer à compléter une main-d’œuvre vieillissante et à stimuler la productivité des cols blancs. En revanche, de nombreuses économies émergentes ont une population beaucoup plus jeune et des possibilités d’emploi limitées. Chaque année, on estime que 12 millions de jeunes Africains entrent sur le marché du travail, dont seulement trois millions trouvent un emploi formel. Dans ce contexte, l’automatisation rapide des secteurs des services tels que le service clientèle, la logistique et la finance, ou même l’administration publique, pourrait remplacer les travailleurs avant que d’autres voies ne se présentent.
L’Amérique latine et certaines régions d’Europe sont confrontées à la même menace : l’intégration de l’IA dans des systèmes administratifs fragmentés et obsolètes et dans des secteurs où la croissance de la productivité stagne risque fort d’éliminer les emplois moyennement qualifiés sans créer de nouveaux moteurs de croissance. Si des économies aux fondamentaux fragiles tentent de passer directement à l’automatisation basée sur l’IA, cet effort ne fera qu’amplifier leur dysfonctionnement.
Lorsque les pays disposent de registres publics papier, de systèmes de paiement fragmentés et d’une gouvernance des données faible, les modèles d’IA sont entraînés à partir de données de mauvaise qualité et construits sur une infrastructure fragile. Les erreurs s’amplifient et les biais se renforcent, ce qui entraîne une surcharge institutionnelle.
Les exemples abondent : les systèmes automatisés d’éligibilité aux services publics ont exclu des bénéficiaires légitimes parce que les registres sous-jacents étaient incomplets ; des outils décisionnels algorithmiques ont été introduits avant que des mécanismes d’appel n’existent ; et des systèmes prédictifs ont été mis en œuvre sans données interopérables. Il s’agit là d’échecs de séquençage, et non de défaillances technologiques.
En l’absence d’un séquençage délibéré, les pays peuvent finir par exporter des données brutes et importer des algorithmes, des plateformes et des systèmes de gouvernance conçus ailleurs, créant ainsi de nouvelles dépendances. La capture de valeur est concentrée en amont, tandis que les entreprises et les travailleurs locaux sont relégués à des rôles marginaux ou complètement évincés. La technologie peut être différente, mais l’objectif reste l’extraction.
Dans ce contexte, la gouvernance des données relève de la politique industrielle. Les pays qui ne parviennent pas à élaborer des stratégies en matière d’interopérabilité, de propriété et de normes seront à la merci des entreprises d’IA. Pour éviter cela, ils doivent se concentrer sur le séquençage, c’est-à-dire n’adopter les technologies de pointe qu’après avoir mis en place les fondations nécessaires.
Dans la pratique, le séquençage consiste à numériser les dossiers et à développer des infrastructures publiques numériques interopérables avant d’automatiser les décisions. Il s’agit également de déterminer le rythme d’adoption de l’IA, afin que l’innovation soit durable. Les bacs à sable, les projets pilotes sectoriels et les évaluations de l’impact sur l’emploi permettent aux gouvernements d’apprendre, de s’adapter et de corriger le tir.
Une telle approche permettrait surtout d’éviter les bouleversements économiques en garantissant que l’automatisation complète le travail humain plutôt que de le remplacer. Lorsque les organisations peuvent encore apprendre par la pratique et accumuler des capacités, l’IA devient un accélérateur de développement.
Le statut de retardataire peut même être un avantage, car il permet aux pays de mettre en place des garde-fous avant que la diffusion ne s’accélère, évitant ainsi les erreurs commises par les économies avancées. Pix, le système de paiement soutenu par le gouvernement brésilien, illustre comment une séquence délibérée et une infrastructure publique solide peuvent aider un retardataire non seulement à rattraper son retard, mais aussi à établir des références mondiales.
Les débats actuels sur la gouvernance de l’IA se concentrent fortement sur l’éthique, la sécurité et les risques liés aux frontières. Si ces questions sont importantes, le défi le plus immédiat pour la plupart des pays est le décalage entre les capacités de l’IA et la préparation institutionnelle. Pour remédier à ce problème, les décideurs politiques et les parties prenantes doivent se demander qui tire profit de la valeur ajoutée, comment les capacités productives sont développées, ce qu’il advient des travailleurs et comment la technologie interagit avec les capacités existantes de l’État.
Une automatisation prématurée, tout comme une désindustrialisation prématurée, rendra les économies plus fragiles et dépendantes. L’Afrique n’a pas besoin de gagner une course à laquelle elle n’a jamais participé. Il en va de même pour les nombreuses économies à revenu intermédiaire, voire avancées, confrontées à une stagnation de la productivité et à des problèmes sociaux. Elles ont plutôt besoin d’une stratégie en matière d’IA fondée sur la logique : la numérisation précède l’automatisation, la capacité précède l’échelle et la gouvernance précède la diffusion.
À une époque de plus en plus marquée par la concurrence géopolitique autour des données, des semi-conducteurs et des infrastructures cloud, le séquençage devient un outil de souveraineté en permettant aux pays de s’engager dans la technologie selon leurs propres conditions. L’IA ne doit pas nécessairement être une force déstabilisatrice. Elle le sera toutefois très certainement si les décideurs politiques se précipitent pour adopter des systèmes qu’ils ne peuvent pas contrôler.
Par Mark-Alexandre Doumba
JDF TV
L'actualité en vidéo
